摘要：圖像邊緣檢測(cè)在醫(yī)學(xué)中有很重要的應(yīng)用，針對(duì)此提出了一種新的邊緣檢測(cè)方法,，首先采用canny算子對(duì)圖像進(jìn)行邊緣檢測(cè),，然后對(duì)檢測(cè)后的圖像輪廓跟蹤,。實(shí)驗(yàn)表明,，與傳統(tǒng)的邊緣檢測(cè)算法相比,，這種算法能更好地提取圖像中目標(biāo)物體的邊緣，減少檢測(cè)邊緣斷裂現(xiàn)象,，具有很好的應(yīng)用價(jià)值,。
關(guān)鍵詞：canny算子；邊緣檢測(cè),；輪廓跟蹤

0 引言
    邊緣檢測(cè)是圖像處理中的重要內(nèi)容。圖像邊緣是圖像局部特性不連續(xù)性(灰度突變,、顏色突變,、紋理結(jié)構(gòu)突變等)的反映，它標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始,。在實(shí)際圖像處理問題中,，圖像的邊緣作為圖像的一種基本特征，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中去,，同時(shí)它在圖像識(shí)別,、圖像分割,、圖像增強(qiáng)以及圖像壓縮等領(lǐng)域中有較為廣泛的應(yīng)用。圖像邊緣檢測(cè)的手段多種多樣,，大的框架有兩種,，一是傳統(tǒng)的基于邊緣檢測(cè)算子的檢測(cè)方法；另外一種是基于小波的多尺度邊緣測(cè)算法,。然而小波變換在用于處理圖像時(shí)并不是最佳的,，因?yàn)榛谛〔ㄗ儞Q的圖像邊緣檢測(cè)方法提取的邊緣只具有有限的方向，而自然圖像邊緣的方向可能是任意的,，因而小波邊緣提取方法提取的邊緣不能最佳地逼近圖像邊緣,；傳統(tǒng)的Robert、Sobel,、Prewitt,、Kirach和Laplacian算子對(duì)噪聲較為敏感，在處理實(shí)際圖像中效果并不理想,。通過研究,，本文提出了一種基于canny邊緣檢測(cè)算子，結(jié)合輪廓跟蹤的方法,，在物體邊緣得到增強(qiáng),、對(duì)比度得到改善、噪聲得到有效抑制的同時(shí),，很好地解決了使用傳統(tǒng)的邊緣檢測(cè)算子在邊緣檢測(cè)過程中帶來的檢測(cè)邊緣斷裂的問題,，從而能夠保證檢測(cè)到的邊緣連續(xù)、單一,、清晰,，是一種實(shí)用的圖像處理方法。最后把改進(jìn)后的算法應(yīng)用到實(shí)際醫(yī)學(xué)圖像邊緣檢測(cè)中,，并與傳統(tǒng)邊緣檢測(cè)算子的檢測(cè)效果比較,，從而得出結(jié)論。

1 Carmy算子的基本原理
1．1 平滑圖像
    Canny算子選用合適的一維高斯函數(shù),，分別按行和列對(duì)圖像f(x,，y)進(jìn)行平滑去噪，這相當(dāng)于對(duì)圖像信號(hào)的卷積,。所選的高斯函數(shù)為：
    
    式中：σ為高斯曲線標(biāo)準(zhǔn)差,，控制著平滑程度。
1．2 計(jì)算梯度的幅值和方向
    Canny算子采用2×2鄰域一階偏導(dǎo)的有限差分來計(jì)算平滑后的數(shù)據(jù)陣列I(x,，y)的梯度幅值和梯度方向,。x和y方向偏導(dǎo)數(shù)的2個(gè)陣列Px[i,j]和Py[i,j]分別為：
   
    像素的梯度幅值和梯度方向分別為：
   

1．3 獲取邊緣
    為了提取單像素寬邊緣，必須細(xì)化梯度幅值圖,。在梯度幅值圖像中,，M[i,j]的極大值所在位置附近會(huì)產(chǎn)生屋脊帶,，只有細(xì)化這些屋脊帶才能精確地確定邊緣的位置，僅保留幅值局部變化最大的點(diǎn),，這一過程叫做非極大值抑制,。在非極大值抑制過程中，Canny算子使用3×3大小,，包含8個(gè)方向的鄰域?qū)μ荻确店嚵蠱[i,j]的所有像素沿梯度方向進(jìn)行梯度幅值的插值,，在每一個(gè)點(diǎn)上，鄰域的中心像素M[i,j]與沿梯度方向的2個(gè)梯度幅值的插值結(jié)果進(jìn)行比較,，如果鄰域中心點(diǎn)的幅值M[i,j]不比梯度方向上的2個(gè)插值結(jié)果大,，則將M[i,j]對(duì)應(yīng)的邊緣標(biāo)志位賦值為0，這一過程把M[i.j]寬屋脊帶細(xì)化為一個(gè)像素寬,，并且保留了屋脊的梯度幅值,。
    對(duì)經(jīng)過非極大值抑制和梯度直方圖分類的子圖像N[i,j]分別使用高、低2個(gè)閾值thrA和thrl,，將梯度小于閾值的像素灰度置為0,，分割得到2個(gè)閾值邊緣圖像TH[i,j]和TL[i,j]。由于圖像TH[i,j]是由高閾值得到,，因此偽邊緣很少,，但TL[i,j]保留邊緣信息較為全面，但也含有一些偽邊緣,。因此以圖像TH[i,j]為基礎(chǔ),，圖像TL[i,j]為補(bǔ)充獲得相對(duì)較為全面的邊緣。
1．4 輪廓跟蹤或輪廓提取
    在對(duì)圖像進(jìn)行canny邊緣檢測(cè)后,，可能會(huì)出現(xiàn)某些檢測(cè)邊緣斷裂,、不連續(xù)的現(xiàn)象，為了解決這個(gè)問題,，使獲得的目標(biāo)檢測(cè)物體的邊緣能夠連續(xù)并且去除多余的偽邊緣,，在邊緣檢測(cè)后，再對(duì)圖像進(jìn)行邊界跟蹤,，便可使這一問題得以很好地改善,。
    對(duì)于二值圖像，輪廓提取的基本方法是掏空內(nèi)部點(diǎn),，即如果原圖像中有一點(diǎn)為黑,，且其他相鄰的8個(gè)點(diǎn)都為黑，則將該點(diǎn)刪除,。
    本文借鑒二值圖像輪廓跟蹤方法，即將每一點(diǎn)與其相鄰的8個(gè)點(diǎn)作比較,。具體方法為：(1)先找到第一個(gè)邊界像素,。按從左到右,、從下到上的順序搜索，找到的第一個(gè)白點(diǎn)一定是最左下方的邊界點(diǎn),，記為A0,，它的右、右上,、上,、左上四個(gè)相鄰點(diǎn)中至少有一個(gè)是邊界點(diǎn)，記為B0,，從B0開始找起,，按右、右上,、上,、左上、左,、左下,、下、右下的順序找8個(gè)相鄰點(diǎn)中的邊界點(diǎn)C0,，如果C0就是A0點(diǎn),，則表明已經(jīng)轉(zhuǎn)了一
圈，結(jié)束,；否則從C0點(diǎn)繼續(xù)找,，直到找到A0為止；(2)判斷是否邊界點(diǎn)：如果它的8個(gè)相鄰點(diǎn)都不是白點(diǎn),，則它即為邊界點(diǎn),。對(duì)于邊界跟蹤來說，跟蹤后產(chǎn)生的輪廓邊緣寬度只有一個(gè)像素,，實(shí)現(xiàn)了邊緣像素點(diǎn)單一,、清晰，并很好地去除了偽邊緣點(diǎn),。

2 實(shí)驗(yàn)結(jié)果對(duì)比
    為驗(yàn)證本文算法,，以醫(yī)學(xué)圖像為例，與傳統(tǒng)邊緣檢測(cè)算子進(jìn)行對(duì)比,，實(shí)驗(yàn)表明,，本文提出的方法具有很好的邊緣檢測(cè)效果，對(duì)比結(jié)果如圖1～圖5,。

3 結(jié)果分析
    本文采用將圖像先進(jìn)行Canny邊緣檢測(cè),，再進(jìn)行輪廓跟蹤的處理方法，一方面能夠解決傳統(tǒng)邊緣檢測(cè)算法所帶來的邊緣斷裂問題,，而且易于理解和實(shí)現(xiàn),，具有較好的檢測(cè)效果,。但另一方面，對(duì)圖像分別進(jìn)行兩次處理,，降低了圖像處理的效率,，在實(shí)時(shí)處理要求較高的應(yīng)用環(huán)境，此算法還需進(jìn)一步改進(jìn),。