【正文】 .................................. 45 第 1章 緒論 1 第 1 章 緒論 數(shù)字圖像處理概論及其應(yīng)用 圖像處理的研究內(nèi)容主要包含邊緣檢測(cè)、圖像分割、模式識(shí)別等。 數(shù)字圖像處理 (Digital Image Processing)將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理 ,隨著數(shù)字化時(shí)代的 到來，數(shù)字圖像處理與分析方面的研究工作顯得十分重要 ??1 。數(shù)字圖像處理廣泛地應(yīng)用于工業(yè)、農(nóng)業(yè)、交通、金融、地質(zhì)、海洋、氣象、生物醫(yī)學(xué)、軍事、公安、電子商務(wù)、衛(wèi)星遙感、機(jī)器人視覺、目標(biāo)跟蹤、自主車導(dǎo)航、多媒體信息網(wǎng)絡(luò)通信等領(lǐng)域，取得了顯著的社會(huì)效益和經(jīng)濟(jì)效益 ? ?1,2,3,4,5 。 數(shù)字圖像處理的研究內(nèi)容主要包括 ? ?1,6,7 : （ 1）圖像變換：主要是對(duì)原始圖像的加工處理，使得圖像的大小、 幾何形狀、像素值等發(fā)生變化，常見的有時(shí)域變換和頻域變換。例如，傅里葉變換可使處理分析在頻域中進(jìn)行，使運(yùn)算簡單；而使用離散余弦變換（ DCT）則可壓縮數(shù)據(jù)，從而便于圖像傳輸和存儲(chǔ)。 （ 2）圖像增強(qiáng)：圖像再生產(chǎn)、傳輸過程中往往會(huì)失真，所得圖像和原圖像有某種差別。人們可以估計(jì)出使圖像降質(zhì)的一些可能原因，針對(duì)這些原因采取簡單易行的方法，改善圖像質(zhì)量。 （ 3）圖像分析：為達(dá)到研究圖像的目的，我們要借助于一些數(shù)學(xué)算法來獲取圖像特定信息。這些數(shù)學(xué)算法中的參數(shù)值和矩陣算子是依據(jù)待檢測(cè)圖像而設(shè)置的。圖像分析是我們通過檢測(cè)結(jié)果， 分析圖像的幾何特性等信息，并將其應(yīng)用于生活實(shí)踐。 云南民族大學(xué) 碩士學(xué)位論文 2 （ 4）圖像壓縮：多媒體和互聯(lián)網(wǎng)的發(fā)展，使得圖像的傳輸越來越重要。為了減少傳輸圖像時(shí)所需花費(fèi)的代價(jià)，最好采用合適的方法對(duì)圖像進(jìn)行壓縮和編碼，以便于圖像的傳輸和存儲(chǔ)。 邊緣檢測(cè)技術(shù)簡介及評(píng)價(jià)標(biāo)準(zhǔn) 圖像的邊緣包含了圖像大部分信息，其中大量的信息是由不連續(xù) 的，這主要是由于像素點(diǎn)灰度值的階躍造成的 ， 因此，我們 將圖像中灰度產(chǎn)生較大耀變的區(qū)域定義為邊緣 。邊緣廣泛存在于物體與物體、物體與背景之間 ??8 。 邊緣檢測(cè)的對(duì) 象是灰度變化較為劇烈的部分。 邊緣 一般包括 兩類，即階躍狀 邊緣和和屋脊 狀 邊緣 ??9 :階躍狀邊緣通常是指 像素點(diǎn) 的灰度值變化 比較顯著的一些點(diǎn)的 集合 。而屋脊?fàn)?邊緣 一般是 灰度值增加與減少的 邊界 。傳統(tǒng)的邊緣檢測(cè)算法一般通過求一階、二階導(dǎo)數(shù)來表示邊緣點(diǎn)的變化 ? ?10,1 。傳統(tǒng)邊緣檢測(cè)算法通過構(gòu)造檢測(cè)算子來提取邊緣，然而邊緣和噪聲在空間域 上灰度值大小表現(xiàn)出較大的差落，這也給邊緣檢測(cè)帶來了挑戰(zhàn)。 圖像邊緣檢測(cè)技術(shù)一般先經(jīng)過圖像的預(yù)處理，然 后再對(duì)邊緣進(jìn)行提取和判斷。很多研究者在圖像預(yù)處理和邊緣提取兩個(gè)方面，已經(jīng)提出了很多方法。圖像的預(yù)處理就是減少與目標(biāo)無關(guān)的信息和加強(qiáng)與目標(biāo)相關(guān)的信息，常用的圖像預(yù)處理方法有去噪，圖像加強(qiáng)等 ??11 。第二步就是從已經(jīng)處理過的圖像中提取特征和用一定決策方法來判斷。在處理區(qū)域中最有意義的特征如下 :形狀特征，紋理特征。在提取特征的前提下，可以用如下的決策算法來對(duì)圖像的目標(biāo)區(qū)域進(jìn)行檢測(cè) :距離函數(shù)，貝葉斯決策，神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)和模糊函數(shù)等 ??13 。 邊緣檢測(cè) 最早 在 1959 年 被提出， 1965 年 ， Roberts 等人 開始系統(tǒng)的 研究邊緣檢測(cè)技術(shù) ??14 ，從 20世紀(jì) 70 年代起 ，邊緣檢測(cè)技術(shù)開始引起人們的廣泛關(guān)注。由于圖像邊緣檢測(cè) 是圖像處理中的一項(xiàng)關(guān)鍵技術(shù)， 在圖像處理和計(jì)算 機(jī)視覺等領(lǐng)域占有 重要地位， 再加上 圖像邊緣檢測(cè) 本身的難度和深度 ，邊緣檢測(cè)技術(shù)一直以來都受到人們的重視，并為此進(jìn)行了大量研究，迄今為止人們 已提出了很多 類型的邊緣檢測(cè)算法。 對(duì)于圖像的邊緣檢測(cè)來說，一般在檢測(cè)過程中有如下的要求 ??15 : (l)能夠較為正確地檢測(cè)出圖像 大致 邊緣 。 (2)邊緣定位精確 ，模糊邊緣 較少 。 第 1章 緒論 3 (3)邊緣檢測(cè) 響應(yīng) 越少越好 ，最好是唯一響應(yīng) 。 (4)適應(yīng)性較強(qiáng)，并盡可能降低 誤檢 率 和 漏檢 率 。 (5)抗燥能力較好 。 現(xiàn)存邊緣檢測(cè)技術(shù)存在的問題 邊緣檢測(cè)技術(shù)主要是為了獲取原圖 像的邊緣信息 。 為了達(dá)到更好的視覺效果、更充分的運(yùn)用圖像的邊緣 信息進(jìn)行科學(xué)研究，人們要求邊緣檢測(cè)要在精度上進(jìn)一步提高，盡量 避免 檢測(cè)出較為粗糙的邊緣曲線，要“精益求精” 。實(shí)際中，圖像不可避免地會(huì)受到噪聲 污染，如油漬、光照、灰塵等，這都加大了檢測(cè)出原圖像真實(shí)邊緣的難度 ，為了努力還原圖像 邊緣 的真實(shí)面目， 學(xué)者 們 不斷為之奮斗 。因此，我們要盡可能地 通過數(shù)字圖像處理技術(shù)盡量濾掉這些噪聲，盡量減少干擾信息，去除冗余，但圖像的噪聲依然或多或少地存在于圖像中，干擾著我們對(duì)圖像的邊緣檢測(cè)。 傳統(tǒng) 的邊緣檢測(cè) 方法存在的諸多問題 ??16 ： （ 1） 噪聲處理效果不佳。 邊緣檢測(cè)在對(duì)含噪圖像進(jìn)行平滑去噪時(shí)，容易丟失高頻信息，導(dǎo)致圖像失真， 而且，邊緣檢測(cè)中不能實(shí)際有效地濾除外界干擾噪聲，即使經(jīng)過處理， 也仍舊不能擺脫少部分頑固噪聲的干擾； （ 2） 定位精確度 不夠高。 對(duì)邊緣具體點(diǎn)的確定不能“一針見血”，不能 僅保留住有效的 邊緣點(diǎn) 信息 ，或多或少總會(huì) 摻雜一些冗余噪聲信息，造成了提取的邊緣部分較為模糊 ； 而且， 傳統(tǒng)的邊緣檢測(cè)方法的定位精度一般只能達(dá)到像素級(jí) ，但 在 實(shí)際 應(yīng)用中 ，對(duì)定位的精度要求甚至達(dá)到亞像素級(jí)。 （ 3） 尺度過于單一 。 實(shí)際中， 圖像 的邊緣產(chǎn)生在不同尺度內(nèi)，因此，我們需要利用多尺度的邊緣檢測(cè)算子對(duì) 不同尺度的 邊緣進(jìn)行 檢測(cè) 。 （ 4） 適用領(lǐng)域的局限性。 現(xiàn)在的邊緣檢測(cè)算法雖多，但每種算法基本都存在適用環(huán)境的局限，例如經(jīng)典坎尼算子僅對(duì)高 斯噪聲干擾的圖像有較好地檢測(cè)結(jié)果，而對(duì)椒鹽噪聲圖像，邊緣檢測(cè)效果很差，不能濾除大部分噪聲，造成了得到的圖像灰度階躍信息混亂，在椒鹽噪聲濃度較高時(shí)甚至難以分辨真實(shí)圖像邊緣和噪聲點(diǎn)。 云南民族大學(xué) 碩士學(xué)位論文 4 論文主要研究內(nèi)容和結(jié)構(gòu)安排 第一章 ，概論， 主要介紹了 邊緣檢測(cè)技術(shù)的過往 及現(xiàn)狀和 本論文研究的一些內(nèi)容和流程 。 第二章 ，主要 闡述了傳統(tǒng)經(jīng)典邊緣檢測(cè)算子，進(jìn)行較為深入的分析和介紹，并最終給出它們的仿真結(jié)果和分析結(jié)論。詳細(xì)地分析了個(gè)算法的優(yōu)缺點(diǎn)和應(yīng)用范圍及適應(yīng)性。 第三章 ， 主要闡述了數(shù)學(xué) 形態(tài)學(xué) 邊緣檢測(cè)算法，包括傳統(tǒng)的形態(tài)學(xué)算法和 基于輪廓（ CB）的形態(tài)學(xué)算法 。 分別對(duì)它們進(jìn)行了較為深入的介紹。 在文獻(xiàn) [17]及其它文獻(xiàn)的基礎(chǔ)上，深入理解原文內(nèi)容，并融會(huì)貫通自己所學(xué)，提出了一種新的邊緣檢測(cè)算法。 第四章，提出了 本文改進(jìn)的 2種邊緣檢測(cè)算法。一種是改進(jìn)的多尺度復(fù)合形態(tài)學(xué)濾波算法，該算法源于形態(tài)學(xué)邊緣檢測(cè) 算子 ，但又不拘泥于它的基本原理，而是充分運(yùn)用形態(tài)學(xué)的基礎(chǔ)運(yùn)算和結(jié)構(gòu)元素等知識(shí)。實(shí)驗(yàn)證明該算法具備較好的邊緣檢測(cè)結(jié)果，優(yōu)于一般的邊緣檢測(cè)算法和部分參考文獻(xiàn)的算法，具備較好的實(shí)用性能。另一種是 結(jié)合經(jīng)典邊緣檢測(cè)算子 canny 和數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)方法 。該方法在原始算法的基礎(chǔ)上，進(jìn)行多處改進(jìn)，它可以根據(jù)具體圖像去設(shè)定濾波窗口大小，有效濾除椒鹽噪聲，并可以細(xì)化檢測(cè)出的邊緣，使其盡量靠近單像素級(jí)。檢測(cè)效果較好，較清晰、噪聲較少，可以達(dá)到基本濾除椒鹽噪聲的結(jié)果。 第五章 ，提出了本文改進(jìn)算法的實(shí)際應(yīng)用 。 現(xiàn)今，圖像處理技術(shù)的研究非常熱點(diǎn)，這源于它廣泛的實(shí)用性和提高科技水平的能力。伴隨著生活水平的發(fā)展，人類的身體狀況也出現(xiàn)了諸多問題，許多疾病的患病率逐漸提升，并已引起了人們的警覺。而病理細(xì)胞的檢測(cè)將可以為醫(yī)學(xué)工作者提供較好的研究依據(jù)，為人類疾病的解決帶來福音。為此， 我選取了人類最為關(guān)心的癌癥細(xì)胞作為信息處理的對(duì)象。 第 1章 緒論 5 第六章 ，概述和展望了本論文的工作，并提出了一些后續(xù)研究內(nèi)容。 最后，附貼了本文算法改進(jìn)的部分代碼和相關(guān)文獻(xiàn)。云南民族大學(xué)碩士學(xué)位論文 6 第 2 章 傳統(tǒng)邊緣檢測(cè)方法 邊緣檢測(cè)原理 圖像中灰度信息變化較明顯的地方稱為圖像的邊緣 。灰度的變化信息稱為階躍信息 ， 一般來說，像素點(diǎn)灰度值從一個(gè)很小值 急劇 過渡到 另一個(gè)灰度 較大的 值 即形成了邊緣 。圖像 邊緣 含有豐富的圖像信息 ， 較圖像其它部分應(yīng)用價(jià)值很大，這是因?yàn)榛诖宋覀兛梢赃M(jìn)一步進(jìn)行識(shí)別、分割等方面的研究 。 低層視覺和高層視覺 是 計(jì)算機(jī)視覺 研究 的主要內(nèi)容 。圖像處理 就屬于 低層視覺 部分 ， 它主要 包括圖像 的信息 增強(qiáng)、 除 躁 和邊緣檢測(cè) 信息檢測(cè)、圖像濾波等；圖像分析和圖像理解 即為高層視覺研究的主要內(nèi)容 ， 主要是通過計(jì)算機(jī)模擬生物對(duì)于圖像信息的感知和運(yùn)用能力 。圖像 里含有的 信息 量較多 ， 圖像 邊緣檢測(cè)是圖像處理技術(shù)中很重要的一環(huán) ， 是圖像圖形學(xué)賴以研究的基礎(chǔ)和支柱 。 要做好圖像邊緣檢測(cè)技術(shù)的研究，必須牢牢掌握?qǐng)D像邊緣檢測(cè)的原理和步驟。下面我們介紹下邊緣檢測(cè)的原理。 邊緣檢測(cè)的基本原理 ??15 ： （ 5） 圖像濾波 濾波是邊緣檢測(cè)的第 一步，濾波主要是為了去除圖像噪聲，防止圖像噪聲影響后續(xù)邊緣檢測(cè)的結(jié)果，是圖像邊緣檢測(cè)技術(shù)必不可少的一環(huán)，但它是一把“雙刃劍”：既能濾除噪聲，又可能損失邊緣信息。 （ 6） 圖像增強(qiáng) 一般我們通過計(jì)算圖像的梯度幅值，將圖像中灰度變化不太大或差異不明顯的區(qū)域的灰度差異人為加大。這樣做有利益后續(xù)工作中邊緣信息的提取和圖像的分割。 （ 7） 圖像檢測(cè) 通過設(shè)定合理的梯度閾值，利用閾值進(jìn)行邊緣點(diǎn)的檢測(cè)。符合要求的檢測(cè)為邊緣點(diǎn)，信息予以保留，不符合要求的即去除。 （ 8） 圖像定位 這一步主要是為了精確確定圖像邊緣的位置，基于以上幾步，圖像的邊 緣大概得以檢測(cè)出來，但是有的可能邊緣較粗糙，不夠細(xì)致，不夠精確，通過這步，我們可以縮小圖像的邊緣細(xì)線范圍，使得到的邊緣圖像更加清晰明了，感觀效果更好。 由此我們可以看出，邊緣檢測(cè)主要是先 用一些 灰度階躍信息 增強(qiáng)算法 來使圖像的階躍信息更加明顯 ， 再通過 閾值 （較為合理的圖像灰度值）提取灰度階躍點(diǎn)，進(jìn)而由點(diǎn)及線，即得一幅“邊緣線圖” 。 當(dāng)然，科學(xué)研究中，并沒有一成不變的事物。邊緣檢測(cè)的基本原理只是研究者在長期研究后總結(jié)出的圖像邊緣檢測(cè)的一種方法論，并不是絕對(duì)的。近幾年諸多研究成果也表明，圖像研究者只是遵循和借鑒這一 方法原理，多數(shù)還是第 2章 傳統(tǒng)邊緣 檢測(cè) 方法 7 通過實(shí)際研究和實(shí)驗(yàn)，并結(jié)合生產(chǎn)實(shí)際予以改進(jìn)出許多不同的邊緣檢測(cè)技術(shù)，并將它們應(yīng)用于實(shí)際生活生產(chǎn)領(lǐng)域，均取得不錯(cuò)成果。 傳統(tǒng)邊緣檢測(cè)方法 Roberts 邊緣檢測(cè) ? ?17,18 Roberts邊緣檢測(cè)算子 的原理是 將梯度近似理解為相互垂直方向的差分逼近 ， 運(yùn)用 對(duì)角線方向相鄰兩像素 點(diǎn)的 差 值 ，即 : ( , ) ( 1 , 1 )x f f i j f i j? ? ? ? ?， ( , 1 ) ( 1 , )y f f i j f i j? ? ? ? ? （ 21） Roberts 算子為： 22( , ) xyR i j f f? ? ? ? （ 22） Sobel 邊緣檢測(cè) ? ?19,20,21 Sobel， 是一離散 差分 算子 ， 主要是 采用 3x3 鄰域，可以避免在象素之間 的內(nèi)插點(diǎn)上計(jì)算梯度 幅值 。該算子是在 (x， y)為中心的 3x3矩陣 鄰域上 ， 計(jì)算 x方向 和 y 方向的 一階 偏導(dǎo) 。 它也是通過近似 計(jì)算圖像的梯度值 來完成邊緣檢測(cè) ，但 該梯度幅值不同于 Roberts算子梯度幅值。 Sobel 的檢測(cè) 算子為： 22( , ) xyH i j f f? ? ? ? （ 23） 或者 ( , ) xyH i j f f? ? ? ? （ 24） 這里 ， ? ? ? ?( 1 , 1 ) 2 ( , 1 ) ( 1 , 1 ) ( 1 , 1 ) 2 ( , 1 ) ( 1 , 1 )x f f i j f i j f i j f i j f i j f i j? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （ 25） 云南民族大學(xué)碩士學(xué)位論文 8 ? ? ? ?( 1 , 1 ) 2 ( 1 , ) ( 1 , 1 ) ( 1 , 1 ) 2 ( 1 , ) ( 1 , 1 )y f f i j f i j f i j f i j f i j f i j? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （ 26） Sobel 算子 有兩個(gè)，一個(gè)是檢測(cè)水平方向的模板，一個(gè)是檢測(cè)垂直方向的模板，分別為：