黄林彩 王智文 符晓彪 刘美珍

摘  要：图像边缘包含大量信息，提取这些图像边缘在图像处理和目标识别等计算机视觉方面有着重要作用。针对传统Canny算法在提取图像边缘时存在抗噪能力弱、梯度信息提取不全面造成边缘缺失等问题，提出基于多方向和最佳阈值的Canny算法手势图像边缘检测。采用中值滤波和双边滤波作为混合滤波器代替高斯滤波，采用八方向模板的Sobel算子计算梯度幅值，用迭代法选取最佳阈值检测和连接边缘。实验结果表明，改进的Canny算法提取的手势图像边缘自适应性强，边缘定位准确，抗噪性能好，为手势识别提供了保障。

关键词：图像边缘检测;Canny算法;Sobel算子;混合滤波器;八方向模板;阈值

中图分类号：TP391.4           DOI：10.16375/j.cnki.cn45-1395/t.2022.01.011

0    引言

随着科技进步和智能识别的发展，人与计算机的交互逐渐成为研究热点，如手势姿势识别、人体运动姿势识别、行人走路姿势识别等[1]。动作姿势有着丰富的语义信息，计算机可以通过传递的语义信息做出相应的动作，以满足人类的需求，因此，对于姿势的识别尤为重要[2]。在姿势识别过程中，姿势的边缘检测也是研究的重点，具备抗噪能力、定位准确、适应性强的边缘检测算法成为众多学者的研究目标。

在边缘检测算子中，一阶导数边缘检测算子通过模板与图像进行卷积，使用阈值提取图像边缘，常用的有Roberts算子和Sobel算子。二阶导数边缘检测算子如Laplace算子，其特点是对噪声敏感，适用于无噪声的图像。而Canny算子结合了高斯函数、一阶导数和双阈值来提取图像边缘，边缘检测效果突出，得到了广泛的应用。Canny算子有3条关于边缘检测的准则：1）尽可能找到较多的边缘点，达到较低的误检率;2）检测出的边缘定位准确，与实际边缘点间的差距较小;3）检测到的边缘点具有单一性，不存在伪边缘的情况。为提高Canny算子的边缘检测精度，学者们做了许多改进。文献[3]为去除图像中无用的信息，减少干扰，提出结合形态学的操作去除噪声，并且使用Otsu算法自适应确定双阈值。文献[4]中的阈值分割方法是通过梯度方差对图像进行分块，提高了边缘检测的精度和准确度。文献[5]提出融合Canny自适应算法和小波模极大值法，使提取的边缘较连续和完整。文献[6]在去除噪声中采用自适应的中值滤波和双边滤波相结合，通过最大熵自适应选取阈值，采用霍夫变换与像素点的梯度方向相结合进行检测，连接边缘，改进后的算法不仅噪声去除效果好，而且边缘连续性强。

本文在前人的基础上，通过总结和分析图像的滤波算法和边缘检测算子[7]，提出了一种改进的Canny算法并将其应用于手势图像的边缘检测。针对高斯滤波会模糊图像边缘且去除椒盐噪声效果差的情况，使用中值滤波和双边滤波作为混合滤波器来代替高斯滤波;增加Sobel方向模板来计算图像梯度;对于人工设定的高低阈值，使用迭代最佳阈值实现双阈值的确定。

1    传统Canny图像边缘检测算法

Canny图像边缘检测算法于1986年由Canny[8]提出并一直沿用至今，主要有4個步骤。

Step 1   设计高斯滤波器。使用高斯滤波器对原始图像进行滤波，高斯滤波器可以用式（1）来   设计：

[H（x， y）=12πσ2exp-x2+y22σ2]，                （1）

式（1）中：[H（x， y）]表示高斯滤波器，[σ]表示高斯函数的分布参数。噪声抑制能力随着[σ]减小而减小，边缘定位精度随着[σ]减小而增大。因此，[σ]的取值大小决定了图像的去噪能力。

Step 2   计算图像的梯度幅值和方向。Sobel算子是通过0°和90° 2个角度方向来计算图像梯度幅值[9]。梯度幅值[g]和方向[θ]分别用式（2）和式（3）    计算：

[g=g2x+g2y]，                              （2）

[θ=arctangygx].                            （3）

Step 3   对图像边缘进行非极大值抑制。根据梯度运算计算出每个像素点的梯度方向和大小之后，对图像边缘进行提取，就是要找出图像中变化最明显的地方，抑制不是极大值的点，排除干扰。即中心点与所属方向上的像素点进行幅值比较，当大于该方向上的所有像素点的梯度幅值时，该灰度值为幅值，否则灰度值为0。

Step 4   采用高低阈值对图像进行边缘检测和连接。在非极大值抑制后，通过设定的高低阈值来进一步确定图像边缘，消除虚假边缘[10]。当图像某一点的像素灰度值大于所设定的高阈值，则确定为边缘点，灰度值归为255进行保留;小于低阈值的像素点判定为背景，灰度值作为0处理;处于高低阈值中间的像素点，则根据其邻域像素值来确定。

2    改进的Canny算法

传统的Canny算法利用高斯滤波来平滑噪声，去噪效果不强，不能很好地保护图像边缘，导致边缘细节缺失，而中值滤波能平滑椒盐噪声。双边滤波与高斯滤波的原理相似，它的优点是保护图像边缘。因此，本文设计了结合中值滤波和双边滤波优点的混合滤波器。为提取到更全面的图像梯度信息，提高边缘的定位精度，根据文献[11]，采用八方向梯度模板的Sobel算子。传统的Canny算法需要手动设定高低阈值，没有根据图像的特征来选取，缺少普遍的适应性，存在图像边缘漏检和误检的情况。根据文献[12]，采用迭代最佳阈值算法选择最优的高低阈值，实现对手势图像的边缘检测和连接，其算法流程图如图1所示。