【正文】 一般ＣＢ形態(tài)學(xué) 文獻 [17] MMED MSENE 本文 EMMED MSENE MSE MAE PSNR 表 歐式邊界 邊緣檢測 ② 高斯噪聲 圖像的 邊緣檢測 Ⅰ 經(jīng)典形態(tài)學(xué)邊緣檢測結(jié)果： 云南民族大學(xué)碩士學(xué)位論文 24 圖 加入高斯噪聲的 圖像 圖 內(nèi)邊界邊緣檢測 圖像 圖 外邊界邊緣檢測 圖像 圖 圖像 Ⅱ 一般 CB 形態(tài)學(xué)邊緣檢測結(jié)果： 圖 內(nèi)邊界邊緣檢測 圖像 圖 外邊界邊緣檢測 圖像 第 4章 本文改進的邊緣檢測算法 25 圖 外邊界邊緣檢測 圖像 Ⅲ MMED MSENE 邊緣檢測結(jié)果： 圖 內(nèi)邊界邊緣檢測 圖像 圖 內(nèi)邊界邊緣檢測 圖像 圖 內(nèi)邊界邊緣檢測 圖像 Ⅳ EMMED MSENE 邊緣檢測結(jié)果： 云南民族大學(xué)碩士學(xué)位論文 26 圖 內(nèi)邊界邊緣檢測 圖像 圖 外邊界邊緣檢測 圖像 圖 歐式邊界邊緣檢測 圖像 內(nèi)邊界 邊緣檢測 ： 評價標準 經(jīng)典形態(tài)學(xué) 一般ＣＢ形態(tài)學(xué) 文獻 [17] MMED MSENE 本文 算法 2 EMMED MSENE MSE MAE PSNR 表 內(nèi)邊界 邊緣檢測 外邊界 邊緣檢測 ： 評價標準 經(jīng)典形態(tài)學(xué) 一般ＣＢ形態(tài)學(xué) 文獻 [17] MMED MSENE 本文 算法 2 EMMED MSENE MSE MAE PSNR 第 4章 本文改進的邊緣檢測算法 27 表 外 邊界 邊緣檢測 歐式邊界 邊緣檢測 ： 評價標準 經(jīng)典形態(tài)學(xué) 一般ＣＢ形態(tài)學(xué) 文獻 [17] MMED MSENE 本文 算法 2 EMMED MSENE MSE MAE PSNR 表 歐式 邊界 邊緣檢測 通過對以上對幾種算法的仿真結(jié)果的 PSNR、 MSE 和 MAE的數(shù)值分析可以看出，不論是對含椒鹽噪聲的圖像還是對含高斯噪聲的圖像，對圖像的內(nèi)邊界檢測、外邊界檢測和歐式梯度邊界檢測，本文改進的 EMMED MSENE 算法的 峰值信噪比 PSNR 都最高， 均方誤差 (MSE)和 平均絕對誤差 (MAE)數(shù)值都最小，這說明本文改進的 EMMED MSENE 算法與經(jīng)典形態(tài)學(xué)、一般ＣＢ形態(tài)學(xué)和 MMED MSENE 相比， 提取的邊緣質(zhì)量 較 高 ， 提取的邊緣效果 較 好 ，具有較高的邊緣檢測性能。分別選取去噪性能的指標 均方誤差 （ MSE)、 平均絕對誤差 (MAE)和峰值信噪比 (PSNR)來度量該算法的邊緣檢測性能優(yōu)劣 [42] 。 4 1 1 2 2( ) { [ ( ) ] }C A B B A B B B B? ? ? ? ? ? ? ?◎第 4章 本文改進的邊緣檢測算法 19 由于該 算法 結(jié)合運用了非線性濾波和數(shù)學(xué)形態(tài)學(xué)邊緣檢測算子，因此它能很 好 地抑制噪聲 干擾。這種復(fù)合濾波算法 CB 以結(jié)構(gòu)元素的輪廓為“探針”、以 “延展度”為處理原則，具有比經(jīng)典形態(tài)學(xué)濾波算法較優(yōu)越的除噪性能。經(jīng)典形態(tài)運算 中用到的結(jié)構(gòu)元素尺度不盡合理 ， 具體的每一個結(jié)構(gòu)元素并不適用于所有圖像，不能有效地區(qū)分出信號點和非信號點。 因此 ，結(jié)構(gòu)元素矩陣的選取嚴重影響著經(jīng)典形態(tài)學(xué)邊緣檢測結(jié)果。 該 算法的基本思想是：先對待處理圖像 ( , )f xy 運用改進的復(fù)合 CB形態(tài)學(xué)濾波濾除噪聲，得到濾波后圖像 ( , )gxy ；然后運用改進的 CB 形態(tài)學(xué)算子對 ( , )gxy 進行邊緣提取，得到最終的邊緣檢測圖像。 CB 開 運算去掉了邊緣輪廓上突出部分 并 填充 了 圖 像中的 一些“ 洞 ” ， 而 CB 閉 運算則 填 補 了 邊緣 輪廓上的凹 進部分 并 刪除 了 圖像中的 一 些連通分量 [38] 。而灰度 形態(tài)學(xué) 又 是 基于二值形態(tài)學(xué)而創(chuàng)立的一門研究學(xué)科 。 相異的 結(jié)構(gòu)元素 對圖像 信號進行探測 ，我們得到的是不同的圖像分析，這是由于 結(jié)構(gòu)元 素的尺寸和形狀 與 圖像結(jié)構(gòu)的信息 有關(guān)。常見的關(guān)于二值形態(tài)學(xué)的運算主要有膨脹、腐蝕、開運算、閉運算等 ??31 。 根據(jù)數(shù)學(xué)形態(tài) 學(xué)的應(yīng)用，它 主要分為二值形態(tài)學(xué)和灰度形態(tài)學(xué)。 在數(shù)學(xué)形態(tài)學(xué)中，結(jié)構(gòu)元素的選取非常關(guān)鍵，這關(guān)系到處理結(jié)果是否理想 。 云南民族大學(xué)碩士學(xué)位論文 14 第 3 章 形態(tài)學(xué)邊緣檢測 形態(tài)學(xué)基本理論 數(shù)學(xué)形態(tài)學(xué)是 是一種非線性濾波方法 ， 技術(shù)用途主要有抑制噪聲、模式識別、 分割 圖像、紋理分析 等圖像 信息 處理 等方面 。由于現(xiàn)實中的圖像都是存在噪聲的，在此我們理論結(jié)合實際，主要研究 Lena 圖像的加燥圖像邊緣檢測結(jié)果。若 (, )Mi j HT，則修改該處梯度幅值為 0，這樣經(jīng)檢測后得到圖像 B； Ⅲ 以圖象 B為基準，借助于圖像 A進行邊緣補充和連接。若 (, )mi j n? ，則 該 點不是 邊緣點并將 值 (, )mi j 賦為 0。 通過 這步 (, )Mi j 的 附近會產(chǎn)生帶狀邊緣 ， 利用這些帶狀線條提取極大值點， 從而達到 保留局部梯度幅值最大點 的目的 。 Canny 算子的 算法流程 ? ?27,28 ： ① 用高斯函數(shù) H( x,y)對圖像 m( x,y)進行平滑濾波以去除噪聲，得到平滑圖像 M( x,y)。因此，在利用該 LoG 算法進行邊緣檢測時，要特別注重如何選擇合適的 ? 參數(shù)值。 它的基本思想是： 首先 用 高斯 濾波 函數(shù) 對圖像濾波 去除噪聲 ， 再采用拉氏 算子處理 高斯 濾波后的 圖像，最后提取再對一階導(dǎo)數(shù)求導(dǎo)得到極值點，這些極值點形成的圖像 即為邊緣檢測效果圖 。對這兩個矩陣求平方和，得到一個平方和矩陣，將該矩陣看作是原圖像中所有灰度幅值的近似矩陣。 它 利用像素點 的 周圍 相 鄰點的灰度 進行邊緣檢測運算 ，在邊緣處進行極值零點 檢測 ， 去除 偽邊緣 。該算子是在 (x， y)為中心的 3x3矩陣 鄰域上 ， 計算 x方向 和 y 方向的 一階 偏導(dǎo) 。 當(dāng)然，科學(xué)研究中，并沒有一成不變的事物。 （ 7） 圖像檢測 通過設(shè)定合理的梯度閾值，利用閾值進行邊緣點的檢測。下面我們介紹下邊緣檢測的原理。 低層視覺和高層視覺 是 計算機視覺 研究 的主要內(nèi)容 。 最后，附貼了本文算法改進的部分代碼和相關(guān)文獻。伴隨著生活水平的發(fā)展，人類的身體狀況也出現(xiàn)了諸多問題，許多疾病的患病率逐漸提升，并已引起了人們的警覺。該方法在原始算法的基礎(chǔ)上，進行多處改進，它可以根據(jù)具體圖像去設(shè)定濾波窗口大小，有效濾除椒鹽噪聲，并可以細化檢測出的邊緣，使其盡量靠近單像素級。 第四章，提出了 本文改進的 2種邊緣檢測算法。詳細地分析了個算法的優(yōu)缺點和應(yīng)用范圍及適應(yīng)性。 （ 4） 適用領(lǐng)域的局限性。 邊緣檢測在對含噪圖像進行平滑去噪時，容易丟失高頻信息，導(dǎo)致圖像失真， 而且，邊緣檢測中不能實際有效地濾除外界干擾噪聲，即使經(jīng)過處理， 也仍舊不能擺脫少部分頑固噪聲的干擾； （ 2） 定位精確度 不夠高。 為了達到更好的視覺效果、更充分的運用圖像的邊緣 信息進行科學(xué)研究，人們要求邊緣檢測要在精度上進一步提高，盡量 避免 檢測出較為粗糙的邊緣曲線，要“精益求精” 。 第 1章 緒論 3 (3)邊緣檢測 響應(yīng) 越少越好 ，最好是唯一響應(yīng) 。 邊緣檢測 最早 在 1959 年 被提出， 1965 年 ， Roberts 等人 開始系統(tǒng)的 研究邊緣檢測技術(shù) ??14 ，從 20世紀 70 年代起 ，邊緣檢測技術(shù)開始引起人們的廣泛關(guān)注。圖像的預(yù)處理就是減少與目標無關(guān)的信息和加強與目標相關(guān)的信息，常用的圖像預(yù)處理方法有去噪，圖像加強等 ??11 。傳統(tǒng)的邊緣檢測算法一般通過求一階、二階導(dǎo)數(shù)來表示邊緣點的變化 ? ?10,1 。邊緣廣泛存在于物體與物體、物體與背景之間 ??8 。圖像分析是我們通過檢測結(jié)果， 分析圖像的幾何特性等信息，并將其應(yīng)用于生活實踐。 （ 2）圖像增強：圖像再生產(chǎn)、傳輸過程中往往會失真，所得圖像和原圖像有某種差別。 數(shù)字圖像處理 (Digital Image Processing)將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機對其進行處理 ,隨著數(shù)字化時代的 到來，數(shù)字圖像處理與分析方面的研究工作顯得十分重要 ??1 。 Canny 邊緣檢測 .......................... 錯誤 !未定義書簽。云南民族大學(xué) 碩士學(xué)位論文 IV 目錄 第 1 章 概 論 ..................................................... 1 數(shù)字圖像處理概論及其應(yīng)用 .................................... 2 邊緣檢測技術(shù)簡介及評價標準 .................................. 3 現(xiàn)存邊緣檢測技術(shù)存在的問題 .................................. 4 論文 主要研究內(nèi)容和結(jié)構(gòu)安排 .................................. 3 第 2 章 傳統(tǒng) 邊緣檢測方法 ....................................... 6 邊緣檢測原理 ............................... 錯誤 !未定義書簽。 關(guān)鍵詞： 圖像處理； 邊緣檢測； 數(shù)學(xué) 形態(tài)學(xué)；Abstract III Abstract Image processing research includes edge detection, image segmentation, and pattern recognition. With the ing of the digital age, digital image processing and analysis of the research is being very important. Digital image processing is being widely used in the field of industry, agriculture, transportation, finance, geology, oceanography, meteorology, biology, medicine, military, public security, emerce, satellite remote sensing, robot vision, object tracking, autonomous vehicle navigation, multimedia information work munication, etc. It has made a significant society and economic benefits. The gray information changed obviously local image is called image edge. Change information of gray called Yue information, order in general, pixel gray value from a very small value of a sharp transition to another gray large value that the formation of the edge. Image edge image which contains rich information, pared with other parts of image of great application value, because it is based on this we can further research on recognition, segmentation. Lowlevel and highlevel vision is the main research content of the puter vision. Image processing belong to the lowlevel vision part, it mainly includes image information enhancement, in addition to noise and edge detection information detection, image filtering。圖像處理 就屬于 低層視覺 部分 ， 它主要 包括圖像 的信息 增強、 除躁 和邊緣檢測 信息檢測、圖像濾波等；圖像分析和圖像理解 即為高層視覺研究的主要內(nèi)容 ， 主要是通過計算機模擬生物對于圖像信息的感知和運用能力 。 圖像中灰度信息變