【正文】 (pixle)))。i5。for(int i=0。jimageH2。for(int i=0。PixelContrl(MyImage myimage){=myimage。=(this)。int Height。}}mycanvas 類：class mycanvas extends Canvas{PixelContrl pc。import .*。setVisible(true)。相信自己，明天會(huì)更加美好！*****本科畢業(yè)論文（設(shè)計(jì)） 第 20 頁(yè) 共 29 頁(yè)參考文獻(xiàn):[1] , (27)[2]羅希平,田捷,諸葛嬰,王靖,amp。SUSAN算子與其他算子比較具有邊緣檢測(cè)效果好、抗噪聲能力好、算法使用靈活、運(yùn)算量小、可以檢測(cè)邊緣的方向信息，不同的系統(tǒng)，針對(duì)不同的環(huán)境條件和要求，選擇合適的算子來(lái)對(duì)圖象進(jìn)行邊緣檢測(cè)。因此,非常適于含噪圖像或低對(duì)比度灰度圖像的邊緣檢測(cè)。LOG濾波器方法通過(guò)檢測(cè)二階導(dǎo)數(shù)過(guò)零點(diǎn)來(lái)判斷邊緣點(diǎn)。對(duì)Gauss2Laplace 算子、Priwitt 算子以及 Canny 算子計(jì)算量就更大。對(duì)局部突變的孤立噪聲,即使噪聲的灰度與核相似,只要局部USAN 值小于門限g ,也不會(huì)對(duì)邊緣檢測(cè)造成影響。t 越小,可從對(duì)比度越低的圖像中提取特征。得到每個(gè)象素的 USAN 值 n(r0)以后,再與預(yù)先設(shè)定得門限 g 進(jìn)行比較,當(dāng) n(r0)g 時(shí),所檢測(cè)到象素位置 r0 可以認(rèn)為是一個(gè)邊緣點(diǎn)。 當(dāng)模板中心處于角點(diǎn)時(shí),USAN 區(qū)域最小(如圖中的 e) 。(7) SUSAN(Smallest UnivalueSegment Assimilating Nucleus)算子經(jīng)典的邊緣檢測(cè)方法如:Roberts,Sobel,Prewitt, ,Laplace 等方法,基本都是對(duì)原始圖像中象素的小鄰域構(gòu)造邊緣檢測(cè)算子,進(jìn)行一階微分或二階微分運(yùn)算,求得梯度最大值或二階導(dǎo)數(shù)的過(guò)零點(diǎn),最后選取適當(dāng)?shù)拈y值提取邊界。當(dāng)然，非極大點(diǎn)抑制圖像仍會(huì)包含許多有噪聲和細(xì)紋引起的假邊緣，假邊緣可以通過(guò)雙閾值 0 0 0 0 0 0 0 0 0 0 *****本科畢業(yè)論文（設(shè)計(jì)） 第 14 頁(yè) 共 29 頁(yè)T1 和 T2，且 T2≈2T1，得到兩個(gè)雙閾值邊緣圖像 G1[i,j]和 G2[i,j]。 (6) Canny 邊緣檢測(cè)算子雖然邊緣檢測(cè)的基本思想比較簡(jiǎn)單，但在實(shí)際實(shí)現(xiàn)時(shí)卻碰到了很大困難，其根本原因是實(shí)際信號(hào)都有噪聲的，而且一般表現(xiàn)是高頻信號(hào)。??應(yīng)注意 LoG 算子用于噪聲較大的區(qū)域會(huì)產(chǎn)生高密度的過(guò)零點(diǎn)。LoG 算子是一個(gè)軸對(duì)稱函數(shù)，各向同性。由于拉普拉斯算子對(duì)噪聲比較敏感，為了減少噪聲影響，可先對(duì)待處理的圖像進(jìn)行平滑，然后再用拉普拉斯算子檢測(cè)邊緣。(3) Laplace 算子對(duì)于階躍狀邊緣，其二階導(dǎo)數(shù)在邊緣點(diǎn)出現(xiàn)零交叉，即邊緣點(diǎn)兩旁二階導(dǎo)數(shù)取異號(hào)。實(shí)際上 是內(nèi)插點(diǎn)[i+1/2,j]處的梯度近似值，而 確是內(nèi)插點(diǎn)[i,j+1/2]處的梯度近似值。對(duì)于階躍邊緣，一階微分邊緣檢測(cè)算子正是利用了邊緣的方向和幅度這兩個(gè)特性。39。對(duì)于階躍狀邊緣點(diǎn) P39。39。*****本科畢業(yè)論文（設(shè)計(jì)） 第 6 頁(yè) 共 29 頁(yè) 圖（1） a 階躍狀邊緣 b 屋頂狀邊緣考察過(guò) P39。 邊緣檢測(cè)在一副視覺(jué)圖像中，往往有很多條圖像邊緣，可以說(shuō)圖像邊緣是圖像的主要特征信息。 為有效地分割各種各樣的圖像,人們已經(jīng)提出了很多分割方法。圖像分割就是指把圖像分成互不重疊的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程。三、用到一類圖像中并完成實(shí)驗(yàn)。而基于邊緣檢測(cè)的圖像分割是模仿人類視覺(jué)的過(guò)程而進(jìn)行圖像處理的。文章具體對(duì)Prewitt 算子、Sobel算子、高斯拉普拉斯(LOG)算子、Wallis算子、 過(guò)零點(diǎn)檢測(cè)（MarrHildreth算子） 、 Canny邊緣檢測(cè)方法、 SUSAN（Smallest Univalue Segment Assimilating Nucleus）邊緣檢測(cè)等進(jìn)行算法分析，利用上述算法，找出其中較好的一種檢測(cè)方法用于圖像分割.關(guān)鍵詞：圖像分割；邊緣檢測(cè)；圖象處理；檢測(cè)算子Image Segmentation Based on Edge Detection Algorithm and it’s ApplicationAbstract：Image segmentation is not only a cIassical puzzle for researchcrs but also the imponant part of image analysisand the puter vision field．Nowadays，hundreds of methods have been put forward to the image sqgmtation， and each of the methods is used for special segnlented objects．There is not a generaI method for irnagc segment as yet．This Article specific to analysis of Prewitt operator, Sobel operator, Gauss Laplace (LOG) operator, Wallis operator, zero crossing detection (MarrHildreth operator), Canny edge detection method, SUSAN (Smallest Univalue Segment Assimilating Nucleus) algorithm for edge detection, etc. Using the above method, find out a better method for detecting image segmentation.Key words: Image segmentation。 edge detection；image processing。對(duì)于人類視覺(jué)系統(tǒng)認(rèn)識(shí)目標(biāo)的過(guò)程分為兩步：首先，把圖象邊緣與背景分離出來(lái)；然后，才能知覺(jué)到圖象的細(xì)節(jié)，辨認(rèn)出圖象的輪廓。*****本科畢業(yè)論文（設(shè)計(jì)） 第 2 頁(yè) 共 29 頁(yè) 本論文的結(jié)構(gòu)安排選擇一種算法應(yīng)用于圖像分割綜合比較用 jdk 開(kāi)發(fā)用具，編寫(xiě)代碼，將上述代碼應(yīng)用于一類圖像完成實(shí)驗(yàn)圖像分割的基本概念邊緣檢測(cè)算法Prewitt 算子Sobel 算子高斯拉普拉斯(LOG)算子Wallis算子Canny邊緣檢測(cè)方法SUSAN邊緣檢測(cè)分析分析*****本科畢業(yè)論文（設(shè)計(jì)） 第 3 頁(yè) 共 29 頁(yè)2 圖像分割以及邊緣檢測(cè)算法的分析 圖像分割 概述在對(duì)圖像的研究和應(yīng)用中，人們往往僅對(duì)圖像中的某些部分感興趣。圖像分割是由圖像處理進(jìn)到圖像分析的關(guān)鍵步驟。 按分割途徑分為： 1）基于邊緣提取的分割法 先提取區(qū)域邊界，再確定邊界限定的區(qū)域。圖像中的邊緣對(duì)分析視覺(jué)圖像特別重要，是圖像分割、紋理特征提取和形狀特征提取等圖像*****本科畢業(yè)論文（設(shè)計(jì)） 第 5 頁(yè) 共 29 頁(yè)分析的重要基礎(chǔ)。39。是相應(yīng)的邊緣點(diǎn)。39?；叶茸兓€ y = fR(x)的一階導(dǎo)函數(shù)在 Q39。函數(shù)的變化程度可用一階微分導(dǎo)數(shù)表示。正因如此，人們常常使用 2*2 一階差分模板來(lái)求 x 和y 的偏導(dǎo)數(shù)Gx=Gy=這時(shí)，x 和 y 方向梯度的圖像位置是相同的，這一點(diǎn)位于內(nèi)插點(diǎn)[i+1/2,j+1/2]處，即在 2*2 領(lǐng)域的所有四個(gè)像素點(diǎn)之間1 1111 11 11 11 1*****本科畢業(yè)論文（設(shè)計(jì)） 第 8 頁(yè) 共 29 頁(yè) 幾種邊緣檢測(cè)算子(1) Prewitt 邊緣算子Prewitt 邊緣算子是一種計(jì)算梯度的近似方法。據(jù)此，對(duì)數(shù)字圖像的每個(gè)像素計(jì)算關(guān)于 x 軸和 y 軸的二階偏導(dǎo)數(shù)之和 2(,)fxy? (6)2(,)(1,)(,)(,1)(,)4(,)fxyfyfxyffxfxy??????上式就是著名的 Laplace 算子。在從景物到圖像的形成過(guò)程中，對(duì)每一像素點(diǎn)的灰度來(lái)說(shuō)，該像素點(diǎn)所對(duì)應(yīng)的真實(shí)景物的周圍點(diǎn)對(duì)該像素點(diǎn)灰度的影響是隨徑向距離成正態(tài)分布，即越接近與像素點(diǎn)所對(duì)應(yīng)的真實(shí)景物點(diǎn)，對(duì)該像素點(diǎn)的灰度貢獻(xiàn)越大。圖 示出來(lái)了 LoG 算子及其頻譜圖的一個(gè)軸截面的翻轉(zhuǎn)圖，其中 。圖 2 LoG 算子頻譜圖圖 是一個(gè) 5*5LoG 模板，數(shù)學(xué)