结合Butterworth滤波和Sobel算子的图像边缘检测(2)

（a）lena原图

(b) Sobel算子检测结果

(c)本文方法检测结果

图1 图像边缘检测结果图

    从图1(b)可以看出，Soble算子对噪声有抑制作用，因此不会出现很多孤立的边缘像素点；但Sobel算子对边缘的定位不是很准确，图像的边界宽度往往不止一个像素。从图1(c)可以看出，经Butterworth高通滤波器处理后再对图像采用Sobel算子得到的边缘图，对边缘的定位较准，边界的线条并不是很粗，且对噪声也不是那么敏感。

从以上的结果中我们可以得出：

    （1）图像边缘检测不能仅基于当前点像素的突变，还应根据其邻域的像素及其梯度来判断，否则将会产生误判。

    （2）在一些对噪声敏感定位不准的算子处理之前对图像进行预处理可在一定程度上改进善甚至准确定位边缘。

    （3）在对图像进行预处理时，必须注意到滤波函数的图形。过低的截止频率会影响滤波的性能，而过高的截止频率会导致一些边缘丢失。

    （4）在图像预处理时，必须选定合适的参数。过于陡峭的滤波函数会给图像带来很多的噪声，严重干扰之后的边缘检测；而过于平滑的函数则对低频分量的滤波有限，达不到滤波目的，甚至会对边缘的高频部分造成影响。

    针对Sobel算子检测边缘时边界宽度多于一个像素，边缘定位不准的问题，提出了先用Butterworth高通滤波器对图像进行预处理，对预处理后的图像再进行Sobel算子边缘检测可以解决边缘定位不准的问题。实验结果验证了所提方法的有效性。

    [1] 章毓晋. 图象工程[M]. 北京：清华大学出版社, 1999.

    [2] Health A., Sarkar S., Sanocki T., et al.. Comparison of Edge Detectors: A Methodology and Initial Study. Computer Vision and Image Understanding[J]. 1998, 69(1): 38-54.

    [3] 刑军. 基于Sobel算子数字图像的边缘检测. 微机发展[J]. 2005, 15(9):48-52.

    [4] 刘彩. 一种改进的Sobel图像边缘检测算法. 贵州工业大学学报(自然科学版)[J]. 2004, 33(5): 77-79.