【正文】 call the imprived algorithm CMO for ,we use MATLAB to implement CMO algorithm,and the experiment results show that CMO algorithm can get better results than traditional Canny algorithm. Key words: Image Processing。 經(jīng)典的邊緣檢測方法如： Roberts， Sobel， Prewitt， Kirsch， Laplaee 等方法，基本上都是對原始圖像中像素的小鄰域構(gòu)造邊緣檢測算子，進行一階微分或二階微分運算，求得梯度最大值或二階導數(shù)的過零點，最后選取適當?shù)拈]值提取邊界。 畢 業(yè) 設(shè) 計（ 論 文 ） 題 目 ： 圖像邊緣檢測方法研究 英文題目 ： Research on Image Edge Detection Methods 東華理工大學長江學院畢業(yè)設(shè)計（論文） 摘要 摘 要 數(shù)字圖像邊緣檢測是圖像分割、目標區(qū)域識別和區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，是圖像識別中提取圖像特征的一個重要方法。但這些算法均存在對噪聲敏感、不能自適應(yīng)選擇閉值、檢測效果不太理想等缺點。 Edge Detction。 60年代末，圖像處理技術(shù)不斷完善 ， 逐漸成為一個新興的學科。此外，在 X 光肺部 圖像增晰、超聲波圖像處理、心電圖分析、立體定向放射治療等醫(yī)學診斷方面都廣泛地應(yīng)用圖像處理技術(shù)。 東華理工大學長江學院畢業(yè)設(shè)計（論文） 數(shù)字圖像處理 2 1. 數(shù)字圖像處理 數(shù)字圖像處理的發(fā)展 數(shù)字圖像處理（ digital image processing）是用計算機對圖像信息進行處理的一門技術(shù)，是利用計算機對圖像進行各種處理的技術(shù)和方法。1964 年美國噴氣式推進實驗室 (JPL)處理衛(wèi)星發(fā)射回來的月球表面的照片使用了圖像處 理技術(shù)，如幾何校正、灰度變換、去除噪聲等方法進行處理，并考慮了太陽位置和月球環(huán)境的影響，由計算機成功地繪制出月球表面地圖，獲得了巨大的成功。 20世紀 70年代末，隨著人工智能的興起和發(fā)展，開始了計算機視覺的研究，由 2D 圖像獲取 3D 空間信息。 數(shù)字圖像處理的應(yīng)用 圖像是人類獲取和交換信息的主要來源，因此，圖像處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面。現(xiàn)在世界各國都在利用陸地衛(wèi)星所獲取的圖像進行資源調(diào)查（如森林調(diào)查、海洋泥沙和漁業(yè)調(diào)查、水資源調(diào)查等），災(zāi)害檢測（如病蟲害檢測、水火檢測、環(huán)境污染檢測等），資源勘察（如石油勘查、礦產(chǎn)量探測、大型工程地理位置勘探分析等），農(nóng)業(yè)規(guī)劃（如土壤營養(yǎng)、水份和農(nóng)作物生長、產(chǎn)量的估算等），城市規(guī)劃（如地質(zhì)結(jié)構(gòu)、水源及環(huán)境分析等）。除了 CT 技術(shù)之外，還有一類是對醫(yī)用顯微技術(shù)的處理分析，如染色體分析、癌細胞識別等。其中以圖像通信最為復(fù)雜和困難 ，因圖像的數(shù)據(jù)量十分巨大，如傳送彩色電視信號的速率達 100Mbit/s 以上。 (4)工業(yè)工程方面 在工業(yè)和工程領(lǐng)域中圖像處理技術(shù)有著廣泛的應(yīng)用，如自動裝配線中檢測零件的質(zhì)量、并對零件進行分類，印刷電路板疵病檢查，彈性力學照片的應(yīng)力分析，流體力學圖片的阻 力和升力分析，郵政信件的自動分揀，在一些有毒、放射性環(huán)境內(nèi)識別工件及物體的形狀和排列狀態(tài)，先進的設(shè)計和制造技術(shù)中采用工業(yè)視覺等等。 (6)文化藝術(shù)方面 目前 在文化 應(yīng)用有電視畫面的數(shù)字編輯，動畫的制作，電子圖像游戲，紡織工藝品設(shè)計，服裝設(shè)計與制作，發(fā)型設(shè)計，文物資料照片的復(fù)制和修復(fù)，運動員動作分析和評分等等，現(xiàn)在已逐漸形成一門新的藝術(shù) 計算機美術(shù)。 目前，具有對邊緣的描述性定義，即兩個具有不同灰度的均勻圖像區(qū)域的邊界，即邊界反映局部的灰度變化。基于微分的圖像銳化算法可以用于圖像的邊緣檢測，也就是說，用各種銳化模板對圖像進行卷積運算便可以檢測出圖像的邊緣。邊緣存在于目標與背景、目標與目標、區(qū)域與區(qū)域、基元與基元之間。階躍邊緣中兩邊的灰度值有明顯的變化；而屋頂狀邊緣位于灰度增加與減少的交界處。 (1)濾波：邊緣檢測算法主要是基于圖像灰度的一階或二階導數(shù)，但導數(shù)的計算對噪聲很敏感，因此必須使用濾波器來改善與噪聲 有關(guān)的邊緣檢測器的性能。增強算法可以將鄰域 (或局部 )灰度有顯著變化的點突顯出來。 (4)定位：如果某一應(yīng)用場合要求確定邊緣位置，則邊緣的位置可在亞像素分辨率上來估計，邊緣的方位也可以被估計出來。理想的邊緣檢測應(yīng)當正確解決邊 緣的有無、真假和定位方向。 (2)由于物理和光照等原因，實際圖像中的邊緣常常發(fā)生在不同的尺度范圍上，并且每一邊緣像元的尺度信息是未知的，利用單一固定尺度的邊緣 檢測算子不可能同時最佳地檢測出這些邊緣，這就涉及到了多尺度的提出；而多尺度的確定又引起出了一系列的問題，如尺度范圍的確定、最佳濾波尺度大小、如何有效地利用多個尺度正確地檢測邊緣等等。第四章重點分析研究 Canny 算子， MTM(Modified Trimmed Mean)算法及Otsu 算法，并結(jié)合 MTM 算法及 Otsu 算法對 Canny 算法中的濾波方法和雙門限選取方法進行改進，提出 CMO 算法，最后用 編程實現(xiàn)，并將實驗結(jié)果與傳統(tǒng)的 Canny 算法進行分析比較。一般圖像噪聲是不可預(yù)測的隨機信號，它只能用概率統(tǒng)計的方法去認識。 數(shù)字圖像的噪聲主要來源于圖像獲取的數(shù)字化過程。圖像噪聲的種類有多種，主要有高斯噪聲、瑞利噪聲、伽馬以及脈沖噪聲等。如電氣設(shè)備，天體放電現(xiàn)象等引起的噪聲。 (2)電器的機械運動產(chǎn)生的噪聲。隨著材料科學的發(fā)展，這些噪聲有望不斷減少，但在目前來講，還是不可避免的。經(jīng)典的平滑技術(shù)對噪聲圖像使用局部算子，當對某一個像素進行平滑處理時，僅對它的局部小鄰域內(nèi)的一些像素進行處理，其優(yōu)點是計算效率高，而且可以對多個像素并行處理。非線性濾波方法中應(yīng)用最多的是中值濾波，中值濾波可以有效地濾除脈沖噪聲，具有相對好的邊緣保 持特性，并易于實現(xiàn)，因此被公認是一種有效的方法。這些方法在濾波性能上都比傳統(tǒng)的中值濾波方法有所改善，但都是無條件地對所有的輸入樣本進行濾波處理。由于是有選擇地濾波，避免了不必要的濾波操作和圖像的模糊，濾波效果得到了進一步的提高。對于位置 (i,j)處的像素，其灰度值為 f(i,j)，平滑后的灰度值為 g(i,j)，則g(i,j)由包含 (i,j)鄰域的若干個像素的灰度平均值所決定，即由公式 (21)得到平滑的像素灰度值 ??? Ayx yxfMjig ),( ),(1),( x,y=0,1,2,? ,N1 (21) 東華理工大學長江學院畢業(yè)設(shè)計（論文） 圖像濾波 9 ??????????????????TyxfMjifjifTyxfMjifyxfMjigAyxAyxAyx|),(1),(|),(|),(1),(|,),(1),(),(),(),(式中， A表示以 (i,j)為中心的領(lǐng)域的集合， M是 A中像素點的總數(shù)。半徑越大，平滑圖像的模糊程度越大，鄰域平均法的優(yōu)點在于算法簡單，計算速度快，主要缺點是在降低噪聲的同時使圖像產(chǎn)生模糊，特別是在邊緣和細節(jié)處，鄰域越大， 模糊越厲害。這樣平滑后的圖像比直接采用公式 (21)的模糊程度減少。這里把信噪比定義為含噪圖像的灰度均值與噪聲方差之東華理工大學長江學院畢業(yè)設(shè)計（論文） 圖像濾波 10 比。一般認為離對應(yīng)模板中心像素近的像素對濾波結(jié)果有較大貢獻，所以接近模板中心的系數(shù)可較大，而模板邊界附近的系數(shù)應(yīng)較小。用卷積模板 H 進行的歸一化卷積將圖像 F和圖像 W變換為一幅新圖像 G。由于它在實際運算過程中并不需要圖像的統(tǒng)計特性，所以使用比較方便。 傳統(tǒng)的中值濾波是采用一個含有奇數(shù)個點的滑動窗口，用窗口中各點灰度值的中值來代替窗口中心點像素的灰度值。例如，由一個序列（ 20,10,30,15,25），從大到小排列后序列為（ 10,15,20,25,30），中值濾波的輸出結(jié)果為 度值為 30 的像素是噪聲點，則經(jīng)過中值 濾波后噪聲被消除。不同形狀的窗口產(chǎn)生不同的濾波效果，使用中必須根據(jù)圖像的內(nèi)容和不同要求加以選擇。要進行排序，就必須對序列中的數(shù)據(jù)像素做比較和交換，數(shù)據(jù)元素之間的比較次數(shù)是影響排序速度的東華理工大學長江學院畢業(yè)設(shè)計（論文） 圖像濾波 12 一個重要因素。 圖 23高斯噪聲中值濾波 圖 24椒鹽噪聲中值濾波 由中值濾波的結(jié)果可知，相對于椒鹽噪聲，中值濾波對于椒鹽噪聲的濾除效果更好。 設(shè)輸入圖像 ? ?yxf , 為 NM? 像素陣列，低通濾波器沖擊響應(yīng) ? ?yxh , 為 LL?二維陣列，則低通濾波結(jié)果為 NM? 像素陣列 ? ? ? ?? ?? ? ??????? ????? lm ln nmhLnyLmxfyxg 0 0 ,2,2, (25) 通常采用的低通濾波器沖擊響應(yīng)陣列有 ???????????111111111911h ???????????1111211111012h ???????????1212421211613h (26) 通常，低通濾波器沖擊響應(yīng)陣列又叫做低通卷積模板。采用 Gauss 模板就能夠?qū)崿F(xiàn)加權(quán)平均法圖像平滑。常用的邊緣檢測算子有 :Roberts 算子， Sobel 算子，Prewitt 算子以及 Laplacian 算子等。根據(jù)邊緣點的這些特性，人們提出了基于圖像灰度一階導數(shù)、梯度、二階導數(shù)以及更為復(fù)雜的 Laplacian 算子等提取圖像邊緣的方法。 后來人們對上述邊緣檢測方法進行改進，提出 Roberts 算子、 Prewitt 算子、Sobel 算子、 Kirsch 算子等多種邊緣檢測算子。如 Sobel東華理工大學長江學院畢業(yè)設(shè)計（論文） 傳統(tǒng)邊緣檢測算法的研究與分析 15 算子的窗口寬度 L=3，其在 x 方向的權(quán)系數(shù)矩陣為 ??????????????101202101W (32) 顯然，通過適當選取窗口寬度和權(quán)系數(shù)矩陣，這類算子在一定程度上能起到抑制噪聲的作用。為了克服高頻噪聲的影響，一個可行的方案是先對圖像進行平滑濾波，抑制高頻信號，再用經(jīng)典的方法進行邊緣增強。由于邊緣點應(yīng)是圖像中灰度值的劇變嗲，在這些點上圖像灰度的一階導數(shù)取極大值，二階導數(shù)為零。 Canny在這方面的工作很具有代表性。 Prewitt 的多項式擬合邊緣的方法也可以歸于這一類。在計算機運算速度急劇上升的今天，算法的計算量和復(fù)雜 程度己降至相對次要的位置，這使得性能相對優(yōu)越的濾波類邊緣檢測方法，成為圖像邊緣提取技術(shù)的主要發(fā)展方向。由此可見，圖像邊緣的誤檢率是濾波后圖像 ),(? yxE 的信噪比(SNR)單調(diào)下降函數(shù)，我們可以用圖像 ),(? yxE 的信噪比 (SNR)近似表示圖像邊緣的誤檢率。 定位精度指標記的邊緣點與實際邊緣點的位置偏差的導數(shù)。 (311) 將式 (38)代入式 (311)得階躍邊緣的定位精度 ???? ? ????0239。? (313) 也是一個決定于圖像濾波器的系數(shù)。如果 w 越大，則檢測出的邊緣的效果就越好，噪聲的影響越少，但是定位就變得越不準確。39。這就是常說的多尺度邊緣提取算法。圖像直方圖是圖像處理中一種十分重要的圖像分析工具，它描述了一幅圖像的灰度級內(nèi)容，任何一幅圖像的直方圖都包含了豐富的信息。為了檢測出圖像物體的邊緣，把直方圖用門限 T 分割成兩個部分，然后對圖像 f(i,j)實施以下操作。它適合于得到方向不同的邊緣，對不同方向的邊緣都比較敏感，檢測水平和垂直邊緣的效果好于斜向邊緣，定位精度高。 Sobel 算子很容易在空間上實現(xiàn)， Sobel 邊緣檢測器不但產(chǎn)生較好的邊緣檢測效果，而且受噪聲的影響也比較少。Sobel 算子利用像素點上下、左右鄰點的灰度加權(quán)算法，根據(jù)在邊緣點處達到極值這一現(xiàn)象進行邊緣的檢測。這些算子模板由理想的邊緣子圖像構(gòu)成。在數(shù)字圖像中，可用差分來近似微分運算， f(i,j)的 Laplacian 算子為 : ),(4)1,()1,(),1(),1( ),(),(),(222jifjifjifjifj