【正文】 還要感謝我的父母，他們?cè)谏钌辖o予我很大的支持和鼓勵(lì)，是他們給予我努力學(xué)習(xí)的信心和力量。 執(zhí)行模塊測(cè)試在執(zhí)行模塊測(cè)試這塊，為了看到用不同的算子執(zhí)行的結(jié)果以及執(zhí)行效果的區(qū)別，分別執(zhí)行不同的算子并保存，將處理后的幾張圖片整合到一起，對(duì)比處理效果，結(jié)果如圖61所示： 圖61 執(zhí)行模塊結(jié)果對(duì)比圖 本章小結(jié)在代碼編寫及圖形界面的設(shè)計(jì)過(guò)程中，即使經(jīng)過(guò)反復(fù)的檢查也難免出錯(cuò)。圖 59 測(cè)試結(jié)果圖 本章小結(jié)本章詳細(xì)介紹了對(duì)各種所研究的邊緣檢測(cè)算子進(jìn)行的圖形用戶界面（GUI）設(shè)計(jì)的步驟，并用GUI實(shí)現(xiàn)了打開(kāi)圖片、保存圖片等功能。roberts39。)。)。 BW=edge(im,39。case39。)。 BW=edge(im,39。string39。版權(quán)所有，翻版不究**平院張大威39。},39。代碼添加完成后，保存并運(yùn)行程序，點(diǎn)擊“打開(kāi)圖像”按鈕，結(jié)果如圖57所示：圖 57 點(diǎn)擊“打開(kāi)圖像”后的圖形界面找到合適的路徑，并選擇一幅合適的圖像文件，點(diǎn)擊“打開(kāi)”，就打開(kāi)了一幅圖像，效果如圖58所示：圖 58 打開(kāi)圖像文件在“保存圖像”控件的回調(diào)函數(shù)下面添加如下代碼：[filename,pathname]=... uiputfile({39。endstr=[pathname filename]。39。（7）Units取值可以是pixels (缺省值), normalized（相對(duì)單位）, inches, centimeters或points（磅）；經(jīng)修改后的結(jié)果為如圖55所示：圖55 GUI設(shè)計(jì)完善界面。以上是打開(kāi)與保存函數(shù)的簡(jiǎn)介，下一節(jié)介紹GUI界面的形成。第五章 圖像邊緣提取的GUI設(shè)計(jì)圖形用戶界面（Graphical User Interfaces , GUI）是指由窗口、光標(biāo)、按鍵、菜單、文字說(shuō)明等對(duì)象（Objects）構(gòu)成的一個(gè)用戶界面[8]。)。 %設(shè)置圖像標(biāo)題p = rgb2gray(p)。 %將彩色圖像轉(zhuǎn)換為灰度圖像f = im2double(f)。 %設(shè)置圖像標(biāo)題運(yùn)行后便得到48：圖 48 原圖與加入椒鹽噪聲后的圖像f = imread(39。Original Filter39。 %讀入圖像p = imnoise(f,39。下面介紹下各算子的穩(wěn)定性。sobel39。)。 %邊緣探測(cè)，算子為robertssubplot(233), imshow(RF), title(39。prewitt39。D:\SYSTEM\桌面\新建文件夾\39。sobel39。)。 %邊緣探測(cè)，算子為robertsfigure, imshow(RF),title(39。prewitt39。D:\SYSTEM\桌面\新建文件夾\39。第四章 常用算法的實(shí)現(xiàn)與比較近年來(lái)，圖像分析和處理緊緊圍繞理論、實(shí)現(xiàn)、應(yīng)用三方面迅速發(fā)展起來(lái)。解決方法：雙閾值算法進(jìn)行邊緣判別和連接邊緣。step3:僅僅得到全局的梯度并不足以確定邊緣，因此為確定邊緣，必須保留局部梯度最大的點(diǎn)，而抑制非極大值。高斯拉普拉斯算子把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來(lái)，先平滑掉噪聲，再進(jìn)行邊緣檢測(cè)，所以效果更好。將圖像與進(jìn)行卷積，可以得到一個(gè)平滑的圖像，即：（2）增強(qiáng)：對(duì)平滑圖像進(jìn)行拉普拉斯運(yùn)算，即：（3）檢測(cè)：邊緣檢測(cè)判據(jù)是二階導(dǎo)數(shù)的零交叉點(diǎn)（即 的點(diǎn)）并對(duì)應(yīng)一階導(dǎo)數(shù)的較大峰值。 Roberts邊緣算子Roberts算子是一種利用局部差分算子尋找邊緣的算子，由下式給出：g(x,y)={[]+[ ]} 其中f(x,y)是具有整數(shù)像素坐標(biāo)的輸入圖像，平方根運(yùn)算使該處理類似于在人類視覺(jué)系統(tǒng)中發(fā)生的過(guò)程。最簡(jiǎn)單的邊緣檢測(cè)是梯度幅值閾值判定。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，但在遇到包含紋理的圖像上，如，圖像中的人穿了黑白格子的衣服，我們往往不希望提取出來(lái)的邊緣包括衣服上的方格，這就又涉及到紋理圖像的處理等方法。圖像的邊緣是待識(shí)別類型之間的界線，它是指圖像中像素單元灰度有階躍變化或屋頂狀變化的那些像素單元的集合[6]。利用計(jì)算機(jī)進(jìn)行圖像邊緣檢測(cè)有兩個(gè)目的：一是產(chǎn)生更適合人觀察和識(shí)別的圖像；二是希望能由計(jì)算機(jī)自動(dòng)識(shí)別和理解圖像。 本章小結(jié)本章先說(shuō)明了為什么選擇Matlab作為本課題的開(kāi)發(fā)平臺(tái)，簡(jiǎn)要的介紹了Matlab軟件的特點(diǎn)及其功能，下一章將從數(shù)學(xué)的角度介紹常用的邊緣檢測(cè)算子的實(shí)現(xiàn)原理。圖像變換：通過(guò)圖像的變換，改變圖像的表示域以及表示數(shù)據(jù)。因此，圖像處理工作采用Matlab編程是非常合適的。數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，圖像理解和分析的第一步往往就是邊緣檢測(cè)，目前它已經(jīng)成為機(jī)器視覺(jué)研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。因此圖像處理是一種超越具體應(yīng)用的過(guò)程：任何為解決某一特殊問(wèn)題而開(kāi)發(fā)的圖像處理新技術(shù)或新方法，幾乎肯定能找到其他完全不同的應(yīng)用領(lǐng)域。當(dāng)x，y和幅值f為有限離散的數(shù)值時(shí)，稱該圖像為數(shù)字圖像[2]。 數(shù)字圖像簡(jiǎn)介在我們的生活中，可以說(shuō)，數(shù)字圖像無(wú)處不在，每個(gè)人都是滿身的數(shù)字裝備，MPMPPSP、PPC、手機(jī)、數(shù)碼相機(jī)、筆記本電腦，這些設(shè)備的使用都離不開(kāi)對(duì)數(shù)字圖像的支持。 bined increase noise images to illustrate the stability of the operator .Add in the graphical user interface with a variety of operators corresponding to the processing procedures, and graphics files for the acquisition, preservation and other functions the pletion of the image edge detection software. The final graphical interface allows the edge to open the picture and its treatment, and may well save the picture processing. Arrangement of this paper is as follows：The first chapter introduces the significance of the image edge processing. The second chapter introduces the software platform of choice in this paper .The third chapter introduces some mon principle of marginal operator. The fourth chapter, by example, analysis of the various algorithms’s relocatability and stability。論文作者簽名： 日 期： 指導(dǎo)老師簽名： 日 期： XXX本科畢業(yè)設(shè)計(jì)圖像處理中的邊緣提取算法及實(shí)現(xiàn) 摘 要數(shù)字圖像邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別和區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，是圖像識(shí)別中提取圖像特征的一個(gè)重要方法。畢業(yè)論文中凡引用他人已經(jīng)發(fā)表或未發(fā)表的成果、數(shù)據(jù)、觀點(diǎn)等，均已明確注明出處。本人完全了解XXX有關(guān)保存、使用畢業(yè)論文的規(guī)定，同意學(xué)校保存或向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的紙質(zhì)版和電子版，允許論文被查閱和借閱；本人授權(quán)XXX可以將本畢業(yè)論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用任何復(fù)制手段保存和匯編本畢業(yè)論文。全文內(nèi)容安排組織如下：第一章，對(duì)圖像邊緣處理的意義進(jìn)行了概述；第二章，對(duì)軟件平臺(tái)的選擇及其特點(diǎn)做了簡(jiǎn)要的介紹；第三章，敘述了幾種常用的邊緣檢測(cè)算子的原理；第四章，通過(guò)實(shí)例分析了各種算子的定位性以及穩(wěn)定性；第五章，借助Matlab中的GUI功能設(shè)計(jì)了圖像邊緣檢測(cè)的圖形用戶界面，并在GUI界面中完成了對(duì)各種算子的調(diào)用，完成了基于MATLAB的圖形化圖像邊緣檢測(cè)軟件；第六章，對(duì)已經(jīng)完成的圖像檢測(cè)軟件進(jìn)行測(cè)試。這些點(diǎn)給出了圖像輪廓的位置，這些輪廓常常是我們?cè)趫D像邊緣檢測(cè)時(shí)所需要的非常重要的一些特征條件，這就需要我們對(duì)一幅圖像檢測(cè)并提取出它的邊緣。隨著計(jì)算機(jī)技術(shù)的發(fā)展，人們可以人為地創(chuàng)造出色彩斑斕千姿百態(tài)的各種圖像。圖像處理和分析可定義為應(yīng)用一系列方法獲取、校正、增強(qiáng)、變換或壓縮可視圖像的技術(shù)，其目的是提高信息的相對(duì)質(zhì)量以便獲取信息。當(dāng)需要提取多空間范圍內(nèi)的變化特征時(shí)，要考慮多算子的綜合應(yīng)用；第三，要考慮噪聲的影響，其中一個(gè)辦法就是濾除噪聲，這有一定的局限性，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)域的建模進(jìn)一步使檢測(cè)參數(shù)化；第四，可以考慮各種方法的組合，如先利用LOG找出邊緣，然后在其局部利用函數(shù)近似的方法獲得高精度定位；第五，在正確檢測(cè)邊緣的基礎(chǔ)上，要考慮精確定位的為題。所以應(yīng)選一款編程效率較高的編程軟件來(lái)完成本次的設(shè)計(jì)課題。Matlab的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué)、工程中常用的形式十分相似，故用Matlab來(lái)解決問(wèn)題要比用C、FORTRAN等語(yǔ)言完成相同的事情簡(jiǎn)捷的多，并且Mathwork也吸收了像Maple等軟件的優(yōu)點(diǎn)，使Matlab成為一個(gè)強(qiáng)大的數(shù)學(xué)軟件。隨著研究的深入和應(yīng)用的需要，新概念、新思想、新方法不斷產(chǎn)生，它們正朝著智能化、系統(tǒng)化的方向發(fā)展[5]。在通常情況下，我們可以將信號(hào)中的奇異點(diǎn)和突變點(diǎn)認(rèn)為是圖像中的邊緣點(diǎn)，其附近灰度的變化情況可從它相鄰像素灰度分布的梯度來(lái)反映。圖像中灰度變化劇烈的區(qū)域即強(qiáng)度的非連續(xù)性對(duì)應(yīng)著邊緣。2）增強(qiáng)：增強(qiáng)算法將鄰域中灰度有顯著變化的點(diǎn)突出顯示。 邊緣檢測(cè)與提取常用算法邊緣檢測(cè)的實(shí)質(zhì)是采用某種算法來(lái)提取出圖像中對(duì)象與背景間的交界線，也就是提取圖像中灰度發(fā)生急劇變化區(qū)域的邊界。 Prewitt邊緣算子Prewitt邊緣算子的卷積核如圖33所示，圖像中的每個(gè)像素都用這兩個(gè)核做卷積，取最大值作為輸出，從而產(chǎn)生一幅邊緣幅度圖像。由于對(duì)平滑圖像進(jìn)行拉普拉斯運(yùn)算可等效為的拉普拉斯運(yùn)算與的卷積，故上式變?yōu)椋? = 式中稱為L(zhǎng)OG濾波器，其為：= + = 這樣就有兩種方法求圖像邊緣：①先求圖像與高斯濾波器的卷積，再求卷積的拉普拉斯的變換，然后再進(jìn)行過(guò)零判斷。其數(shù)學(xué)描述如下：step1:二維為高斯函數(shù)為：= 在某一方向n上是的一階方向?qū)?shù)為：== n▽n= =式中：n式方向矢量，▽是梯度矢量。step4:減少假邊