【正文】 （ 4） 對于不同尺度的邊緣都能能有較好的響應并且盡量減少漏檢。執(zhí)行編譯過的可執(zhí)行文件便可以看到彈開的一些按鈕，通過打開 JPG 圖像進行 圖像處理 ，點擊相應的按鈕， 軟件 能夠運行，出現(xiàn)的結果 能夠 達到預期的目標。 if (bb 0) bb = 0。 if (gg 255) gg = 255。 g1 = 。 r2 = 。 i = 2。 Color c4 = new Color()。 二是高定位精度 ， 檢測出的邊緣應在真正的邊緣位置上 。二階微分的零交叉點不僅對應著一階導數的極大值 ， 而且也對應著一階導數的極小值。 p2 = (int)( * pixel[2].R + * pixel[2].G + * pixel[2].B)。 j) { for (i = 0。 int width = 。 (i, j, cc)。 b3=。 g4=。 r6=。 c3 = (i, j)。 int width = 。 Color c2 = new Color()。 } 程序運行的結果見圖 38，圖 39 所示： 湖南人文科技學院畢業(yè) 設計 19 圖 38 二值處理后的圖片 圖 39 SOBEL 檢測后的圖片 Laplacan 算子設計實現(xiàn) 拉普拉斯算子是二階微分算子 ， 其零交叉點也可作為圖像的階躍型邊緣點 ， 而其極小值 點可作為圖像的屋頂型邊緣算子極小值算法用于檢測屋頂型邊緣的效果不錯 ， 但對噪聲敏感性較大而其過零點算法若直接用于檢測階躍型邊緣 ， 則不僅過零點的門限難于選擇 ， 且檢測精度一般較低。 fyr=r6+2*r1+r8r72*r5r9。 r3=。 c4 = (i+ 1,j)。 Bitmap box1 = new Bitmap()。 Color c5 = new Color()。該方法不但產生較好的檢測效果 ,而且對噪聲具有平滑作用 ,可以提供較為精確的邊緣方向信息。 = box1。 i 。 k 255。 t++) { u = u + (t 1) * p[t]。 j++) { for (r = 0。 j 。 int t。 double[] p = new double[300]。 二值 處理 是圖形處理最最基本的處理方 法。 程序運行的結果 如 圖 33，圖 34 所示： 湖南人文科技學院畢業(yè) 設計 11 圖 33 程序運行前原圖 圖 34 灰度處理后的圖片 數字圖像的二值處理 圖像的二值 化 處理就是 將 圖像上的點的灰度置為 0 或 255，也就是講整個圖像呈現(xiàn)出明顯的黑白效果。這樣，我們可以將圖像的 RGB 屬性歸一為灰度屬性，由此就可以方便我們對圖像進行處理。 break。 b = 。 Color pixel。 數字圖像的灰度處理 當我們輸入一個彩色圖片時，如果我們直接進行邊緣檢測會嚴重影響檢測出來的效果的，所以我們有必要進行灰度處理將彩色圖片變成灰度圖片，黑白圖片本身是灰度圖片，不需要進行灰度變化。 所以我們 只需對每個 像 素點進行相應的處理，在處理過程中卻不 用 考慮周圍象素點對 它 的影響，所以程序的實現(xiàn) 相對來說 就變得簡單多了。如果沒有語法錯誤，則可以直接生成可執(zhí)行代碼并直接下載到 DSP 芯片中 。 C 語言文件“ .C”的格式，主控制程序部分以及不涉及復雜的算法運算的部分用 C 語言文件編寫 。 （ 4）轉移、條件執(zhí)行、流水線保護的專用硬件。一般 象 素值用一個 8 bit 字節(jié)來表示。湖南人文科技學院畢業(yè) 設計 4 第 2 章 基礎知識 數字圖像 用 計算機進行圖像處 理的前提是圖像必須以數字格式存儲，我們把以數字格式存放的圖像稱之為數字圖像。 沿邊緣走向 ， 像素值 的 變化比較平緩 。 選題的目的和意義 所謂邊緣是指周圍像素灰度后階變化或屋頂狀變 化的那些象素的集合，它存在于目標與背景 ， 目標與目標，區(qū)域與區(qū)域，基元與基元之間，因此它是圖像分割所依賴的重要特征，也是文理特征的重要信息源和形狀特征的基礎；而圖像的紋理形狀特征的提取又常常依賴于圖象分割。 Marr Hildreth指出 ， 用不同尺度的 LOG 算子作用于圖像 ， 可得到圖像在不同分辨率上的描述 。 Canny 應用嚴格的數學方法對此問題進行了分析，提出了由四個指數函數線性組合形成的最佳邊緣檢測算子 ， 其方法的實質是用一個準高斯函數作平滑運算 ， 然后以帶方向的一階微分定位導數最大值 ， 它可用高斯函數的梯度來近似 ， 屬于具有平滑功能的一 階微分算子 。 25 第 4 章 設計的測試與運行 5 3 章 邊緣檢測設計 2 第 2 章 基礎知識 本設計基于Visual C程序設計語言，綜合運用面向對象程序設計技術，數字圖像處理技術對數字圖像進行邊緣檢測。本人完全意識到本聲明的法律結果由本人承擔。 4 CCS 集成編譯環(huán)境開發(fā)應用程序的步驟 8 數字圖像的灰度處理 30 設計測試環(huán)境 30 邊緣檢測算子的評價 因此 ， 二階微分形式的邊緣檢測算子是目前邊緣檢測的主要手段之一。 這種方法是先對圖像作最佳平滑，然后再利用平滑圖像的二 階微分零交叉確定邊緣位置 。 Clerk 的研究表明 ， LOG 算子零交叉并不總是圖像的真實邊緣 ， 但假邊緣的零交叉點比真實邊緣的零交叉點的頻率要小得多，隨著高斯濾波器方差的減小 ， 假邊緣的強度逐漸減小而真實邊緣的強度逐漸增加。在實際的處理問題中 ， 圖像的邊緣作為圖像的一種基本特征 ， 經常應用到較高層次的特征描述、圖像識別、圖像分割、圖像增強以及圖像壓縮等處理技術中 ， 從而可對圖像做進一步分析和理解。經典的、最簡單的邊緣檢測方法是對原始圖像按像素的某鄰域構造邊緣算子 。數字圖像是不同亮度或顏色的點組成的二維點陣，當一個點陣包含有足夠多的 點， 且 點與點的間距之間足夠近時，看上去就是一幅完整的圖像。指令預取由 16 bit 增加到 32 bit。 CCS 集成編譯環(huán)境開發(fā)應用程序的步驟 CCS 將多種代碼產生工具和匯編器、鏈接器、 C/C++編譯器、建庫工具等集成在一個統(tǒng)一的開發(fā)平臺中。因此需要新建一個工程，并把 上述的文件除了頭文件外都添加到工程當中，頭文件不需要用戶自己添加，只要頭文件和工程在同一個目錄下，連接時開發(fā)工具可以自己識別。湖南人文科技學院畢業(yè) 設計 7 3章 邊緣檢測 設計 利用 DSP 處理數字圖像的基本思想 本 設計 是一個 基于 DSP5509 數字圖像 邊緣檢測算法實現(xiàn) 的 研究 ，它完成的功能包括 讀取圖片，保存圖片，以及圖片的 灰度處理 、二值處理，和圖像的邊緣檢測。為了讓邊緣檢測的效果盡可能輸入一個彩色圖片 進行灰度處理成為黑白圖片 進行二值化處理 選擇相關算子進行邊緣檢測 保存并輸出檢測后的圖片 湖南人文科技學院畢業(yè) 設計 8 的好，我有必要在進行邊緣檢測之前先進行二值處理。 Bitmap temp = new Bitmap(width, height)。 y++) { 湖南人文科技學院畢業(yè) 設計 9 pixel = (x, y)。 case 1://最大值法 Result = r g ? r : g。 湖南人文科技學院畢業(yè) 設計 10 } } 一般地，我們用 RGB 來描述圖像 像素點的顏色 ，即認為 每個像素點由 R（ red） 、G(green)、 B(blue)三種色組成。實驗和理論推導證明，當 rW =， gW =， bW = 時，能得到最合理的灰度圖像。如果某特定物體在內部有均勻一致的灰度值，并且其處在一個具有其他等級灰度值的均勻背景下，使用閥值法就可以得到比較的分割效果。 int[,] h = new int[1280, 1280]。 double[] b = new double[300]。 //讀取圖 像 顏色值 for (i = 1。 i 。 t++) { p[t] = tt[t] / ( * )。 if (w[k] * (1 w[k]) != 0) b[k] = ((u * w[k] uu[k]) * (u * w[k] uu[k])) / (w[k] * (1 w[k]))。 } num = maxb 1。 if (r num) (i, j, cc1)。 兩個卷積的最大值都作湖南人文科技學院畢業(yè) 設計 16 為像素點的輸出值 ,運算結果就是一幅邊緣圖像。 1 0 1 2 0 2 1 0 1 1 2 1 0 0 0 1 1 1 湖南人文科技學院畢業(yè) 設計 17 Color c2 = new Color()。 int rr, r1, r2, r3, r4, r5, r6, r7, r8, r9, fxr, fyr, i, j。 j++) { c1 = (i,j1)。 c9 = (i+1,j+1)。 r8=。//用 fromArgb 方法由 顏 色分量值創(chuàng)建 Color 結構 (i, j, cc)。0 1 0 1 4 1 0 1 0 1 1 1 1 8 1 1 1 1 湖南人文科技學院畢業(yè) 設計 20 其優(yōu)點是各向同性 ， 不但可以檢測出絕大部分邊緣 ， 同時基本沒有出現(xiàn)偽邊緣 ， 可以精確定位邊緣。 int b1, b2, b3, b4, b5, fxb。 j = height 2。 r3=。 g1=。 if(gg255) gg=25