【正文】 .......13 算法的選擇 .................................................................................................................13 Canny 算法基本原理 ...................................................................................................14 基本流程與實(shí)現(xiàn) .........................................................................................................14 基本流程圖 .......................................................................................................14 圖像采集及預(yù)處理 ..........................................................................................15 圖像背景處理 ..................................................................................................16 高斯濾波 ..........................................................................................................17 基于 Canny 算子的邊緣檢測(cè) ..........................................................................17 不同算子比較 .............................................................................................................19 第 4 章 總結(jié) ..............................................................................................................................22 參考文獻(xiàn) ....................................................................................................................................23 附錄 ............................................................................................................................................25 1：論文應(yīng)用程序 ..............................................................................................................25 2：外文文獻(xiàn) ......................................................................................................................28 3：外文翻譯 ......................................................................................................................37 致謝 ............................................................................................................................................45 蘭州理工大學(xué)畢業(yè)論文 1 第 1 章 緒論 圖像是一種重要的信息源，圖像處理的最終目的就是要幫助人類(lèi)理解信息的內(nèi)涵。 數(shù)字圖像邊緣檢測(cè)技術(shù)起源于 20 世紀(jì) 20 年代，當(dāng)時(shí)受條件的限制一直沒(méi)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(jì)算機(jī)技術(shù)有了相當(dāng)?shù)陌l(fā)展，數(shù)字圖像邊緣檢測(cè)處理技術(shù)才開(kāi)始進(jìn)入了高速發(fā)展時(shí)期。圖像邊緣檢測(cè)處理作為一門(mén)學(xué)科已經(jīng)被美國(guó)數(shù)學(xué)學(xué)會(huì)列為應(yīng)用數(shù)學(xué)的一個(gè)研究分支。 邊緣檢測(cè)是一個(gè)基本的工具用于大多數(shù)圖像處理應(yīng)用程序獲得信息從幀作為前體的一步特征提取和對(duì)象分割。的邊緣檢測(cè)算子來(lái)計(jì)算所選擇的像素為中心的矩陣區(qū)域的中心的形成的矩陣。斜坡的不同組成部分的貢獻(xiàn)相結(jié)合，得到的邊緣強(qiáng)度的總價(jià)值 [3] 。 當(dāng)前邊緣檢測(cè)技術(shù)應(yīng)用 廣泛、發(fā)展非常迅速。 本論文主要包括兩部分，第一部分是基礎(chǔ)部分，包括前兩章內(nèi)容，主要介紹了基礎(chǔ)概念和基本特性，以及 Matlab 在本課題中的應(yīng)用；第二部分是課題研究部分，包括第三章和第四章，主要介紹基 本理論和方法在 Matlab 中的仿真和結(jié)果分析。 課題研究部分，第三章是依照課題所需進(jìn)行算法選擇和基本流程確定，然后按照流程進(jìn)行編程。 雖然某些文獻(xiàn)提過(guò)理想的邊緣檢測(cè)步驟，但自然界圖像的邊緣并不總是理想的階梯邊緣。 圖像的邊緣是指圖像局部區(qū)域亮度變化顯著的部分。 邊緣： 不同區(qū)域的分界線，是圖像局部灰度變化最顯著的那些像素的集合。 蘭州理工大學(xué)畢業(yè)論文 4 階躍型 凸緣型 屋頂型 圖 邊緣灰度變化 利用邊緣檢測(cè)來(lái)分割圖像，其基本思想就是先檢測(cè)圖像中的邊緣點(diǎn)，再按照某種策略將邊沿點(diǎn)連接長(zhǎng)輪廓，從而構(gòu)成分割區(qū)域。對(duì)于連續(xù)圖像 f(x,y)，其方向?qū)?shù)在邊緣（法線）方向上有 局部最大值。 邊緣檢測(cè)是先利用邊緣增強(qiáng)算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強(qiáng)度”，通過(guò)設(shè)置閾值的方法提取邊緣點(diǎn)集。 要做好邊緣檢測(cè)初步準(zhǔn)備條件如下： 第一，清楚待檢測(cè)的圖像特性變化的形式，從而使用適應(yīng)這種變化的檢測(cè)方法。再就是考慮信號(hào)加噪聲的條件檢測(cè)，利用統(tǒng)計(jì)信號(hào)分析，或通過(guò)對(duì)圖像區(qū)域的建模，而進(jìn)一步使檢測(cè)參數(shù)化。 從人的直觀感受來(lái)說(shuō)，邊緣對(duì)應(yīng)于物體的幾何邊界。但一般認(rèn)為邊緣提取是要保留圖像的灰度變化劇烈的區(qū)域，這從數(shù)學(xué)上，最直觀的方法就是微分 (對(duì)于數(shù)字圖像來(lái)說(shuō)就是差分 )，在信號(hào)處理的角度來(lái)看，也可以說(shuō)是用高通濾波器，即保留高頻信號(hào)。邊緣檢測(cè)算法主要是基于圖像強(qiáng)度的一階和二階導(dǎo)數(shù)， 但導(dǎo)數(shù)的計(jì)算對(duì)噪聲很敏感，因此必須使用濾波器來(lái)改善與噪聲有關(guān)的邊緣檢測(cè)器的性能。而濾波器在降低噪聲的同時(shí)也導(dǎo)致邊緣強(qiáng)度的損失。邊緣增強(qiáng)一般是通過(guò)計(jì)算梯度幅值來(lái)完成的。在圖 像中有許多點(diǎn)的梯度幅值比較大，而這些點(diǎn)在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來(lái)確定哪些點(diǎn)是邊緣點(diǎn)。 （ 4）定位。 微分算子 算子 Roberts 算子是一種利用局部差分算子尋找邊緣的算子，它由下式給出： ? ? ? ? ? ? ? ? ? ?1,11,1, ???????? jifjifjifjifjiG (21) Roberts 算子是 2 2 算子模板，對(duì)具有灰度變化陡峭的低噪聲圖像響應(yīng)最好，并且對(duì)邊緣的定位準(zhǔn)確，但由于 2 2 大小模板沒(méi)有清楚地中心點(diǎn)所以很難使用。一個(gè)模板對(duì)通常的垂直邊緣影響最大，而另一個(gè)對(duì)水平邊緣影響最大。一般來(lái)說(shuō)，距離越大，產(chǎn)生的影響越小。他的基本特征有： (1) 平滑濾波器是 高斯濾波器 ； (2) 增強(qiáng)步驟采用二階導(dǎo)數(shù) (二維拉普拉斯函數(shù) )； (3) 邊緣檢測(cè)判據(jù)是二階導(dǎo)數(shù)零交叉點(diǎn)并對(duì)應(yīng)一階導(dǎo)數(shù)的較大峰值 ； (4) 使用線性內(nèi)插方法在子象素分辨率水平上估計(jì)邊緣的位置。 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。 基于高斯拉普拉斯算子的圖像邊緣檢測(cè)過(guò)程如圖 所示。 Canny 算子檢測(cè)邊緣的實(shí)質(zhì)是求信號(hào)函數(shù)的極大值問(wèn) 題來(lái)判定圖像邊緣像素點(diǎn)。39。 ???????? ??????wwwwwwwwdxxfdxxfxGdxxfdxxfxGL o c a t i o nS N RfJ)()()()()()()f()(239。遍歷 8 個(gè)方向圖像像素，把每個(gè)像素偏導(dǎo)值與相鄰像素的模值比較，取其 MAX 值為邊緣點(diǎn)，置像素灰度值為 0。 Canny 邊緣檢測(cè)基本原理 ： 蘭州理工大學(xué)畢業(yè)論文 12 (1)具有既能濾去噪聲又保持邊緣特性的邊緣檢測(cè)最優(yōu)濾波器，其采用一階微分濾波器。 (2)類(lèi)似與 Marr（ LOG）邊緣檢測(cè)方法，也屬于先平滑后求導(dǎo)數(shù)的方法。 Matlab 是一個(gè)交互式的系統(tǒng)其基本運(yùn)算單元是不需要制定維數(shù)的矩陣，并按照 IEEE 數(shù)值計(jì)算標(biāo)準(zhǔn)進(jìn)行計(jì)算。除基本部分外， Matlab 還根據(jù)各專門(mén)領(lǐng)域中的特殊需要提供了許多可選的工具箱，如應(yīng)用于自動(dòng)控制領(lǐng)域的 Control System工具箱以及神經(jīng)網(wǎng)絡(luò)中 Neutral Network 工具箱等 [15]。也可以實(shí)現(xiàn)點(diǎn)運(yùn)算增強(qiáng)和空域?yàn)V波 增強(qiáng)、頻域增強(qiáng)（低通濾波器、高通濾波器、帶通、帶阻濾波和同態(tài)濾波等）、彩色圖像（空間濾波、平滑、銳化、邊緣檢測(cè)、分割）和偽彩色處理、圖像壓縮、與編碼基礎(chǔ)、無(wú)損壓縮技術(shù)、有損壓縮技術(shù)、圖像分割技術(shù)、小波圖像處理、形態(tài)學(xué)圖像處理等。 蘭州理工大學(xué)畢業(yè)論文 14 本次課題將選擇 Canny 算子，檢測(cè)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(diǎn)。 (1)檢測(cè)標(biāo)準(zhǔn)。 (3)單響應(yīng)標(biāo)準(zhǔn)。根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子。 基本流程與實(shí)現(xiàn) 基本流程圖 根據(jù)課題基本原理以及需求 流程圖 如圖 ： 圖 整體流程圖 根據(jù)流程圖以及基本原理，首先要進(jìn)行圖像采集，可用系統(tǒng)自帶的視頻轉(zhuǎn)化為幀圖像，然后將其保存。也可以拍攝視頻，選取合適圖像進(jìn)行實(shí)驗(yàn)。當(dāng)監(jiān)控場(chǎng)景中出現(xiàn)異常物體運(yùn)動(dòng)時(shí)，幀與幀之間會(huì)出現(xiàn)較為明顯的差別，兩幀相減，得到兩幀圖像亮度羞的絕對(duì)值，判斷它是否大于閾值來(lái)分析視頻或圖像序列的運(yùn)動(dòng)特性，確定圖像序列中有無(wú)物體運(yùn)動(dòng) [20]。對(duì)快速運(yùn)動(dòng)的物體，需要選擇較小的時(shí)間間隔，如蘭州理工大學(xué)畢業(yè)論文 17 果選擇不合適，當(dāng)物體在前后兩幀中沒(méi)有重疊時(shí)，會(huì)被檢測(cè)為兩個(gè)分開(kāi)的物體：而對(duì)慢速運(yùn)動(dòng)的物體，應(yīng)該選擇較大的時(shí)間差，如果時(shí)間選擇不適當(dāng)，當(dāng)物體在前后兩幀中幾乎完全重疊時(shí)，則檢測(cè)不到物體 [21]。高斯濾波的具體操作是：用一個(gè)模板（或 稱卷積、掩模）掃描圖像中的每一個(gè)像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點(diǎn)的值 [23]。canny39。sobel39。prewit’）、 BW4=edge(I,39。)[25]語(yǔ)句來(lái)完成函數(shù)的調(diào)用，運(yùn)行結(jié)果如下： 圖 Sobel 算子邊緣檢測(cè) 圖像 圖 Prewitt 算子邊緣檢測(cè) 圖像 蘭州理工大學(xué)畢業(yè)論文 20 Sobel 邊緣檢測(cè)算子不但可以產(chǎn)生較好的邊緣效果 ， 而且對(duì)噪聲具有平滑作用 ， 減小 了對(duì)噪聲的敏感性。 由于 圖像的平滑會(huì)引起邊緣的模糊。適應(yīng)于邊緣明顯而且噪聲較少的圖像。 (4)Canny 算子具有方向性（并不只是簡(jiǎn)單的進(jìn)行梯度運(yùn)算來(lái)決定像素是否為邊緣點(diǎn)，在決定一個(gè)像素是否為當(dāng)前邊緣點(diǎn)時(shí)，需要根據(jù)當(dāng)前像素及前面處理過(guò)的像素來(lái)進(jìn)行判斷。邊緣圖像僅保留了物體邊緣的信息。② 高定位精度 ,即精確地把邊緣點(diǎn)定位在灰度變化最大的像素上 。 Sobel算子和 Prewitt 算子都是加權(quán)平均，有一定的噪聲抑制能力。 Canny 算子具有方向性（并不只是簡(jiǎn)單的進(jìn)行梯度運(yùn)算來(lái)決定像素 是否為邊緣點(diǎn)，在決定一個(gè)像素是否為當(dāng)前邊緣點(diǎn)時(shí)，需要根據(jù)當(dāng)前像素及前面處理過(guò)的像素來(lái)進(jìn)行判斷 [30]。 Canny 方法則以一階導(dǎo)數(shù)為基礎(chǔ)來(lái)判斷邊緣點(diǎn) [31]。這就是邊緣檢測(cè)的“兩難”問(wèn)題。39。E:\畢業(yè)設(shè)計(jì) \幀圖像 \系統(tǒng) \39。jpg39。)。 %RGB 圖 % CurGray=rgb2gray(CurImage)。E:\畢業(yè)設(shè)計(jì) \幀圖像 \系統(tǒng) \前景 .jpg39。 for x=1:1:3 for y=1:1:3 u=x2。 f = imread(39。 [m,n]=size(f)。 %%%高斯濾波 %%% for x=2:1:rowhigh1 for y=2:1:colhigh1 mod=[f(x1,y1) f(x1,y) f(x1,y+1)。 ftemp(x,y)=sum(