【正文】 本科畢業(yè)論文（設(shè)計）論 文 題 目基于邊緣檢測的圖像分割算法研究及其應(yīng)用姓名（學(xué)號）系 別專 業(yè)導(dǎo) 師 姓 名******本科畢業(yè)論文（設(shè)計）第 II 頁 共 29 頁基于邊緣檢測的圖像分割算法研究及其應(yīng)用作 者指導(dǎo)教師摘要：圖像分割是圖像處理中的一個經(jīng)典難題，也是圖像處理和計算機(jī)視覺領(lǐng)域中的基本技術(shù)。目前，廣大研究者在圖像分割領(lǐng)域里已提出了上百種分割方法，每種分割方法只局限特定的分割對象，至今沒有一種通用的方法。邊緣檢測是圖象處理中重要的一個環(huán)節(jié)。文章具體對Prewitt 算子、Sobel算子、高斯拉普拉斯(LOG)算子、Wallis算子、 過零點檢測（MarrHildreth算子） 、 Canny邊緣檢測方法、 SUSAN（Smallest Univalue Segment Assimilating Nucleus）邊緣檢測等進(jìn)行算法分析，利用上述算法，找出其中較好的一種檢測方法用于圖像分割.關(guān)鍵詞：圖像分割；邊緣檢測；圖象處理；檢測算子Image Segmentation Based on Edge Detection Algorithm and it’s ApplicationAbstract：Image segmentation is not only a cIassical puzzle for researchcrs but also the imponant part of image analysisand the puter vision field．Nowadays，hundreds of methods have been put forward to the image sqgmtation， and each of the methods is used for special segnlented objects．There is not a generaI method for irnagc segment as yet．This Article specific to analysis of Prewitt operator, Sobel operator, Gauss Laplace (LOG) operator, Wallis operator, zero crossing detection (MarrHildreth operator), Canny edge detection method, SUSAN (Smallest Univalue Segment Assimilating Nucleus) algorithm for edge detection, etc. Using the above method, find out a better method for detecting image segmentation.Key words: Image segmentation。 edge detection；image processing。 detection operator******本科畢業(yè)論文（設(shè)計）第 III 頁 共 29 頁目 錄摘 要 ..........................................................................................................IIABSTRACT .....................................................................................................II1 緒 論 ...........................................................................................................1 基于邊緣檢測的圖像分割算法的背景和意義 .....................................1 基于邊緣檢測的圖像分割算法的主要內(nèi)容 .........................................1 本論文的結(jié)構(gòu)安排 .................................................................................22 圖像分割以及邊緣檢測算法的分析 .........................................................3 圖像分割 ...................................................................................................3 概述 ...............................................................................................3 邊緣檢測 ...………………………………………………………………4 圖像邊緣........................................................................................5 幾種邊緣檢測算子........................................................................73 基于邊緣檢測的圖像分割算法的應(yīng)用……………………………….....17 CANNY 算子的應(yīng)用 ..................................................................................17結(jié)果比較.........................................................................................................18結(jié) 論 .........................................................................................................18后摘要 .............................................................................................................19致 謝 .............................................................................................................19參考文獻(xiàn) .........................................................................................................20附 件 .........................................................................................................21皖西學(xué)院本科畢業(yè)論文（設(shè)計）第 1 頁 共 22 頁1 緒 論 基于邊緣檢測的圖像分割算法的背景和意義圖像分割時一種重要的圖像分析技術(shù)。在對圖像的研究和應(yīng)用中，人們往往僅對圖像中的某些部分感興趣，這些部分稱為目標(biāo)或者前景(其他部分稱為背景)，他們一般對應(yīng)圖像中特定的、具有獨特性質(zhì)的區(qū)域。這里的獨特性可以是像素的灰度值、物體輪廓曲線、顏色、紋理等。為了識別和分析圖像中的目標(biāo)，需要將它們從圖像中分離提取出來，在此基礎(chǔ)上才有可能進(jìn)一步對目標(biāo)進(jìn)行測量和對圖像進(jìn)行利用。因此圖像分割就是指把圖像分成各具特性的區(qū)域并提出感興趣目標(biāo)的技術(shù)和過程。圖像分割的方法已有上千種，每年還有許多新方法出現(xiàn)，雖因尚無通用的分割理論，目前提出的分割算法大都是針對具體問題的，但是對于圖像分割的一般性規(guī)律則基本上已經(jīng)達(dá)成了共識。而基于邊緣檢測的圖像分割是模仿人類視覺的過程而進(jìn)行圖像處理的。對于人類視覺系統(tǒng)認(rèn)識目標(biāo)的過程分為兩步：首先，把圖象邊緣與背景分離出來；然后，才能知覺到圖象的細(xì)節(jié)，辨認(rèn)出圖象的輪廓。因此在檢測物體邊緣時，先對其輪廓點進(jìn)行粗略檢測，然后通過鏈接規(guī)則把原來檢測到的輪廓點連接起來，同時也檢測和連接遺漏的邊界點及去除虛假的邊界點。圖象的邊緣是圖象的重要特征，是計算機(jī)視覺、模式識別等的基礎(chǔ)，因此邊緣檢測是圖象處理中一個重要的環(huán)節(jié)。然而，邊緣檢測又是圖象處理中的一個難題，由于實際景物圖象的邊緣往往是各種類型的邊緣及它們模糊化后結(jié)果的組合，且實際圖象信號存在著噪聲。噪聲和邊緣都屬于高頻信號，很難用頻