【正文】 中進(jìn)行數(shù)字濾波處理） 。圖像增強不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。如果打算直接觀察圖像，可以增強對比度。（3） 邊界查索，用于檢測圖像中線狀局部結(jié)構(gòu)，通常是作為圖像分割的一個預(yù)處理步驟。但其測量結(jié)果的質(zhì)量卻極大地依賴于圖像分割的質(zhì)量。圖像邊緣檢測中的變換屬于圖像輸入圖像輸出模式，圖像邊緣檢測是一種超越具體應(yīng)用的過程，任何為解決某一特殊問題而開發(fā)的圖像邊緣檢測新技術(shù)或新方法，幾乎肯定都能找到其他完全不同的應(yīng)用領(lǐng)域。（6） 邊緣跟蹤：一個用來確定輪廓圖像（指濾波后的圖像）的搜索過程。（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。在實際中，階躍和線條邊緣圖像是較少見的，由于空間分辨率（尺度空間）、圖像傳感器等原因會使階躍邊緣變成斜坡形邊緣，線條邊緣變成房頂形邊緣。邊緣廣泛存在于目標(biāo)與目標(biāo)、物體與背景、區(qū)域與區(qū)域（含不同色彩）之間，它是圖像分割所依賴的重要特征。在其短暫的發(fā)展歷史中，已經(jīng)被成功的應(yīng)用在幾乎所有與成像有關(guān)的領(lǐng)域。（3）定量化:有關(guān)定量化的圖像邊緣檢測的例子有：測量動脈狹窄的程序以及用電子顯微鏡觀察組織切片中特殊成分的定位和定量（如血色素沉著癥中的鐵元素）。例如，根據(jù)一個染色體分布的顯微圖像自動確定染色體核型的系統(tǒng)，從一個血液涂片自動生成白細(xì)胞分類計數(shù)報告的系統(tǒng)?，F(xiàn)代數(shù)字圖像邊緣檢測處理的目標(biāo)有三：可視化、自動化和定量化：（1）可視化:當(dāng)圖像被采集并顯示時，這些圖像通常需要改善以便觀察者更容易解釋它們。本文主要介紹幾種經(jīng)典的邊緣提取算法，選取兩種用 MATLAB 語言編程實現(xiàn)，對提取結(jié)果進(jìn)行比較和分析。而邊緣存在于圖像的不規(guī)則結(jié)構(gòu)和不平穩(wěn)現(xiàn)象中，也即存在于信號的突變點處，這些點給出了圖像輪廓的位置，這些輪廓常常是我們在圖像邊緣檢測時所需要的非常重要的一些特征條件，這就需要我們對一幅圖像檢測并提取出它的邊緣。目 錄前 言 1第 1 章 圖像邊緣檢測與提取概述 1 圖像邊緣的定義 2 圖像邊緣檢測算 法的研究內(nèi)容 3 圖像 邊緣檢測算法的主要應(yīng)用 4 圖像邊緣檢測算法的發(fā)展前景 6第 2 章 圖像的邊緣檢 測與提取 7 引言 7 邊緣檢 測與提取過程 9 邊緣檢測與提取主要算法 10 Roberts 邊緣算子 10 Sobel 邊緣算子 11 Prewitt 邊緣算子 11 Laplacian 邊緣算子 12 Log 邊緣算子 12 Canny 邊緣算子 14第 3 章 算法的選擇和 實現(xiàn) 16 坎尼（CANNY）算法 17 高斯— 拉普拉斯（LOG）算法 18第 4 章 試驗結(jié)果的分析、比較及存在的問題 19結(jié)束語 26謝 辭 27參考文獻(xiàn) 28附錄 28前 言在實際圖像邊緣檢測問題中，圖像的邊緣作為圖像的一種基本特征，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中去。而邊緣檢測算法則是圖像邊緣檢測問題中經(jīng)典技術(shù)難題之一，它的解決對于我們進(jìn)行高層次的特征描述、識別和理解等有著重大的影響；又由于邊緣檢測在許多方面都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)造出具有良好性質(zhì)及好的效果的邊緣檢測算子的問題。第 1 章 圖像邊緣檢測與提取概述數(shù)字圖像邊緣檢測技術(shù)起源于 20 世紀(jì) 20 年代，當(dāng)時受條件的限制一直沒有取得較大進(jìn)展，直到 20 世紀(jì) 60 年代后期電子技術(shù)、計算機技術(shù)有了相當(dāng)?shù)陌l(fā)展，數(shù)字圖像邊緣檢測處理技術(shù)才開始進(jìn)入了高速發(fā)展時期。感興趣的目標(biāo)必須突出或者圖像各部位之間的對比度需要增強處理。這些應(yīng)用的特征是要求最小的人工干預(yù)，全自動完成分析工作。在這些應(yīng)用中，人工介入是允許的，因為處理時間的長短在這些應(yīng)用中并不是主要矛盾。近年來，圖像分析和處理緊緊圍繞理論、實現(xiàn)、應(yīng)用三方面迅速發(fā)展起來。本為主要討論幾種典型的圖像灰度值突變的邊緣檢測方法，其原理也是用于其他特性突變的邊緣檢測。它們的灰度變化不是瞬間的而是跨越一定距離的。??ji,?（3） 輪廓：邊緣列表，或者是一條邊緣列表的曲線模型。在實際中邊緣點和邊緣段都稱為邊緣。圖像邊緣檢測的主要研究內(nèi)容包括：（1） 圖像獲得和抽樣，其中通過人眼觀察的視野獲取圖像的問題有：最常用的圖像獲取裝置——電視（TV）攝像機問題，對所獲得信號進(jìn)行獨立的采樣和數(shù)字化就可用數(shù)字形式表達(dá)景物中全部彩色內(nèi)容；電荷耦合裝置，用作圖像傳感器，對景物每次掃描一行，或通過平行掃描獲得圖像；選擇正確的分辨力或采樣密度，一幅圖像實質(zhì)上是二維空間中的信號，所以適用于信號處理的法則同樣適用于圖像邊緣檢測，在放射學(xué)中常常需要高分辨力，要求圖像至少達(dá)到 2048 像素2048 像素；灰度量化，圖像強度也必須進(jìn)行數(shù)字化，通常以 256 級（按 1 字節(jié)編碼）覆蓋整個灰度，一般一幅灰度分辨力為 8位，空間分辨力為 512 像素512 像素的圖像需 兆字節(jié)的存貯容量。有兩類不同的圖像分割方法。大多數(shù)圖像邊緣檢測技術(shù)應(yīng)用某種形式的梯度算子，可應(yīng)用對水平方向、垂直方向或?qū)蔷€方向的梯度敏感的梯度算子，用它們的復(fù)合結(jié)果可檢測任意方向的邊界。如果是為了進(jìn)一步對圖像作數(shù)字處理，可以選擇分割（一種突出各圖像成分之間的邊界和線狀結(jié)構(gòu)的運算） 。（5） 圖像分類（識別） ， 圖像分類（識別）屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理（增強、復(fù)原、壓縮）后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分類。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像邊緣檢測中也有著廣泛而有效的應(yīng)用。數(shù)字圖像邊緣檢測最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時的電子計算機已經(jīng)發(fā)展到一定水平，人們開始利用計算機來處理圖形和圖像信息?，F(xiàn)在改用配備有高級計算機的圖像邊緣檢測系統(tǒng)來判讀分析首先提取出其圖像邊緣，既節(jié)省人力，又加快了速度，還可以從照片中提取人工所不能發(fā)現(xiàn)的大量有用情報。（3）公安軍事方面的應(yīng)用，公安業(yè)務(wù)圖片的判讀分析，指紋識別，人臉鑒別，不完整圖片的復(fù)原，以及交通監(jiān)控、事故分析等。交通問題已經(jīng)成為城市管理工作中的重大社會問題，阻礙和制約著城市經(jīng)濟(jì)建設(shè)的發(fā)展。 視頻交通流檢測及車輛識別系統(tǒng)是一種利用圖像邊緣檢測技術(shù)來實現(xiàn)對交通目標(biāo)檢測和識別的計算機處理系統(tǒng)。圖像邊緣檢測的目標(biāo)是代替人去處理和理解圖像,因此實時性,靈活性,精確性是對系統(tǒng)的主要要求。首先計算機在運算速度和存儲能力兩方面明顯增加。多譜成像的應(yīng)用使來自不同成像模式的信息融合成為可能（如在醫(yī)學(xué)中 X 線核磁共振成像的融合）。已有許多圖像生成技術(shù)問世，但除圖像恢復(fù)技術(shù)以外，圖像邊緣檢測技術(shù)在很大程度上與圖像形成的過程無關(guān)。在所有這些領(lǐng)域中的使用方法和技術(shù)都很相似，故醫(yī)療衛(wèi)生中的圖像邊緣檢測方法大部分借鑒其他科學(xué)和工業(yè)領(lǐng)域中的圖像邊緣檢測應(yīng)用。其中代表性的成果是 70 年代末 MIT 的 Marr 提出的視覺計算理論，這個理論成為計算機視覺領(lǐng)域其后十多年的主導(dǎo)思想。圖像邊緣信息在圖像分布和人的視覺中都是十分重要的，是圖像識別中提取圖像特征的一個重要屬性。本論文工作的目的是探索和研究經(jīng)典的圖像邊緣提取方法。所謂邊緣（或邊沿）是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。而邊緣存在于圖像的不規(guī)則結(jié)構(gòu)和不平穩(wěn)現(xiàn)象中，也即存在于信號的突變點處，這些點給出了圖像輪廓的位置，這些輪廓常常是我們在圖像邊緣檢測時所需要的非常重要的一些特征條件，這就需要我們對一幅圖像檢測并提取出它的邊緣。這些方法多是以待處理像素為中心的鄰域作為進(jìn)行灰度分析的基礎(chǔ)，實現(xiàn)對圖像邊緣的提取并已經(jīng)取得了較好的處理效果。物體的邊緣是由灰度不連續(xù)性所反映的。邊緣檢測在圖像分割、紋理特征提取、形狀特征提取和圖像識別等方面起著重要的作用。從本質(zhì)上說，圖像邊緣是圖像局部特性不連續(xù)性的反應(yīng)，它標(biāo)志著一個區(qū)域的終結(jié)和另一個區(qū)域的開始。在圖像中邊緣區(qū)域的灰度在空間上的變化形式一般可分為三個類型:階躍型、房頂型和凸緣型，如圖 所示。因此，利用梯度最大值或二階導(dǎo)數(shù)過零點提取邊界點成為一種有利的手段。第二，要知道特性變化總是發(fā)生在一定的空間范圍內(nèi)，不能期望用一種檢測算子就能最佳檢測出發(fā)生在圖像上的所有特性變化。第四，可以考慮各種方法的組合，如先找出邊緣，然后在其局部利用函數(shù)近似，通過內(nèi)插等獲得高精度定位。圖像上灰度變化劇烈的區(qū)域比較符合這個要求，我們一般會以這個特征來提取圖像的邊緣。用于圖像識別的邊緣提取往往需要輸出的邊緣是二值圖像，即只有黑白兩個灰度的圖像，其中一個灰度代表邊緣，另一個代表背景。但濾波器在降低噪聲的同時也導(dǎo)致邊緣強度的損失。（3）檢測。精確確定邊緣的位置。這些經(jīng)典的邊緣提取算子在使用時都是使用預(yù)定義好的邊緣模型去匹配。經(jīng)典的邊界提取技術(shù)大都基于微分運算。適用于邊緣明顯而且噪聲較少的圖像分割，在應(yīng)用中經(jīng)常用 Roberts 算子來提取道路。 Sobel 算子認(rèn)為鄰域的像素對當(dāng)前像素產(chǎn)生的影響不是等價的，所以距離不同的像素具有不同的權(quán)值，對算子結(jié)果產(chǎn)生的影響也不同。但是像素平均相當(dāng)于對圖像的低通濾波，所以 Prewitt 算子對邊緣的定位不如 Roberts 算子。其 4 鄰域系統(tǒng)和 8 鄰域系統(tǒng)的 Laplacian 算子的模板分別如圖 和圖 所示。為此，馬爾（Marr）和希爾得勒斯（Hildreth）根據(jù)人類視覺特性提出了一種邊緣檢測的方法，該方法將高斯濾波和拉普拉斯檢測算子結(jié)合在一起進(jìn)行邊緣檢測的方法，故稱為 Log（Laplacian of Gassian ）算法。 這種方法的特點是圖像首先與高斯濾波器進(jìn)行卷積，這樣既平滑了圖像又降低了噪聲，孤立的噪聲點和較小的結(jié)構(gòu)組織將被濾除。在實際應(yīng)用中為了避免檢測出非顯著邊緣，應(yīng)選擇一階導(dǎo)數(shù)大于某一閾值的零交叉點作為邊緣點。上式就是馬爾和希爾得勒斯提出的邊緣檢測算子（簡稱 MH 算子）,由于 LOG 濾波器在 空間中的圖形與墨西哥草帽形狀相似，所),(yx以又稱為墨西哥草帽算子。 Canny 邊緣算子 檢測階躍邊緣的基本思想是在圖像中找出具有局部最大梯度幅值的像素點。采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像卷積進(jìn)行濾波；然后對濾波后的圖像尋找圖像梯度的局部最大值，以此來確定圖像邊緣。 邊緣檢測算法：step1:用高斯濾波器平滑圖象；step2:用一階偏導(dǎo)的有限差分來計算梯度的幅值和方向；step3:對梯度幅值進(jìn)行非極大值抑制；step4:用雙閾值算法檢測和連接邊緣。,xstep3:僅僅得到全局的梯度并不足以確定邊緣，因此為確定邊緣，必須保留局部梯度最大的點，而抑制非極大值。如果 M 的梯度值不比沿梯度線的兩個相鄰像素梯度值大，則令 M=0。①首先是邊緣判別： 凡是邊緣強度大于高閾值的一定是邊緣點；凡是邊緣強度小于低閾值的一定不是邊緣點；如果邊緣強度大于低閾值又小于高閾值，則看這個像素的鄰接像素中有沒有超過高閾值的邊緣點，如果有，它就是邊緣點，如果沒有，它就不是邊緣點。實際上，還有多種邊緣點判別方法，如：將邊緣的梯度分為四種：水平、豎直、45度方向、135 度方向。Canny 算子檢測方法的優(yōu)點：①低誤碼率，很少把邊緣點誤認(rèn)為非邊緣點；②高定位精度，即精確地把邊緣點定位在灰度變化最大的像素上；③抑制虛假邊緣。這些經(jīng)典的邊緣提取算子，雖然各自不同，有不同的長處，但是它們也有共同的特點:每種算子對應(yīng)的預(yù)定義的邊緣是它們最適合使用的情形，也就是說它們有針對性。它以眾多的學(xué)科領(lǐng)域為理論基礎(chǔ)，其成果又滲透到眾多的學(xué)科中，成為理論實踐并重，在高新技術(shù)領(lǐng)域中占有重要地位的新興學(xué)科。而 canny算子邊緣檢測算法則是既能濾去噪聲又保持邊緣特性的邊緣檢測的一階微分算法中的最佳選擇方法。 imshow(I)。BW1= edge(I,39。title( 39。Canny39。閾值為 的 Canny 算子邊緣檢測圖像39。,) 。)。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW21)。BW22= edge(I,39。title( 39。39。原始圖像39。,) 。)。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW11)。BW2= edge(I,39。title( 39。Canny39。閾值為 的 Canny 算子邊緣檢測圖像39。,) 。)。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW22)。