【正文】 模型。面積如三角形和圓形，兩者的計算間距很小，類之間的距離的形狀指數(shù)非常大，因為這2種類型的樣本各有相同的內(nèi)部形狀指數(shù)，方差的特征是接近0，所以類之間的距離較大。作為一組不同大小的圓形，如果選擇以“區(qū)域”為基礎(chǔ)，其與其他類別分離，其可靠性較低，同一圓在不同樣本區(qū)域的差異較大，并選擇“形狀指數(shù)”作為分類的依據(jù)，其可靠性高，所有在同一個圓類中的同形指數(shù)。如形狀的幾何分類，面積和周長之間的特征是高度相關(guān)的，和形狀指數(shù)的形狀和大小有一定的相關(guān)性，但相關(guān)程度低。一般而言，形式特征表示方法可以分為兩類：基于邊界和基于區(qū)域的。下面是幾種典型的形狀特征描述方法。（2）傅里葉形狀描述符法傅立葉形狀描述符的基本思想是使用一個對象的邊界，傅立葉變換的形狀描述，使用的區(qū)域邊界閉合和周期性，二維問題成一維問題。 （4）形狀不變矩法利用目標(biāo)所占區(qū)域的矩作為形狀描述參數(shù)來進(jìn)行分類。矩形度的值限定在0到1之間。理論上講，正方形的圓形度為/4=，正三角形的圓形度為/9=.另外，圓形度還有兩個計算公式： 其中，A是區(qū)域面積，L是最小外接圓面積。如果圖像的復(fù)雜邊界特性，用上述參數(shù)來描述物體的形狀就比較困難。四、不變矩年，美國專家Guiming Hu發(fā)現(xiàn)了二維矩不變量理論，接著把該理論成功應(yīng)用到了圖像識別中。將上述矩特征量進(jìn)行位置歸一化，得到圖像的中心矩：對于數(shù)字圖像，基于雙重求和的方法替換該積分，點處的階矩可以表示成： 由此可見該中心幾何矩也符合尺度不變性的特性。其次，要知道在一定空間范圍內(nèi)發(fā)生的特征變化，不要指望在檢測算子能檢測出圖像中所有特征的最佳變化。經(jīng)典的邊緣檢測方法往往會斷的不完全信息結(jié)構(gòu)，噪聲和敏感，為了有效地抑制噪聲，通常對原始圖像進(jìn)行平滑，然后邊緣檢測可以檢測真實的邊緣。它還涉及到紋理圖像處理方法。二、邊緣檢測基本步驟具體的圖像邊緣檢測的基本步驟如下：（1）過濾器。算法將有顯著變化的灰度鄰域點突出。邊緣檢測是最簡單的梯度幅值閾值的確定。經(jīng)典的邊緣檢測算子包括：Roberts算子，Prewitt算子，Sobel算子，Log (Laplacian of Gaussian)算子等。經(jīng)典的邊界提取技術(shù)大多是基于微分運算。邊緣檢測算法常常面對具體問題，可憐的普遍性。邊緣提取的流程如圖32所示：連續(xù)外輪廓邊緣圖像圖像外輪廓圖像庫特征庫不變矩特征目標(biāo)區(qū)域連續(xù)、單值、二值化輪廓圖32 形狀特征提取系統(tǒng)流程邊緣提取的具體步驟如下：（1）獲取邊緣圖像，主要是運用canny算法對已有的圖形進(jìn)行提??；（2）對邊緣圖像進(jìn)行輪廓跟蹤，得到外輪廓圖像；（3）外部輪廓圖像的預(yù)處理：首先，在外形上獲得連續(xù)光滑的輪廓線，輪廓線的二值化的自適應(yīng)二值化方法，精細(xì)的輪廓。常用的邊緣檢測方法有Roberts算子、Prewitt算子、Sobel算子和Laplacian算子[17]。（2）提高定位的準(zhǔn)確度得到的邊緣和誤差盡可能小的理論。在實踐中，操作者常常被用來提取道路的邊緣。一般而言，該距離越大，越小的影響。其基本思想是運用二維向量的二階導(dǎo)數(shù)進(jìn)行計算。010141010圖35 鄰域Laplacian算子111 181111圖36 鄰域Laplacian算子通常使用的拉普拉斯算子33模板如圖36所示：111101121181242000111101121圖37 拉普拉斯算子Laplace算法對噪聲敏感，但其缺點也很明顯，即邊緣在一些圖形具有雙重作用。該算法的主要思路和步驟如下：（1）濾波：就是對圖像做平滑濾波，選取對應(yīng)的濾波函數(shù)為高斯函數(shù)，即： 其中，是一個圓對稱函數(shù)，其平滑的作用是可通過來控制的。這可以通過使用過零的二階導(dǎo)數(shù)來實現(xiàn)。②先對高斯濾波器做拉普拉斯變換，再與圖像做卷積運算，接著做過零判斷。六、Canny邊緣算子邊緣檢測的基本思想一步是發(fā)現(xiàn)在圖像有一個局部最大值梯度像素。從本質(zhì)上講，它不僅僅是簡單的梯度計算來確定一個像素是否邊緣點，在決定是否一個像素是當(dāng)前邊緣點，需要考慮其他像素的影響，這不是一個簡單的邊界跟蹤，尋找邊緣點，根據(jù)當(dāng)前像素和像素來確定[19]。信噪比值越小，提取的邊緣效果越低；（2）定位精度準(zhǔn)則為了得到高精確度的圖像，需要檢找到邊緣點與實際邊緣最近的位置；（3）單邊緣響應(yīng)準(zhǔn)則應(yīng)對每個邊緣點是獨一無二的。1. Canny邊緣檢測基本原理：Canny算子實際上是一種濾波器，其既有消除噪音的功能，還有邊緣檢測的能力。將圖像與作卷積，同時改變n的方向，*取得最大值時的n就是正交于檢測邊緣的方向。39 非極大值抑制四個區(qū)域的編號分別是到，對應(yīng)鄰域的四種可能的組合方式。將超出范圍的所有值都取上下限。兩個閾值和，且，從而可以得到兩個閾值邊緣圖像和。比較不同的相鄰像素的四面八方，為了確定局部最大值。算法這張照片除了羅伯茨算子中使用一個模板，模板操作是一種圖像處理鄰域處理，有許多圖像效果可以使用模板操作如平滑、中值濾波、油畫效果，斜角的形象。他們的目標(biāo)應(yīng)用程序，這是優(yōu)勢可以幫助我們來完成特定的任務(wù)。圖像邊緣檢測，在實踐中具有重要的應(yīng)用一直是熱圖像邊緣檢測和困難，到目前為止，許多邊緣檢測方法，其中Robert算子、Sobel算子、Prewitt算子、Laplace算子、Prewitt算子、Krisdl算子、Canny算子、Gauss邊緣檢測算子、使用平滑技術(shù)來提取圖像的邊緣，利用微分提取圖像邊緣和圖像邊緣提取的方法利用小波分析技術(shù)是一種常見的方法，但是算法的結(jié)果是不同的。識別程序所用的核心程序代碼如下：a=max(khoangcach{k})。 vuong = c/(4*b^2) chunhat=c/(4*b*(a^2b^2)^)。圓39。) elseif (elip ) amp。 (thoi ) text(s(k).Centroid(1)20，s(k).Centroid(2)，39。長方形39。)其中，為圖像中心到邊緣的最大距離，為圖像中心到邊緣的最小距離。如橢圓的面積為。c=dt(k).Area。橢圓39。c=dt(k).Area。三角形39。dolech=ab。判斷程序代碼如下：a=max(khoangcach{k})。 (thoi ) text(s(k).Centroid(1)20，s(k).Centroid(2)，39。c=dt(k).Area。)對長方形進(jìn)行邊緣提取，并根據(jù)求出的圓形度和矩判斷出該圖形為長方形。chunhat=c/(4*b*(a^2b^2)^)。)第二節(jié) 仿真實驗及結(jié)果分析相對來說，用Sobel算子進(jìn)行邊緣檢測得到的圖像效果較好，因為Sobel算子提供了精確的邊緣方向估計。圖41 原始圖像圖42(a) sobel算法邊緣提取圖像圖42(b) prewitt算法邊緣提取圖像圖42(c) roberts算法邊緣提取圖像圖42(d) canny算法邊緣提取圖像圖42(e) log算法邊緣提取圖像圖43 識別圖像二、結(jié)果分析仿真實驗結(jié)果表明，以上算法都可以識別出相對應(yīng)的形狀，但其邊緣檢測效果各有優(yōu)勢，從整體上來講，sobel算法，prewitt算法，roberts算法和log算法的仿真效果比canny算法略好，原因是canny算法在識別圓形時出現(xiàn)了明顯的毛刺。一方面，要想提高算法的抗噪性能，必須以犧牲識別精度為代價；另一方面，要想提高算法的識別精度和識別效率，則在算法的抗噪性能方面考慮較少。在以上提到的各種邊緣提取方法的基礎(chǔ)上，很多學(xué)者在理論分析和四級運用中都做的進(jìn)一步的優(yōu)化，并的到了不錯的效果。結(jié) 論圖像形狀識別就是通過特定的識別方法來對圖像的輪廓和邊緣進(jìn)行提取，與圖像的其他特征相比，其復(fù)雜程度在于提取形狀特征的精確性得不到保障。本文就是依據(jù)各種圖像邊緣提取算法，對圖像的輪廓進(jìn)行有效的提取，再通過各個圖形的圓形度，矩形度來分析出實際的圖形。將以上三種方法相結(jié)合的方式來處理圖像，能夠更好的提高圖像識別率和識別速度。首先，我要對我的老師致以真誠的感謝，在整個畢業(yè)設(shè)計的制作和畢業(yè)論文的寫作中，老師都給予了我細(xì)心的指導(dǎo)及幫助，在我完成論文的整個過程，更是從開題報告到完成初稿都有老師的辛勞。謹(jǐn)向給予我無私幫助的同學(xué)表示深切的感謝。clear。)。canny39。)。%bw=edge(a，39。log39。disk39。holes39。 %在二維圖像中標(biāo)記連接分量s = regionprops(L， 39。area39。)。boundaries = bwboundaries(BW_filled)。hold on。 c=dt(k).Area。 elip =c/(a*b*pi)。 vuong = c/(4*b^2) chunhat=c/(4*b*(a^2b^2)^)。 dim = size(b) for i=1:dim(1) khoangcach{k}(1，i) = sqrt ( ( b(i，2) s(k).Centroid(1) )^2 + ( b(i，1) s(k).Centroid(2) )^2 ) end a=max(khoangcach{k})。 figure。holes39。 %測量圖像區(qū)域的面積cv = regionprops(L， 39。)。%填充圖像中的孔洞 imshow(bw)。 %創(chuàng)造一個平坦的圓盤型結(jié)構(gòu)元素，其半徑為2bw = imclose(bw，se)。imshow(bw)。)。sobel39。 %邊緣檢測 %bw=edge(a，39。 a=rgb2gray(i)。i=imread(39。深深地感謝父母對我養(yǎng)育之恩和諄諄教誨，雖然現(xiàn)在不在身邊，但是他們總是給我鼓勵，教我戰(zhàn)勝困難，他們的支持給了我戰(zhàn)勝困難的勇氣。并且，老師治學(xué)嚴(yán)謹(jǐn)，一絲不茍，注重培養(yǎng)學(xué)生研究問題、解決問題的獨立工作能力，讓我受益匪淺。致 謝 回首我在重慶郵電大學(xué)的四年學(xué)習(xí)生活，現(xiàn)在滿懷感激之情，我非常榮幸能夠來到重慶這個優(yōu)美的城市生活和學(xué)習(xí)。從仿真結(jié)果來看，所編寫的程序能夠有效辨別圖像的輪廓。除此之外，圖像的特征還會因為其大小、尺寸、灰度等原因發(fā)生或多或少的變化，以上各種原因都大大阻礙了圖像處理技術(shù)的進(jìn)一步發(fā)展。在整個程序的編寫，調(diào)試以及仿真過程中，我都遇到了或多或少的難題，遇到了各種程序編譯錯誤，經(jīng)過仔細(xì)查閱書籍，網(wǎng)上搜索等一些途徑，最終困難都得以解決。當(dāng)圖像受到光照等因素的影響，我們無法的到圖像邊緣的信息，因此，運用單一的邊緣檢測算法無法對圖像進(jìn)行較高精確度的處理，因此，邊緣檢測方法往往只是運用在了圖像處理的初級階段。但以上的各個邊緣提取方法皆是針對性相對較強的方案，尤其是在通過了多次仿真后得出這些邊緣提取算法的精度被控制在一定范圍類，達(dá)不到高精度的要求。相比于Sobel算子，Canny算子具有更好的優(yōu)勢，它能夠有效的克服Sobel算子的缺點，并且能減弱噪聲對識別性能的影響。 (chunhat )) text(s(k).Centroid(1)20，s(k).Centroid(2)，39。b=min(khoangcach{k})。 (vuong ) text(s(k).Centroid(1)20，s(k).Centroid(2)，39。)對正方形進(jìn)行邊緣提取，并根據(jù)求出的圓形度和矩判斷出該圖形為正方形。c=dt(k).Area。圓39。判斷程序代碼如下：a=max(khoangcach{k})。elseif (tamgiacdeu ) amp。判斷程序代碼如下：a=max(khoangcach{k})。elseif (elip ) amp。判斷程序代碼如下：a=max(khoangcach{k})。本程序允許有5%的誤差。 (tamgiacdeu ) text(s(k).Centroid(1)20，s(k).Centroid(2)，39。) elseif ((chunhat ) amp。橢圓39。 (vuong ) text(s(k).Centroid(1)20，s(k).Centroid(2)，39。 elip =c/(a*b*pi)。 c=dt(k).Area。運用Matlab語句進(jìn)行編程實現(xiàn)。第四章 算法的選擇和實現(xiàn)近年來，人們對圖像分析和處理的發(fā)展很快，這是一個理論與實踐的結(jié)合。操作時，模板中心對應(yīng)于圖像的每個像素的位置，然后按照模板對應(yīng)的中心像素與周圍像素的公式計算，計算結(jié)果的輸出值對應(yīng)的像素的圖像。此外，在實際應(yīng)用中，檢測效果還與濾波模板大小有關(guān)，當(dāng)時有較好的檢測效果。雙閾值法要在中把邊緣連接成輪廓，當(dāng)?shù)竭_(dá)輪廓的端點時，該算法就在的8鄰點位置尋找可以連接到輪廓上的邊緣，這樣，算法不斷地在中收集邊緣，直到將連接起來為止。①首先是邊緣判別：如果邊緣強度大于上限，則記為邊緣點；如果邊緣強度小于下限，則不是邊緣點；如果邊緣強度介于下限和上限之間，則依據(jù)與該像素相鄰的像素點來判別是否為邊緣點。如果的梯度值比沿梯度線的