许悟生, 谢可夫

(湖南师范大学a.物理与信息科学学院，b.计算机教学部，中国 长沙 410081)

边缘检测是图像处理和计算机视觉中的基本问题，其目的是标识数字图像中亮度变化明显的点．边缘检测是底层视觉处理中最重要的环节之一, 也是图像分割、目标区域识别、区域形状提取等图像分析方法的基础，目前已经逐渐被广泛地应用于生物医学、模式识别以及工程技术中的零部件检查、故障诊断等更多领域．一直以来，如何准确快速地提取图像边缘是图像处理领域中的热点问题．

传统的边缘检测方法以微分算子法最为常用，其原理是通过对邻域内像素的灰度差分运算代替导数运算，然后根据导数或梯度考察图像小邻域灰度的跃变情况，构造边缘检测算子，如基于一阶微分的Roberts算子、Sobel算子、Prewitt算子、Canny算子和基于二阶微分的拉普拉斯(Laplacian)算子等[1]．因为各算子模板的构造特性,各算子对不同边缘的敏感程度不一，因此在检测边缘时，应根据不同类型的边缘采用合适的算子．但是，这些算子各有优缺点，Roberts算子和Laplacian算子对显著边缘变化的图像响应较好,抗噪能力较弱；而Sobel、Prewitt和Kirsch算子等具有较好的抗噪能力和图像响应，但其响应并未考虑中心像素灰度的影响；虽然Canny算子是目前传统检测算子中效果最好的一种，实验证明它的边缘强度估计和边缘定位优于其他算子,但它使用2×2的算子模板检测边缘梯度，使得它对边缘的准确定位有所偏差．

随着信息……