【正文】 圖像也可以理解為介于文字和繪圖之間的一種形式。總之，凡是人類視覺上能夠感受到的信息，都可以稱之為圖像。隨著計(jì)算機(jī)技術(shù)的發(fā)展，人們可以人為地創(chuàng)造出色彩斑斕千姿百態(tài)的各種圖像。概括的講，圖像包含視頻、圖形、動(dòng)畫、符號(hào)文字等主要內(nèi)容。 數(shù)字圖像的處理一幅圖像可以定義為一個(gè)二維函數(shù)f (x , y)，這里的x和y是空間坐標(biāo)，而且在任何一對(duì)空間坐標(biāo)（x , y）上的幅值f被稱為該點(diǎn)圖像的強(qiáng)度或灰度。當(dāng)x，y和幅值f為有限離散的數(shù)值時(shí)，稱該圖像為數(shù)字圖像[2]。數(shù)字圖像的處理是指用計(jì)算機(jī)處理數(shù)字圖像，值得提及的是數(shù)字圖像是由有限的元素組成的，每個(gè)元素都有一個(gè)特定的位置和幅值，這些元素被稱為圖像元素、畫面元素或像素。視覺是人類最高級(jí)的感知器官，所以，毫無(wú)疑問，圖像在人類感知中扮演著非常重要的角色。然而，人類感知只是限于電磁波譜的視覺波段，而成像機(jī)器則可覆蓋幾乎全部電磁波譜，他們可以對(duì)那些非人類習(xí)慣的那些圖像源進(jìn)行加工，這些圖像源包括超聲波、電子顯微鏡及計(jì)算機(jī)所產(chǎn)生的圖像。因此，數(shù)字圖像處理涉及很多應(yīng)用領(lǐng)域。圖像處理和分析可定義為應(yīng)用一系列方法獲取、校正、增強(qiáng)、變換或壓縮可視圖像的技術(shù)，其目的是提高信息的相對(duì)質(zhì)量以便獲取信息?，F(xiàn)在已經(jīng)有很多的圖像生成技術(shù)，但是，除了圖像恢復(fù)技術(shù)以外，圖像處理技術(shù)在很大程度上與圖像形成的過程無(wú)關(guān)。當(dāng)圖像已被采集且已對(duì)獲取過程中產(chǎn)生的失真進(jìn)行了校正，那么所有可用圖像處理技術(shù)在本質(zhì)上是通用的。因此圖像處理是一種超越具體應(yīng)用的過程：任何為解決某一特殊問題而開發(fā)的圖像處理新技術(shù)或新方法，幾乎肯定能找到其他完全不同的應(yīng)用領(lǐng)域。圖像處理技術(shù)分為：灰度量化、圖像恢復(fù)、圖像增強(qiáng)、邊緣檢測(cè)、圖像分割、圖像測(cè)量、圖像壓縮、圖像配準(zhǔn)、可視化、圖像存檔。本文著重討論圖像邊緣檢測(cè)的問題。邊緣是圖像最基本的特征，所謂邊緣，就指周圍灰度強(qiáng)度有反差變化的那些像素的集合，是圖像分割所依賴的重要基礎(chǔ)，也是紋理分析和圖像識(shí)別的重要基礎(chǔ)。要做好邊緣檢測(cè)，首先，要清楚待檢測(cè)的圖像特征變化的形式，從而使用相應(yīng)的檢測(cè)方法；其次，要知道特性變化總是發(fā)生在一定的空間范圍內(nèi)，不能期望用一種檢測(cè)算子就能最佳檢測(cè)出發(fā)生在圖像上的所有特征變化。當(dāng)需要提取多空間范圍內(nèi)的變化特征時(shí)，要考慮多算子的綜合應(yīng)用；第三，要考慮噪聲的影響，其中一個(gè)辦法就是濾除噪聲，這有一定的局限性，再就是考慮信號(hào)加噪聲的條件檢測(cè)，利用統(tǒng)計(jì)信號(hào)分析或通過對(duì)圖像區(qū)域的建模進(jìn)一步使檢測(cè)參數(shù)化；第四，可以考慮各種方法的組合，如先利用LOG找出邊緣，然后在其局部利用函數(shù)近似的方法獲得高精度定位；第五，在正確檢測(cè)邊緣的基礎(chǔ)上，要考慮精確定位的為題。經(jīng)典的邊緣檢測(cè)方法是構(gòu)造對(duì)像素灰度級(jí)階躍變化敏感的微分算子，如Roberts梯度算子、Sobel梯度算子等，其邊緣檢測(cè)速度快，但得到的往往是斷續(xù)的、不完整的結(jié)構(gòu)信息，這類方法對(duì)噪聲較為敏感，為了有效抑制噪聲，一般都首先對(duì)原圖像進(jìn)行平滑處理然后再進(jìn)行邊緣檢測(cè)，就能成功的檢測(cè)到真正的邊緣。 圖像邊緣處理的意義圖像處理是自動(dòng)化學(xué)科的一個(gè)分支，在工程技術(shù)領(lǐng)域有著廣泛的應(yīng)用，而邊緣檢測(cè)技術(shù)又是圖形處理中的重要部分。數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，圖像理解和分析的第一步往往就是邊緣檢測(cè)，目前它已經(jīng)成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。邊緣檢測(cè)對(duì)物體的識(shí)別也是很重要的，主要有以下幾個(gè)理由：首先，人眼通過追蹤未知物體的輪廓而掃視一個(gè)未知的物體；其次，如果我們能成功的得到圖像的邊緣，那么圖像分析就會(huì)大大簡(jiǎn)化，圖像識(shí)別就會(huì)容易的多；最后，很多圖像并沒有具體的物體，對(duì)這些圖像的理解取決于它們的紋理性質(zhì)，而提取這些紋理性質(zhì)與邊緣檢測(cè)有極其密切的關(guān)系。 本章小結(jié)本章介紹了什么是數(shù)字圖像，什么是數(shù)字圖像處理，在此基礎(chǔ)上詳細(xì)的介紹了圖像邊緣處理的應(yīng)用及其意義，下一章將介紹實(shí)現(xiàn)圖像邊緣處理的軟件開發(fā)平臺(tái)的選擇。第二章 開發(fā)平臺(tái)的選擇 開發(fā)平臺(tái)的選擇現(xiàn)在可用于圖像處理編程的軟件有很多，基本上主流的編程工具軟件都可以，但對(duì)于我們要完成畢業(yè)設(shè)計(jì)的大學(xué)生而言，要在很短的時(shí)間內(nèi)將圖像處理程序給編寫出來(lái)的話，用那些專業(yè)的編程軟件是比較困難的。因?yàn)橐速M(fèi)大量的時(shí)間在基礎(chǔ)代碼上，而不能花足夠的時(shí)間在算法的研究上。所以應(yīng)選一款編程效率較高的編程軟件來(lái)完成本次的設(shè)計(jì)課題。Matlab圖像處理程序開發(fā)的特點(diǎn)是上手容易，開發(fā)周期短，見效快，和VB、VC等專業(yè)級(jí)編程工具相比，在Matlab平臺(tái)上開發(fā)圖像處理軟件程序代碼編寫量明顯較小[3]。這是因?yàn)镸atlab有專門的圖像處理工具箱，有很多實(shí)現(xiàn)某種圖像處理功能的函數(shù)，而專業(yè)級(jí)的編程工具并沒有專門為圖像處理而編寫的函數(shù)，很多圖像處理函數(shù)需要開發(fā)者自己編寫。因此，圖像處理工作采用Matlab編程是非常合適的。 Matlab簡(jiǎn)介Matlab是美國(guó)MathWorks公司出品的商業(yè)化數(shù)學(xué)軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級(jí)計(jì)算語(yǔ)言和交互式環(huán)境，主要包括Matlab和Simulink兩大部分。Matlab是矩陣實(shí)驗(yàn)室（MatrixLaboratory）的簡(jiǎn)稱，和Mathematica、Maple并稱為三大數(shù)學(xué)軟件[4]。它在數(shù)學(xué)類科技應(yīng)用軟件中，在數(shù)值計(jì)算方面首屈一指。Matlab可以進(jìn)行矩陣運(yùn)算、繪制函數(shù)和數(shù)據(jù)、實(shí)現(xiàn)算法、創(chuàng)建用戶界面、連接其他編程語(yǔ)言的程序等，主要應(yīng)用于工程計(jì)算、控制設(shè)計(jì)、信號(hào)處理于通訊、圖像處理、信號(hào)檢測(cè)、金融建模設(shè)計(jì)與分析等領(lǐng)域。Matlab的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué)、工程中常用的形式十分相似，故用Matlab來(lái)解決問題要比用C、FORTRAN等語(yǔ)言完成相同的事情簡(jiǎn)捷的多，并且Mathwork也吸收了像Maple等軟件的優(yōu)點(diǎn)，使Matlab成為一個(gè)強(qiáng)大的數(shù)學(xué)軟件。Matlab不僅僅是一門編程語(yǔ)言，還是一個(gè)集成的軟件平臺(tái)，它包含以下幾個(gè)部分：1. Matlab語(yǔ)言2. Matlab集成工作環(huán)境3. Matlab圖形系統(tǒng)4. Matlab數(shù)學(xué)函數(shù)庫(kù)5. Sumlink交互式仿真環(huán)境6. Matlab編譯器7. 應(yīng)用程序接口API8. Matlab工具箱9. Notebook工具本文主要用到的是Matlab的圖像處理功能。Matlab圖形處理研究的主要問題有：圖像變換：通過圖像的變換，改變圖像的表示域以及表示數(shù)據(jù)。圖像增強(qiáng)：改善圖像質(zhì)量。圖像分析：為了更好的研究與分析圖像，往往需要從圖像中提取一些信息來(lái)反應(yīng)圖像的主要特征。圖像壓縮：便于圖像的傳輸和存儲(chǔ)。本文主要使用到圖像分析中的圖像邊緣檢測(cè)功能。 本章小結(jié)本章先說明了為什么選擇Matlab作為本課題的開發(fā)平臺(tái)，簡(jiǎn)要的介紹了Matlab軟件的特點(diǎn)及其功能，下一章將從數(shù)學(xué)的角度介紹常用的邊緣檢測(cè)算子的實(shí)現(xiàn)原理。第三章 常用的圖像邊緣檢測(cè)算法 引言物體的邊緣是以圖像局部的不連續(xù)性的形式出現(xiàn)的，例如，灰度值的突變、顏色的突變、紋理結(jié)構(gòu)的突變等。從本質(zhì)上說，邊緣常常意味著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始。圖像邊緣信息在圖像分布和人的視覺中都是十分重要的，是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。圖像邊緣檢測(cè)和計(jì)算機(jī)視覺都是新興學(xué)科分支，近幾十年來(lái)，取得了許多重大的成果。隨著研究的深入和應(yīng)用的需要，新概念、新思想、新方法不斷產(chǎn)生，它們正朝著智能化、系統(tǒng)化的方向發(fā)展[5]。作為圖像邊緣檢測(cè)和計(jì)算機(jī)視覺最基本的技術(shù)——圖像邊緣提取技術(shù)，也突破了其狹義的概念，成為一個(gè)內(nèi)容豐富的領(lǐng)域。本文寫作的目的是探索和研究幾種經(jīng)典的圖像邊緣提取算法。利用計(jì)算機(jī)進(jìn)行圖像邊緣檢測(cè)有兩個(gè)目的：一是產(chǎn)生更適合人觀察和識(shí)別的圖像；二是希望能由計(jì)算機(jī)自動(dòng)識(shí)別和理解圖像。無(wú)論為了哪種目的，圖像邊緣檢測(cè)中關(guān)鍵的一步就是對(duì)包含有大量信息的圖像進(jìn)行分解。圖像的邊緣是圖像的最基本特征。所謂邊緣（或邊沿）是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間，因此，它是圖像分割所依賴的重要特征。在通常情況下，我們可以將信號(hào)中的奇異點(diǎn)和突變點(diǎn)認(rèn)為是圖像中的邊緣點(diǎn)，其附近灰度的變化情況可從它相鄰像素灰度分布的梯度來(lái)反映。根據(jù)這一特點(diǎn)，提出了多種邊緣檢測(cè)算子：如 Robert算子、Sobel 算子、Prewitt 算子、LoG 算子，Canny算子等。這些方法多是以待處理像素為中心的鄰域作為進(jìn)行灰度分析的基礎(chǔ)，實(shí)現(xiàn)對(duì)圖像邊緣的提取并已經(jīng)取得了較好的處理效果。圖像的邊緣是待識(shí)別類型之間的界線，它是指圖像中像素單元灰度有階躍變化或屋頂狀變化的那些像素單元的集合[6]。邊緣檢測(cè)在圖像分割、紋理特征提取、形狀特征提取和圖像識(shí)別等方面起著重要的作用。圖像邊緣對(duì)圖像識(shí)別和計(jì)算機(jī)分析十分有用，邊緣能勾劃出目標(biāo)物體，使觀察者一目了然；邊緣蘊(yùn)含了豐富的內(nèi)在信息，是圖像識(shí)別中抽取圖像特征的重要屬性。從本質(zhì)上說，圖像邊緣是圖像局部特性不連續(xù)性的反應(yīng)，它標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始。邊緣提取首先檢出圖像局部特性的不連續(xù)性，然后再將這些不連續(xù)的邊緣像素連成完備的邊界。圖像中灰度變化劇烈的區(qū)域即強(qiáng)度的非連續(xù)性對(duì)應(yīng)著邊緣。邊緣提取就是既要檢測(cè)出強(qiáng)度的非連續(xù)性，又能確定它們?cè)趫D像中的精確位置。在圖像中邊緣區(qū)域的灰度在空間上的變化形式一般可分為三個(gè)類型：階躍型、房頂型和凸緣型，如圖31所示： 階躍型 房頂型 突圓型 邊緣灰度變化圖31 三個(gè)類型 邊緣檢測(cè)與提取過程從人的直觀感受來(lái)說，邊緣對(duì)應(yīng)于物體的幾何邊界。圖像上灰度變化劇烈的區(qū)域比較符合這個(gè)要求，我們一般會(huì)以這個(gè)特征來(lái)提取圖像的邊緣，但在遇到包含紋理的圖像上，如，圖像中的人穿了黑白格子的衣服，我們往往不希望提取出來(lái)的邊緣包括衣服上的方格，這就又涉及到紋理圖像的處理等方法。一般認(rèn)為邊緣提取是要保留圖像的灰度變化劇烈的區(qū)域，這從數(shù)學(xué)上看，最直觀的方法就是微分(對(duì)于數(shù)字圖像來(lái)說就是差分)，在信號(hào)處理的角度來(lái)看，也可以說是用高通濾波器，即保留高頻信號(hào)。用于圖像識(shí)別的邊緣提取往往需要輸出的邊緣是二值圖像，即只有黑白兩個(gè)灰度的圖像，其中一個(gè)灰度代表邊緣，另一個(gè)代表背景。此外，還需要把邊緣細(xì)化成只有一個(gè)像素的寬度。圖像邊緣檢測(cè)的基本步驟：1）濾波：邊緣檢測(cè)主要基于導(dǎo)數(shù)計(jì)算，會(huì)受到噪聲的影響，可以通過設(shè)計(jì)濾波器來(lái)降低噪聲，但濾波器在降低噪聲的同時(shí)也會(huì)導(dǎo)致邊緣精度的損失。2）增強(qiáng)：增強(qiáng)算法將鄰域中灰度有顯著變化的點(diǎn)突出顯示。一般通過計(jì)算梯度幅值來(lái)完成。3）檢測(cè)：在有些圖像中梯度幅值較大的并不是邊緣點(diǎn)。最簡(jiǎn)單的邊緣檢測(cè)是梯度幅值閾值判定。4）定位：精確確定邊緣的位置。特征提取作為圖像邊緣檢測(cè)的一個(gè)重要內(nèi)容，發(fā)展了眾多的方法。這些方法經(jīng)過實(shí)踐的檢驗(yàn)，成為了經(jīng)典的內(nèi)容。經(jīng)典的邊緣檢測(cè)算子包括：Roberts算子、Prewitt算子、Sobel算子、Log算子、Canny算子等[7]，這些經(jīng)典的邊緣提取算子在使用時(shí)都是使用預(yù)定義的邊緣模型去匹配。 邊緣檢測(cè)與提取常用算法邊緣檢測(cè)的實(shí)質(zhì)是采用某種算法來(lái)提取出圖像中對(duì)象與背景間的交界線，也就是提取圖像中灰度發(fā)生急劇變化區(qū)域的邊界。圖像灰度的變化情況可以用圖像灰度分