【正文】 gasussianamp。log edge check39。roberts edge check39。canny39。)。 %用 Sobel算子進(jìn)行邊緣檢測(cè) BW2=edge(I,39。)。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。 title( 39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW1)。)。E:\畢業(yè)設(shè)計(jì) \幀圖像 \系統(tǒng) \前景 .jpg39。 f(x,y1) f(x,y) f(x,y+1)。前景 .jpg39。)。 %RGB 圖 % NxtImage=imread(39。,int2str(i),39。本文利用 Canny 算子與經(jīng)典算子進(jìn)行比較，在一定數(shù)據(jù)條件下取得較好效果。）由于 Canny 算子具有獨(dú)特的性能，使得其邊緣檢測(cè)和定位的結(jié)果要優(yōu)于上述提到的其他的任何算子。③ 抑 制虛假邊緣。）由于 Canny 算子具有獨(dú)特的性能，使得其邊緣檢測(cè)和定位的結(jié)果要優(yōu)于上述提到的其他的任何算子。 LOG 算法中的高斯平滑運(yùn)算會(huì)導(dǎo)致圖像中邊緣和其他尖銳不連續(xù)部分的模糊。log39。)語句 [24]，用 canny 算子進(jìn)行邊緣檢測(cè)，在 Matlab 中的運(yùn)行效果如 圖所示： 蘭州理工大學(xué)畢業(yè)論文 18 圖 Canny 算法邊緣檢測(cè) 圖像在不同的閾值條件下的邊緣檢測(cè)會(huì)不一樣，我們選取 、 、 、 幾個(gè)不同的閾值下的邊緣檢測(cè)做個(gè)比較，程序運(yùn)行結(jié)果如下： (a) 閾值為 時(shí)的邊緣檢測(cè)圖 像 (b) 閾值為 時(shí)的邊緣檢測(cè)圖像 圖 閾值為 ， 時(shí)的邊緣檢測(cè)圖像 蘭州理工大學(xué)畢業(yè)論文 19 (a) 閾值為 時(shí)的邊緣檢測(cè)圖像 (b) 閾值為 時(shí)的邊緣檢測(cè)圖像 圖 閾值為 ， 時(shí)的邊緣檢測(cè)圖像 結(jié)果分析：綜合上圖所示采用的閾值越大，圖像的邊緣檢測(cè)效果越會(huì)清晰，而且邊緣點(diǎn)條理會(huì)比較明顯。 高斯濾 波 將去除背景的圖片進(jìn)行高斯濾波平滑處理，為邊緣檢測(cè)做準(zhǔn)備。應(yīng)用 Matlab 軟件進(jìn)行編程實(shí)驗(yàn)，程序可將系統(tǒng)視頻轉(zhuǎn)化為幀圖像，并將其保存在一定路徑，需要時(shí)可以直接調(diào)用。這就是 Canny 邊緣檢測(cè)算子 [17]。不丟失重要的邊緣，不應(yīng)有虛假的邊緣。 算法的選擇 近幾年來，圖像分析和處理都是圍繞理論、實(shí)現(xiàn)、應(yīng)用三方面發(fā)展起來的。系統(tǒng)本身提供了大量的矩陣及其他運(yùn)算函數(shù)，可以方便地進(jìn)行很復(fù)雜的計(jì)算，且運(yùn)算效率極高。采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像卷積進(jìn)行濾波；然后對(duì)濾波后的圖像尋找圖像梯度的局部最大值，以此來確定圖像 邊緣 。39。 Canny 算子三大準(zhǔn)則 [10]： 好的檢測(cè)性能：檢測(cè)出的邊緣信息的漏檢率最小，誤檢率最小，評(píng)判參數(shù)信噪比 SNR 越大越好 [11]， 圖像 高斯濾波 基于拉普拉斯算子邊緣檢測(cè) 圖像邊緣 蘭州理工大學(xué)畢業(yè)論文 10 ???? ??wwwwdxxfdxxfxGSN R)()()()f(2? (29) 其中 G(x)表示圖像邊函數(shù)， f(x)濾波器函數(shù)， ? 表示噪聲的均方差。 ? 值越大，噪聲濾波效果越好 ， 但同時(shí)會(huì)丟失一些重要的邊緣信息 ； ? 值小時(shí)又會(huì)平滑不完全而留有太多噪聲。此算子對(duì)灰度漸變?cè)肼曒^多的圖像處理得較好。 用卷積模板，上式 (22)變成： ? ? y, GGjiG x ?? (22) 其中 xG 和 yG 由下面圖 的模板計(jì)算： 平滑圖像 平滑圖像 原始圖像 邊緣的二值化圖像 閾值分割 蘭州理工大學(xué)畢業(yè)論文 7 圖 Roberts 算子的卷積模板 2. Sobel算子 和 Prewitt 算子 在比較復(fù)雜的圖像中，僅用 2*2 的 Robert 算子得不到較好的邊緣檢測(cè)，而相對(duì)較復(fù)雜的3*3 的 Prewitt 算子和 Sobel 算子檢測(cè)效果好 Sobel 算子 是一種一階微分算子，它利用像素鄰近區(qū)域的梯度值來計(jì)算 1 個(gè)像素的梯度，然后根據(jù)一定的閾值來取舍 [8]。最簡(jiǎn)單的邊緣檢測(cè)判據(jù)是梯度幅值閾蘭州理工大學(xué)畢業(yè)論文 6 值判據(jù)。 （ 2）增強(qiáng)。用于圖像識(shí)別的邊緣提取往往需要輸出的邊緣是二值圖像，即只有黑白兩個(gè)灰度的圖像，其中一個(gè)灰度代表邊緣，另一個(gè)代表背景。 第四 ，可以考慮各種方法的組合，如先找出邊緣，然后在其局部利用函數(shù)近似，通過內(nèi)插等獲得高精度定位。但是由于噪聲和圖像模糊，檢測(cè)到的邊界可能會(huì)有間斷的情況發(fā)生。由于邊緣是所要提取目標(biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開，因此邊緣檢測(cè)技術(shù)對(duì)于數(shù)字圖像十分重要 [6]。該區(qū)域的灰度剖面一般可以看做一個(gè)階躍，即從一個(gè)灰度值在很小的緩沖區(qū)域內(nèi)急劇變化到另一個(gè)灰度相差較大的灰度值。最后一章是仿真程序及結(jié)果分析，總結(jié)課題研究。它是圖像處理的一項(xiàng)重要內(nèi)容，在模式識(shí)別、圖像理解、人工智能等領(lǐng)域發(fā)揮著重要作用。如果矩陣區(qū)域的值，這是一個(gè)給定的閾值以上，則中間的像素被分類為邊緣。在其短暫的發(fā)展歷史中，已經(jīng)被成功的應(yīng)用在幾乎所有與成像有關(guān)的領(lǐng)域。數(shù)字圖像處理技術(shù)的研究?jī)?nèi)容涉及光學(xué)系統(tǒng)、微電子技術(shù)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)分析等領(lǐng)域，是一門綜合性很強(qiáng)的邊緣學(xué)科。它是圖像處理的一項(xiàng)重要內(nèi)容，在模式識(shí)別、圖像理解、人工智能等領(lǐng)域發(fā)揮著重要作用。除了 文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。對(duì)本研究提供過幫助和做出過貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說明并表示了謝意。 涉密論文按學(xué)校規(guī)定處理。 Edge detection。 數(shù)字圖像邊緣檢測(cè) 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(jì)的新算法誕生，其中包括 canny 算法、小波變換等多種有相當(dāng)影響的算法，這些算法在設(shè)計(jì)時(shí)大量運(yùn)用數(shù)學(xué)、數(shù)字信號(hào)處理、 信息論以及色度學(xué)的有關(guān)知識(shí)，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(jìn)行 數(shù)字圖像邊緣檢測(cè) 處理的設(shè)計(jì)思路 [2]。一個(gè)邊緣檢測(cè)濾波器也可以用來改善出現(xiàn)模糊或反鋸齒的視頻流。 Matlab 是一種向量語言，它非常適合于進(jìn)行圖像處理。 第二章是圖像邊緣檢測(cè)的概述、邊緣檢測(cè)的原理以及算法，其中會(huì)介紹到 Robert 算子、Sobel 算子 、 Prewitt 算子 、 拉普拉斯 (Laplacian)算子、 Canny 算子、拉普拉斯高斯 (LOG)算子等等。 一個(gè)典型的邊界可能是（例如）一塊紅色和一塊黃色之間的邊界；與之相反的是邊線，可能是在另外一種不變的背景上的少數(shù)不同顏色的點(diǎn)。 邊緣檢測(cè)原理： 邊緣檢測(cè)是根據(jù)數(shù)字圖像中的突變信息檢測(cè)圖像的邊緣 灰度的不連續(xù)性，找出兩種景物的分界線。 最早的邊緣檢測(cè)方法都是基于像素的數(shù)值導(dǎo)數(shù)的，在數(shù)字圖像中應(yīng)用差分代替導(dǎo)數(shù)運(yùn)算。當(dāng)需要提取多空間范圍內(nèi)的變化特性時(shí)，要考慮多算子的綜合應(yīng)用。但在遇到包含紋理的圖像上，這有點(diǎn)問題，比如說，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的邊緣包括衣服上的方格。因此增強(qiáng)邊緣和降低噪聲之間需要折中。一般通過計(jì)算梯度幅值完成。 如圖 所示： 圖 梯度算子 像 邊緣增強(qiáng) 濾 波 邊緣檢測(cè) 邊緣定位 圖 邊緣檢測(cè)算法的基本 步驟 邊緣檢測(cè)算子 邊緣檢測(cè)算子是利用圖像邊緣的突變性質(zhì)來檢測(cè)邊緣的。運(yùn)算結(jié)果是一幅邊緣幅度圖像。 常用的 LoG 算子是 55 的模板 [9]，如下 圖 所示 ： ????????????????????????????244424080424824844080424442 圖 拉普拉斯算子卷積模板 模板中各點(diǎn) 到中心點(diǎn)的距離與位置加權(quán)系數(shù)的關(guān)系用曲線很像一頂墨西哥草如圖 所示 ， 所以人們常把 LoG 濾波器叫做墨西哥草帽濾波器 [9]。 Canny 算子是 John Canny 在 1986 年發(fā)表的論文中首次提出的一種邊緣檢測(cè)算法，當(dāng)時(shí)彌補(bǔ)了其他算法的不太好的缺點(diǎn)，因此 Canny 算子被認(rèn)為是邊緣檢測(cè)領(lǐng)域較好的算法，并一直被引用，近幾年來，隨著研究的深入，性能更加完善的改性型的 Canny算子也層出不窮，例如自適應(yīng) Canny 算子等。39。對(duì)經(jīng)過非極大值抑制后的圖像 作用兩個(gè)閾值 th1， th2， th1=，兩個(gè)閾值作用后得到兩個(gè)圖像 a、 b，較大閾值檢測(cè)出的圖像 b 去除了大部分噪聲，但是也損失了有用的邊緣信息。 蘭州理工大學(xué)畢業(yè)論文 13 第 3 章 基于邊緣檢測(cè)的運(yùn)動(dòng)目標(biāo)提取算法選擇及實(shí)現(xiàn) 應(yīng)用軟件介紹 能夠進(jìn)行圖像處理的軟件很多，其中就有 Matlab。在圖形繪制方面能夠提供高級(jí)繪圖函數(shù)。 Canny 算子，是最有的階梯型邊緣檢測(cè)算子。 Canny 算法基本原理 Canny 邊緣檢測(cè)基本原理： 具有既能濾去噪聲又保持邊緣特性的邊緣檢測(cè)最優(yōu)濾波器，其采用一階微分濾波器。應(yīng)用 Matlab 軟件進(jìn)行編程實(shí)驗(yàn)，程序可將系統(tǒng)視頻轉(zhuǎn)化為幀圖像，并將其保存在一定路徑，需要時(shí)可以直接調(diào)用；其次是對(duì)圖像采集 運(yùn)動(dòng)目標(biāo)的檢測(cè) 圖像預(yù)處理 去除背景 蘭州理工大學(xué)畢業(yè)論文 15 采集和保存的圖片進(jìn)行預(yù)處理，一般圖像邊緣檢測(cè)都采用灰度化的圖像序列，所以要進(jìn)行圖像灰度化，然后將灰度化的圖像平滑處理（高斯濾波），去除干擾圖像檢測(cè)的噪聲；本論文中是對(duì)運(yùn)動(dòng)目標(biāo)的提取，兩幀相同背景下的運(yùn)動(dòng)物體 （車輛）只需用簡(jiǎn)單的兩幀差法，即可去除背景，只保留運(yùn)動(dòng)目標(biāo)；最后用邊緣檢測(cè)法（ Canny 算子）提取出運(yùn)動(dòng)目標(biāo)。在仿真中 的效果圖如圖 所示： 圖 兩幀差分去除背景后的圖像 幀間差分法的優(yōu)點(diǎn)是：算法實(shí)現(xiàn)簡(jiǎn)單，程序設(shè)計(jì)復(fù)雜度低；對(duì)光線等場(chǎng)景變化太敏感，能夠適應(yīng)各種動(dòng)態(tài)環(huán)境，穩(wěn)定性較好。因此在作平滑處理時(shí)要針對(duì)不同的圖像噪聲采用 不同的濾波器才能獲得好的效果。roberts39。 Sobel在 Prewitt算子的基礎(chǔ)上，對(duì) 4 一鄰域采用帶權(quán)的方法計(jì)算差分 [27]，該算子不僅能檢測(cè)邊緣點(diǎn)，且能進(jìn)一 步抑制噪聲的影響，但檢測(cè)的邊緣較寬。但是 Sobel 算子和Prewitt 算子對(duì)邊緣的定位不如 Roberts 算子。背景去除采用兩幀差分的方法；只留圖像中的運(yùn)動(dòng)目標(biāo)進(jìn)行邊緣檢測(cè)，減少了檢測(cè)中不必要的干擾。而且邊緣并不是完全連通的，由一定程度的斷開。它比 Roberts 算子、 Sobel 算子和 Prewitt 算子極小值算法的去噪能力都要強(qiáng)，但它也容易平滑掉一些邊緣信息。 %用 mmreader 讀入視頻文件 for i=1: %獲得總幀數(shù)，并依次讀取 b=read(mov,i)。 %保存圖片 CurImage=imread(39。 DiffImage=abs(NxtGrayCurGray)。 hg(x,y)=exp((u^2+v^2)/(2*pi*delta^2))。 蘭州理工大學(xué)畢業(yè)論文 26 rowhigh=m1。通過高斯濾波器后的圖像 39。)。 BW1= edge(I,39。Canny39。,) 。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW22)。 BW1=edge(I,39。)。gaussian39。)。)。)。 蘭州理工大學(xué)畢業(yè)論文 28 2：外文文。 title(39。 title(39。 title(39。)。%用 Roberts算子進(jìn)行邊緣檢測(cè) BW3=edge(I,39。)。Canny39。 BW21= edge(I,39。)。原始圖像 39。 BW=edge(I,39。 ftemp(x,y)=sum(A(:))。 [m,n]=size(f)。 for x=1:1:3 for y=1:1:3 u=x2。 %RGB 圖 % CurGray=rgb2gray(CurImage)。jpg39。39。 Canny 方法則以一階導(dǎo)數(shù)為基礎(chǔ)來判斷邊緣點(diǎn) [31]。 Sobel算子和 Prewitt 算子都是加權(quán)平均，有一定的噪聲抑制能力。邊緣圖像僅保留了物體邊緣的信息。適應(yīng)于邊緣明顯而且噪聲較少的圖像。)[25]語句來完成函數(shù)的調(diào)用，運(yùn)行