基于灰度的图像边缘检测与匹配算法的研究
傅立光 徐惠红
摘要：图像边缘检测技术是其他一些图像分析技术的基础，文章阐述了Canny边缘检测和块匹配算法的实现方法，通过实验验证了改进的滑动窗口算法的匹配效率。
关键词：边缘检测；灰度；块匹配；相似度
中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）13-0175-02
1 图像边缘检测与匹配的概述
边缘是灰度不连续的结果，是图中灰度的急剧变化。边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。
图像匹配就是将模板与待检测的图像进行比较匹配，并给出一个描述匹配程度的计算结果。如果算法的运算结果显示图像中的某一部分与模板相同或是相似大于设定的阈值，则认为匹配成功 [1]。
2 边缘检测与提取的算法
经典的边界提取技术大都基于微分运算。首先通过平滑来滤除图像中的噪声，然后进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阈值来提取边界，这里使用Canny边缘检测技术。
二维Canny算子首先用高斯滤波器平滑图像；然后使用差分模板近似计算梯度值和方向；再在梯度方向上确定局部极大值点，用双门限法去除噪声并保留边缘点；最后进行插值将边缘点连接起来以形成连贯的曲线。对图像应用Canny算子运算，可直接获得单像素宽的图像边缘连贯曲线[2]。
3 改进的滑动窗口（块）的匹配方法
滑动窗口（块匹配法）是指将待配准图像的分成N×N的多个子区域的像素的集合作为模板。将匹配图分成M×M的多个子区域在模板图像中确定搜索区域，在搜索区域中搜索和模板最相似的匹配块，当搜索区域没有成功时，则按照某种标准扩大搜索区域并按照匹配图的大小继续线性搜索[2]。
改进的滑动窗口的匹配方法的算法思想为[3-5]：
首先，将模板处理成和匹配块大小成整数倍数的图像，如果模板图像的边长不是块边长的整数倍，则将最底部与最右边剩余的几行、几列裁减掉（如图2所示为裁剪好的图片），然后根据模板图像与带匹配图像的比率划分块大小，此处设模板图像的块为{L1，L2，…，Lk }，带匹配图像的分块为{P1，P2，…，PN}，分别计算计算出两幅图像中每一块的平均概率密度，将待匹配图像在模板图像中按照块大小进行移动。
然后，进行第一步的粗配，通过计算的模板图像和匹配图像每一块的平均概率密度找出几对最大值点和最小值点，找出两图的中最大值与最大值和最小值与最小值差值小于某个数值的相应的块，以模板图的四个角点和这些块为开始位置同时进行粗配，得到相似度值，如果该值大于一个阈值（本文为0.8），则继续在当前位置进行逐块比较，并且记录下相似度。如果不在阈值范围内认为该块不该为开始匹配的起始点，从下一最大值或最小值差别小于某个数值的块开始，如图2所示。
最后，经过粗匹配阶段，逐块匹配得到的最佳匹配块纵坐标、横坐标可能分别存在一个表中，要得到精确匹配结果，则须用模板在粗匹配后的最佳匹配块内逐象素进行一次精匹配。图3和图4为实验所用的lena匹配模板图，和带匹配的lena部分图。
对于有旋转或比例缩放的图像来说，其图像的单位面积内的平均概率密度会有很大幅度的变化，如图5所示为经过200旋转后的图像（出现了有角度大面积的白色或黑色，其大小与匹配的原图相同，所以其平均概率密度小，填充为黑色则平局概率密度偏大），这种图形通过修改图像的阈值如图5所示，计算出其旋转角度，将其整个图像旋转回来，缺损像素处由相邻处的颜色信息填充。
经过10%放大后的图像（其平均概率密度偏小），要先经过图像的校准及旋转，比例缩放的图像需要根据图像的大小计算出平均像素密度及模板图想的像素密度，计算出放大或缩小的比率，将缩放的图像用的值将其基本恢复成没有缩放比率之前的大小。
4 结束语
实验结果分析：块匹配法的优点是它能够实现两幅图像在256灰度模式下，图像没有经过任何处理、小幅度旋转及缩放的情况下都能够实现图像的精确配准。缺点是计算量较大。在改进的滑动窗口算法中由于采用了两步走-先粗配、再精配的方法，大大提高了图像运算的时间。但是，在实际应用中，由于各种外界的因素，获取图像的质量、图像的变形及图像大角度的平移或旋转等问题，对图像匹配的要求就更高，还有待于我们更进一步的研究探讨。
参考文献：
[1] 宋晓闯. 基于灰度和几何特征的图像匹配算法研究[D]. 天津： 河北工业大学， 2008.
[2] 刘锦峰. 图像模板快速算法的研究[D]. 长沙： 中南大学， 2007.
[3] 阎兴美. 一种快速的图像特征匹配算法[J]. 计算机工程与应用， 2001， 23（4）： 21-23.
[4] 刘莹. 基于灰度相关的图像匹配算法的改进[J]. 应用光学， 2007， 28（5）： 537-538.
[5] 黄旭华. 基于灰度的图像快速匹配算法[J]. 战术导弹控制技术， 2005， 51（4）： 25-26.
