郑秀清，何 坤，周激流

(1. 四川大学计算机科学学院 成都 6100065; 2. 四川师范大学计算机科学学院 成都 610066)

从图像边缘形成的光学机理来看，边缘表现为灰度突变[1]。根据该特性而提出的边缘检测方法很多，总结起来归为3类。1) 基于微分的边缘检测方法，如Prewitt方法、Laplace方法等[2-5]，该类方法运算简单，对阶跃边缘能够准确定位，但对其他边缘定位存在偏移[6]，易受噪声影响。为克服噪声对边缘检测的影响，常常先采用Gauss函数对图像进行平滑处理，但平滑处理在降低噪声的同时，也模糊了边缘，造成边缘定位不准确[7-10]。2) 基于像素灰度分布的边缘检测方法[11-13]。该类算法存在两个不足：一是根据邻域像素分析概率密度函数，由于邻域像素个数是有限的，利用有限样本点估计的概率密度误差较大；二是图像一般均受到噪声的污染，并没有考虑噪声对密度估计的影响。3) 基于像素聚类的边缘检测方法。最早通过像素聚类的边缘检测是SUSAN算子，该算法运用中心像素与邻域像素之间的关系计算USAN值作为边缘点的度量[14]，对方波边缘定位准确；对灰度图像运用设定阈值计算USAN值，不同的阈值计算的USAN值不同，得到不同的检测结果。

本文根据图像边缘形成的光学机理，将边缘分为阶跃、斜坡、方波和三角形边缘类型，为了克服噪声对边缘检测的影响，常对图像进行平滑处理，平滑处理将阶跃转化为斜坡边缘；方波转化为三角形边缘。本文通过分析斜坡边缘和三角形边缘与左右邻域均值和边缘像素之间的关系，设计了边缘点的幅度响应函数，提出了图像局部方向均值的边缘检测方法。……