【正文】 編 號： 審定成績： 重慶郵電大學(xué)畢業(yè)設(shè)計（論文）設(shè)計（論文）題目：學(xué) 院 名 稱 ：自動化學(xué)院學(xué) 生 姓 名 ：專 業(yè) ：班 級 ：學(xué) 號 ：指 導(dǎo) 教 師 ：答辯組 負責(zé)人 ：填表時間： 2016 年 月重慶郵電大學(xué)教務(wù)處制重慶郵電大學(xué)本科畢業(yè)設(shè)計（論文）摘 要隨著計算機技術(shù)的發(fā)展，圖像處理作為一種興起的學(xué)科分支受到了國類外學(xué)者的高度關(guān)注，圖像處理由于其應(yīng)用范圍方法的特點的到了較快的發(fā)展，現(xiàn)已分布到醫(yī)療、公共安全等各個領(lǐng)域，所以對數(shù)字圖像的研究具有重大意義。數(shù)字圖像中攜帶者大量的圖像信息，我們對其處理的工程中，不僅要關(guān)注信息提取的精度，還要注重處理的速度。因此，找到一種合適的算法，能夠高效精確得對圖像進行邊緣檢測與提取顯得尤為重要。Matlab軟件中包含強大的圖像處理程序和圖形展示界面，用戶通過運行程序，不僅能夠?qū)D像的操作有直觀的認識，還能自由的對程序進行修改，在圖像處理研究方面具有重要的地位。本文主要結(jié)合Matlab軟件來進行圖像形狀分類器的設(shè)計，通過編寫程序，設(shè)置了六種不同的邊緣提取算子，對不同類型的圖像邊緣進行提取，實驗結(jié)果表明，選取合適的邊緣提取算子及其重要，以上六種算法都能夠成功識別出三角形，正方形，圓行邊界，但是有些算法存在邊緣凸起問題，prewitt算子在在識別各種邊界時都表現(xiàn)出很好的效果?！娟P(guān)鍵詞】MATLAB；數(shù)字圖像處理；圖像形狀；圖像分類ABSTRACTWith the development of puter technology, image processing as a discipline branch of rise by countries outside class the attention of scholars, the methods of image processing because of its range of application of the rapid development, has now been distributed to the health, public security and other fields, so the study of digital image is of great significance. Carried a large amount of image information in digital image, in our engineering for its processing, should not only pay attention to the accuracy of information extraction, but also pay attention to the speed of processing. Therefore, to find a suitable algorithm, can effective accurate is particularly important for image edge detection and extraction. Matlab software contains powerful image processing and graphic display interface, the user to run the program, not only can have the directviewing understanding, to the operation of the image can also be free to modify the program, has an important position in the image processing research.In this paper, bined with Matlab software for image shape classifier design, through the program, set up six different edge detection operator, for different types of image edge extraction, the experimental results show that the selection of suitable edge detection operator and its important, more than six kinds of algorithms are successfully identified triangle, square, circle line boundary, but some problems edge projection algorithm, prewitt operator showed good effect in identifying various boundary.【Key words】MATLAB。 Digital Image Processing。 Image shape。 Image Classification目 錄前 言 1第一章 圖像分類器概述 2第一節(jié) 圖像的定義 3一、圖像邊緣 3二、圖像形狀 3第二節(jié) 圖像邊緣檢測 5一、邊緣檢測的主要內(nèi)容 5二、邊緣檢測的應(yīng)用 6第三節(jié) 國內(nèi)外研究現(xiàn)狀 8第四節(jié) 論文主要內(nèi)容及章節(jié)安排 8第二章 數(shù)字圖像處理方法 10第一節(jié) 數(shù)字圖像的預(yù)處理 10一、數(shù)字圖像 10二、采樣 13三、量化 13四、采樣、量化和圖像細節(jié)的關(guān)系 13第二節(jié) 形狀特征及其描述方法 14一、形狀特征 14二、幾種典型的形狀特征描述方法 15第三節(jié) 幾種不同的度量 16一、矩形度 16二、圓形度 16三、矩 17四、不變矩 17第三章 邊緣檢測與提取方法 18第一節(jié) 邊緣檢測 18一、邊緣檢測準(zhǔn)備條件 18二、邊緣檢測基本步驟 19第二節(jié) 邊緣提取 20一、邊緣提取的步驟 20第三節(jié) 邊緣提取的常用算子 21一、Roberts邊緣算子 21二、Sobel邊緣算子 21三、Prewitt邊緣算子 22四、Laplacian邊緣算子 22五、Log邊緣算子 23六、Canny邊緣算子 25第四章 算法的選擇和實現(xiàn) 29第一節(jié) 邊緣檢測與識別算法 29第二節(jié) 仿真實驗及結(jié)果分析 32一、仿真實驗 32二、結(jié)果分析 34結(jié) 論 36致 謝 37參考文獻 38附錄 39 38 前 言圖像邊緣檢測作為圖像處理技術(shù)中非常重要的環(huán)節(jié)之一，被廣泛的運用到圖像應(yīng)用中。與此同時，邊緣檢測也是圖像分割，圖像識別，圖像壓縮和圖像增強的基礎(chǔ)。一個圖像的邊緣是該圖像最明顯最特殊的特征，為后面的圖像邊緣檢測帶來了便利。圖像的邊緣往往攜帶者一張圖像中的大部分信息，使得圖像處理人員能夠很快掌握圖像的位置，即使在信號發(fā)生突變的頂點處，這些邊緣也能提供出很好的輪廓，所以，在邊緣檢測中，我們往往吧圖像的了輪廓看做及其重要的一項特征。這就需要我們在圖像處理過程中能夠精確的提取出圖像的邊緣。然而，選取合適的邊緣檢測算法正是我們目前面臨的一項技術(shù)難題，不同的邊緣檢測算法對圖像處理的結(jié)果又很大的差別，嚴重影響到了圖像識別以及后期的圖像處理的效果。邊緣檢測算法是一種經(jīng)典的圖像邊緣檢測技術(shù)問題，它的解決方案為我們的高水平的特征描述、識別和理解具有重要的影響，由于邊緣檢測在許多方面有著非常重要的使用價值，所以人們一直在致力于研究和解決如何構(gòu)造邊緣檢測算子的好屬性和良好的效果。現(xiàn)有經(jīng)典的邊界提取技術(shù)基本上是基于微分操作。首先，通過相對平滑過濾掉圖像中伴隨的噪聲；然后，進行微分運算，其中包括一階微分和二階微分，通過求得梯度最大值或著找到二階導(dǎo)數(shù)為零的點；最后，選取合適的閾值點來進行邊界提取。本文中主要采用了幾種經(jīng)典的邊緣檢測算法，運用MATLAB語言編寫相對應(yīng)的m文件，最后比較并分析各種算法進行邊緣提取的結(jié)果。第一章 圖像分類器概述數(shù)字圖像邊緣檢測技術(shù)最早是在1920年產(chǎn)生的，由于一直以來收到了科研條件的限制，一些技術(shù)還不夠發(fā)達，因此往后的幾十年里沒有獲得很大的進步。在20世紀(jì)中后期，隨著電力電子技術(shù)和計算機技術(shù)的廣泛發(fā)展，圖像識別技術(shù)在技術(shù)上得到了突破。通過最近的迅速突破，邊緣檢測處理技術(shù)目前己經(jīng)被廣泛的應(yīng)用到全球各個領(lǐng)域中，如制造業(yè)，醫(yī)藥業(yè)，科技等領(lǐng)域。同時，數(shù)字圖像邊緣檢測技術(shù)已經(jīng)受到了世界各行各業(yè)的廣泛關(guān)注。數(shù)字圖像邊緣檢測處理技術(shù)在最近的10年發(fā)展尤為迅速，每年均有數(shù)以百計的新算法誕生，其中包括canny算法[1]、小波變換wavelet transform等多種具有重要地位的智能算法，這類算法都具有一個相同的特點，即是基于數(shù)學(xué)、通信等基礎(chǔ)知識而設(shè)計產(chǎn)生的，不僅如此，神經(jīng)網(wǎng)絡(luò)[2]、遺傳算法[3]、人工智能以及模糊邏輯[4]等技術(shù)也被融入到算法的設(shè)計中，這不僅需要我們具備相關(guān)的理論知識，還要求我們對邊緣檢測問題有一個明確的思路?，F(xiàn)代的數(shù)字圖像邊緣檢測處理的目標(biāo)有以下三種： （1）可視化：圖像采集和顯示時，我們需要適時地對所處理的圖像進行改進，以方便觀察者能夠更加直觀的觀察到圖像的內(nèi)容。如果具有某些觀察者可能感興趣的圖像，我們更應(yīng)該對圖像進行加強突出處理，對有些3D成像方法如CT、MRI、可視化，特別是三維結(jié)構(gòu)可視化高度重視。（2）自動化：做日常任務(wù)或自動化。例如，根據(jù)微觀圖像自動確定染色體的核型染色體分配系統(tǒng)，自動從血涂片白細胞計數(shù)報告生成系統(tǒng)。這些應(yīng)用程序的特點是要求最低人工干預(yù)，自動分析系統(tǒng)。應(yīng)用白細胞計數(shù)、商業(yè)系統(tǒng)是發(fā)達國家在1970年。但是今天是一個完全不同的方式這個任務(wù)自動(使用液白細胞計數(shù)技術(shù))。（3）定量化：相關(guān)量化圖像檢測的例子有很多，關(guān)于動脈狹窄的過程和測量在顯微鏡下觀察到的切片，并定位和定量得Fenix的特殊成分(如血色沉著病、鐵)。在這些應(yīng)用程序中，允許人工干預(yù)，因為在這些應(yīng)用程序處理時間的長度不是主要矛盾。數(shù)字圖像邊緣檢測處理，利用計算機處理圖像的邊緣，這些處理方法是與計算機的發(fā)展息息相關(guān)，這是一個新的應(yīng)用領(lǐng)域的發(fā)展，以光電、數(shù)學(xué)等技術(shù)的許多方面為主題。圖像邊緣檢測處理已經(jīng)作為一門學(xué)科，被AMS當(dāng)做應(yīng)用數(shù)學(xué)的一個分支。經(jīng)過如此迅速的發(fā)展，它被成功應(yīng)用到了幾乎所有關(guān)于圖像的領(lǐng)域中。20世紀(jì)以后，隨著圖像分析與處理基礎(chǔ)理論的不斷完善，其已經(jīng)在眾多高新技術(shù)領(lǐng)域中占據(jù)了重要地位。第一節(jié) 圖像的定義一、圖像邊緣圖像邊緣（Edlge）的定義是指圖像邊界具有不連續(xù)性，這是一種局部特性。比如，圖像的灰度具有突變性，圖像顏色以及圖像的像素也具有突變性，圖像紋理結(jié)構(gòu)的突變等。在物體的背景中，兩種不同的區(qū)域中以及各種目標(biāo)中，都具有典型的圖像邊緣特征，這為圖像邊緣檢測提供了依據(jù)。本文將主要采用幾種典型的邊緣檢測方法，基于他們的原理，編寫程序來實現(xiàn)邊緣檢測技術(shù)[5, 6]。每個圖像都具有不同的灰度，圖像灰度是根據(jù)圖像的不同色階（紅，黃，藍）的比例程度來決定的。圖像邊緣也與圖像灰度相關(guān)。圖像灰度具有不連續(xù)性，一是階躍不連續(xù)，二是線條不連續(xù)。如果圖像灰度在不連續(xù)的兩邊具有明顯的差異，就叫做階躍不連續(xù)；如果在某個時刻，圖像的灰度從一個值改變到另一個值，保持一定的時間后返回到原來值，這個過程叫做圖像的線條不連續(xù)。事實上，具備階躍或者線條邊緣圖像是非常罕見的。在空間分辨率的作用下，具有階躍邊緣的圖像將會發(fā)生變化，產(chǎn)生斜坡邊緣。但是，邊緣的灰度不是一瞬間發(fā)生改變的[7]。在討論邊緣檢測方法之前，首先介紹一些術(shù)語的定義。（1）邊緣點：圖像中灰度顯著變化的點。（2）邊緣段：邊緣點坐標(biāo)及方向的總和，邊緣的方向可以是梯度角。（3）輪廓：可以用一條曲線來模擬輪廓。（4）邊緣檢測器：一種在圖像中選擇合適的點集（邊緣點）的算法。（5）邊緣連接：對無序邊緣進行加工，使其變?yōu)橛行虻倪吘壉?。?）邊緣跟蹤：找到相應(yīng)的搜索途徑，用來確定圖像的輪廓。二、圖像形狀形狀特征是圖像邊界清晰目標(biāo)的最佳表達。是目標(biāo)圖像的重要特征，在實踐中通常使用形狀特征或圖像檢索的主要邊界和分類。圖像分類（識別）屬于模式識別的范疇，圖像是在經(jīng)過預(yù)處理后的主要內(nèi)容（經(jīng)過增強、恢復(fù)和壓縮）、圖像分割和特征提取，其中一個句子分類。圖像分類是常用的經(jīng)典模式識別方法、統(tǒng)計模式分類和句法模式分類（結(jié)構(gòu)），近年來發(fā)展了一種新的模糊模式識別和人工神經(jīng)網(wǎng)絡(luò)模式分類方法在圖像識別中的應(yīng)用越來越受到重視。人的第一個思想的光學(xué)系統(tǒng)是在物體的形式，可以識別許多的對象從二維圖像。在人類視覺感知、識別和理解中，形狀是一個重要的參數(shù)。形狀是描述對象的一個定義特征，并描述圖像內(nèi)容的重要特征。描述圖像的形狀是一個非常復(fù)雜的問題，在二維情況下，形狀可以被定義為一個二維位置的范圍內(nèi)的一個簡單的連接曲線和方向的函數(shù)。所以形狀描述涉及封閉曲線或描述的包體的輪廓描述。圖像目標(biāo)邊緣的輪廓。外形是最基本的概念，它與形狀有著密切的關(guān)系。形狀知覺的人必須在以前看到。當(dāng)我們看到一個物體的形狀，就是要看到一個輪廓，這個輪廓來區(qū)分物體和其他部分的視覺。直觀的，感性的要求的形狀的輪廓線之間的可見區(qū)域的亮度是明確的。形狀的輪廓，用數(shù)學(xué)語言對應(yīng)的亮度是二階導(dǎo)數(shù)的形成，只有線性變化的亮度不產(chǎn)生輪廓。當(dāng)人們注意物體的形狀時，往往是固定在某一區(qū)域；而當(dāng)人們注意到輪廓線時，輪廓就要從輪廓上看，所以從外形上看，有一個“形狀”的過程。你可以說，只是邊界輪廓，