【正文】 title( 39。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW21)。,) 。Canny39。④Canny 的邊緣檢測算法：I=imread(39。)。閾值為 的 LOG 算子邊緣檢測圖像39。title(39。)。閾值為 的 Canny 算子邊緣檢測圖像 39。title( 39。%edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW4)。閾值為 的 Prewitt 算子邊緣檢測圖像39。title( 39。 %edge 調(diào)用 Prewitt 為檢測算子判別閾值為 figure,imshow(BW31)。,)。sobel 39。BW21=edge(I, 39。)。閾值為 的 Roberts 算子邊緣檢測圖像39。title( 39。 %edge 調(diào)用 Roberts 為檢測算子判別閾值為 figure,imshow(BW10)。,)。39。, )。衷心感謝所有在學(xué)習(xí)期間給予我?guī)椭椭С值膸熼L和朋友，謝謝他們在各方面的幫助，很高興能和他們一起分享學(xué)習(xí)和生活的快樂。謝 辭回首我在青島大學(xué)的四年學(xué)習(xí)生活，現(xiàn)在滿懷感激之情，我非常榮幸能夠來到青島這個優(yōu)美的海濱城市生活和學(xué)習(xí)。邊緣檢測作為數(shù)字圖像分割的一個重要內(nèi)容一直是人們研究的熱點。上面所述幾種方法存在有邊緣像素單元寬、噪聲干擾較嚴重等缺點，即使采用一些輔助的方法去噪，也相應(yīng)的會帶來邊緣模糊等難以克服的缺陷。實際圖像都含有噪聲，并且噪聲的分布、方差等信息也都是未知的，同時噪聲和邊緣都是高頻信號，雖然平滑濾波運算可消除噪聲，但它導(dǎo)致一些邊緣模糊，檢測出的邊緣往往移位。因為對于有噪聲的圖像，它的具有既能濾去噪聲又保持邊緣特性的優(yōu)點保留了有效信息的完整性。除以上兩種效果較好的算法外前面介紹的幾種算法的效果圖如下所示：⑤Roberts算子效果圖： Sobel 算子效果圖： Prewitt 算子效果圖： 結(jié)果分析比較：首先，有三種算法的圖樣效果看它們的效果相差不是很大，但與Canny算子和Log算子的效果要差一點?？梢钥闯鐾瑯拥拈撝颠x擇，這兩種算子各有自己優(yōu)勢和特點。而高斯拉普拉斯算子只需要一個模板，故算法中可省略求兩幅緩存圖像中最大值的部分，而且它把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來，先平滑掉噪聲，再進行邊緣檢測。log39。BW22= edge(I,39。)。閾值為 的 LOG 算子邊緣檢測圖像39。title(39。)。閾值為 的 LOG 算子邊緣檢測圖像39。title(39。figure,imshow(BW11)。,)。title( 39。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW21)。,) 。Canny39。BW11= edge(I,39。)。閾值為 的 Canny 算子邊緣檢測圖像 39。title( 39。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW20)。,) 。Canny39。其 Matlab 程序編寫如下：（第一部分圖）I=imread(39。這一點在應(yīng)用中是有優(yōu)越性的，它們的針對性可以幫助我們完成特定的任務(wù)。各個方向用不同的鄰接像素進行比較，以決定局部極大值。step4:減少假邊緣段數(shù)量的典型方法是對 G(x,y)使用一個閾值。其數(shù)學(xué)描述如下：step1:二維為高斯函數(shù)為：0 0 1 00 1 2 01 2 16 10 1 2 00 0 1 02 4 4 24 0 8 44 8 2 44 0 8 42 4 4 2= ),(yxG21????????????2exp?y在某一方向 n 上是 的一階方向?qū)?shù)為：,= = n▽n?Gn= =???????sinco????????yx式中：n 式方向矢量，▽ 是梯度矢量。圖像邊緣檢測必須滿足兩個條件：一是必須能有效地抑制噪聲；二是必須盡量精確確定邊緣的位置。由于對平滑圖像 進行拉普拉斯運算可等效為 的拉普拉斯運算與),(yxg ),(yxG的卷積，故上式變?yōu)椋?,(yxf = ),(yxh),(*),(2yxf?式中 稱為 LOG 濾波器，其為：),(2yxG?= + = ,22x?2yG????????1124??yx?????????22expy?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，然后再進行過零判斷。也稱之為拉普拉斯高斯算法。1 2 10 0 01 2 11 0 12 0 21 0 1圖 Sobel 邊緣算子1 1 10 0 01 1 1 圖 Prewitt 邊緣算子1 0 11 0 11 0 1 Laplacian 邊緣算子拉普拉斯算子一種二階邊緣檢測算子，它是一個線性的、移不變算子。 Sobel 邊緣算子Sobel 邊緣算子的卷積和如圖 所示,圖像中的每個像素都用這兩個核做卷積。 邊緣檢測與提取主要算法邊緣檢測的實質(zhì)是采用某種算法來提取出圖像中對象與背景間的交界線。但在有些圖像中梯度幅值較大的并不是邊緣點。此外，還需要把邊緣細化成只有一個像素的寬度。第五，在正確檢測邊緣的基礎(chǔ)上，要考慮精確定位的問題。 邊緣檢測與提取過程邊緣是圖像最基本的特征，所謂邊緣就是指周圍灰度強度有反差變化的那些像素的集合，是圖像分割所依賴的重要基礎(chǔ)，也是紋理分析和圖像識別的重要基礎(chǔ)。邊緣提取首先檢出圖像局部特性的不連續(xù)性，然后再將這些不連續(xù)的邊緣像素連成完備的邊界。經(jīng)典的邊緣提取方法是考察圖像的每個像素在某個鄰域內(nèi)灰度的變化，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律，用簡單的方法檢測邊緣，即邊緣檢測局部算子法。而邊緣提取算法則是圖像邊緣檢測問題中經(jīng)典技術(shù)難題之一，它的解決對于我們進行高層次的特征描述、識別和理解等有著重大的影響；又由于邊緣檢測在許多方面都有著非常重要的使用價值，所以人們一直在致力于研究和解決如何構(gòu)造出具有良好性質(zhì)及好的效果的邊緣檢測算子的問題。利用計算機進行圖像邊緣檢測有兩個目的：一是產(chǎn)生更適合人觀察和識別的圖像；二是希望能由計算機自動識別和理解圖像。圖像理解雖然在理論方法研究上已取得不小的進展，但它本身是一個比較難的研究領(lǐng)域，存在不少困難，因人類本身對自己的視覺過程還了解甚少，因此計算機視覺是一個有待人們進一步探索的新領(lǐng)域。一旦圖像已被采集并且已對獲取過程中產(chǎn)生的失真進行了校正，那么所有可用圖像邊緣檢測技術(shù)本質(zhì)上是通用的。千兆字節(jié)磁盤的問世使早期計算機認為復(fù)雜的難以實現(xiàn)的方法重顯生機，并可付諸應(yīng)用。通過對道路交通狀況信息與交通目標的各種行為（如違章超速，停車，超車等等）的實時檢測，實現(xiàn)自動統(tǒng)計交通路段上行駛的機動車的數(shù)量、計算行駛車輛的速度以及識別劃分行駛車輛的類別等各種有關(guān)交通參數(shù)，達到監(jiān)測道路交通狀況信息的作用。目前己投入運行的高速公路不停車自動收費系統(tǒng)中的車輛和車牌的自動識別（主要是汽車牌照的邊緣檢測與提取技術(shù)）都是圖像邊緣檢測技術(shù)成功應(yīng)用的例子。數(shù)字圖像邊緣檢測中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像邊緣檢測處理方法有圖像增強、銳化、復(fù)原、編碼、壓縮、提取等。圖像分類常采用經(jīng)典的模式識別方法，有統(tǒng)計模式分類和句法（結(jié)構(gòu)）模式分類，近年來新發(fā)展起來的模糊模式識別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識別中也越來越受到重視。（4） 圖像增強和復(fù)原，用于改進圖像的質(zhì)量。（2） 圖像分割，目的是把一個圖像分解成它的構(gòu)成成分，以便對每一目標進行測量。（4） 邊緣檢測器：從圖像抽取邊緣（邊緣點或邊線段）集合的算法。圖像的邊線通常與圖像灰度的一階導(dǎo)數(shù)的不連續(xù)性有關(guān)。數(shù)字圖像邊緣檢測處理，即用計算機對圖像的邊緣進行處理，這一技術(shù)是隨著計算機技術(shù)發(fā)展而開拓出來的一個新的應(yīng)用領(lǐng)域，匯聚了光學(xué)、電子學(xué)、數(shù)學(xué)、攝影技術(shù)、計算機技術(shù)等學(xué)科的眾多方面。自從像 CT 和MRI 等三維成像手段問世以來，可視化，特別是三維結(jié)構(gòu)的可視化受到極大的關(guān)注。經(jīng)典的邊界提取技術(shù)大都基于微分運算。圖像邊緣是圖像最基本的特征之一，往往攜帶著一幅圖像的大部分信息。數(shù)字圖像邊緣檢測處理技術(shù)在最近的 10 年發(fā)展尤為迅速，每年均有數(shù)以百計的新算法誕生，其中包括 canny 算法、小波變換等多種有相當影響的算法，這些算法在設(shè)計時大量運用數(shù)學(xué)、數(shù)字信號處理、信息論以及色度學(xué)的有關(guān)知識，而且不少新算法還充分吸取了神經(jīng)網(wǎng)絡(luò)、遺傳算法、人工智能以及模糊邏輯等相關(guān)理論的一些思想，開闊了進行數(shù)字圖像邊緣檢測處理的設(shè)計思路。但今天這項任務(wù)是以完全不同方式（采用流式白細胞計數(shù)技術(shù)）自動完成。 圖像邊緣的定義所謂圖像邊緣（Edlge）是指圖像局部特性的不連續(xù)性，例如，灰度級的突變，顏色的突變，紋理結(jié)構(gòu)的突變等。（1） 邊緣點：圖像中灰度顯著變化的點。其目的是提高信息的相對質(zhì)量，以便提取有用信息。主要有直方圖分割，區(qū)域生長，梯度法等。圖像增強和復(fù)原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。隨著人類活動范圍的不斷擴大，圖像邊緣檢測與提取處理的應(yīng)用領(lǐng)域也將隨之不斷擴大。除了 CT 技術(shù)之外，還有一類是對陣用微小圖像的處理分析，如紅細胞、白細胞分類檢測，染色體邊緣分析，癌細胞特征識別等都要用到邊緣的判別。目前國內(nèi)常見的交通流檢測方法有人工監(jiān)測、地埋感應(yīng)線圈、超聲波探測器、視頻監(jiān)測 4 類。發(fā)達國家 LPR 系統(tǒng)在實際交通系統(tǒng)中已成功應(yīng)用，而我國的開發(fā)應(yīng)用進展緩慢，基本停留在實驗室階段。就軟件而言，知識引導(dǎo)方法已變得日趨重要。人們已開始研究如何用計算機系統(tǒng)解釋圖像，實現(xiàn)類似人類視覺系統(tǒng)理解外部世界，這被稱為圖像理解或計算機視覺。隨著研究的深入和應(yīng)用的需要，新概念、新思想、新方法陸續(xù)產(chǎn)生，它們正朝著智能化、系統(tǒng)化的方向發(fā)展。因此，它是圖像分割所依賴的重要特征。其理論意義深遠，應(yīng)用背景廣泛，有相當?shù)氖褂脙r值和理論難度。邊緣能勾劃出目標物體，使觀察者一目了然。沿著邊緣走向的灰度變化平緩，而垂直于邊緣方向的像素變化劇烈。第三，要考慮噪聲的影響，其中一個辦法就是濾除噪聲，這有一定的局限性。這就又涉及到紋理圖像的處理等方法。增強算法將鄰域中灰度有顯著變化的點突出顯示。這些方法經(jīng)過實踐的檢驗，成為了經(jīng)典的內(nèi)容。 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：原始圖像 平滑圖像平滑圖像得出邊緣的二值化圖像既檢出邊緣點閾值分割梯度算子邊緣增強 邊緣檢測邊緣定位圖像濾波g(x,y)={[ ] +[ ] } ，yxf,()1,(?yf2yxf,()1,(?yf21其中 f(x,y)是具有整數(shù)像素坐標的輸入圖像，平方根運算使該處理類似于在人類視覺系統(tǒng)中發(fā)生的過程。 Prewitt 邊緣算子Prewitt 邊緣算子的卷積和如圖 所示，圖像中的每個像素都用這兩個核做卷積，取最大值作為輸出，也產(chǎn)生一幅邊緣幅度圖像。所以圖像一般先經(jīng)過平滑處理，通常把 Laplacian 算子和平滑算子結(jié)合起來生成一個新的模板。這一點可以用二階導(dǎo)數(shù)的零交叉點來實現(xiàn)。而且它常產(chǎn)生雙像素寬的邊緣，也不能提供邊緣方向的信息。這就是 Canny 邊緣檢測算子。圖示非極大值抑制四個扇區(qū)的標號為 0 到 3，對應(yīng) 3*3 鄰域的四種可能組合。由于 G2(x,y)使用高閾值得到，因而含有很少的假邊緣，但有間斷(不閉合)。在模板運算中，首先定義一個模板，模板的大小以 3*3 的較常見，也有 2*2, 5*5 或更大尺寸的。 因此，在這一章中，我們將選取兩種經(jīng)典、具有代表性的圖像邊緣檢測與提取算法：一階微分算子——Canny 算子算法和二階微分算子 ——高斯拉普拉斯算子算法，用Matlab 語言分別進行編程實現(xiàn)效果。原始圖像39。)。BW20= edge(I,39。Canny39。,) 。 imshow(I)。title( 39。閾值為 的