圖像邊緣檢測(cè)課程設(shè)計(jì)-全文預(yù)覽
【正文】 ata(,39。 BW = im2bw(grad,level)。 % 計(jì)算 Y方向的梯度分量 grad = sqrt(dx.*dx + dy.*dy)。 % 建立 X方向的模板 y_mask = rot90(x_mask)。原圖 39。 A=img_src。Sobel39。 % 計(jì)算灰度閾值 axes()。 % 計(jì)算 X方向的梯度分量 dy = imfilter(I, y_mask)。1 2 1]。原圖 39。 A=img_src。 function m_image_Callback(hObject, eventdata, handles) function m_sobel_Callback(hObject, eventdata, handles) axes()。 img_src=getappdata(,39。 axes()。All Files (*.*)39。Image Files (*.bmp, *.jpg, *.png, *.jpeg)39。*.jpg。img_src39。 title(39。 axes()。All Files (*.*)39。Image Files (*.bmp, *.jpg, *.png, *.jpeg)39。*.jpg。 guidata(hObject, handles)。 end function Mywork_OpeningF(hObject, eventdata, handles, varargin) setappdata(,39。amp。, [] , ... 39。, Mywork_OpeningF, ... 39。, mfilename, ... 39。 最后再一次感謝所有在設(shè)計(jì)中曾經(jīng)幫助過我的良師益友和同學(xué) 。 17 參考資料 [1] 朱虹 . 數(shù)字圖像處理基礎(chǔ) [M]. 科學(xué)出版社 , 2020 [2] R , R 著 ,阮秋琦 ,阮宇智等譯 .數(shù)字圖像處理 (第 2版 ).北京 :電子工業(yè)出版社 ,2020 [3] . 數(shù)字圖像處理 .北京 :電子工業(yè)出版社 ,2020 [4] 章毓晉 .圖像處理與分析 圖像工程（上冊(cè)） ,清華大學(xué) ,2020 [5] 何斌等編著 .Visual C++數(shù)字圖像處理 .人民郵電出版 社 ,2020 [6] 張宏林編著 .Visual C++數(shù)字圖像模式識(shí)別技術(shù)及工程實(shí)踐 .人民郵電出版社 ,2020. [7] 黃維通 .Visual C++面向?qū)ο笈c可視化程序設(shè)計(jì) .清華大學(xué)出版社 ,2020 [8] R , R , S L. Eddins 著 ,阮秋琦 ,阮宇智等譯 .數(shù)字圖像處理 (MATLAB 版 ).北京 :電子工業(yè)出版社 ,2020 [9] 李赤楓 , 王 俊 , 李 克 , 等 . 自生 Mg2Si 顆粒增強(qiáng) Al 基復(fù)合材料的組織細(xì)化 [J]. 中國有色金屬學(xué)報(bào) , 2020, 14(2): 233237. [10] 殷 聲 . 燃燒合成 [M]. 北京 : 冶金工業(yè)出版社 , 2020: 2544. [11] 王文新 .大象征收過路費(fèi) . 18 致謝 在這次課程設(shè)計(jì)的 設(shè)計(jì) 過程中，我得到了許多人的幫助。經(jīng)過這次 課程設(shè)計(jì) ，不但能夠讓我們?cè)俅螐?fù)習(xí)了本學(xué)期所學(xué)的圖像處理的知識(shí)，加深了對(duì)這些知識(shí)的記憶，并且讓我們對(duì)圖像處理的各種處理方法如 Sobel 算子、 Robert 算子、 Priwitt 算子 、拉普拉斯算子 、 Canny 等對(duì)圖像產(chǎn)生的效果有了更加直觀的了解， 不但加深了記憶也能因此更加了解各種處理方法的應(yīng)用，可以用 MATLAB 軟件來對(duì)這些處理來實(shí)現(xiàn)。實(shí)習(xí)中也遇到了很多問題，但通過查閱書籍、同學(xué)間討論、請(qǐng)教老師以及網(wǎng)上查找最終能夠得以解決，完成這次實(shí)習(xí)。改為 I=rgb2gray(I)。 fpath=[pathname filename]。}, ... 39。 ... 39。*.png。 Canny 算子：采用高斯函數(shù)對(duì)圖像進(jìn)行平滑處理，因此具有較強(qiáng)的噪聲抑制能力；同樣該算子也將一些高頻邊緣平滑掉，造成邊緣丟失，采用了雙閾值算法檢測(cè)和連接邊緣，邊緣的連續(xù)性較好。 Prewitt 算子：對(duì)噪聲有平滑作用，檢測(cè)出的邊緣比較粗，定位精度低，容易損失角點(diǎn)。通過對(duì) lena 圖的仿真實(shí)驗(yàn)結(jié)果可以看出，該算子在上述幾種邊緣檢測(cè)算子當(dāng)中效果最好。 由于 Roberts 算子是利用圖像的兩個(gè)對(duì)角線的相鄰像素之差進(jìn)行梯度幅值的檢測(cè)，所以求得的是在差分點(diǎn)處梯度幅值的近似值，并且檢測(cè)水平和垂直方向邊緣的性能好于斜線方向的邊緣，檢測(cè)精度比較高，但容易丟失一部分邊緣，同時(shí)由于沒經(jīng)過圖像平滑計(jì)算，因此不能抑制噪聲，但該算子對(duì)具有陡峭的低噪聲圖像響應(yīng)最好。 8 三、 詳細(xì)設(shè)計(jì)過程 Roberts 算子、 Sobel 算子、 Prewitt 算子的檢測(cè)效果相差不大，三種算子的檢測(cè)效果較之 Canny 和 Log 算子還是存在一定的差距 。圖像梯度逼近必須滿足兩個(gè)要求：首先逼近必須能夠抑制噪聲效應(yīng)；其次必須盡量精確地確定邊緣的位置。 Canny 算子 Canny 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)。 Laplacian 算子 拉普拉斯算子是二階導(dǎo)數(shù)的二維等效式。這兩個(gè)方向模板一個(gè)檢測(cè)垂直邊緣，一個(gè)檢測(cè)水平邊緣，如圖 3所示。由 2 2擴(kuò)大到 3 3 來計(jì)算差分算子，所以其卷積模板為圖 2所示： 圖 2 Prewitt 邊緣檢測(cè)算子的模板 在圖像中的每個(gè)像素位 置都用這 2 個(gè)模板做卷積， Prewitt 算子將方向差分運(yùn)算與局部平均結(jié)合起來，表達(dá)式如下： ? ? ? ? ? ? ? ? ? ? ? ?1 , 1 , 1 1 , 1 1 , 1 , 1 1 , 1xf f x y f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? ? ? ? ?1 , 1 1 , 1 , 1 1 , 1 1 , 1 , 1yf f x y f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 根據(jù)兩式可以計(jì)算 Prewitt 梯度，選取適當(dāng)?shù)拈撝?T，對(duì)梯度圖像二值化，得到一幅邊緣二值圖像。由上面兩個(gè)卷積算子對(duì)圖像運(yùn)算后，代入 2式，可求得圖像的梯度幅度值 G[i,j]，然后選取適當(dāng)?shù)拈T限 TH，作如下判斷： G[i,j]TH， [i,j]為階躍狀邊緣點(diǎn)，{G[i,j]}為一個(gè)二值圖像，也就是圖像的邊緣。 本文主要闡述了圖像邊緣檢測(cè)算法的一些理論，并對(duì)檢測(cè)的效果加以 比較，同時(shí)介紹了嵌入式系統(tǒng)開發(fā)的流程，為圖像
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1