【正文】 title(39。 title(39。 title(39。 BW6=edge(I,39。log39。)。閾值為 的 Canny 算子邊緣檢測圖像 39。 蘭州理工大學(xué)畢業(yè)論文 27 title( 39。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW2)。,) 。E:\畢業(yè)設(shè)計 \幀圖像 \系統(tǒng) \前景 .jpg39。 Canny 算子邊緣檢測 I=imread(39。 %%%高斯濾波 %%% for x=2:1:rowhigh1 for y=2:1:colhigh1 mod=[f(x1,y1) f(x1,y) f(x1,y+1)。 f = imread(39。E:\畢業(yè)設(shè)計 \幀圖像 \系統(tǒng) \前景 .jpg39。)。E:\畢業(yè)設(shè)計 \幀圖像 \系統(tǒng) \39。這就是邊緣檢測的“兩難”問題。 Canny 算子具有方向性（并不只是簡單的進(jìn)行梯度運(yùn)算來決定像素是否為邊緣點(diǎn)，在決定一個像素是否為當(dāng)前邊緣點(diǎn)時，需要根據(jù)當(dāng)前像素及前面處理過的像素來進(jìn)行判斷 [30]。② 高定位精度 ,即精確地把邊緣點(diǎn)定位在灰度變化最大的像素上 。 (4)Canny 算子具有方向性（并不只是簡單的進(jìn)行梯度運(yùn)算來決定像素是否為邊緣點(diǎn)，在決定一個像素是否為當(dāng)前邊緣點(diǎn)時，需要根據(jù)當(dāng)前像素及前面處理過的像素來進(jìn)行判斷。 由于 圖像的平滑會引起邊緣的模糊。prewit’）、 BW4=edge(I,39。canny39。對快速運(yùn)動的物體，需要選擇較小的時間間隔，如蘭州理工大學(xué)畢業(yè)論文 17 果選擇不合適，當(dāng)物體在前后兩幀中沒有重疊時，會被檢測為兩個分開的物體：而對慢速運(yùn)動的物體，應(yīng)該選擇較大的時間差，如果時間選擇不適當(dāng)，當(dāng)物體在前后兩幀中幾乎完全重疊時，則檢測不到物體 [21]。也可以拍攝視頻，選取合適圖像進(jìn)行實驗。根據(jù)對信噪比與定位乘積進(jìn)行測度，得到最優(yōu)化逼近算子。 (1)檢測標(biāo)準(zhǔn)。也可以實現(xiàn)點(diǎn)運(yùn)算增強(qiáng)和空域濾波增強(qiáng)、頻域增強(qiáng)（低通濾波器、高通濾波器、帶通、帶阻濾波和同態(tài)濾波等）、彩色圖像（空間濾波、平滑、銳化、邊緣檢測、分割）和偽彩色處理、圖像壓縮、與編碼基礎(chǔ)、無損壓 縮技術(shù)、有損壓縮技術(shù)、圖像分割技術(shù)、小波圖像處理、形態(tài)學(xué)圖像處理等。 Matlab 是一個交互式的系統(tǒng)其基本運(yùn)算單元是不需要制定維數(shù) 的矩陣，并按照 IEEE 數(shù)值計算標(biāo)準(zhǔn)進(jìn)行計算。 Canny 邊緣檢測基本原理 ： 蘭州理工大學(xué)畢業(yè)論文 12 (1)具有既能濾去噪聲又保持邊緣特性的邊緣檢測最優(yōu)濾波器，其采用一階微分濾波器。 ???????? ??????wwwwwwwwdxxfdxxfxGdxxfdxxfxGL o c a t i o nS N RfJ)()()()()()()f()(239。 Canny 算子檢測邊緣的實質(zhì)是求信號函數(shù)的極大值問題來判定圖像邊緣像素點(diǎn)。 LOG 算法中的高斯平滑運(yùn)算會導(dǎo)致圖像中邊緣和其他尖銳不連續(xù)部分的模糊。一般來說，距離越大，產(chǎn)生的影響越小。 微分算子 算子 Roberts 算子是一種利用局部差分算子尋找邊緣的算子，它由下式給出： ? ? ? ? ? ? ? ? ? ?1,11,1, ???????? jifjifjifjifjiG (21) Roberts 算子是 2 2 算子模板，對具有灰度變化陡峭的低噪聲圖像響應(yīng)最好，并且對邊緣的定位準(zhǔn)確，但由于 2 2 大小模板沒有清楚地中心點(diǎn)所以很難使用。在圖像中有許多點(diǎn)的梯度幅值比較大，而這些點(diǎn)在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來確定哪些點(diǎn)是邊緣點(diǎn)。而濾波器在降低噪聲的同時也導(dǎo)致邊緣強(qiáng)度的損失。但一般認(rèn)為邊緣提取是要保留圖像的灰度變化劇烈的區(qū)域，這從數(shù)學(xué)上，最直觀的方法就是微 分 (對于數(shù)字圖像來說就是差分 )，在信號處理的角度來看，也可以說是用高通濾波器，即保留高頻信號。再就是考慮信號加噪聲的條件檢測，利用統(tǒng)計信號分析，或通過對圖像區(qū)域的建模，而進(jìn)一步使檢測參數(shù)化。 邊緣檢測是先利用邊緣增強(qiáng)算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強(qiáng)度”，通過設(shè)置閾值的方法提取邊緣點(diǎn)集。 蘭州理工大學(xué)畢業(yè)論文 4 階躍型 凸緣型 屋頂型 圖 邊緣灰度變化 利用邊緣檢測來分割圖像，其基本思想就是先檢測圖像中的邊緣點(diǎn)，再按照某種策略將邊沿點(diǎn)連接 長輪廓，從而構(gòu)成分割區(qū)域。 圖像的邊緣是指圖像局部區(qū)域亮度變化顯著的部分。 課題研究部分，第三章是依照課題所需進(jìn)行算法選擇和基本流程確定，然后按照流程進(jìn)行編程。 當(dāng)前邊緣檢測技術(shù)應(yīng)用廣泛、發(fā)展非常迅速。的邊緣檢測算子來計算所選擇的像素為中心的矩陣區(qū)域的中心的形成的矩陣。圖像邊緣檢測處理作為一門學(xué)科已經(jīng)被美國數(shù)學(xué)學(xué)會列為應(yīng)用數(shù)學(xué)的一個研究分支。 Moving object extraction 蘭州理工大學(xué)畢業(yè)論文 IV 目錄 第 1 章 緒論 ................................................................................................................................1 第 2 章 邊緣檢測概述及各算子介紹 ........................................................................................3 邊緣檢測概述 ................................................................................................................3 邊緣檢測算子 ...............................................................................................................6 微分算子 ............................................................................................................6 高斯拉普拉斯算子 (Laplacian of a Gaussian,LoG).........................................8 Canny 算子 .......................................................................................................9 第 3 章 基于邊緣檢測的運(yùn)動目標(biāo)提取算法選擇及實現(xiàn) ......................................................13 應(yīng)用軟件介紹 ..............................................................................................................13 算法的選擇 .................................................................................................................13 Canny 算法基本原理 ...................................................................................................14 基本流程與實現(xiàn) .........................................................................................................14 基本流程圖 .......................................................................................................14 圖像采集及預(yù)處理 ..........................................................................................15 圖像背景處理 ..................................................................................................16 高斯濾波 ..........................................................................................................17 基于 Canny 算子的邊緣檢測 ..........................................................................17 不同算子比較 .............................................................................................................19 第 4 章 總結(jié) ..............................................................................................................................22 參考文獻(xiàn) ....................................................................................................................................23 附錄 ............................................................................................................................................25 1：論文應(yīng)用程序 ..............................................................................................................25 2：外文文獻(xiàn) ......................................................................................................................28 3：外文翻譯 ......................................................................................................................37 致謝 ............................................................................................................................................45 蘭州理工大學(xué)畢業(yè)論文 1 第 1 章 緒論 圖像是一種重要的信息源，圖像處理的最終目的 就是要幫助人類理解信息的內(nèi)涵。當(dāng)前邊緣檢測技術(shù)應(yīng)用廣泛、發(fā)展非常迅速。對本研究提供過幫助和做出過貢獻(xiàn)的個人或集體，均已在文中作了明確的說明并表示了謝意。 關(guān)鍵詞： Canny 算子；邊緣檢測；兩幀差分；運(yùn)動目標(biāo)提取 蘭州理工大學(xué)畢業(yè)論文 III Abstract In the applications of intelligent video surveillance and motion analysis ,a basic but crucial task in real time from video sequences is to detect and extract the moving targets, so that to detect and track the moving target . The current edge detection technique is widely used, and is developing very rapidly. It is an important content of image processing, in areas such of pattern recognition, image