【正文】 .............................................................................27參考文獻 ...................................................................................................................................................................28附 錄 ...............................................................................................................................................................2911. 緒 論 課題概述圖像是人類獲取和交換信息的主要來源，因此，圖像處理的應用鄰域涉及到人類生活的方方面面。對本文的研究做出重要貢獻的個人和集體均已在文中以明確方式標明。1基于 MATLAB 的數(shù)字圖像分析與邊緣檢測 摘 要： 圖像處理是用計算機對圖像進行一系列的操作，一般操作是先將圖像數(shù)字化，即易于獲得某種預期結果的技術，其中邊緣檢測是圖像處理中必不可少的一步，采用微分算子檢測邊緣是最常用的，也是處理效果比較好的一種。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本設計（論文）不含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。本人愿意按照學校要求提交學位論文的印刷本和電子版，同意學校保存學位論文的印刷本和電子版，或采用影印、數(shù)字化或其它復制手段保存設計（論文）；同意學校在不以營利為目的的前提下，建立目錄檢索與閱覽服務系統(tǒng)，公布設計（論文）的部分或全部內(nèi)容，允許他人依法合理使用。變換域處理法有：傅立葉變換、離散余弦變換。其中邊緣檢測是圖像處理中必不可少的一步，采用微分算子檢測邊緣是最常用的，也是處理效果比較好的一種。在現(xiàn)實生活中，圖像處理的問題一直是個焦點問題，在軟件 MATLAB處理圖像的領域中，圖像的各種處理易于實現(xiàn)，易于得到預期的結果。其核心是數(shù)組和矩陣。按圖像空間坐標和明暗程度的連續(xù)性可分為數(shù)字圖像和模擬圖像。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像變換、增強、重建、復原、編碼、壓縮等?？梢哉f，數(shù)字圖像處理技術已經(jīng)融入到科學研究的各個領域。一個二值圖像是純黑白的。當像素灰度級用 8bit 表示時，圖像的灰度級就是，每個像素的取值就是 256 中灰度中的一種，即每個像素的灰度值為 0～255 中的一個。彩色圖像：圖像中 R 代表紅色，G 代表綠色，B 代表藍色。圖像增強：對圖像的某些特征進行強調(diào)或尖銳化而不增加圖像的相關5數(shù)據(jù)。 圖像增強 圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時消弱或去除某些不需要的信息的處理方法。MATLAB 圖像處理工具箱中用函數(shù)進行灰度線性增強。（3）灰度切分 灰度切分的目的與增強對比度比較相似，即將某個灰度值范圍變得比較突出；所不同的是，灰度切分將所要突出的是灰度范圍變換成較高的灰度值，而將其余的灰度值變換成較低的灰度值。直方圖反應的是一幅7圖像的灰度值的概率統(tǒng)計特征，常用的方法有直方圖均衡化技術和直方圖規(guī)定化技術。而在實際生活中，為了得到某種特定的形狀，有時需要將直方圖進行某種變換，從而有選8擇地增強某個灰度值范圍的對比度。鄰域平均法的主要思想是用幾個像素灰度的平均值來代替某個像素。 MATLAB 中的圖像文件格式（1）PCX 格式：可處理 124 位等圖像數(shù)據(jù)。是一種稱為聯(lián)合圖像專家組的圖像壓縮格式。包括 8 位 Zpixmaps，XYBitmaps,1 位 XYPixmaps。（1）圖像的旋轉imrorate 函數(shù)可以通過一種特定的插補方法來改變顯示圖像，其語法格式為：B=imrorate(A，angle，method)其中，A 是圖像的數(shù)據(jù)矩陣，angle 是圖像的旋轉角度，method 可以是nearest、bicubic 或 bilinear。11圖 5 旋轉圖（2） 圖像的剪切imcrop 函數(shù)可以實現(xiàn)對圖像的剪切操作。X2=imcrop（X,map,[xmin ymin width height]）: 對索引圖像進行非交互式剪切。圖 7 縮小圖 圖像類型的轉換13有時對圖像進行圖像類型轉換以方便某些處理，提供了三種基本類型的圖像轉換。當該結構元素在圖像中不斷移動時，便可以考察圖像各個部分之間的相互關系，從而了解圖像各個部分的結果特征。而實際b?上，結構元素本身也是一種圖像矩陣。16 二值數(shù)學形態(tài)學的運算函數(shù)dilate 函數(shù)實現(xiàn)二值圖像的膨脹運算，其語法格式為：BW=dilate（BW1，SE,….,N）返回圖像 BW1 經(jīng)過結構元素 SE 膨脹 N次后的圖像，這里 SE 為結構元素。這給圖像數(shù)據(jù)壓縮、特征提取、圖像去噪等帶來了很大的方便，從而使后面的處理運算變得簡單。MATLAB 圖像處理工具箱提供了以下處理圖像的快速傅立葉變換的函數(shù)；Fft2 用來計算二維快速傅立葉變換，其語法格式為：F=fft2(f)F=fft2(f,m,n)其中，F(xiàn)=fft2(f)返回圖像 f 的二維變換矩陣，F(xiàn) 與 f 的大小一致。它利用傅里葉變換的對稱性，采用圖像邊界折疊操作將圖像變換成為偶函數(shù)形式，然后對圖像進行二維傅里葉變換，變換后的結果將僅包含余弦項。3. 圖像分析——邊緣檢測在某些情況下，為了辨別和分析圖像，需要對圖像進行分離提取的操作，在此基礎上可進一步進行圖像的識別與分析。根據(jù)灰度變換的特點，常見的邊緣分為：凸緣型、階躍型、房頂型。20 邊緣檢測方法由于圖像的邊緣是以灰度變化出現(xiàn)的，因此，可以通過計算圖像灰度的不連續(xù)性來增強圖像和進行圖像檢測邊緣。對圖像中的各個像素點進行一階或二階微分來確定邊緣像素點。（4）基于數(shù)學形態(tài)學的邊緣檢測 數(shù)學形態(tài)學是一種對二值圖像進行操作的一種非線性數(shù)學方法，其運算是物體形狀集合與結構元素之間的相互作用，對邊緣方向不敏感，在圖像處理中得到了廣泛的應用。梯度對應的是一階導數(shù)，梯度算子是一階導數(shù)算子。f(x,y)表示處理前的點的灰度值，G(x,y)表示處理后的點的灰度值。用卷積模板表示如下：G（i,j）= （311 ）xy式中，Gx= 。 （i,j）為當前的位置點，梯度幅值計算公式如下：表 2 Sobel 算子中各個點的像素點的關系圖（i1,j1） (i1,j) (i1,j+1)(i,j1) (i,j) (i,j+1)(i+1,j1) (i+1,j) (i+1,j+1)=??,Gij????????12i,j1i,j1i,j12i,ji1,jffffff??????+ ?i,j)?（312 ）23將其進行簡化，表 2 中的坐標對應記為如表 3 所示的符號。Sy 是垂直模板，對垂直邊緣響應最大。因此 Sobel 算子是邊緣檢測中最常用的算子之一。 Kirsch 算子Kirsch 算子使用 8 個模板來確定梯度的幅值和方向，故又稱為方向算子，通過一組模板分別計算不同方向上的拆分值，取其中最大的值作為邊緣強度，而將與之對應的方向作為邊緣的方向。 拉 普 拉 斯 模 板 的 基 本 要 求 是 對 應 中 心 像 素 的 系 數(shù) 應 該 是正 的 ， 而 對 應 于 中 心 像 素 鄰 近 像 素 的 系 數(shù) 應 該 是 負 的 ， 且 它 們 的 和 應該 是 零 。 LOG（LaplacianGauss）算子當使用一階導數(shù)的邊緣檢測算子時，如果所求的一階導數(shù)高于某一閾值，則確定該點為邊緣點，這樣便會導致檢測的邊緣的太多。 Canny 算 子Canny 算 子 檢 測 邊 緣 的 3 個 準 則 ：（ 1） 信 噪 比 準 則信 噪 比 越 大 ， 提 取 的 邊 緣 質(zhì) 量 越 高 。()hx?將 3 個 準 則 相 結 合 可 以 獲 得 最 優(yōu) 的 檢 測 算 子 。尤其對圖像進行各種算子的邊緣檢測將得到不同的圖像。參考文獻[1] 龔聲蓉，劉純平，王強 數(shù)字圖像處理與分析，北京：清華大學出版社，2022[2] 赫文化 MATLAB 圖形圖像處理應用教程，北京：中國水利水電出版社，2022[3] 陳揚，陳榮娟，郭穎輝 圖形編輯與圖像處理，西安：西安電子科技大學，2022[4] 劉慧穎 MATLABR2022 基礎教程 ，北京：清華大學出版社，2022[5] 常巍，謝光軍，黃朝峰 MATLABR2022 基礎與提高，北京：電子工業(yè)大學出版社[6] 劉井元，李玉良，張傳楷 《基于 MATLAB 的數(shù)字圖像邊緣檢測技術》,[中國科技論文在線]30附 錄程序：I=imread(39。原圖39。)。I2=imrotate(I1,40,39。40176。I3=imcrop(I1)。)。%非交互式剪切H=rgb2gray(I1)。I5=imadjust(H,[],[ ])。subplot(1,2,1),imshow(H),title(39。亮度調(diào)整圖39。%均衡化subplot(2,2,1),imshow(H),title(39。亮度均衡圖39。)。figure。,)。subplot(1,2,2),imshow(I6),title(39。I7=imnoise(H,39。加椒鹽噪聲后的圖39。)。%椒鹽噪聲圖的均值濾波K=medfilt2(I6)。加椒鹽噪聲均值濾波后的圖39。)。 subplot(2,2,4), imshow(K1),title(39。BW1=edge(H,39。roberts39。)。%用“l(fā)og”進行邊緣檢測BW5=edge(H,39。gaussian39。)。subplot(2,3,2),imshow(BW2),title(39。prewitt edge check39。)。subplot(2,3,6),imshow(BW6),title(39。 I=imread(39。原圖39。)。I2=imrotate(I1,40,39。40176。I3=imcrop(I1)。)。%非交互式剪切H=rgb2gray(I1)。I5=imadjust(H,[],[ ])。subplot(1,2,1),imshow(H),title(39。亮度調(diào)整圖39。%均衡化subplot(2,2,1),imshow(H),title(39。亮度均衡圖39。)。figure。,)。subplot(1,2,2),imshow(I6),title(39。I7=imnoise(H,39。加椒鹽噪聲后的圖39。)。%椒鹽噪聲圖的均值濾波K=medfilt2(I6)。加椒鹽噪聲均值濾波后的圖39。)。 subplot(2,2,4), imshow(K1),title(39。BW1=edge(H,39。roberts39。)。%用“l(fā)og”進行邊緣檢測BW5=edge(H,39。gaussian39。)。subplot(2,3,2),imshow(BW2),title(39。prewitt edge check39。)。subplot(2,3,6),imshow(BW6),title(39。figure。)。figure。灰度圖像轉換為二值圖像39。)。%膨脹運算subplot(1,2,1),imshow(E),title(39。膨脹圖像39。%腐蝕運算subplot(1,2,1),imshow(H),title(39。腐蝕圖像39。%對原圖進程DCTsubplot(1,2,1),imshow(H),title(39?？焖俑道锶~變換后的圖39。E1=im2bw(I1,)。subplot(1,2,2),imshow(E1),title(39。SE=ones(5,3)。)。figure。)。答 謝經(jīng)過近一個學期的忙碌，在老師和同學的幫助下我的畢業(yè)論文以成形。最后，對評審論文的各位老師表示感謝！