【正文】 圖像邊緣提取方法研究摘 要 圖像邊緣檢測一直以來都是圖像處理與分析領(lǐng)域的研究熱點(diǎn)。邊緣提取是圖像處理的基礎(chǔ)工作，如何精確、有效地提取邊緣是圖像處理領(lǐng)域相關(guān)學(xué)者討論的熱點(diǎn)問題，由此產(chǎn)生的各種邊緣檢測算法層出不窮并且得到了廣泛的應(yīng)用。該文對傳統(tǒng)的具有代表性的各種圖像邊緣提取方法進(jìn)行了闡述、對比和分析了各自的優(yōu)缺點(diǎn)，為了更清楚地看出各種算法的效果，給出了一些常用算法對同一副標(biāo)準(zhǔn)測試圖像進(jìn)行邊緣提取的實(shí)驗(yàn)結(jié)果。本文對現(xiàn)代的一些邊緣檢測方法如小波分析、形態(tài)學(xué)等也作了簡要的介紹，重點(diǎn)分析了以上各種算法在圖像邊緣檢測中的發(fā)展?fàn)顩r和優(yōu)缺點(diǎn)。最后提出在實(shí)踐中要根據(jù)待解決的問題的特點(diǎn)和要求決定采取何種方法。關(guān)鍵詞 圖像處理,小波變換,圖像邊緣檢測ABSTRACTImage edge detection is always study focus in the field of image processing and analysis. Edge extraction is foundation work of image processing, how accurate and efficient extract edge is heated discussed by the scholars who are related to image processing area , and various of edge detection methods emerge endlessly and got very wide application . The representative traditional methods in old days for image edge detection have been presented and the advantages and disadvantages of every method are contrasted and analized in this paper. In order to have a much clear look at the effect of every methods, the results of the experiments in which the mon methods are used to detect image edge of the same standard testing image are given between the text. In this thesis,there are also some brief introduction about modern methods of edge detection,such as wavelet and theemphases is the development and characters of these methods in detecting image edge. Finally , I point out that choosing which method largely depends on the nature of the matter.Key Words：Image process,Wavelet transform,Image edge detection目 錄第1章 緒論 1 圖像邊緣檢測概述 1 圖像邊緣檢測研究現(xiàn)狀 2 主要研究內(nèi)容 3第2章 經(jīng)典圖像邊緣提取算法 3 一階微分算子 4 梯度算子 4 方向算子 7 實(shí)驗(yàn)仿真 7 二階微分算子和Canny算子 10 拉普拉斯算子 10 LOG算子 11 Canny算子 12 實(shí)驗(yàn)仿真 14 各微分算子的具體實(shí)現(xiàn) 17 圖像預(yù)處理 17 實(shí)驗(yàn)仿真及結(jié)果分析 19 基于微分算法的改進(jìn)算法 20 元胞自動機(jī)提取 20 程序設(shè)計(jì)及仿真 21 本章小結(jié) 23第3章 現(xiàn)代邊緣檢測方法 24 基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測 24 形態(tài)學(xué)邊緣檢測概述 24 邊緣提取算法 25 Matlab仿真 26 基于小波變換多尺度分析的邊緣檢測 27 基于小波包分解的邊緣檢測 28 本章小結(jié) 29第4章 全文總結(jié) 29 總結(jié) 29 展望 30參考文獻(xiàn) 31致 謝 3233第1章 緒論 圖像邊緣檢測概述人獲得的絕大部分信息來源于圖像信息，而在圖像信息中又以邊界信息最為豐富，它傳遞和表達(dá)著物體的空間幾何信息，可以判定物體的大小、形狀、類型甚至地理位置。邊緣特征是圖像最基本的特征。邊緣是圖像性區(qū)域和另一個屬性區(qū)域的交界處，是區(qū)域性屬性發(fā)生突變的地方，是圖像中不確定性最大的地方，也是圖像信息最集中的地方，圖像的邊緣包含著豐富的信息。當(dāng)把邊界從目標(biāo)圖像中提取出來后，目標(biāo)物體的信息能夠更直觀地展現(xiàn)在人們面前，對于用計(jì)算機(jī)處理目標(biāo)物更為有利。因此，數(shù)字圖像的邊緣檢測是圖像分析處理領(lǐng)域十分重要的基礎(chǔ)，在工程應(yīng)用中占有十分重要的地位。圖像的邊緣有方向和幅值兩個特性，通常沿邊緣的走向灰度變化平緩，垂直于邊緣走向的像素灰度變化劇烈。根據(jù)灰度變化的特點(diǎn)，常見的邊緣可分為階躍型、房頂型和凸緣型。對于階躍型邊緣，二階方向?qū)?shù)在邊緣處呈零交叉，而后兩種，二階方向?qū)?shù)在邊緣處取極值。 邊緣灰度變化的幾種類型： 邊緣檢測的流圖（1） 濾波。邊緣檢測主要基于導(dǎo)數(shù)計(jì)算，但受噪聲影響。濾波器在降低噪聲的同時也導(dǎo)致邊緣強(qiáng)度的損失。（2） 增強(qiáng)。增強(qiáng)算法將領(lǐng)域中灰度有顯著變化的點(diǎn)突出顯示。一般通過計(jì)算梯度幅值完成。（3） 檢測。在有些圖像中梯度幅值較大的并不是邊緣點(diǎn)。最簡單的邊緣檢測是梯度幅值閾值判定。（4） 定位。精確確定邊緣的位置。 圖像邊緣檢測研究現(xiàn)狀現(xiàn)有的圖像邊緣提取算法有很多，目前主要有以下幾種：第一種是微分算子法，即傳統(tǒng)的邊緣檢測方法。它又分為一階和二階微分算法，常用的一階微分算子有Roberts算子、Prewitt算子和Sobel算子等，而具有代表的二階微分算子有Laplacian算子和LOG（Laplacian Of Gaussian）算子等，其中LOG算子是拉普拉斯算子的改進(jìn)，具有一定的抗噪性能。第二種方法就是擬合曲面法，這是一種比較直觀的方法，該方法利用當(dāng)前像素領(lǐng)域像素值擬合一個曲面，再求曲面在當(dāng)前像素處的梯度。第三種方法是基于小波的多尺度邊緣檢測。這也是目前研究最多的話題。第四種方法就是基于數(shù)學(xué)形態(tài)的邊緣檢測。目前較為成熟的基于數(shù)學(xué)形態(tài)的邊緣檢測方法有：基于多尺度數(shù)學(xué)形態(tài)的邊緣檢測、基于數(shù)學(xué)形態(tài)學(xué)多級平均的圖像邊緣檢測、基于偏微分方程的形態(tài)學(xué)的邊緣檢測、基于均衡化和數(shù)學(xué)形態(tài)的組合邊緣檢測及基于坐標(biāo)邏輯的多結(jié)構(gòu)元圖形邊緣檢測等方法。迄今為止，許多邊緣提取方法已經(jīng)在很多領(lǐng)域得到了廣泛的應(yīng)用，比如說在醫(yī)學(xué)領(lǐng)域圖像的降噪等。盡管如此，數(shù)字圖像的邊緣提取問題并沒有得到比