圖像處理領域中涉及很多特征，角點特征，邊緣特征，形狀特征，紋理特征，顏色特征，直方圖統(tǒng)計特征等等（還有很多^_^）。這些特征有些是比較底層的特征，如角點特征，邊緣特征，顏色特征等，有些則是較為高層的特征，如形狀特征，紋理特征，直方圖統(tǒng)計特征。

       這里我們主要談論底層特征中的邊緣特征，提取這些特征的手段叫作邊緣特征提取或叫作邊緣檢測。邊緣檢測常用的算子中分為一階檢測算子和二階檢測算子，這里提及的算子有些類似數(shù)學中的微分的概念（要有一定的數(shù)學基礎哦）。邊緣檢測的另外一種形式也被成為相位一致性，這個概念我到后面再談及，有了這個概念之后幫助我們從圖像頻域分析邊緣提取這一過程。

表1 圖像處理邊緣檢測算子分類表格

       基于邊緣檢測的分析不易受整體光照強度變化的影響，同時利用邊緣信息容易凸顯目標信息和達到簡化處理的目的，因此很多圖像理解方法都以邊緣為基礎。邊緣檢測強調(diào)的是圖像對比度。對比度從直觀上的理解就是差異的大小，若對于灰度圖像來說就是灰度值（亮度值）的差別，若對于彩色圖像則是顏色的差異了。這些差異可以增強圖像中的邊界特征，因為這些邊界就是圖像對比度較大的體現(xiàn)。

       這就是我們感知目標邊界的大體機制，因為目標的表現(xiàn)就是與它周圍的亮度差別。

一、水平差分算子、垂直差分算子

       亮度變化可以通過對相鄰點進行差分處理來增強。對水平方向的相鄰點進行差分處理可以檢測垂直方向上的亮度變化，根據(jù)其作用通常被稱為水平邊緣檢測算子（horizontal edge detector），這樣就可以檢測出垂直邊緣Ex；對垂直方向的相鄰點進行差分處理可以檢測水平方向上的亮度變化，根據(jù)其作用通常被稱為垂直邊緣檢測算子（vertical edge detector），這樣就可以檢測出水平邊緣Ey。

       將水平邊緣檢測算子和垂直邊緣檢測算子結合，就可以同時檢測出垂直邊緣和水平邊緣，即：

       利用泰勒級數(shù)分析可以知道相鄰兩點的差值是一階導數(shù)的估算值，誤差。

       如果在相鄰兩個差分點之間插入一個像素來實現(xiàn)，相當于，相當于用兩個相鄰點的一階差分作為新的水平差值Exx，其中

       Exxx,y = Ex x+1,y + Ex x,y = |Px+1,y - Px,y + Px,y - Px-1,y| = |Px+1,y - Px-1,y |

       利用泰勒級數(shù)分析可以知道一階微分的估算值是由一個像素隔開的兩個點的差值，誤差。

二、一階邊緣檢測

(a) Roberts交叉算子

       Roberts交叉算子實現(xiàn)的基礎是一階邊緣檢測，利用兩個模板，計算對角線上而不是坐標軸上的兩個像素的微分。這里命名這兩個模板分別為M+,M-

(b) Prewitt邊緣檢測算子

       邊緣檢測類似微分處理，它檢測的變化的部分，必然對噪聲和圖像的亮度變化都有相應處理。因此，把均值處理加入到邊緣檢測過程中一定要非常謹慎。我們可以把垂直模板Mx擴展成三行，而水平模板My擴展成三列。這樣就得到Prewitt邊緣檢測算子。

(c) Sobel邊緣檢測算子

       如果把使兩個Prewitt模板算子中心像素的權值去兩倍的數(shù)值，便得到有名的Sobel邊緣檢測算子，它是由矢量方式確定邊緣的兩個掩碼組成的。Sobel很受歡迎是因為它比Prewitt算子等同時期的其他邊緣檢測算子性能更好。

       Sobel算子的通用形式綜合了一條坐標軸上的最優(yōu)平滑和另一條坐標軸上的最優(yōu)差分。值得注意的是，大的邊緣檢測模板的好處是它減少噪聲的平滑效果更好，然而邊緣模糊卻成為一個大難題。

(d) Canny邊緣檢測算子

       Canny邊緣檢測算子可以說是當前最受歡迎的邊緣檢測方法。它由三個主要目標形成：

o 無附加響應的最優(yōu)檢測

o 檢測邊緣位置和實際邊緣位置之間距離最小的正確定位

o 減少單邊緣的多重響應而得到單響應

o Canny指出高斯算子對圖像平滑處理是最優(yōu)的。Canny邊緣檢測一般處理的步驟可以粗略的分為以下四個步驟：

1. 應用高斯平滑處理

2. 應用Sobel算子

3. 應用非極大值抑制（非極大值抑制實質(zhì)上是找到邊緣強度數(shù)據(jù)中的最高點）

4. 滯后閾值處理來連接邊緣點（閾值處理需要兩個閾值，即上限閾值和下限閾值 ）

三、二階邊緣檢測

       一階邊緣檢測的前提是微分處理可以使變化增強。找圖像變化率最大的地方不僅可以通過一階變化率的極值尋找，同時也可以通過二階變化的過零點來尋找。

(a) Laplacian算子

       二階微分可以利用兩個相鄰一階微分的差值來近似。這也和數(shù)學中的概念相一致。

       如果把水平二階算子和處置二階微分算子結合起來，可以得到一個全Laplacian模板算子。

圖7 Laplacian邊緣檢測算子

(b) Marr-Hidreth算子

       Marr-Hidreth也是利用高斯濾波。該算子的曲面圖是墨西哥帽子的形狀，所以有時也被成為“墨西哥帽子”算子，如下圖所示。

圖 8 LoG算子的形狀

       實際上，如果把高斯平滑和Laplacian算子結合起來，可以得到一個LoG（Laplacian of Gaussian）算子，它就是Marr-Hidreth的基。

       各算子的效果比較：

圖 8 LoG算子的形狀

四、其他邊緣檢測

       邊緣檢測作為視覺處理的初級階段，方法有很多種，這里我們再提及兩個設計最優(yōu)的邊緣檢測方法，Spacelk方法和Petrou方法。有興趣的朋友可以進一步了解。這里需要提及的是Spacek算子使定位信噪比和峰值分離比的乘積最大化。     

       Spacek算子比Canny算子具有很高的性能。Petrou算子使用的模板比較大，以便保存最優(yōu)性，因此Petrou算子可以處理比較大的計算復雜度，但在使用的時候，應當具體問題具體分析。

五、相位一致性

       邊緣檢測算子的比較突出了它們的一些內(nèi)在問題：不完整輪廓問題、閾值選擇問題和噪聲響應問題。因為光照強度在圖像的不同區(qū)域是不一樣的，選擇單個閾值通常不能適用于圖像中的所有區(qū)域。這些問題單靠簡單初級的處理難以解決。需要優(yōu)化方法或者使用較為高級的手段才能達到一定的效果。

       相位一致性（Phase congruency）方法是一個特征檢測算子，它由如下兩個優(yōu)點：

§ 可以檢測大范圍的特征

§ 對局部（和平滑）光照變化具有不變性

       這兩個優(yōu)點其實就是一致性檢測具有局部對比度不變性：即使階梯邊緣強度變小，其變化位置并不改變。

        深圳市雙翌光電科技有限公司是一家以機器視覺為技術核心，自主技術研究與應用拓展為導向的高科技企業(yè)。公司自成立以來不斷創(chuàng)新，在智能自動化領域研發(fā)出視覺對位系統(tǒng)、機械手視覺定位、視覺檢測、圖像處理庫等為核心的20多款自主知識產(chǎn)權產(chǎn)品。涉及自動貼合機、絲印機、曝光機、疊片機、貼片機、智能檢測、智能鐳射等眾多行業(yè)領域。雙翌視覺系統(tǒng)最高生產(chǎn)精度可達um級別，圖像處理精準、速度快，將智能自動化制造行業(yè)的生產(chǎn)水平提升到一個更高的層次，改進了以往落后的生產(chǎn)流程，得到廣大用戶的認可與肯定。隨著智能自動化生產(chǎn)的普及與發(fā)展，雙翌將為廣大生產(chǎn)行業(yè)帶來更全面、更精細、更智能化的技術及服務。