关雪梅

（辽宁对外经贸学院基础课教研部 辽宁大连 116052）

图像特征提取技术研究

关雪梅

（辽宁对外经贸学院基础课教研部 辽宁大连 116052）

数字图像特征提取是从计算机视觉和图像处理中分离出来的，图像特征提取是图像识别的重要部分，采用计算机来处理图像，找出图像中不变的特征，面向实际问题进行处理。文章主要研究图像特征提取的方法、特点等问题，为后续图像处理奠定基础。

图像特征；边缘检测；边缘提取；边界细化；边界跟踪

图像的特征提取技术是一门交叉性很强的学科，涵盖着计算机视觉技术和图像处理处理技术的内容，在这两个领域中图像的识别是一项困难而又关键的技术，其中关键的问题在于提取图像的特征。用计算机对图像进行分析和处理，提取图像的特征处理实际的问题。1964年美国研究描绘出了月球图像，这一研究为以后图像特征提取技术产生了很大的影响。从此以后，世界上很多国家都发现了数字图像处理这一领域的广阔发展前景，对图像信息特征提取技术进行深入的研究。在实际遇到的图像处理应用问题的不同，因而图像特征提取一直没有精确的定义，有关计算机图像分析处理的算法都是以特征为主，处理程序成功与否与定义的特征关联很大。进行图像处理的第一步就是特征提取，之后通过图像运算来检测图像中的每个像素点，最后形成像素所属的特征。在图像特征提取前我们一般进行图像增强运算，最后运用导法则计算出图像的特征。

一、图像特征提取

人们在对图像进行分析和处理时通常对图像的某一个部分感兴趣，我们可以将感兴趣的部分称为目标对象或前景，而图像的其它部分称为背景。这些目标具有特定的属性，对这些特征进行分析研究，可以后续的图像分析和处理创造有利的条件。图像分析是指测量目标图像的特征。一般分成预处理、特征提取和特征测量三个步骤对图像进行处理。

图像预处理：对目标图像进行规格化和灰度矫正，去除几何畸变，消除噪音，方便后期处理，易于进行。

图像特征的提取：从目标图像图提取边缘、区域或纹理等图像特征的过程称为图像特征提取。图像区域分割和边缘检测是图像特征提取中两种最基本的方法，二者具有互补的关系，在目标图像中目标对应的部分，其灰度特征、颜色特征和纹理特征等均匀，而不同目标对象或目标的不同部分之间，图像特征急剧变化。图像边缘检测是将目标图像不连续的部分提取出来，形成边缘图像，采用闭合边缘计算区域。图像区域分割是把图像中相同特征的区域提取出来，将该部分的轮廓定义为图像边界，边缘像素的集合。

图像特征向量：经过图像特征提取，算出图像特征间的空间关系或对其属性进行计算。图像特征的属性和关系信息大致包括：灰度、色彩和多光谱信息纹理信息，位置、形状信息，空间结构和关系信息。

图1 图像分析的处理过程

（一）图像边缘检测。图像中不连续的区域是图像边界，它反映了一个区域的结束和另一个区域的开始。边界是一个有限的区域形成一条闭合的通路，它是一个整体的概念；而图像边缘是一个局部的概念，它由一些灰度函数的导数值超过预先设定的阈值的像素组成。图像分割技术就是将图像变换像素形成完整的封闭的边界。可以看出，寻找图像边缘是图像边界分割方法的第一步。探索图像轮廓的方法称作图像边缘检测，在进行图像的特征提取前都要对图像进行边缘检测。

图像的边缘是图像亮度发生剧烈变化的结果，产生急剧变化的原因总结为以下几点：

1.不同图像图区域的邻接，即由图像区域边界构成。

2.图像表面图案的不同形成图像边界。

3.三维形状在图像发生的边缘效应。

4.由于光的明暗方向变化，产生阴影在图像中的边缘效应。

由于灰度变化产生的原因和空间变化模式的不同，所以在对图像进行边缘检测算法需求会有所不同。在图像进行边缘处理时常用一阶和二阶导数来检测图像边缘。

下面介绍几种在图像边缘检测中常用的算子：

梯度算子

拉普拉斯算子（Laplacian）

（二）图像边缘提取。图像的边缘检测是对目标对象边界线附近的像素进行计算，在图像边缘附近会有一定的宽度，如果为了削减噪声采用较大的区域来求差分时，还有一种情况就是图像边缘本来就很模糊，宽度就会更大。有时边缘图像出现间隙或断点的现象，在图像处理时需要进行连线补充。

二、图像边界提取

提取图像的边界就是在图像边缘检测的基础上，经过细化图像边缘，边缘连接，边缘闭合，形成一个完整的图像轮廓。可以分为边缘细化和边界跟踪两个部分。

（一）图像边缘细化。图像边缘细化的目的就是在保持图像边缘的条件下，除去一些不重要的像素，这样就会使图像边缘的宽度变细。采用微分法来计算出图像的边缘，图像的微分值会有很大的变化。对垂直于梯度方向上的邻接像素点的微分值进行比较，除去小于邻域点的微分值，就可以实现图像边缘细化的目的。对于边缘明显并且噪声低的图像，可以采用将微分图像进行二值化，然后将具有宽度的线细化为单像素的线段，也可以实现边缘细化。

可以用Sobel边缘检测算子进行图像边缘细化，其处理模板各参数的和为零。由于模板的正负因子分别为4和-4，在特定的条件下处理结果就有可能产生溢出的效果。所以用Sobel算子进行图像处理时，一般引用阈值对其进行二值化，从而得到了二值化的图像边缘图，这样会造成幅值小的边缘图像像素点丢失。要解决这个问题，可以设计一个衰减因子Scale，用他去除计算的结果，来除去数据溢出这个问题，可以不进行二值化处理得到不失真的灰度边缘图像，保留了目标图像边缘数据。即

用Sobel算子来细化图像边缘的基本思想是将经过边缘检测后的图像用Sobel算子进行处理运算，得到边缘的边缘图，在新生成的边缘图上，目标图像边缘两侧得到新的边缘，从而使中间部分变成了图像背景，并且背景宽度稍微小于图像的原边缘。和Laplacian图像边缘增强算法相似，利用这个特点可以细化图像原边缘。将原边缘图像减去新的边缘图像，将图像运算后结果中与负的部分的像素边缘变为0，得到具有较细边缘的边缘图像，这样就使得处理后图像边缘线宽要小于原边缘图像，因此实现图像边缘细化的目标。

（二）图像边界跟踪。图像的边界跟踪是指将图像中微分值高的像素按顺序连接在一起，提取出目标图像边界的方法。一般都是先对目标图像进行微分运算，计算出梯度方向从而图像边缘细化，接下来选择梯度最大的点作为跟踪目标的起始点，然后根据起始像素点算出的梯度方向计算图像边缘方向，求出在该方向的邻接像素点，从这些邻接像素点中选取梯度最大的像素，如果此像素是在图像跟踪过程中从未用到的并且最大梯度值超过阈值的像素，那么我们就选取这个像素成为图像边缘上的新点，反复重复执行以上操作就会把图像所有的边缘点找到，达到边界跟踪的最佳效果。

三、结语

图像特征提取是图像识别处理非常重要的步骤，提取效果的好坏直接影响图像的最终处理效果。由于图像特征提取技术提取效率较高，所以在数字图像处理中得到了很广泛的应用。本文基于图像处理技术基本原理和基本理论，详细地介绍了图像特征提取的方法。现如今图像特征提取技术已经受到越来越多学者的重视，但是仍然存在着不足之处和要解决的实际问题，比如缺少评价指标系统和在提取时计算量比较大的问题等。我们图像处理研究工作者要不断改进和更新图像特征提取方法，每一种方法都有它自身的优点和缺点，选择一种最合适的方法来提取目标对象的特征，满足特定的图像处理的需要。

[1]姚庆梅,牛君.一种基于方向形态学的图像轮廓提取方法[J].山东大学学报(工学版),2005(4):47-50.

[2]邹柏贤,林京壤.图像轮廓提取方法研究[J].计算机工程与应用,2008(5):161-165.

[3]孙即祥.图像处理[M].北京:科学出版社,2010.

[4]李金娟.基于迭代技术的图像轮廓提取方案的研究与实现[J].科学技术与工程,2013(8):125-128.

[责任编辑 郑丽娟]

Research on Image Feature Extraction Technology

Guan Xue mei

（Basic Course Teaching and Research Department,Liaoning University of International Business and Economics,Dalian,Liaoning 116052）

Digital image feature extraction is separated from the computer vision and image processing. Image feature extraction is an important part of image recognition,which is using computer to process the image,and to find the image invariant feature,and oriented to practical problems to deal with.This paper focuses on the research of image feature extraction methods,characteristics and so on,for the subsequent image processing to lay the foundation.

image feature;edge detection;edge extraction;edge thinning;boundary tracking

TP301.6

A

2095-0438（2017）02-0158-03

2016-10-27

关雪梅（1976-），女，辽宁大连人，辽宁对外经贸学院基础课教研部计算机基础教研室副教授，硕士，研究方向：图像处理。

辽宁对外经贸学院2015年度教学改革研究项目（2015XJJGYBXM04）.