【正文】 邊緣的中心； (32)越大表明定位精度越高。167。我們可以用兩個一維高斯濾波器的連續(xù)卷積來實現(xiàn)一個二維高斯濾波器：① 對圖像使用一維高斯卷積模板，在一個方向上進行濾波（例如水平方向）；② 轉(zhuǎn)置圖像；③ 對轉(zhuǎn)置以后的圖像使用同一個高斯卷積模板，在垂直方向進行濾波；④ 將圖像轉(zhuǎn)置回原來位置，這樣就得到經(jīng)過二維濾波的圖像。在每一點上，鄰域的中心象素M與沿著梯度線的兩個象素相比。（4）取閾值一般而言，邊緣信號的響應(yīng)是比較少的，且是比較大的值，而噪聲的響應(yīng)是很多的但是值相對較小，那么閾值就可以通過濾波后的圖像的統(tǒng)計累積直方圖得到。如果圖像信號的響應(yīng)大于高閾值，那么它一定是邊緣；如果低于低閾值，那么它一定不是邊緣；如果在低閾值和高閾值之間，我們就看它的8個鄰接像素有沒有大于高閾值的邊緣，如果有，那么它是邊緣，否則它不是邊緣。（c）邊緣檢測結(jié)果顯示，高斯平滑濾波器對椒鹽噪聲濾波效果很差，從而導(dǎo)致邊緣檢測出現(xiàn)極多的假邊緣，（b）未被人工干預(yù)的椒鹽噪聲污染，檢測效果相對而言少去了椒鹽噪聲產(chǎn)生的假邊緣，從而說明了邊緣檢測中對噪聲濾波的重要性。 自適應(yīng)中值濾波器自適應(yīng)中值濾波器[4]可以根據(jù)被濾波區(qū)域的圖像特性來改進結(jié)果，設(shè)表示一個被處理的、中心在處的子圖像，在Gonzalez and Woods[2002]中詳細說明的算法如下所示：令表示中的最小亮度值，表示中的最大亮度值，表示中的亮度中值，表示坐標處的亮度值。通過給原圖添加20%的椒鹽噪聲，然后分別在Matlab中調(diào)用中值濾波函數(shù)和編寫好的自適應(yīng)中值濾波函數(shù)給被噪聲污染的圖片進行濾波去噪，如圖所示：（a） （b）（c） （d），其中（a）Lena的原圖，（b）被20%的椒鹽噪聲污染后Lena的圖，（c）通過中值濾波后Lena的圖，（d）通過自適應(yīng)中值濾波后Lena的圖對于受椒鹽噪聲污染的圖片，傳統(tǒng)的中值濾波一般能夠取得較好的效果，（c）顯示，圖中依然存在椒鹽噪聲所導(dǎo)致的污染，而這就會給后續(xù)的取閾值及邊緣檢測隨著噪聲污染的程度帶來不同程度的影響，從而影響整個算法的效果，（d）顯示，說明自適應(yīng)中值濾波器能夠很好地濾去椒鹽噪聲，取得不錯的效果。背景和目標之間的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大，當部分目標錯分為背景或部分背景錯分為目標都會導(dǎo)致兩部分差別變小。假設(shè)圖像的背景較暗，并且圖像的大小為，圖像中像素的灰度值小于閾值的像素個數(shù)記作，像素灰度大于閾值的像素個數(shù)記作則有： (38) (39) (310) (311) (312) (313)將式（5）代入式（6），得到等價公式： (314)采用遍歷的方法得到使類間方差最大的閾值[14][1721]，即為所求。預(yù)處理以補償圖像可應(yīng)用一個形態(tài)學算子，即頂帽算子[4]。（a）的攝制受到光照不均、電機噪聲（周期噪聲）等多種噪聲影響，（b）（c）的檢測效果，可以說明在邊緣檢測中，對噪聲處理的重要性，這里自適應(yīng)中值濾波不僅消除椒鹽噪聲，并對原圖有一定的平滑作用，結(jié)合頂帽變換對因受光照不均的圖像進行預(yù)處理，使得可以有效使用Otsu算法取閾值，從而得到較好的檢測效果。本論文首先介紹了圖像邊緣檢測這個課題的意義和背景；作為理論基礎(chǔ)，在第二章簡單的介紹了傳統(tǒng)的圖像邊緣檢測算法，如Roberts算子、Sobel算子、Prewitt算子、Laplacian算子、LOG算子，回顧了經(jīng)典的邊緣檢測算法，為后面介紹Canny算法作為鋪墊。致 謝參考文獻[1] Zhang B in,He Saixian. Improved Edgedetection Method Based on Canny algorithm[J].Infrared Technology,2006,28(3):165169.[2] :[博士學位論文].武漢:華中科技大學,2011.[3] 游素亞、楊靜,圖像邊緣檢測技術(shù)的發(fā)展與現(xiàn)狀[J].電子科技導(dǎo)報,1995.[4] Rafael ,Richard ,Steven ,阮秋琦等譯,數(shù)字圖像處理(MATLAB版)[M],北京:電子工業(yè)出版社,2005年9月.[5] [M].北京:國防工業(yè)出版社,1998.[6] 黃鋒華,劉琪芳,[J].機械工程與自動化,2011.[7] 著,朱志剛等譯,數(shù)字圖像處理[M].北京:電子工業(yè)出版社,1998,9.[8] [M].北京:科學出版社,2002.[9] [J].計算機應(yīng)用與軟件,2005,22(5)。作 者 簽 名：　　 　 　　日　 期：　　 　 　　 指導(dǎo)教師簽名：　　 　 　　 日　　期：　　 　 　　 使用授權(quán)說明本人完全了解 大學關(guān)于收集、保存、使用畢業(yè)設(shè)計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設(shè)計（論文）的印刷本和電子版本；學校有權(quán)保存畢業(yè)設(shè)計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學?？梢圆捎糜坝　⒖s印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學校可以公布論文的部分或全部內(nèi)容。本人完全意識到本聲明的法律后果由本人承擔。作者簽名： 日期： 年 月 日導(dǎo)師簽名： 日期： 年 月 日畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導(dǎo)教師的指導(dǎo)下進行的研究工作及取得的成果。作者簽名：　　 　 　　 日　 期：　　 　 　　 第 25 頁 共 22頁。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。本人授權(quán)　　 　 　大學可以將本學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學位論文。除了文中特別加以標注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機構(gòu)的學位或?qū)W歷而使用過的材料。但正如上文所述，邊緣檢測技術(shù)在抑制噪聲方面有一定的局限性，在閾值參數(shù)選取方面自適應(yīng)能力很差，有待進一步改進和提高。邊緣特征廣泛應(yīng)用于圖像分割、運動檢測與跟蹤、工業(yè)檢測、目標識別、雙目立體視覺等領(lǐng)域。 傳統(tǒng)Canny算法與本文算法的實驗結(jié)果與分析（a）（b）（c），其中（a）我的書桌，（b）Canny算法檢測的結(jié)果，（c）本文算法的檢測結(jié)果（ae）結(jié)果進行對比分析，很明顯傳統(tǒng)Canny算法所采用的高斯平滑濾波器對椒鹽噪聲無效，而通過自適應(yīng)中值濾波后，Canny算法的檢測效果得到了很大的改善，（c）中依然存在不少假邊緣，使得檢測效果較為模糊；（d）（e）所反映的檢測效果就幾乎不存在假邊緣，對主體的反映非常明顯，這也就說明了Otsu算法取閾值的優(yōu)越性。 頂帽變換Otsu算法屬于全局閾值處理方法，在圖像背景照明不均時有可能無效。對于圖像，前景(即目標)和背景的分割閾值記作，屬于前景的像素點數(shù)占整幅圖像的比例記為，其平均灰度；背景像素點數(shù)占整幅圖像的比例為，其平均灰度為。 最大類間方差法最大類間方差法[1718]是由日本學者大津展之于1979年提出的，是一種自適應(yīng)的閾值確定的方法，又叫大津法，簡稱Otsu。其中，表示允許的最大自適應(yīng)濾波器窗口的大小。167。167。閾值化后得到的邊緣陣列仍然有假邊緣存在，原因是閾值太低（假正確），以及陰影的存在，使得邊緣對比度減弱，或閾值取得太高而導(dǎo)致部分輪廓丟失（假錯誤）。這一過程可以把M寬屋脊帶細化成只有一個像素點寬。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，解決方法是利用梯度的方向。167。為了保證單邊緣只有一個響應(yīng)，檢測算子的脈沖響