【正文】 圖均衡、中值濾波、對(duì)比度調(diào)整、自適應(yīng)濾波等對(duì)圖像進(jìn)行的處理。例如，conv2(I，J)實(shí)現(xiàn)了I，J兩幅圖像的卷積。（1）圖像文件格式的讀寫和顯示。（7）PNG（Portable Network Graphics）格式。處理1，4，8，24位非壓縮圖像，1，4，8，24位packbit壓縮圖像，一位CCITT壓縮圖像等。（3）HDF（Hierarchical Data Format）格式。文件內(nèi)容包括：文件頭（128字節(jié)），圖像數(shù)據(jù)、擴(kuò)展顏色映射表數(shù)據(jù)。第四章 運(yùn)用第三章所提到的幾種常見邊緣提取算子，并結(jié)合所編寫的matlab程序?qū)D形進(jìn)行仿真實(shí)驗(yàn)，并得到合理的結(jié)論。所以，這項(xiàng)研究的路還很漫長(zhǎng)，希望很多的人增強(qiáng)對(duì)于圖像特征提取與識(shí)別技術(shù)的探索，迫切需要后者進(jìn)行更多的工作。通過上述特征提取和識(shí)別技術(shù)，由于特征提取和識(shí)別的多樣性和復(fù)雜性的問題本身，現(xiàn)有的理論和方法有相當(dāng)一段距離，從實(shí)際的要求，一些基本的問題還有待進(jìn)一步深入研究。國(guó)際上的研究者主要有Mckeown研究所、VGG研究院和德國(guó)波恩大學(xué)、等，國(guó)內(nèi)的研究者主要是中國(guó)科學(xué)技術(shù)研究院、華中理工大學(xué)等等，各個(gè)領(lǐng)域的研究者都以計(jì)算機(jī)技術(shù)為基礎(chǔ)，通過編程及仿真，總結(jié)出了很多有實(shí)用性的工作，極大的促進(jìn)了圖像識(shí)別的發(fā)展。（4）交通管理系統(tǒng)的應(yīng)用，其應(yīng)用體現(xiàn)到了多個(gè)方面，如今，各類地圖的流行，如百度地圖能夠成功定位到哥各個(gè)路段的邊線，各個(gè)路口的輪廓，如果人們都利用百度地圖進(jìn)行定位，我們就可以實(shí)時(shí)的觀察到每個(gè)路段的交通信息，這樣極大地方便了人們的出行，同時(shí)車輛可以根據(jù)地圖信息巧妙的避開擁擠路段，充分節(jié)約了我們的時(shí)間。末以來，美國(guó)和一些國(guó)際組織發(fā)起了一項(xiàng)資源遙感衛(wèi)星(陸地衛(wèi)星系列)和太空實(shí)驗(yàn)室(如太空實(shí)驗(yàn)室)，由于飛機(jī)位置和態(tài)度在成像條件下，環(huán)境條件和其他因素，圖像質(zhì)量并不總是很高。二、邊緣檢測(cè)的應(yīng)用邊緣檢測(cè)的應(yīng)用范圍尤其廣泛，已經(jīng)波及到各個(gè)領(lǐng)域的各個(gè)方面，充分影響著人類的生產(chǎn)與生活。圖像分類使用經(jīng)典的模式識(shí)別方法，統(tǒng)計(jì)模式分類和句法模式識(shí)別，近年來新的模糊模式識(shí)別和人工神經(jīng)網(wǎng)絡(luò)模式識(shí)別在圖像識(shí)別中也越來越多的關(guān)注。可以對(duì)圖像進(jìn)行整體分割和局部分割。可以用于水平、垂直或?qū)翘荻葌鞲刑荻鹊乃阕樱麄儚?fù)雜的結(jié)果可以探測(cè)在任意方向上的邊界點(diǎn)。圖像分割的結(jié)果大大影響到了圖像測(cè)量的質(zhì)量。出口從圖案輸入的圖像邊模型、圖像檢測(cè)邊緣的邊緣檢查過程中,特定應(yīng)用程序的某個(gè)特定的問題和發(fā)展的新技術(shù)和新方法是畫邊緣檢查找到確實(shí)幾乎完全不同的其他應(yīng)用領(lǐng)域[9]。不僅如此，Matlab軟件對(duì)所有用戶免費(fèi)開放，除了某些特定的函數(shù)模塊，大部分函數(shù)和程序都是可編輯狀態(tài)，用戶可以按照自己的需求隨意編寫程序，這也被更多的開發(fā)者所認(rèn)可。Matlab程序包中含有成百上千個(gè)函數(shù)，還有四十多個(gè)工具箱用于解決各式各樣的數(shù)學(xué)優(yōu)化及計(jì)算問題。Matlab軟件在圖像處理方面得到了很好的運(yùn)用。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。圖像目標(biāo)邊緣的輪廓。在人類視覺感知、識(shí)別和理解中，形狀是一個(gè)重要的參數(shù)。是目標(biāo)圖像的重要特征，在實(shí)踐中通常使用形狀特征或圖像檢索的主要邊界和分類。（4）邊緣檢測(cè)器：一種在圖像中選擇合適的點(diǎn)集（邊緣點(diǎn)）的算法。在討論邊緣檢測(cè)方法之前，首先介紹一些術(shù)語的定義。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(gè)時(shí)刻，圖像的灰度從一個(gè)值改變到另一個(gè)值，保持一定的時(shí)間后返回到原來值，這個(gè)過程叫做圖像的線條不連續(xù)。本文將主要采用幾種典型的邊緣檢測(cè)方法，基于他們的原理，編寫程序來實(shí)現(xiàn)邊緣檢測(cè)技術(shù)[5, 6]。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。在這些應(yīng)用程序中，允許人工干預(yù)，因?yàn)樵谶@些應(yīng)用程序處理時(shí)間的長(zhǎng)度不是主要矛盾。這些應(yīng)用程序的特點(diǎn)是要求最低人工干預(yù)，自動(dòng)分析系統(tǒng)?，F(xiàn)代的數(shù)字圖像邊緣檢測(cè)處理的目標(biāo)有以下三種： （1）可視化：圖像采集和顯示時(shí)，我們需要適時(shí)地對(duì)所處理的圖像進(jìn)行改進(jìn)，以方便觀察者能夠更加直觀的觀察到圖像的內(nèi)容。在20世紀(jì)中后期，隨著電力電子技術(shù)和計(jì)算機(jī)技術(shù)的廣泛發(fā)展，圖像識(shí)別技術(shù)在技術(shù)上得到了突破。現(xiàn)有經(jīng)典的邊界提取技術(shù)基本上是基于微分操作。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?qǐng)D像的位置，即使在信號(hào)發(fā)生突變的頂點(diǎn)處，這些邊緣也能提供出很好的輪廓，所以，在邊緣檢測(cè)中，我們往往吧圖像的了輪廓看做及其重要的一項(xiàng)特征。 Image shape。Matlab軟件中包含強(qiáng)大的圖像處理程序和圖形展示界面，用戶通過運(yùn)行程序，不僅能夠?qū)D像的操作有直觀的認(rèn)識(shí)，還能自由的對(duì)程序進(jìn)行修改，在圖像處理研究方面具有重要的地位。 編 號(hào)： 審定成績(jī)： 重慶郵電大學(xué)畢業(yè)設(shè)計(jì)（論文）設(shè)計(jì)（論文）題目：學(xué) 院 名 稱 ：自動(dòng)化學(xué)院學(xué) 生 姓 名 ：專 業(yè) ：班 級(jí) ：學(xué) 號(hào) ：指 導(dǎo) 教 師 ：答辯組 負(fù)責(zé)人 ：填表時(shí)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(jì)（論文）摘 要隨著計(jì)算機(jī)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(guó)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(diǎn)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(gè)領(lǐng)域，所以對(duì)數(shù)字圖像的研究具有重大意義。本文主要結(jié)合Matlab軟件來進(jìn)行圖像形狀分類器的設(shè)計(jì)，通過編寫程序，設(shè)置了六種不同的邊緣提取算子，對(duì)不同類型的圖像邊緣進(jìn)行提取，實(shí)驗(yàn)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(shí)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(shí)別各種邊界時(shí)都表現(xiàn)出很好的效果。 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(cè) 5一、邊緣檢測(cè)的主要內(nèi)容 5二、邊緣檢測(cè)的應(yīng)用 6第三節(jié) 國(guó)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(xì)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(cè)與提取方法 18第一節(jié) 邊緣檢測(cè) 18一、邊緣檢測(cè)準(zhǔn)備條件 18二、邊緣檢測(cè)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(shí)現(xiàn) 29第一節(jié) 邊緣檢測(cè)與識(shí)別算法 29第二節(jié) 仿真實(shí)驗(yàn)及結(jié)果分析 32一、仿真實(shí)驗(yàn) 32二、結(jié)果分析 34結(jié) 論 36致 謝 37參考文獻(xiàn) 38附錄 39 38 前 言圖像邊緣檢測(cè)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(yùn)用到圖像應(yīng)用中。這就需要我們?cè)趫D像處理過程中能夠精確的提取出圖像的邊緣。首先，通過相對(duì)平滑過濾掉圖像中伴隨的噪聲；然后，進(jìn)行微分運(yùn)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(diǎn)；最后，選取合適的閾值點(diǎn)來進(jìn)行邊界提取。通過最近的迅速突破，邊緣檢測(cè)處理技術(shù)目前己經(jīng)被廣泛的應(yīng)用到全球各個(gè)領(lǐng)域中，如制造業(yè)，醫(yī)藥業(yè)，科技等領(lǐng)域。如果具有某些觀察者可能感興趣的圖像，我們更應(yīng)該對(duì)圖像進(jìn)行加強(qiáng)突出處理，對(duì)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。應(yīng)用白細(xì)胞計(jì)數(shù)、商業(yè)系統(tǒng)是發(fā)達(dá)國(guó)家在1970年。數(shù)字圖像邊緣檢測(cè)處理，利用計(jì)算機(jī)處理圖像的邊緣，這些處理方法是與計(jì)算機(jī)的發(fā)展息息相關(guān)，這是一個(gè)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。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。每個(gè)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(lán)）的比例程度來決定的。事實(shí)上，具備階躍或者線條邊緣圖像是非常罕見的。（1）邊緣點(diǎn)：圖像中灰度顯著變化的點(diǎn)。（5）邊緣連接：對(duì)無序邊緣進(jìn)行加工，使其變?yōu)橛行虻倪吘壉?。圖像分類（識(shí)別）屬于模式識(shí)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(qiáng)、恢復(fù)和壓縮）、圖像分割和特征提取，其中一個(gè)句子分類。形狀是描述對(duì)象的一個(gè)定義特征，并描述圖像內(nèi)容的重要特征。外形是最基本的概念，它與形狀有著密切的關(guān)系。形狀的輪廓，用數(shù)學(xué)語言對(duì)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。其是由美國(guó)的MathWorks 公司研發(fā)的集成了數(shù)值計(jì)算、符號(hào)計(jì)算等功能與一體的軟件，其最具特色的圖形可視化功能，能夠讓人直觀的對(duì)仿真結(jié)果有一個(gè)清晰的認(rèn)識(shí)，是一款世界公認(rèn)的強(qiáng)大的應(yīng)用軟件[8]。不僅如此，用戶漢可以認(rèn)為編寫程序，對(duì)工具包進(jìn)行擴(kuò)充處理，每個(gè)工具包中都具有相應(yīng)的測(cè)試案例方便初學(xué)者學(xué)習(xí)。本文正是運(yùn)用Matlab軟件對(duì)圖像的邊緣檢測(cè)算法進(jìn)行編輯，通過執(zhí)行文件，識(shí)別圖像的輪廓來得到圖形的邊界特征。圖像邊緣檢測(cè)的主要研究?jī)?nèi)容包括：（1）圖像獲得和抽樣，目的是通過有效的途徑來獲取圖像，并對(duì)圖像進(jìn)行抽取，首先通過圖像獲取裝置得到相應(yīng)的圖像，其次，將圖像轉(zhuǎn)換為對(duì)應(yīng)的數(shù)字化信號(hào)，并對(duì)該型號(hào)進(jìn)行采樣提取，結(jié)合圖像傳感器，對(duì)獲得的圖像進(jìn)行提取。通常情況下，圖像分割的方式有兩種：一是將每個(gè)子圖像的灰度值進(jìn)行平均化，得到均勻變化的過程；二是充分運(yùn)用圖像中灰度的差別，搜索出不同圖像之間的輪廓。（4）圖像增強(qiáng)和復(fù)原，即采用相應(yīng)的增強(qiáng)技術(shù)對(duì)圖像鏡像操作，以便能夠直觀的觀察到圖像，并獲取圖像的對(duì)比度。對(duì)圖像的分割可以在時(shí)空中處理，也可以在平面內(nèi)進(jìn)行。（6）圖像變換，由于圖像陣列很大,直接處理空間領(lǐng)域的涉及大量的計(jì)算。由于人的工作方式是不斷改變的，其研究了領(lǐng)域也是不斷擴(kuò)大的，所以邊緣檢測(cè)的運(yùn)用范圍也是無止境的。現(xiàn)在配備了先進(jìn)的計(jì)算機(jī)系統(tǒng)讀取圖像邊緣檢測(cè)的分析首先提取圖像邊緣，縮減了人工并增強(qiáng)了效率，還可以從圖片中獲取人工不能獲取眾多有效信號(hào)。視頻交通流檢測(cè)和車輛識(shí)別系統(tǒng)是一種圖像邊緣檢測(cè)技術(shù)，用于實(shí)現(xiàn)計(jì)算機(jī)處理系統(tǒng)的交通目標(biāo)檢測(cè)與識(shí)別?；谇懊嫜芯空叩某晒芏鄨D像處理軟件被成功運(yùn)用，而且取得了不錯(cuò)的效果，這些軟件都有一個(gè)共同的特征，就是具有較高的識(shí)別精度和較快的特征提取速度?，F(xiàn)有的特征提取和識(shí)別算法基本上仍處于實(shí)驗(yàn)階段，其實(shí)用性和通用性和準(zhǔn)確性要求從大規(guī)模的實(shí)際應(yīng)用到一定程度。第四節(jié) 論文主要內(nèi)容及章節(jié)安排本文主要是運(yùn)用MATLAB為工具，來研究對(duì)圖像的形狀，并對(duì)不同形狀的圖像進(jìn)行分類，其結(jié)構(gòu)安排如下：第一章 引言，介紹了課題研究背景，圖像的定義，邊緣檢測(cè)的內(nèi)容、以及課題的研究現(xiàn)狀。第二章 數(shù)字圖像處理方法第一節(jié) 數(shù)字圖像的預(yù)處理一、數(shù)字圖像數(shù)字圖像，顧名思義就是對(duì)一般圖像進(jìn)行處理，得到可以進(jìn)行數(shù)字運(yùn)算的圖像，其中最重要的一個(gè)步驟是吧圖像進(jìn)行分割，得到如圖21所示的子圖像，每個(gè)子圖像都有其固定的像素，我們便可以通過子圖像區(qū)域像素的差別來對(duì)圖像的邊界定性定位與識(shí)別。（2）BMP（Windows Bitmap）格式。有8位，24位光柵數(shù)據(jù)集。具體的內(nèi)容有：文件頭（一個(gè)BITMAP FILEHEADER數(shù)據(jù)結(jié)構(gòu)），位圖信息數(shù)據(jù)塊（位圖信息頭BITMAP INFOHEADER和一個(gè)顏色表）和圖像數(shù)據(jù)。為了從一般的照片，景物中得到符合要求的數(shù)字圖像，在前期準(zhǔn)備過程中，需要對(duì)原圖做兩種操作，即采樣與量化（二者統(tǒng)稱為數(shù)字化）。Matlab 中包含有圖像文件導(dǎo)入函數(shù) imread()，可以用來導(dǎo)入如:bmp、tif、tiffpcx、jpg、gpeg、hdf、xwd等格式圖像文；圖像寫出函數(shù)imwrite()，還有圖像顯示函數(shù)image()、imshow()等等。（3）圖像變換。（5）圖像的數(shù)學(xué)形態(tài)學(xué)處理?；镜膱D像類型分為以下幾種：（1）索引圖像索引圖像實(shí)際上是利用圖像的像素進(jìn)行匹配，每個(gè)圖像的像素是由紅黃藍(lán)三種顏色決定的，他們形成一個(gè)矩陣，每個(gè)矩陣都含有一個(gè)特定的值，這樣就能構(gòu)成圖像的索引。矩陣的大小與像素有關(guān)，每一個(gè)像素點(diǎn)就是矩陣中的某一個(gè)值。與上面類似，二進(jìn)制圖像也能夠處理成不同的數(shù)據(jù)類型，可以是雙精度型，也能設(shè)置為整形，但值得注意的是，Matlab在對(duì)圖像進(jìn)行處理時(shí)，所有的值都是以u(píng)int8類型邏輯數(shù)組來返回的。二、采樣采樣的工作原理是提取出圖像的特征，將圖像在時(shí)間上分割成多個(gè)時(shí)間點(diǎn)，并找到每個(gè)時(shí)間點(diǎn)對(duì)應(yīng)的圖像離散點(diǎn)，把每個(gè)離散值當(dāng)做一個(gè)像素，最后形成一個(gè)包含了圖像信息的集合。三、量化經(jīng)過采樣，圖像被分解成在時(shí)間上和空間上離散分布的像素，但是像素的值（灰度值）還是連續(xù)值。通?；叶戎凳强梢赃M(jìn)行量化的，主要有下面幾種方法對(duì)：均勻量化（uniform quantization），線性量化（liner quantization），對(duì)數(shù)量化，MAX量化，錐形量化（tapered quantization）等。第二節(jié) 形狀特征及其描述方法一、形狀特征本文主要采用的是幾何參數(shù)法來判斷給出的的圖像是什么形狀。對(duì)于圖像匹配的目的，需要進(jìn)一步說明的幾何形狀。特征提取的圖像特征選擇原則是對(duì)所包含的輸入信息進(jìn)行處理和分析，將信息容易受到隨機(jī)干擾，作為特征提取