【正文】 算子細(xì)化邊緣 [J].中國(guó)圖像圖形學(xué)報(bào) , 蘭州理工大學(xué)畢業(yè)論文 24 [27] 葉俊 ,基于 Canny 算子的圖像邊緣檢測(cè)與提取的算法 [J].黃岡職業(yè)技術(shù)學(xué)院科技資訊 , 34卷 [28] Kenh R. Castleman 著 ,朱志剛等譯 .數(shù)字圖像處理 [M].電子工業(yè)出版 , 第 1 版 [29] 王娜 ,李霞 .一種新的改進(jìn) Canny 邊緣檢測(cè)算法 [J].深圳大學(xué)學(xué)報(bào) ,20xx [30] 萬(wàn)纓 ,韓毅 ,盧漢清 .運(yùn)動(dòng)目標(biāo)檢測(cè)算法的探討 [M].計(jì)算機(jī)仿真 , [31] 韓軍 ,熊璋 ,李超 .分割視頻運(yùn)動(dòng)對(duì)象的研究 [M].計(jì)算機(jī)工程與應(yīng)用 ,20xx,3 蘭州理工大學(xué)畢業(yè)論文 25 附錄 1：論文應(yīng)用程序 mov=mmreader(39。 imwrite(b,strcat(39。),39。39。)。 %得到差分圖 % imwrite( DiffImage, 39。 %設(shè)定高斯平滑濾波模板的大小為 3*3 delta=。 end end h=hg/sum(hg(:))。 % 讀入圖像文件 f=im2double(f)。 colhigh=n1。 A=h.*mod。)。% 提取圖像 imshow(I)。 %用 canny 算子進(jìn)行邊緣檢測(cè) imshow(BW) I=imread(39。 title(39。Canny39。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。,) 。)。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW21)。 BW22= edge(I,39。 title( 39。E:\畢業(yè)設(shè)計(jì) \幀圖像 \系統(tǒng) \前景 .jpg39。sobel39。)。 %用 prewitt算子進(jìn)行邊緣檢測(cè) BW4=edge(I,39。canny39。,5)。 subplot(2,3,1), imshow(BW1)。 subplot(2,3,2), imshow(BW2)。 subplot(2,3,3), imshow(BW3)。 subplot(2,3,4), imshow(BW4)。 subplot(2,3,5), imshow(BW5)。 subplot(2,3,6), imshow(BW6)。)。gasussianamp。canny edge check39。log edge check39。prewitt edge check39。roberts edge check39。sobel edge check39。canny39。 %用 canny算子進(jìn)行邊緣檢測(cè) h=fspecial(39。)。prewitt39。 %用 Sobel算子進(jìn)行邊緣檢測(cè) BW2=edge(I,39。% 提取圖像 imshow(I)。)。,) 。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。Canny39。 title( 39。 BW2= edge(I,39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW1)。)。)。canny39。E:\畢業(yè)設(shè)計(jì) \幀圖像 \系統(tǒng) \前景 .jpg39。 end end f=ftemp imshow(f) title(39。 f(x,y1) f(x,y) f(x,y+1)。 ftemp=zeros(m,n)。前景 .jpg39。 v=y2。)。 %灰度圖 % NxtGray=rgb2gray(NxtImage)。 %RGB 圖 % NxtImage=imread(39。)。,int2str(i),39。)。本文利用 Canny 算子與經(jīng)典算子進(jìn)行比較，在一定數(shù)據(jù)條件下取得較好效果。 它 是一階傳統(tǒng)微分中檢測(cè)階躍型邊緣效果最好的算子之一。）由于 Canny 算子具有獨(dú)特的性能，使得其邊緣檢測(cè)和定位的 結(jié)果要優(yōu)于上述提到的其他的任何算子。但是 Sobel 算子和 Prewitt 算子對(duì)邊緣的定位不如 Roberts 算子。③ 抑 制虛假邊緣。 (2)根據(jù)實(shí)驗(yàn)比較分析，得到了 運(yùn)動(dòng)目標(biāo)檢測(cè)的最佳的算法和程序。）由于 Canny 算子具有獨(dú)特的性能，使得其邊緣檢測(cè)和定位的結(jié)果要優(yōu)于上述提到的其他的任何算子。 (2)Sobel 算子和 Prewitt 算子都是加權(quán)平均，有一定的噪聲抑制能力。 LOG 算法中的高斯平滑運(yùn)算會(huì)導(dǎo)致圖像中邊緣和其他尖銳不連續(xù)部分的模糊。但 ， Sobel 邊緣檢測(cè)算子也檢測(cè)出了一些偽邊緣 [26]， 使得邊緣比較粗糙 ，降低了檢測(cè)定位精度， Prewitt 從加大邊緣檢測(cè)算子的模板大小出發(fā)，由 2x2 擴(kuò)大到 3x3 來(lái)計(jì)算差分算子，采用 Prewitt 算子不僅能檢測(cè)邊緣點(diǎn)．而且能抑制噪聲的影響。log39。)、 BW2=edge(I,39。)語(yǔ)句 [24]，用 canny 算子進(jìn)行邊緣檢測(cè)，在 Matlab 中的運(yùn)行效果如 圖所示： 蘭州理工大學(xué)畢業(yè)論文 18 圖 Canny 算法邊緣檢測(cè) 圖像在不同的閾值條件下的邊緣檢測(cè)會(huì)不一樣，我們選取 、 、 、 幾個(gè)不同的閾值下的邊緣檢測(cè)做個(gè)比較，程序運(yùn)行結(jié)果如下： (a) 閾值為 時(shí)的邊緣檢測(cè)圖像 (b) 閾值為 時(shí)的邊緣檢測(cè)圖像 圖 閾值為 ， 時(shí)的邊緣檢測(cè)圖像 蘭州理工大學(xué)畢業(yè)論文 19 (a) 閾值為 時(shí)的邊緣檢測(cè)圖像 (b) 閾值為 時(shí)的邊緣檢測(cè)圖像 圖 閾值為 ， 時(shí)的邊緣檢測(cè)圖像 結(jié)果分析：綜合上圖所示采用的閾值越大，圖像的邊緣檢測(cè)效果越會(huì)清晰，而且邊緣點(diǎn)條理會(huì)比較明顯。本論文設(shè)定高斯平滑濾波模板的大小為 3*3，程序仿真 效果圖如下： (a) 濾波前 (b) 濾波后 圖 通過(guò)高斯濾波后的圖像 高斯濾波對(duì)隨機(jī)噪聲和高斯噪聲（尤其是服從正態(tài)分布的噪聲）的去除效果都比較好，但是對(duì)于椒鹽噪聲的去除就欠佳，把噪聲的幅度減小的同時(shí)也把噪聲點(diǎn)變大了。 高斯濾波 將去除背景的圖片進(jìn)行高斯濾波平滑處理，為邊緣檢測(cè)做準(zhǔn)備。 在相同的背景下，運(yùn)動(dòng)目標(biāo)的提取，需去除背景，在此課題中選用兩幀背景差法只將運(yùn)動(dòng)目標(biāo)保留。應(yīng)用 Matlab 軟件進(jìn)行編程實(shí)驗(yàn)，程序可將系統(tǒng)視頻轉(zhuǎn)化為幀圖像，并將其保存在一定路徑，需要時(shí)可以直接調(diào)用。也可以 拍攝視頻，選取合適圖像進(jìn)行實(shí)驗(yàn)。這就是 Canny 邊緣檢測(cè)算子 [17]。將多個(gè)響應(yīng)降低為單個(gè)邊緣響應(yīng)。不丟失重要的邊緣 ，不應(yīng)有虛假的邊緣。而 Canny 算子邊緣檢測(cè)算法則是既能濾去噪聲又保持邊緣特性的邊緣檢測(cè)的一階微分算法中的最佳選擇方法。 算法的選擇 近幾年來(lái)，圖像分析和處理都是圍繞理論、實(shí)現(xiàn)、應(yīng)用三方面發(fā)展起來(lái)的。 Matlab 在圖形圖像方面的應(yīng)用有很多。系統(tǒng)本身提供了大量的矩陣及其他運(yùn)算函數(shù)，可以方便地進(jìn)行很復(fù)雜的計(jì)算，且運(yùn)算效率極高。 Canny 邊緣檢測(cè)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(lái)計(jì)算梯度的幅值和方向； step3:對(duì)梯度幅值進(jìn)行非極大值抑制； step4:用雙閾值算法檢測(cè)和連接邊緣。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(guò)與圖像卷積進(jìn)行濾波；然后對(duì)濾波后的圖像尋找圖像梯度的局部最大值，以此來(lái)確定圖像 邊緣 。 圖 邊緣方向示意圖 圖 鄰域幅角方向 雙閾值檢測(cè) [12]： 由于單閾值處理時(shí)，合適的閾值選擇較困難，常常需要采用反復(fù)試驗(yàn)，因此采用雙閾值檢測(cè)算法。39。? (210) 邊緣響應(yīng)次數(shù)最少：要保證只有一個(gè)像素響應(yīng)，檢測(cè)算子的脈沖響應(yīng)導(dǎo)數(shù)的零交叉點(diǎn)平均距離 D(f)滿(mǎn)足式： 21239。 Canny 算子三大準(zhǔn)則 [10]： 好的檢測(cè)性能：檢測(cè)出的邊緣信息的漏檢率最小，誤檢率最小，評(píng)判參數(shù)信噪比 SNR 越大越好 [11]， 圖像 高斯濾波 基于拉普拉斯算子邊緣檢測(cè) 圖像邊緣 蘭州理工大學(xué)畢業(yè)論文 10 ???? ??wwwwdxxfdxxfxGSN R)()()()f(2? (29) 其中 G(x)表示圖像邊函數(shù)， f(x)濾波器函數(shù)， ? 表示噪聲的均方差。 圖 基于高斯拉普拉斯算子的圖像邊緣檢測(cè)過(guò)程 Canny 算子 傳統(tǒng)的邊緣檢測(cè)算子： Sobel 算子， Prewitt 算子， Roberts 算子， Krich 算子等，大部分處理的效果都不很好，在實(shí)際處理中不太實(shí)用，而 Canny 算子檢測(cè)的性能較好，常被作為其他實(shí)驗(yàn)的標(biāo)準(zhǔn)來(lái)參考。 ? 值越大，噪聲濾波效果越好 ， 但同時(shí)會(huì)丟失一些重要的邊緣信息 ； ? 值小時(shí)又會(huì)平滑不完全而留有太多噪聲。 LoG 算子的輸出 ),( yxh 是通過(guò) 式 (26)卷積運(yùn)算得到的 ： )],(*),([),( 2 yxfyxgyxh ?? (26) 又根據(jù)卷積求導(dǎo)法可得 式 (27)： ),(*)],([),( 2 yxfyxgyxh ?? (27) 其中： 22224 2222 2),( ?? ?yxeyxyxg ?????????? ???? (28) ? 是方差， x ， y 分別是圖像的橫坐標(biāo)和縱坐標(biāo)。此算子對(duì)灰度漸變?cè)肼曒^多的圖像處理得較好。兩個(gè)卷積的最大值作為該點(diǎn)的輸出值。 用卷積模板，上式 (22)變成： ? ? y, GGjiG x ?? (22) 其中 xG 和 yG 由下面圖 的模板計(jì)算： 平滑圖像 平滑圖像 原始圖像 邊緣的二值化圖像 閾值分割 蘭州理工大學(xué)畢業(yè)論文 7 圖 Roberts 算子的卷積模板 2. Sobel算子 和 Prewitt 算子 在比較復(fù)雜的圖像中，僅用 2*2 的 Robert 算子得不到較好的邊緣檢測(cè)，而相對(duì)較復(fù)雜的3*3 的 Prewitt 算子和 Sobel 算子檢測(cè)效果好 Sobel 算子 是一種一階微分算子，它利用像素鄰近區(qū)域的梯度值來(lái)計(jì)算 1 個(gè)像素的梯度，然后根據(jù)一定的閾值來(lái)取舍 [8]。如果某一應(yīng)用場(chǎng)合要求確定邊緣位置，則邊緣的位置可在子像素分辨率上來(lái)估計(jì)，邊緣的方位也可以被估計(jì)出來(lái)。最簡(jiǎn)單的邊緣檢測(cè)判據(jù)是梯度幅值閾蘭州理工大學(xué)畢業(yè)論文 6 值判據(jù)。增強(qiáng)算法將領(lǐng)域中灰度有顯著變化的點(diǎn)突出顯示。 （ 2）增強(qiáng)。需要指出的是大多數(shù)濾波器在降低噪聲的同時(shí)也導(dǎo)致了邊緣強(qiáng)度的損失。用于圖像識(shí)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(gè)灰度的圖像，其中一個(gè)灰度代表邊緣，另一個(gè)代表背景。圖像上灰度變化劇烈的區(qū)域比較符合這個(gè)要求，我們一般會(huì)以這個(gè)特征來(lái)提取圖像的邊緣。 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(guò)內(nèi)插等獲得高精度定位。 蘭州理工大學(xué)畢業(yè)論文 5 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(cè)算子就能最佳檢測(cè)出發(fā)生在圖像上的所有特性變化。但是由于噪聲和圖像模糊，檢測(cè)到的邊界可能會(huì)有間斷的情況發(fā)生。因此，邊緣檢測(cè)就是求 f(x,y)梯度的局部最大值和方向。由于邊緣是所要提取目標(biāo)和背景的分界線(xiàn)，提取出邊緣才能將目標(biāo)和背景區(qū)分開(kāi)，因此邊緣檢測(cè)技術(shù)對(duì)于數(shù)字圖像十分重要 [6]。邊緣是一個(gè)區(qū)域的結(jié)束 ,也是另一個(gè)區(qū)域的開(kāi)始 ,利用該特征可以分割圖像。該區(qū)域的灰度剖面一般可以看做一個(gè)階躍，即從一個(gè)灰度值在很小的緩沖區(qū)域內(nèi)急劇變化到另一個(gè)灰度相差較大的灰度值。相反，它們通常受到一個(gè)或多個(gè)下面所列因素的影響： ； 2.非零半徑光源產(chǎn)生的陰影帶來(lái)的半影模糊； ； 面反射或者漫反射。最后一章是仿真程序及結(jié)果分析，總結(jié)課題研究。 基礎(chǔ)部分中，第一章是緒論， 緒論部分主要介紹研究背景、研究目的和意義以及研究現(xiàn)狀。它是圖像處理的一項(xiàng)重要內(nèi)容，在模式識(shí)別、圖像理解、人工智能等領(lǐng)域發(fā)揮著重要作用。 蘭州理工大學(xué)畢業(yè)論文 2 隨著科技的發(fā)展，許多高新知識(shí)都已經(jīng)在圖像處理上得到了廣泛應(yīng) 用，并取得了較好的效果，但是，一些經(jīng)典的圖像處理方法仍然有其生命力，實(shí)際應(yīng)用中還是離不開(kāi)一些基本的技術(shù)。如果矩陣區(qū)域的值，這是一個(gè)給定的閾值以上，則中間的像素被分類(lèi)為邊緣。這過(guò)程檢測(cè)對(duì)象的輪廓和邊界對(duì)象和背景之間的圖像。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。經(jīng)過(guò)幾十年的發(fā)展，數(shù)字圖像邊緣檢測(cè)處理技術(shù)目前己經(jīng)廣泛應(yīng)用于工業(yè)、微生物領(lǐng) 域、醫(yī)學(xué)、航空航天以及國(guó)防等許多重要領(lǐng)域，多年來(lái)一直得到世界各科技 強(qiáng)國(guó)的廣泛關(guān)注 [2]。數(shù)字圖像處理技術(shù)的研究?jī)?nèi)容涉及光學(xué)系統(tǒng)、微電子技術(shù)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)分析等領(lǐng)域，是一門(mén)綜合性很強(qiáng)的邊緣學(xué)科。 關(guān)鍵詞： Canny 算子；邊緣檢測(cè)；兩幀差分；運(yùn)動(dòng)目標(biāo)提取