基于改进的Canny算子在火焰图像边缘检测的应用研究

����w>�������m�R�����Q�����餺 ���&�ܺ ��Bjy��&��/�p��|�����|�jy���w�&��/�&��-}󠚞|��ky"http://www.wufanghuizhong.com/p/pingjia/" target="_blank" class="keylink">评价边缘检测性能的三个重要指标：（1）最优化检测，检测结果应尽量多的标记图像实际的边缘，误检出非边缘点和漏检的概率尽可能小；（2）最优化定位准则，实际检测到的边缘像素点应该与真正对应的边缘点位置距离最近；（3）检测点与边缘点准确对应：检测算法精确的选择性，对每个边缘仅有唯一的响应。

将图4.1所示[0∘～360∘]方向角并为4个方向[θ]：[0∘，45∘，90∘，rh]。针对所有边缘，令[0∘=180∘]，[45∘=225∘]等。于是，在[[-22.5∘，22.5∘]]和[[157.5∘，202.5∘]]区间范围内的方向角归并为[0∘]方向角，在[45∘，90∘，rh]的方向角归并如图4.2所示。

边缘点就是在幅角方向检测得到的模值为极大值的点，对像素点邻近的8个方向上各个像素偏导值和相邻像素点模值进行比较，取其最大值的点为边缘点，像素灰度值1，其他则置为0，即为非边缘点。

（4） 采用双阈值算法检测边缘和连接边缘

首先选取高阈值[Th]和低阈值[Tl]，之后开始扫描图像对候选边缘图像[f（x，y）]中标记的候选边缘点的每一个像素点[（i，j）]进行检测，如果像素点（i，j）的幅值[M（x，y）]大于[Th]，那么该点为边缘点；如果像素点[（i，j）]的幅值[M（x，y）]低于[Tl]，那么该点不是邊缘点；梯度幅值[M（x，y）]处于高低阈值之间的点，视为疑似边缘点，需要进一步根据边缘连通性进行判断。如果该点的相邻像素点中有边缘点，则该点视为边缘点进行连接；否则，该点为非边缘像素点，舍弃。

3.2 改进的Canny边缘检测算子

与其他经典边缘检测算法比较，传统canny算子边缘检测效果较好，但也存在一些不足之处。例如高斯平滑滤波对冲击噪声抑制效果不理想；高低阈值需要人工设定，自适应能力比较差。若阈值太高，会使得检测的边缘不连续，丢失许多图像细节；若阈值太低，可能会产生虚假的边缘。

基于传统Canny算法，引入自适应中值滤波，自适应确定分割阈值和模糊判决法连接提取的边缘断裂的部分。

3.2.1 自适应中值滤波

Canny边缘检测通过高斯函数进行滤波，而在式（1）中分布参数[σ]需要人为设定，高斯滤波使图像模糊。因此，采用中值滤波对算法进行改进，自适应中值滤波可以有效保护边缘。

自适应中值滤波能够通过改变模板窗口大小[7]，对信号点与噪声点使用不同的处理算法，达到去噪的效果。对于一幅[M*N]的图像，设[Sxy]为当前的像素点[（x，y）]去除噪声处理的窗口；[Smax]为准许的最大滤波窗口；[f（x，y）]是像素点[（x，y）]的灰度值；[fmin]，[fmed]和[fmax]分别是最小像素灰度值，中值和最大像素灰度值。自适应中值滤波步骤如下：

（1）初始化中值滤波窗口[w=3]；

（2）计算当前窗口内像素灰度的[fmin]，[fmed]和[fmax]；

（3）若[fmin

（4）若[w≤Smax]，转（2）；否则使用模板窗口中的中值[fmed]替换当前像素点，即[f（x，y）=fmed]

（5）若[fmin

3.2.2 自动获取阈值方法对图像进行边缘检测

Canny算子高阈值和低阈值不能根据图像特点自适应确定，需要人为设定，存在较大误差。针对这一缺点，采用Ostu最大类间方差法自动获取高、低阈值。

最大类间方差法根据图像的灰度特性将图像，通过阈值将图像分割成目标和背景两个部分。图像的背景和目标差别越大，Ostu类间方差越大。当背景错分为目标或者目标错分为背景会使得两个部分差别变小。Ostu越小则错分率越小。

3.2.3 模糊判决法连接提取的边缘断裂的部分

边缘检测会产生不连续的边界，需要对断裂部分进行边缘连接处理。在提取的边缘图像中分析每一个像素点的小领域内像素特点，根据预定的准则将认为相似的像素点连接，形成连续的一条边缘。在分析确定边缘像素点相似的三个主要性质：

4 实验结果分析

为了验证改进的Canny算子边缘检测的效果，通过matlab实现算法，对有火焰原图像作为测试图像，与传统的Canny算子边缘检测的效果进行比较，如图5所示。改进的Canny算子检测的边缘更完整、清晰。

由表1得到，改进算法与传统算法边缘检测后类峰值信噪比几乎一样，说明改进前后边缘检测性能一样，具有较高的精确度和准确度，但是改进的算法边缘连接性更好，抗噪性更好。

5 结论

本文分析了传统的边缘检测算子在火焰边缘检测的应用，Canny算子的边缘检测效果较好。但是传统的Canny算子对噪声敏感、需要手动设置阈值且自适应能力较差等问题，本文提出一种改进的图像边缘检测算法：首先在第一步中使用自适应中值滤波对Canny算子改进；然后采用Ostu最大类间方差法自动获取阈值进行边缘检测；最后通过模糊判决法对检测的边缘进行断裂部分的连接。改进的Canny算子能够有效检测到边缘，具有很强的阈值自适应能力，极大提高边缘检测的准确性和精确度。为后续的火焰面积、周长等特征提取，林火识别等提供了坚实的基础。

参考文献：

[1] 邱志成，张祥通.基于视觉的柔性结构振动测量及其控制[J].振动测试与诊断，2012，32（1）：11-16+157-158.

[2] 赵金.大气中纳米级黑碳颗粒物形貌的数字图像处理研究[D].华东理工大学，2014.

[3] 仇王健.柔性印版网点高精度测量算法和系统的设计实现[D].杭州电子科技大学，2017.

[4] 尚长春，马宏伟，安静宇.基于改进Canny算子的煤矿井下物体图像边缘检测方法研究[J].计算机工程与科学，2014，36（03）：491-496.

[5] https：//wenku.baidu.com/view/9eb4b18583d049649b6658a0.html

[6] 马蒙蒙，顾梅花，杨婷婷，等.基于各向同性高斯的Canny边缘检测改进算法[J].电子设计工程，2016，24（08）：131-133+137.

[7] 徐亮，吴海涛，孔银昌.自适应阈值Canny边缘检测算法研究[J].软件导刊，2013，12（08）：62-64.

[8] 陈喜胜，钟菊萍，李军.最大类间方差法在污水排放图像处理中的应用研究[J].现代计算机（专业版），2017（32）：65-70+75.

[9] 于红果，范赛华.利用最大隶属度模糊判别法识别水淹层[J].国外测井技术，2010，30（03）：16-18.

[10] 王敏，周磊，周树道，等.基于峰值信噪比和小波方向特性的图像奇异值去噪技术[J].应用光学，2013，34（1）：85-89.

【通联编辑：朱宝贵】