【正文】 if(x_buf0)//防溢出 x_buf=0。 r=250/((float)c+)。 else break。i++) { if(gray_histogram[i]max) max=gray_histogram[i]。 for (i=0。 } }void contrast (unsigned char *gray_buf,unsigned long width,unsigned long height){ unsigned long i=0,j=0,k=0,data_size=0,max=0。 k=0。 gray_p[0]=(float)gray_histogram[0]/(float)(width*height)。 //直方圖緩存 float gray_p[256]。jwidth。 q_count++。 for(j=0。}void nonmax_disable(unsigned char * gray_buf,unsigned long width,unsigned long height){ unsigned long h=0,i=0,j=0,k=0,q_count=0,g_count=0,s=0。i++) gray_buf[i]=255gray_buf[i]。 graph_data[i]=(unsigned char)x_buf[i]。i++) x_buf[i]=pow(pow(x_buf[i],2)+pow(y_buf[i],2),)。k++) { s=g_width*(h1+j)+(i1+k)。hg_height。k++) { s=g_width*(h1+j)+(i1+k)。hg_height。 graph_data[i]=(unsigned char)x_buf[i]。i++) x_buf[i]=pow(pow(x_buf[i],2)+pow(y_buf[i],2),)。k++) { s=g_width*(h1+j)+(i1+k)。hg_height。k++) { s=g_width*(h1+j)+(i1+k)。hg_height。i++) { data_buf[i]=(data_buf[i]mindata)*250/(maxdatamindata)。 q_count++。 for(j=0。 }//矩陣中心乘加收縮函數(shù)void mul_add (float * quad_data,unsigned long q_width,unsigned long q_height,unsigned char *graph_data,unsigned long g_width,unsigned long g_height){ unsigned long h=0,i=0,j=0,k=0,q_count=0,g_count=0,s=0。 fclose(fpg)。 fwrite(amp。 fwrite(amp。 unsigned long data_size=0。 for(i=0。q_width=5。Sobel(quad_data6,quad_data7,gray_buf,width,height)。 else gray_buf[i]=255。 flag=39。與全人類生活形影不離。第五章 結(jié)論與展望 結(jié)論本文首先對數(shù)字圖像處理與邊緣檢測做了一次概述，并比較詳細(xì)地描述了比較常用的幾種微分算子。而用Sobel濾波器處理的結(jié)果，在視覺上相對Roberts算子的細(xì)節(jié)相對明顯些。如果在點的8鄰近區(qū)域中有非零像素存在，則將其包括到圖像2中，作為R點。（4）對梯度取兩次閾值，即取閾值，兩者關(guān)系為。一般通過計算梯度幅值完成。根據(jù)Canny的定義，中心邊緣點為算子與圖像(x,y)的卷積在邊緣梯度方向上的區(qū)域中的最大值。我們知道，高斯函數(shù)是圓對稱的，因此Canny算子在邊緣方向上是對稱的，在垂直于邊緣的方向上是反對稱的。閾值的選擇不同，所提取出的邊界信息就不同。換句話說，需要設(shè)計各向同性的微分算子。 論文各章節(jié)的安排第一章敘述了邊緣檢測的幾種方法，圖像處理技術(shù)在各個領(lǐng)域的應(yīng)用以及邊緣檢測技術(shù)在各個領(lǐng)域中的應(yīng)用。邊緣檢測是圖像識別的基礎(chǔ)和前提，直接決定了圖像識別結(jié)果的正確性。 （4）工業(yè)和工程方面的應(yīng)用在工業(yè)和工程領(lǐng)域中圖像處理技術(shù)有著廣泛的應(yīng)用，如自動裝配線中檢測零件的質(zhì)量、并對零件進(jìn)行分類，印刷電路板疵病檢查，彈性力學(xué)照片的應(yīng)力分析，流體力學(xué)圖片的阻力和升力分析，郵政信件的自動分揀，在一些有毒、放射性環(huán)境內(nèi)識別工件及物體的形狀和排列狀態(tài)，先進(jìn)的設(shè)計和制造技術(shù)中采用工業(yè)視覺等等。除了上面介紹的CT技術(shù)之外，還有一類是對醫(yī)用顯微圖像的處理分析，如紅細(xì)胞、白細(xì)胞分類，染色體分析，癌細(xì)胞識別等。而圖像處理有倆種，一是將一幅效果不好的圖像進(jìn)行處理，獲得視覺效果好的圖像。在1986年Canny總結(jié)提出了以往理論和實踐的成果，提出了邊緣檢測Canny三準(zhǔn)則：好的檢測結(jié)果，好的定位還有對單一邊緣低重復(fù)響應(yīng)，并給出了他們的數(shù)學(xué)表達(dá)式。從分析學(xué)上我們知道，拐點處函數(shù)的二階導(dǎo)數(shù)是0。經(jīng)過了四十多年的發(fā)展，已有許多種不同的邊緣檢測方。邊緣在邊界檢測、圖像分割、模式識別、機(jī)器視覺等等中有很重要的作用。在圖像邊緣檢測中，微分算子可以提取出圖像的細(xì)節(jié)信息，景物邊緣是細(xì)節(jié)信息中最具有描述景物特征的部分,也是圖像分析中的一個不可或缺的部分。圖像的邊緣部分集中了圖像的大部分信息，圖像邊緣的確定與提取對整個圖像場景的識別與理解是非常重要的，同時也是圖像分割所依賴的重要特征，邊緣檢測主要是圖像的灰度變化的度量、檢測和定位。第二，經(jīng)驗告訴我們：如果我們能成功地得到圖像的邊緣，那么圖像分析就會大大簡化，圖像識別就會容易得多。從統(tǒng)計角度來說，我們可以通過回歸分析得到一個曲面，然后也可以做類似的處理。作為研究非平穩(wěn)信號的利器，小波在邊緣檢測方面具有得天獨厚的優(yōu)?？梢娖渲匾?。我國也陸續(xù)開展了以上諸方面的一些實際應(yīng)用，并獲得了良好的效果。要將這樣高速率的數(shù)據(jù)實時傳送出去，必須采用編碼技術(shù)來壓縮信息的比特量。 邊緣檢測邊緣是圖像的最重要的特征。在文化藝術(shù)上，用于紡織工藝品設(shè)計，服裝設(shè)計與制作，發(fā)型設(shè)計，文物資料照片的復(fù)制和修復(fù)，運動員動作分析和評分等等。第五章為總結(jié)和展望，介紹了本論文實現(xiàn)的功能，闡述本課題的現(xiàn)實意義，以及對未來各算子的展望。Priwitt算子定義如下： () () ▽= ()如果用圖像處理的模板來表示，則有 () Laplacian算子 以上的都是一階微分算子，而拉普拉斯是二階的。值得慶幸的是，且個線性算子可以在抵抗噪聲與邊緣檢測之間獲得一個最佳的折中，這個算子就是高斯函數(shù)的一階導(dǎo)數(shù)。實驗表明，當(dāng)時，能夠獲得較好的邊緣檢測結(jié)果。圖像邊緣檢測的基本步驟：（1） 濾波,邊緣檢測主要基于導(dǎo)數(shù)計算，但受噪聲的影響。例如，如果中心像素x的梯度方向?qū)儆诘?區(qū)，則把x的梯度值與它左上和右下相鄰像素的梯度值比較，看x的梯度值是否是極大值。我們以圖像2為基礎(chǔ)，以圖像1為補(bǔ)充來連接圖像的邊緣。 第四章 程序設(shè)計與實驗本文是用C語言編程來實現(xiàn)圖像的處理，（a）圖所示,(b)所示：開始打開文件選擇銳化算子處理圖象存儲圖片結(jié)束開始確定算子加載文件入內(nèi)存判斷算子類型一階算子二階算子Canny算子矩陣相乘矩陣相乘求平方根濾波增強(qiáng)檢測定位處理完畢 未打開 (a)整體流程圖(b)各微分算子流程圖 Roberts ：開始選擇處理圖像待處理圖像與模板矩陣相乘結(jié)束 算子和Laplacian算子程序流程圖Sobel算子和 ：開始選擇處理圖像x方向矩陣與待處理圖像相乘結(jié)束y方向矩陣與待處理圖像相乘求平方根 Priwwit算子程序流程圖：開始選擇處理圖像高斯濾波去噪邊緣提取求梯度閾值判定結(jié)束程序見附錄。一階微分算子檢測出來的輪廓比較粗略，但是檢測出的輪廓比較清晰。隨著人類活動的不斷擴(kuò)大，圖像的應(yīng)用領(lǐng)域隨之不斷擴(kuò)大。 float *r_buf,*quad_data,x=0。iwidth*height。 if(strcmp(d_type,Laplacian)==0) quad_data=quad_data3。N39。} if(flag==39。 } free(r_buf)。 fseek(fpr,0,SEEK_SET)。width,4,1,fpr)。 fwrite(green_data,data_size,1,fpg)。 fread(width,4,1,fp)。h++) { for(i=0。 if(s=0amp。 if(data_buf[i]mindata) mindata=data_buf[i]。 if((x_buf=calloc(g_width*g_height+4,4))==NULL) exit(0)。j3。 } } g_count++。j3。 } } g_count++。 } for(i=0。 if((x_buf=calloc(g_width*g_height+4,4))==NULL) exit(0)。j2。 } }