基于ＯｐｅｎＣＶ的边缘
检测算法在仪表识别中的应用与改进
岳利军，汪仁煌，刘洪江
（广东工业大学自动化学院 广州，５１００９０）
摘 要：介绍一种Ｃａｎｎｙ边缘检测算法的改进方法，采用自适应确定阈值，研究了在仪表ＬＣＤ数字显示图像的边缘检测应用， Ｖｉｓｕａｌ Ｃ＋＋使用ＯｐｅｎＣＶ类库作为基础函数库，程序经测试，边缘检测处理效果好，处理速度快。
关键词：图像处理；边缘检测；仪表识别
Abstract: This text introduces one kind of improvement solution to Canny edage detection, adopting adaptation to assure threshold value, studying application in LCD digital display of instrument by edge detection. And Visual C++ uses OpenCV datebase as basic function library. Through testing, the processing of edge detection is more effective and quicker.
Key words: Image processing; Edge detection; Instruments identification
中图分类号： ＴＰ３１７．４ 文献标识码： Ｂ 文章编号：１００１－９２２７（２００８）００６８－０４
０ 引 言
仪器仪表被广泛应用于各行各业，但是部分仪器仪表没有提供数据输出的接口，特别是在某些操作人员无法进入的恶劣的环境中，要实现对这些仪器仪表进行读数、校表，或者由读数反馈到前端，对控制器进行参数调整时，大多采用基于机器视觉的仪表自动识别方法，ＬＣＤ七段码的边缘提取是数显仪表数字识别中很重要的一部分。
边缘检测作为图象处理一个重要特征，受到了人们的广泛研究，提出了许多相关算法，如Ｓｏｂｅｌ、Ｃａｎｎｙ、Ｐｒｅｗｉｔｔ、Ｒｏｂｅｒｔｓ等。其中Ｃａｎｎｙ算子［１］自从提出以来，在对各种边缘的检测中表现出良好性能［２］，已经成为评估其它新的边缘检测算子的标准，并随之产生了许多改进的Ｃａｎｎｙ算法［３，４］，使其性能获得显著提高。使用传统Ｃａｎｎｙ算子进行边缘检测时，高、低阈值和高斯滤波方差参数都需要人为确定，不同的参数对于边缘检测的结果影响很大，实际图象易受到光照不均和噪声等干扰，使图象存在噪声和模糊的边缘，甚至会出现假边缘，且处理速度比较慢，对一副普通大小的图片（８００×６００）处理时间需要１００ｍｓ以上。
本文提出一种选用Ｃａｎｎｙ算子，调用ＯｐｅｎＣＶ的类库开发仪表识别中的边缘检测程序方法，并仿照ＭＡＴＬＡＢ中的做法，根据图像自身的统计信息自适应生成边缘检测阈值，缩短了开发时间，达到了很好的处理效果，处理速度较传统Ｖｉｓｕａｌ Ｃ＋＋编写Ｃａｎｎｙ算法有了很大的提高。
１ Ｖｉｓｕａｌ Ｃ＋＋和ＯｐｅｎＣＶ简介
Ｍｉｃｒｏｓｏｆｔ公司开发的Ｖｉｓｕａｌ Ｃ＋＋一直是一种具有高度综合性能的软件开发工具。用它开发出的程序具有运行速度快、可移值能力强等优点，在对数字图象进行处理时经常是采用Ｖｉｓｕａ Ｃ＋＋进行编程。
ＯｐｅｎＣＶ（Ｏｐｅｎ Ｓｏｕｒｃｅ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ Ｌｉｂｒａｒｙ）是一种用于数字图象处理和计算机视觉方面功能强大的类库，由Ｉｎｔｅｌ微处理器研究实验（Ｉｎｔｅｌ’ｓ Ｍｉ－ｃｒｏｐｒｏｃｅｓｓｏｒ Ｒｅｓｅａｒｃｈ Ｌａｂ）的视觉交互组（ＴｈｅＶｉｓｕａｌ Ｉｎｔｅｒａｃｔｉｖｉｔｙ Ｇｒｏｕｐ）开发。
ＯｐｅｎＣＶ可以从Ｉｎｔｅｌ公司的网站免费下载得到，该函数库是开放源代码，可以在Ｗｉｎｄｏｗｓ系统、Ｌｉｎｕｘ系统下和Ｑｔ中使用。ＯｐｅｎＣＶ由一系列Ｃ函数和少量Ｃ＋＋类构成，实现了图象处理和计算机视觉方面的很多通用算法。只需调用ＯｐｅｎＣＶ的基础函数库并添加自己编写的程序，即可完成十分复杂、庞大的开发任务，达到事半功倍的效果。
２ Ｃａｎｎｙ边缘检测算子应满足的准则
Ｊｏｈｎ Ｃａｎｎｙ提出了关于边缘检测算子的三个最佳准则。
（１）信噪比准则。即低错误率，既要少将边缘像
收稿日期：２００７－１１－２７
６８
素漏掉，也要少将非边缘点误判为边缘点。信噪比的数学表达式为：
其中，为边界是［－ω，ω］滤波器的脉冲响应： Ｇ（ｘ）代表边缘；ｎ
ｏ
是高斯噪声的均方根。若信噪比越大，则边缘提取质量越好。
（２）定位精度准则。即检测位置精度高，检测出来的边缘点位于真正的边界上。定位精度的数学表达式为：
其中，、
分别是，的一
阶导数。若localization的值越大，则定位精度越大。
（３）单边缘响应准则。即要求每个边缘的响应是唯一的，得到的边缘宽度为单像素。要求ｆ对噪声的响应中两个相邻最大值间距离为 ， ｆ的零交叉点平均距离为ｘ，两者关系是：
其中，ｋ为小于１的系数。
若满足此准则，就能保证单边缘只有一个响应。对一个算法的性能评价可分为两阶段进行：计算假边缘与丢失边缘的数目；测量用于估计位置和方向的误差（或误差分布）。边缘检测算法的优劣也可用品质因数（Ｆｉｇｕｒｅ ｏｆ Ｍｅｒｉｔ）来描述。Ｐｒａｔｔ品质因数是其中一种，它着重考虑了丢失有效的边缘、边缘定位误差和将噪声判断为边缘等三种误差。
其中，Ｉ
Ａ、Ｉ
Ｉ
、ｄ
ｉ
、ａ分别是检测到的边缘、理想
边缘、实际边缘与理想边缘间的距离和用于修正错位边缘的设计常数。
Ｃａｎｎｙ算子从算法本身来讲，主要包括：
（１）一条边界的出始点选取；
（２）跟踪准则，也就是阈值设定问题；
（３）可能的边界点选取。
３ Ｖｉｓｕａｌ Ｃ＋＋６．０下ＯｐｅｎＣＶ的安装与配置
（１）安装ＯｐｅｎＣＶ应用程序。在安装时选择＂将＼ＯｐｅｎＣＶ＼ｂｉｎ加入系统变量＂（Ａｄｄ＜…＞＼ＯｐｅｎＣＶ＼ｂｉｎ ｔｏｔｈｅ ｓｙｓｔｅｒｍ ＰＡＴＨ）；
（２）配置Ｗｉｎｄｏｗｓ环境变量。检查Ｃ：＼ＰｒｏｇｒａｍＦｉｌｅｓ＼ＯｐｅｎＣＶ＼ｂｉｎ是否已经被加入到环境变量ＰＡＴＨ，如果没有，请加入；
（３）配置Ｖｉｓｕａｌ Ｃ＋＋６．０。
全局设置：
菜单Ｔｏｏｌｓ－＞Ｏｐｔｉｏｎｓ－＞Ｄｉｒｅｃｔｏｒｉｅｓ：先设置ｌｉｂ路径，选择Ｌｉｂｒａｒｙ ｆｉｌｅｓ，在下方填入路径：Ｃ：＼Ｐｒｏｇｒａｍ Ｆｉｌｅｓ＼ＯｐｅｎＣＶ＼ｌｉｂ
然后选择ｉｎｃｌｕｄｅ ｆｉｌｅｓ，在下方填入路径：
Ｃ：＼Ｐｒｏｇｒａｍ Ｆｉｌｅｓ＼ＯｐｅｎＣＶ＼ｃｘｃｏｒｅ＼ｉｎｃｌｕｄｅ
Ｃ：＼Ｐｒｏｇｒａｍ Ｆｉｌｅｓ＼ＯｐｅｎＣＶ＼ｃｖ＼ｉｎｃｌｕｄｅ
Ｃ：＼Ｐｒｏｇｒａｍ Ｆｉｌｅｓ＼ＯｐｅｎＣＶ＼ｃｖａｕｘ＼ｉｎｃｌｕｄｅ
Ｃ：＼Ｐｒｏｇｒａｍ Ｆｉｌｅｓ＼ＯｐｅｎＣＶ＼ｍｌ＼ｉｎｃｌｕｄｅ
Ｃ：＼Ｐｒｏｇｒａｍ Ｆｉｌｅｓ＼ＯｐｅｎＣＶ＼ｏｔｈｅｒｌｉｂｓ＼ｈｉｇｈｇｕｉ
Ｃ：＼Ｐｒｏｇｒａｍ Ｆｉｌｅｓ＼ＯｐｅｎＣＶ＼ｏｔｈｅｒｌｉｂｓ＼ｃｖｃａｍ＼ｉｎｃｌｕｄｅ
项目设置：
每创建一个将要使用ＯｐｅｎＣＶ的ＶＣ Ｐｒｏｊｅｃｔ，都需要给它指定需要的ｌｉｂ。菜单Ｐｒｏｊｅｃｔ－＞Ｓｅｔｔｉｎｇｓ，然后将Ｓｅｔｔｉｎｇ ｆｏｒ选为Ａｌｌ Ｃｏｎｆｉｇｕｒａｔｉｏｎｓ，然后选择右边的ｌｉｎｋ标签，在Ｏｂｊｅｃｔ／ｌｉｂｒａｒｙ ｍｏｄｕｌｅｓ附加上：
ｃｘｃｏｒｅ．ｌｉｂ ｃｖ．ｌｉｂ ｍｌ．ｌｉｂ ｃｖａｕｘ．ｌｉｂ ｈｉｇｈｇｕｉ．ｌｉｂ ｃｖｃａｍ．ｌｉｂ；
如果你不需要这么多ｌｉｂ，你可以只添加工程需要的ｌｉｂ；
正确安装好Ｖｉｓｕａｌ Ｃ＋＋６．０和ＯｐｅｎＣＶ，并按上述步骤设置好系统和软件配置，即可编写程序，并可在程序中随意调用ＯｐｅｎＣＶ类库中的函数。
４ 基于ＯｐｅｎＣＶ的Ｃａｎｎｙ边缘检测在仪表识别应用中的实现
ＯｐｅｎＣＶ类库中对应的Ｃａｎｎｙ边缘检测的函数为：ｃｖＣａｎｎｙ函数。用这个函数就能实现仪表识别中的边缘检测。
ｃｖＣａｎｎｙ（ ｃｏｎｓｔ ｖｏｉｄ＊ ｓｒｃａｒｒ， ｖｏｉｄ＊ｄｓｔａｒｒ，ｄｏｕｂｌｅ ｌｏｗ＿ｔｈｒｅｓｈ， ｄｏｕｂｌｅ ｈｉｇｈ＿ｔｈｒｅｓｈ， ｉｎｔａｐｅｒｔｕｒｅ＿ｓｉｚｅ ）
ｓｒｃａｒｒ为输入图像；
ｄｓｔａｒｒ为输出的边缘图像；
ｌｏｗ＿ｔｈｒｅｓｈ为低阈值，来控制边缘连接。ｈｉｇｈ＿ｔｈｒｅｓｈ为高阈值，用来控制强边缘的初始分割。
ａｐｅｒｔｕｒｅ＿ｓｉｚｅ为扩展Ｓｏｂｅｌ
核的大小，必须是
６９
７０
１，３，５或７。除了尺寸为１，其他情况下ａｐｅｒｔｕｒｅ＿ｓｉｚｅ×ａｐｅｒｔｕｒｅ＿ｓｉｚｅ可分离内核将用来计算差分。在进行边缘检测前，首先对原始图像进行高斯模糊平滑。ＯｐｅｎＣＶ中的平滑函数如下：
ｃｖＳｍｏｏｔｈ（ ｃｏｎｓｔ ｖｏｉｄ＊ ｓｒｃａｒｒ， ｖｏｉｄ＊ ｄｓｔａｒｒ，ｉｎｔ ｓｍｏｏｔｈ＿ｔｙｐｅ， ｉｎｔ ｐａｒａｍ１， ｉｎｔ ｐａｒａｍ２， ｄｏｕｂｌｅｐａｒａｍ３， ｄｏｕｂｌｅ ｐａｒａｍ４ ）
ｓｒｃａｒｒ为输入图像；
Ｄｓｔａｒｒ为输出图像；
ｓｍｏｏｔｈ＿ｔｙｐｅ为平滑方法：在本程序中用的是高斯模糊平滑ＣＶ＿ＧＡＵＳＳＩＡＮ（ｇａｕｓｓｉａｎ ｂｌｕｒ）对图像进行核大小为ｐａｒａｍ１×ｐａｒａｍ２ 的高斯卷积 ；
ｐａｒａｍ１ 平滑操作的第一个参数；
ｐａｒａｍ２ 平滑操作的第二个参数，对于简单／非尺度变换的高斯模糊的情况，如ｐａｒａｍ２的值为零，则表示其被设定为ｐａｒａｍ１；
ｐａｒａｍ３ 对应高斯参数的 Ｇａｕｓｓｉａｎ ｓｉｇｍａ （标准差），如果为零，则标准差由下面的核尺寸计算：ｓｉｇｍａ ＝ （ｎ／２ － １）×０．３ ＋ ０．８， 其中 ｎ＝ｐａｒａｍ１对应水平核，ｎ＝ｐａｒａｍ２ 对应垂直核。
Ｐａｒａｍ４ 平滑操作的第四个参数。
原始仪表图像如图１所示：图２￣５分别为用Ｒｏｂｅｒｔ、Ｋｉｒｓｃｈ、Ｓｏｂｅｌ、Ｇａｕｓｓ－Ｌａｐｌａｃｅ等边缘检测算子处理后的图象，图６为用传统的方法编写的Ｃａｎｎｙ程序处理的图象；经高斯模糊平滑后，用上述基于０ｐｅｎＣＶ 的选用Ｃａｎｎｙ算子，边缘检测方法对原始图像进行处理后得到的边缘检测结果如图７所示，从图中可以看出，检测出的边缘连续、清晰。通过对５０幅图象（８００×６００）进行检测实验，每幅图像所用平均处理时间为１５ｍｓ。
图１ 切割后的体温计图
图２ Ｒｏｂｅｒｔ算子处理后的图象
图３ Ｋｉｒｓｃｈ算子处理后的图象
图４ Ｓｏｂｅｌ算子处理后的图象图５ Ｇａｕｓｓ－Ｌａｐｌａｃｅ算子处理后的图象
图６ 传统Ｃａｎｎｙ程序处理后的图象图７ 本文程序处理后的图像
５ 基于ＯｐｅｎＣＶ的Ｃａｎｎｙ边缘检测函数的改进在ＯｐｅｎＣＶ中用ｃａｎｎｙ算子进行边缘检测速度很快，不过高低阈值需要输入，在ｍａｔｌａｂ中，如果不指
定阈值的话，由函数自适应确定，因此仿照ｍａｔｌａｂ中的做法，对ｃａｎｎｙ
函数进行了修改，以便当没有指定
高低阈值时，由函数自适应确定阈值。
因为像素的梯度幅值与图象边缘强度成正比，则像素自身的梯度值与检测边缘的阈值之间也一定存在对应关系。
在ＯｐｅｎＣｖ原码库中增加了一个函数，用于确定高低阈值。
ＣＶ＿ＩＭＰＬ ｖｏｉｄ ＡｄａｐｔｉｖｅＦｉｎｄＴｈｒｅｓｈｏｌｄ（ＣｖＭａｔ＊ｄｘ， ＣｖＭａｔ ＊ｄｙ， ｄｏｕｂｌｅ ＊ｌｏｗ， ｄｏｕｂｌｅ ＊ｈｉｇｈ）其中，ｄｘ为ｃｖＣａｎｎｙ函数中用ｓｏｂｅｌ算子计算完水平方向的梯度强度，ｄｙ为ｃｖＣａｎｎｙ函数中用ｓｏｂｅｌ算子计算完垂直方向的梯度强度，ｌｏｗ为低阈值，ｈｉｇｈ为高阈值。
函数具体实现如下：
首先以梯度幅值直方图的形式描述图象像素，在梯度幅值直方图中找出一个对应于背景区域像素集合
的极值，设该幅值为，则大于的像素点认为是边缘区域，通过式（１）计算出边缘区域像素点的梯度幅值相对于ＭＡＸ的均方差：
（１）
其中，ｌ为像素数不为零的最大梯度幅值，Ｍ为边缘区域内的像素总数。ｍ
ｏ
反映了边缘区域像素的梯度幅值相对于的平均离散程度。
本文认为大于 一倍ｍ
ｏ
以上的像素点为强边缘区域，可以有效抑制检测出虚假边缘［５］，因此确定
高阈值为：ｈｉｇｈ＝＋ｍ
ｏ
然后去掉强边缘区域对应的像素点，余下大于ｍ
ｏ的梯度幅值所对应的像素点为弱边缘区域。和确定高阈值类似，通过计算弱边缘区域梯度幅值直方图的均方差，确定低阈值。
再把ｃｖＣａｎｎｙ函数进行以下修改。在函数体中，当程序用两个ｓｏｂｅｌ算子计算完水平和垂直两个方向的梯度强度过后加入以下代码：
／／ 自适应确定阈值
ｉｆ（ｌｏｗ＿ｔｈｒｅｓｈ ＝＝ －１ ＆＆ ｈｉｇｈ＿ｔｈｒｅｓｈ ＝＝ －１） ｛
ＡｄａｐｔｉｖｅＦｉｎｄＴｈｒｅｓｈｏｌｄ（ｄｘ， ｄｙ， ＆ｌｏｗ＿ｔｈｒｅｓｈ，＆ｈｉｇｈ＿ｔｈｒｅｓｈ）；
｝
重新编译ｃｖ库，对ｌｉｂ和ｄｌｌ库进行更新。这样，在调用ｃｖＣａｎｎｙ函数时，指定高低门限为－１，则ｃｖＣａｎｎｙ函数就自适应确定门限。高低阈值根据图象自身的变化信息确定，动态地随图象梯度幅值变化而变化，因此具有较好的自适应性。
６ 结 论
Ｃａｎｎｙ边缘检测算子是一种十分有效的边缘检测方法，本文介绍一种的Ｃａｎｎｙ边缘检测算法的改进方法，根据图像自身的统计信息自适应生成边缘检测阈值， 研究了在仪表ＬＣＤ数字显示图像的边缘检测应用，Ｖｉｓｕａｌ Ｃ＋＋使用ＯｐｅｎＣＶ类库作为基础函数库，利用基于ＯｐｅｎＣＶ的Ｃａｎｎｙ对仪器仪表数字图象进行边缘检测。程序经测试，能够有效抑制光照或噪声对图象的影响，采用自适应确定阈值，其抗噪性能好，定位确度高；检测出的边缘连续、清晰，边缘检测处理效果好，处理速度快，具有一定的实用价值。
参考文献
１Ｃａｎｎｙ Ｊ．Ａ ｃｏｍｐｕｔａｔｉｏｎａｌ ａｐｐｒｏａｃｈ ｔｏ ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ［Ｊ］．ＪＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａ－
ｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，１９８６，８（６）：６７９－６９８．
Ｂｏｗｙｅｒ Ｋ，Ｋｒａｎｅｎｂｕｒｇ Ｃ，Ｄｏｕｇｈｅｒｔｙ Ｓ．Ｅｄｇｅ Ｄｅｔｅｃｔｏｒ
Ｅｖａｌｕａｔｉｏｎ Ｕｓｉｎｇ Ｅｍｐｉｒｃａｌ Ｒｏｃ Ｃｕｒｖｅｓ［Ｃ］／／ＣＶＰＲ’９９，
１９９９－０６
Ｈｅａｌｔｈ Ｍ Ｄ，Ｓａｒｋａｒ Ｓ，Ｓａｎｏｃｋｉ Ｔ，ｅｔ ａｌ．Ａ ｒｏｂｕｓｔ ｖｉｓｕａｌ
ｍｅｔｈｏｄ ｆｏｒ ａｓｓｅｓｓｉｎｇ ｔｈｅ ｒｅｌａｔｉｖｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ
ｅｄｇｅ－ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎ ｏｎ Ｐａｔ－
ｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，１９９７．１９（１２）
Ｗａｓｈｉｎｇｔｏｎ Ｐ Ｌ．Ｅｎｈａｎｃｅｄ Ｃａｎｎｙ Ｅｄｇｅ Ｄｅｔｅｃｔｉｏｎ Ｕｓｉｎｇ
Ｃｕｒｖａｔｕｒｅ Ｃｏｎｓｉｓｔｅｎｃｙ［Ｃ］／／２００２ Ｐｒｏｃｅｅｄｉｎｇｓ １６ｔｈ Ｉｎ－
ｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｏｎ，２００２，１
（１１）：５９６－５９９
邢 果，戚文芽，李 萍，陈季安．灰度图象的自适应边缘检
测［Ｊ］．计算机工程与应用，２００７，４３（５）
２
３
４
５
中国自动化学会理事徐扬生教授新当选为中国工程院院士
中国工程院１２月２９日在北京宣布，该院２００７年院士增选结果揭晓，３３人新当选为中国工程院院士，其中，香港特别行政区２位科学家、台湾省１位科学家当选。
在增选的院士中，我学会理事、香港中文大学徐扬生教授新当选为信息与电子工程学部院士，至此，我学会理事会成员中，院士总数达到１６位，其中中国科学院院士和中国工程院院士各占８位。
（中国自动化学会供稿）
７１