【正文】 ....................................................................................................................18 邊緣檢測(cè)簡(jiǎn)介 ................................................................................................................................................18 邊緣檢測(cè)方法 ................................................................................................................................................18 常見的一階邊緣檢測(cè)算子 ............................................................................................................................19 Roberts 算子 .........................................................................................................................................20 Sobel 算子 ...............................................................................................................................................20 Prewitt 算子 ..........................................................................................................................................22 Kirsch 算子 .........................................................................................................................................22 常用的二階邊緣檢測(cè)算子 .............................................................................................................................23 Laplacian 算子 .........................................................................................................................................23 LOG（LaplacianGauss）算子 ..............................................................................................................24 小結(jié) ................................................................................................................................................................264．總結(jié) .....................................................................................................................................................................27參考文獻(xiàn) ...................................................................................................................................................................28附 錄 ...............................................................................................................................................................2911. 緒 論 課題概述圖像是人類獲取和交換信息的主要來源，因此，圖像處理的應(yīng)用鄰域涉及到人類生活的方方面面。圖像的研究方法和手段根據(jù)對(duì)圖像作用域的不同，可以分為空余處理方法和變換域處理方法?？沼嗵幚矸椒ㄓ袃纱箢悾亨徲蛱幚矸ê忘c(diǎn)處理法。變換域處理法有：傅立葉變換、離散余弦變換。圖像處理的目的是改善圖像的質(zhì)量，以人為對(duì)象以改善人的視覺效果為目的。圖像處理是用計(jì)算機(jī)對(duì)圖像進(jìn)行一系列的操作，一般操作是先將圖像數(shù)字化，即易于獲得某種預(yù)期結(jié)果的技術(shù)。常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮、分割等。其中邊緣檢測(cè)是圖像處理中必不可少的一步，采用微分算子檢測(cè)邊緣是最常用的，也是處理效果比較好的一種。MATLAB 圖像處理工具箱提供了邊緣檢測(cè)（edge）函數(shù)，它能利用多種算子進(jìn)行圖像的邊緣檢測(cè)，語言結(jié)構(gòu)簡(jiǎn)單。本文主要介紹了數(shù)字圖像處理主要研究領(lǐng)域中邊緣檢測(cè)的方法，并利用 MATLAB 圖像處理工具箱提供的函數(shù)處理圖片，對(duì)圖像進(jìn)行邊緣檢測(cè)，給出了各種算子檢測(cè)邊緣的結(jié)果并進(jìn)行相互比較。在現(xiàn)階段，圖像的處理方法很多，其中，邊緣檢測(cè)是很重要的一種處理方法，它在圖像處理領(lǐng)域中占有重要地位，圖像的邊緣是集中了圖像大部分的信息，圖像邊緣的確定與提取對(duì)于整個(gè)圖像場(chǎng)景的識(shí)別與理解非常重要。在現(xiàn)實(shí)生活中，圖像處理的問題一直是個(gè)焦點(diǎn)問題，在軟件 MATLAB處理圖像的領(lǐng)域中，圖像的各種處理易于實(shí)現(xiàn)，易于得到預(yù)期的結(jié)果。本2課題闡述了數(shù)字圖像在一些應(yīng)用領(lǐng)域中的處理及處理前后的對(duì)比，包括各種算子的邊緣檢測(cè)，從而實(shí)現(xiàn)對(duì)圖像的分析及處理。 課題背景知識(shí) MATLAB 簡(jiǎn)介MATLAB 是 MathWorks 公司用 C 語言開發(fā)的軟件，其中的矩陣算法來自 Linpack 和 Eispack 的課題研究成果。MATLAB 是一種將數(shù)據(jù)結(jié)構(gòu)、變成特征和圖形用戶界面完美的結(jié)合到一起的軟件。其核心是數(shù)組和矩陣。MATLAB 的特點(diǎn)有：高級(jí)科學(xué)計(jì)算語言，用于線性代數(shù)統(tǒng)計(jì)、的集成管理環(huán)境，算法設(shè)計(jì)開發(fā)的交互式工具，創(chuàng)建自定義工程師圖形界面的工具，2D 和 3D 的數(shù)據(jù)可視化，與第三方算法開發(fā)工具—C/C++、FORTRAN、Java、COM、Microsoft Excel—集成開發(fā)基于 MATLAB的算法。MATLAB 的基本功能：語言編程功能、編譯功能、自動(dòng)代碼生成功能、圖像用戶界面開發(fā)功能、數(shù)學(xué)計(jì)算功能、圖形化顯示功能、Simulink 建模仿真功能。 數(shù)字圖像簡(jiǎn)介圖像是對(duì)客觀對(duì)象的一種相似性的、生動(dòng)的描述或表示。按圖像空間坐標(biāo)和明暗程度的連續(xù)性可分為數(shù)字圖像和模擬圖像。數(shù)字圖像計(jì)算機(jī)可以直接處理，其空間坐標(biāo)和灰度都不連續(xù)，是用離散的數(shù)字來表示圖像。而模擬圖像的坐標(biāo)和灰度都是連續(xù)的，故模擬圖像無法用計(jì)算機(jī)直接進(jìn)行處理。圖像處理的目的是改善圖像的質(zhì)量，它以人為對(duì)象，以改善人的視3覺效果。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像變換、增強(qiáng)、重建、復(fù)原、編碼、壓縮等。 目的意義圖像是對(duì)客觀對(duì)象的一種相似性的、生動(dòng)的描述或表示。對(duì)圖像進(jìn)行一系列的操作以便達(dá)到預(yù)期的圖像結(jié)果?，F(xiàn)階段數(shù)字圖像處理技術(shù)的迅速發(fā)展為人類帶來了巨大的經(jīng)濟(jì)社會(huì)效益，大到應(yīng)用衛(wèi)星遙感進(jìn)行的全球環(huán)境氣候監(jiān)測(cè)，小到指紋識(shí)別技術(shù)在安全領(lǐng)域的應(yīng)用。可以說，數(shù)字圖像處理技術(shù)已經(jīng)融入到科學(xué)研究的各個(gè)領(lǐng)域。邊緣檢測(cè)是數(shù)字圖像處理中最重要的一種技術(shù)，圖像物體中邊緣表現(xiàn)為灰度變化，邊緣廣泛存在于物體與背景之間、物體與物體之間。 小結(jié)本章重點(diǎn)介紹了課題簡(jiǎn)介、MATLAB 軟件的特點(diǎn)與功能、數(shù)字圖像簡(jiǎn)介和課題的目的意義。42. 數(shù)字圖像處理 基本概念二值圖像：也叫黑白圖像，就是圖像像素只存在 0，1 兩個(gè)值。一個(gè)二值圖像是純黑白的。每一個(gè)像素值將取 0 或 1 中的一個(gè)值，通常用 0 表示黑，用 1 表示白?；叶葓D像：灰度圖像是包含灰度級(jí)的圖像。與二值圖像不同，灰度圖像的像素并不是只有 0、1 兩個(gè)量化級(jí)數(shù)，而是具有多個(gè)量化級(jí)數(shù)，如 64級(jí)、256 級(jí)等。當(dāng)像素灰度級(jí)用 8bit 表示時(shí)，圖像的灰度級(jí)就是，每個(gè)像素的取值就是 256 中灰度中的一種，即每個(gè)像素的灰度值為 0～255 中的一個(gè)。通常，用 0 表示黑，用 255 表示白，從到亮度逐漸增加?；叶葓D像只有亮度信息而沒有色彩信息。通常所說的黑白圖像，其實(shí)包含了黑白之間的所有灰度色調(diào)。彩色圖像：圖像中 R 代表紅色，G 代表綠色，B 代表藍(lán)色。RGB 色彩模式是用 RGB 模型為圖像中的每一個(gè)像素的 RGB 分量分配一個(gè) 0～255 范圍內(nèi)的強(qiáng)度值。白色的都為 255；黑色的都為 0；這類圖像不適用單獨(dú)的調(diào)色板，每一個(gè)像素的顏色有存儲(chǔ)在相應(yīng)位置上的紅，綠，藍(lán)顏色共同決定。圖像數(shù)字化：把連續(xù)的圖像用一組數(shù)字來表示，便于計(jì)算機(jī)分析處理。圖像增強(qiáng)：對(duì)圖像的某些特征進(jìn)行強(qiáng)調(diào)或尖銳化而不增加圖像的相關(guān)5數(shù)據(jù)。圖像壓縮：在滿足一定的圖像質(zhì)量要求下對(duì)圖像進(jìn)行編碼，可以壓縮表示圖像的數(shù)據(jù)。圖像分析：詳細(xì)研究并描述一幅圖像不同部分的特征和相互關(guān)系。圖像恢復(fù)：把模糊或褪色的圖像盡可能的復(fù)原。 圖像增強(qiáng) 圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，同時(shí)消弱或去除某些不需要的信息的處理方法。其主要有兩個(gè)目的：一是增強(qiáng)有用信息，抑制無用信息，從而改善圖像的視覺效果；二是有利于人工和機(jī)器分析。 直接灰度調(diào)整（1）增強(qiáng)對(duì)比度增強(qiáng)對(duì)比度實(shí)際是增強(qiáng)原圖的各部分的反差。實(shí)際中經(jīng)常是通過增強(qiáng)原圖中某兩個(gè)灰度值之間的動(dòng)態(tài)范圍來實(shí)現(xiàn)的。MATLAB 圖像處理工具箱中用函數(shù)進(jìn)行灰度線性增強(qiáng)。其語法格式為：I1=imadjust（I,[low high],[bottom top],gamma）對(duì)圖像使用灰度線性增強(qiáng)，使原圖因顏色灰暗不能體現(xiàn)細(xì)節(jié)的地方能夠清晰的體現(xiàn)出來。6 圖 1 亮度調(diào)節(jié)前后圖像的顯示效果比較（2） 圖像求反對(duì)圖像求反是將圖像的灰度值反轉(zhuǎn)，就是使原圖像的黑變白，使白變黑。具體的變換就是圖像中每個(gè)像素的灰度值根據(jù)變換曲線進(jìn)行映射。（3）灰度切分 灰度切分的目的與增強(qiáng)對(duì)比度比較相似，即將某個(gè)灰度值范圍變得比較突出；所不同的是，灰度切分將所要突出的是灰度范圍變換成較高的灰度值，而將其余的灰度值變換成較低的灰度值。 直方圖處理為改變圖像整體偏暗，或整體偏亮，或者灰度層次不豐富的情況，可將圖像的直方圖通過一定的函數(shù)處理為均衡的直方圖，使直方圖不再偏于低端，或者不再偏于高端，而是變成比較均勻的分布，而這種技術(shù)就叫做直方圖均衡化。直方圖是對(duì)圖像中每一灰度值出現(xiàn)頻率的統(tǒng)計(jì)，可也描述為： （3()/KkPSn?0,1L??1）上式中， 是圖像 f(x,y)的第 k 級(jí)灰度值， 是中具有灰度值 的像K KnKS素的個(gè)數(shù)，n 是圖像中像素的總數(shù)。 給出了對(duì) 出現(xiàn)頻率的一個(gè)估計(jì)，()kPsS所以一幅圖