在二次元影像測量儀及機器視覺系統(tǒng)中，邊緣檢測是提取工件輪廓、測量尺寸的核心步驟。經典的邊緣檢測算法（如Canny算子、Sobel算子）在計算圖像梯度后，通常會得到一個梯度幅值圖，但其中邊緣往往呈現(xiàn)出“寬而模糊"的帶狀區(qū)域，而非理想的單像素寬度。為了將邊緣細化為精確的、單像素寬的輪廓線，非極大值抑制（Non-Maximum Suppression, NMS）算法起到了關鍵作用。該算法通過保留梯度方向上的局部大值，抑制非極大值點，從而銳化邊緣，為后續(xù)的亞像素定位和尺寸測量提供高質量的輸入。本文將詳細介紹非極大值抑制的原理、實現(xiàn)步驟及其對測量精度的影響。

一、非極大值抑制的基本原理

非極大值抑制是一種邊緣細化的技術。其核心思想是：對于每個像素點，沿著其梯度方向（即邊緣的法線方向）比較相鄰像素的梯度幅值，如果當前像素的幅值不是該方向上的大值，則將其抑制（設為0）；否則保留。經過處理后，原本數(shù)像素寬的邊緣帶被壓縮為僅保留局部峰值位置的單像素邊緣，從而得到清晰、連續(xù)的邊緣線。

在數(shù)學上，梯度幅值 $?(?,?)$ 和梯度方向 $?(?,?)$ 已由前序算子（如Sobel）計算得到。NMS對每個像素執(zhí)行以下判斷：

• 將梯度方向量化到四個主要方向（0°、45°、90°、135°）或更細的離散方向。

• 沿梯度方向的正負方向各取一個相鄰像素（例如，對于水平邊緣，梯度方向為垂直，則比較上下像素）。

• 若當前像素的幅值大于兩個相鄰像素的幅值，則保留；否則抑制。

二、算法實現(xiàn)步驟（以Canny邊緣檢測為例）

在經典的Canny邊緣檢測流程中，非極大值抑制位于“計算梯度幅值與方向"之后、“雙閾值檢測"之前。具體步驟如下：

1. 計算梯度幅值和方向：利用Sobel、Prewitt或Scharr算子計算圖像每個像素的水平梯度 ${?}_{?}$ 和垂直梯度 ${?}_{?}$，進而得到幅值 $?=\sqrt{{?}_{?}^2+{?}_{?}^2}$ 和方向 $?=\arctan ?({?}_{?}\mathrm{/}{?}_{?})$。

2. 方向量化：將連續(xù)的梯度方向 $?$ 離散化為四個或八個扇區(qū)。常用的四方向量化規(guī)則為：

• 方向0：$?22.5\mathrm{°}～22.5\mathrm{°}$ 或 $157.5\mathrm{°}～202.5\mathrm{°}$（水平邊緣，梯度垂直）

• 方向1：$22.5\mathrm{°}～67.5\mathrm{°}$ 或 $202.5\mathrm{°}～247.5\mathrm{°}$（對角線邊緣）

• 方向2：$67.5\mathrm{°}～112.5\mathrm{°}$ 或 $247.5\mathrm{°}～292.5\mathrm{°}$（垂直邊緣，梯度水平）

• 方向3：$112.5\mathrm{°}～157.5\mathrm{°}$ 或 $292.5\mathrm{°}～337.5\mathrm{°}$（另一對角線）

3. 沿梯度方向比較：對于每個像素，根據(jù)其量化后的方向，獲取正負方向上的相鄰像素的幅值。例如：

• 若方向為0°（梯度水平），則比較左右像素。

• 若方向為90°（梯度垂直），則比較上下像素。

• 若方向為45°，則比較右上和左下像素。

• 若方向為135°，則比較左上和右下像素。

4. 抑制非極大值：如果當前像素的幅值小于相鄰兩個像素中的任何一個，則將其幅值設為0；否則保留原值。

5. 輸出：得到一幅只有局部極大值保留的單像素邊緣圖。

三、在影像測量軟件中的意義

對于二次元影像測量儀而言，邊緣的亞像素定位精度直接影響尺寸測量的重復性和準確性。非極大值抑制帶來的好處包括：

• 邊緣寬度壓縮：原始梯度幅值圖往往呈現(xiàn)數(shù)像素寬的“山脈"狀邊緣，NMS將其壓縮為1像素寬的“山脊線"，使得后續(xù)的亞像素擬合（如灰度矩、插值法）更加穩(wěn)定。

• 減少冗余信息：抑制了邊緣附近的弱響應和噪聲引起的偽邊緣，降低了誤檢率。

• 提高測量重復性：單像素邊緣減少了隨機采點波動，多次測量同一位置時邊緣位置的標準差更小。

• 支持復雜輪廓提取：在圓、圓弧、直線等幾何元素的擬合中，細化后的邊緣點集更接近真實輪廓，擬合精度更高。

四、算法的優(yōu)缺點與改進

優(yōu)點：

• 計算簡單，速度快，適合實時測量。

• 與閾值分割結合后能獲得高質量的二進制邊緣圖。

• 對于對比度良好的工件邊緣。

缺點與局限：

• 對噪聲敏感：噪聲點可能在梯度方向上產生虛假的局部極大值，導致偽邊緣。通常需要在NMS之前進行高斯濾波平滑。

• 方向量化誤差：將連續(xù)梯度方向量化為離散扇區(qū)，會導致邊緣位置產生微小的偏移（通常<0.5像素）。高精度測量時可采用插值法（如雙線性插值）獲取更精確的梯度方向鄰域值。

• 對于模糊邊緣或低對比度邊緣，梯度幅值變化平緩，NMS可能產生斷裂的邊緣線段，需要后續(xù)的連通性處理。

改進方法：

• 亞像素非極大值抑制：在梯度方向上進行二次曲線擬合，找到亞像素級別的峰值位置，從而將邊緣定位精度提升到0.1像素甚至更高。

• 各向異性NMS：根據(jù)局部圖像結構自適應調整比較鄰域的大小和形狀，適用于紋理復雜或曲率變化大的邊緣。

五、實際應用中的參數(shù)調節(jié)建議

在影像測量軟件中，用戶通常不會直接調節(jié)NMS算法內部參數(shù)，但了解其原理有助于理解邊緣檢測結果。以下是一些實用建議：

• 梯度算子選擇：Sobel算子對噪聲有一定抑制，但邊緣定位精度中等；Scharr算子定位更準但對噪聲更敏感；Canny中常使用Sobel。

• 高斯濾波尺度：在NMS之前，高斯濾波的標準差 $?$ 越大，邊緣越平滑，但可能丟失細節(jié)。對于清晰邊緣，$?=1.0$ 即可；對于噪聲大的圖像，可適當增大至1.5~2.0。

• 高低閾值設定：NMS之后，Canny還會使用雙閾值檢測（高閾值保留強邊緣，低閾值連接弱邊緣）。若測量對象是銳利邊緣，可提高高閾值（如150），減少偽邊緣；若邊緣較模糊，降低高閾值（如80）。

• 檢查邊緣斷裂：如果測量結果顯示邊緣不連續(xù)，可能是NMS后閾值過高導致?？山档偷烷撝祷蛟黾舆吘夁B接像素距離。

六、示例：Canny邊緣檢測中的NMS效果

考慮一個簡單的一維剖面：原始圖像中一條從黑到白的理想階躍邊緣，梯度幅值在邊緣處形成一個單峰。但實際圖像中由于鏡頭衍射和采樣，邊緣會呈現(xiàn)斜坡狀，梯度幅值形成一個寬峰。經過NMS后，只有峰頂位置的像素被保留，邊緣寬度從5~6像素壓縮至1~2像素。如果進一步結合亞像素擬合，可將邊緣定位到0.1像素精度。這正是影像測量儀能夠達到微米級重復精度的算法基礎。

七、總結

非極大值抑制是邊緣檢測中的一步，它通過保留梯度方向上的局部大值，將寬邊緣細化為單像素寬度的精確輪廓。對于二次元影像測量軟件而言，NMS直接影響到邊緣提取的準確性和測量重復性。理解其原理有助于操作員在遇到邊緣檢測失敗時，有針對性地調整預處理參數(shù)（如濾波、梯度算子、閾值）。隨著測量精度的要求不斷提高，亞像素級別的改進型NMS算法正逐漸成為測量軟件的標準配置。