【正文】 020 屆畢業(yè)設(shè)計（論文） 第 15 頁 共 22 頁 levelA： 若 m in m m axedZ Z Z??，則轉(zhuǎn)向 levelB， 否則增加窗口尺寸 ， 若窗口尺寸 maxS? ，重復(fù) levelA， 否則輸出 medZ ； levelB： 若 min maxxyZ Z Z??，則輸出 xyZ ， 否則輸出 medZ 。因此 ， 使類間方差最大的分割意味著錯分概率最 小。 下面的實驗是通過給一張 行數(shù)和列數(shù)均是 1024， 受污染程度極小的圖片（原圖已在圖 （ a） 中給出）添加 20%的椒鹽噪聲 后，再分別采用傳統(tǒng)的 Canny 算法做邊緣檢測，經(jīng)過自適應(yīng) 中值濾波后采用 Canny 算法做邊緣檢測，自適應(yīng)中值濾波、 Otsu 算法取閾值，然后調(diào)用 Canny 算子檢測邊緣，自適應(yīng)中值濾波、頂 帽變換、 Otsu 算法取閾值，然后調(diào)2020 屆畢業(yè)設(shè)計（論文） 第 17 頁 共 22 頁 用 Canny 算子檢測邊緣 ，結(jié)果如圖 所示： （ a） （ b） （ c） （ d） （ e） （ f） （ g） （ h） （ i） 圖 中間數(shù)據(jù)圖，其中 （ a） 被 20%的椒鹽噪聲污染后 Lena的圖 ；（ b） 椒鹽噪聲污染后，通過 Canny算法檢測邊緣的結(jié)果 ； （ c）自適應(yīng)中值濾波后，通過 Canny 算法檢測邊緣的結(jié)果 ； （ d）自適應(yīng)中值濾波、 Otsu算法取閾值，然后調(diào)用 Canny 算子檢測邊緣的結(jié)果 ； （ e）自適應(yīng)中值濾波、頂帽變換、Otsu 算法取閾值，然后調(diào)用 Canny 算子檢測邊緣的結(jié)果 ； （ f） Rice 的原圖 ； （ g）椒鹽噪聲污染后，通過 Canny 算法檢測邊緣 ； （ h）自適應(yīng) 中值濾波、 Otsu算法取閾值，然后調(diào)用 Canny 算子檢測邊緣的結(jié)果 ； （ i）自適應(yīng)中值濾波、頂帽變換、 Otsu 算法取閾值，然后調(diào)用 Canny 算子檢測邊緣的結(jié)果 基于 matlab 的圖像邊緣檢測算法研究 第 18 頁 共 22 頁 167。在 第三章 結(jié)合 Canny 算法 的 基本原理、算法的三個標(biāo)準(zhǔn)、算法的思路及檢測步驟提出了對 Canny 算子的流程一、四進(jìn)行算法改進(jìn) 的方法和實驗證明 ， 并與傳統(tǒng)的 Canny算法的檢測結(jié)果進(jìn)行了對比，顯示出了本文所采用的改進(jìn)算法的優(yōu)越性 。 作者簽名： 日 期： 基于 matlab 的圖像邊緣檢測算法研究 第 24 頁 共 22 頁 學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進(jìn)行研究所取得的研究成果。盡我所知，除文中特別加以標(biāo)注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過的材料。 涉密論文按學(xué)校規(guī)定處理。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。現(xiàn)有邊緣檢測技術(shù)在抑制噪聲方面有一定的局限性 ， 在閾值參數(shù)選取方面自適應(yīng)能力很差 ， 有待進(jìn)一步改進(jìn)和提高。在這種情況下，一種常用的處理方法是針對照明問題做預(yù)處理以補(bǔ)償圖像，然后再采用 Otsu 算法（全局閾值處理方法）計算最佳閾值。它是按圖像的灰度特性 ， 將圖像分成 背景 和目標(biāo)兩部分。 基于 Canny 算法 的改進(jìn) 與研究 167。選擇合適的 閾 值是困難的，需要經(jīng)過反復(fù)試驗，為了解決這個問題， Canny 提出了一種雙 閾 值方法，首先利用累計統(tǒng)計直方圖得到一個高 閾 值 1t ，然后再取一個低 閾 值 2t 。 將梯度角的變化范圍減小到圓周的四個扇區(qū)之一 ，方向角的規(guī)范化，如圖 所示 圖 方向角的規(guī)范化 四個扇區(qū)的標(biāo)號為 0 到 3，對應(yīng) 33? 鄰域的四種可能組合。將以上三個指標(biāo)結(jié)合可獲得最優(yōu)的檢測算子。2| ( ) ( ) |()WwwwG x h x d xLoc a liza tionh x d x??????? ?? (32) Localization 越大表明定位精度越高。 Canny 邊緣檢測算法 根據(jù)邊緣檢測的有效性和定位的可靠性 ， Canny研究了最優(yōu)邊緣檢測器所需的特性 ，推導(dǎo)出最優(yōu)邊緣檢測器的數(shù)學(xué)表達(dá)式。 拉普拉斯算子是二階導(dǎo)數(shù)的二維等效式 ： 22222( , ) ( , )= f x y f x yf xy??????（ x,y ） (211) 上式應(yīng)用 Laplacian 算子提取邊緣的形式，及二階偏導(dǎo)數(shù)的和，是一個標(biāo)量，其離散計算形式定義為： 22=( [ 1 , ] [ , ] )[ 1 , ] [ , ][ 2 , ] 2 [ 1 , ] [ , ]xGfxxf x y f x yxf x y f x yxxf x y f x y f x y????????????????? ? ? ? ? (212) 這一近似式是以點 [ 1, ]xy? 為中心的，用 1x 替換 x ，則 22 [ 1 , ] 2 [ , ] [ 1 , ]f f x y f x y f x yx?? ? ? ? ? ? (213) 2020 屆畢業(yè)設(shè)計（論文） 第 9 頁 共 22 頁 同理 ： 22 = [ , 1 ] 2 [ , ] [ , 1 ]f f x y f x y f x yy?? ? ? ? ? (214) 對于一個 33? 的區(qū)域，經(jīng)驗上被推薦最多的形式 ， 算子表示為： 20 1 01 4 10 1 0????? ? ????? (215) 167。 用模板實現(xiàn) ： 167。再將被確定為邊緣的像素連接起來，以形成包圍著區(qū)域的封閉曲線。 數(shù)字圖像邊緣檢測關(guān)于邊緣的定義 邊緣是不同區(qū)域的分界線，是圖像局部強(qiáng)度變化 最顯著的那些像素的集合。它以易于應(yīng)用的環(huán)境集成了計算、可視化的編程，在該環(huán)境下，問題及其解以我們熟悉的數(shù)學(xué)表示法來表示。這一原則可表述為 ， 一個信號不可能在時域和頻域中任意高度集中。 近幾十年來 ，圖像邊緣檢測技術(shù)成為數(shù)字圖像處理技術(shù)重要研究課題之一， 隨著科學(xué)技術(shù)的發(fā)展 ， 研究人員提出了很多圖像邊緣檢測方法及邊緣檢測效果的評價方法 ， 并且將這些邊緣檢測技術(shù)應(yīng)用于計算機(jī)視覺和模式識別工程領(lǐng)域 ， 使得邊緣檢測技術(shù)的應(yīng)用范圍越來越廣 ， 圖像的邊緣一般是圖像的灰度或者顏色發(fā)生劇烈變化的地方 ， 而這些變化往往是由物體的結(jié)構(gòu)和紋理，外界的光照和物體的表面對光的反射造成的。在此課題中 ， 作者首先通過邊緣檢測 ，得到紅外圖像與 遙感可見光圖像的邊緣圖像 ， 再通過尺度不變特征匹配 ， 就能得到紅外圖像與可見光遙感圖像之間的透視變換關(guān)系 ， 從而成功完成了多譜圖像配準(zhǔn) [2]。 167。階躍狀邊緣兩側(cè)的灰度值變化明顯 ， 屋脊?fàn)钸吘墑t位于灰度增加與減 少的交界處。 最大類間方差法 ...................................................................... 15 167。 LOG 算子 .................................................................................... 9 第 3 章 Canny 邊緣檢測算法的改進(jìn)與研究 ........................................11 167。 數(shù)字圖像邊緣檢測的現(xiàn)狀與發(fā)展 ...................................................... 3 167。 Figure and Figure the detection result, respectively, in the filter threshold two aspects of the parison of the experiment, and pared with the traditional the Canny algorithm of detection results show the superiority of the improved algorithm used in this paper. Keywords: edge detection。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準(zhǔn)用徒手畫 3）畢業(yè)論文須用 A4 單面打印，論文 50 頁以上的雙面打印 4）圖表應(yīng)繪制于無格子的頁面上 5）軟件工程類課題應(yīng)有程序清單，并提供電子文檔 1）設(shè)計（論文） 2）附件：按照任務(wù)書、開題報告、外文譯文、譯文原文（復(fù)印件）次序裝訂 3）其它 2020 屆畢業(yè)設(shè)計（論文） III 基于 matlab 的圖像邊緣檢測算法研究 摘要 圖像的邊緣檢測技術(shù)是數(shù)字圖像處理技術(shù)的基礎(chǔ)研究內(nèi)容 ， 是物體識別的重要基礎(chǔ)。對本論文（設(shè)計）的研究做出重要貢獻(xiàn)的個人和集體，均已在文中作了明確說明并表示謝意。學(xué)?？梢怨颊撐模ㄔO(shè)計）的全部或部分內(nèi)容。在 第三章 ， 結(jié)合 Canny 算法的基本原理、算法的三個標(biāo)準(zhǔn)、算法的思路及檢 測步驟提出了對 Canny 算子 中的圖像濾波平滑處理及取閾值的算法 進(jìn)行改進(jìn)的方法 ， 并進(jìn)行了 實驗 檢驗 。 Otsu algorithm。 基于一階微分的邊緣檢測算子 .......................................................... 5 167。 Canny 算法邊緣檢測步驟 ........................................................ 12 167。 序言 理解圖像 和 識別圖像中的目標(biāo)是計算機(jī)視覺 研究 的中心任務(wù) ， 物體形狀 、 物體邊界 、位置遮擋 、 陰影輪廓及表面紋理等重要視覺信息在圖像中均有邊緣產(chǎn)生 。近年來 ， 越來越多的新技術(shù)被引入到邊緣檢測方法中 ， 如數(shù)學(xué)形態(tài)學(xué)、小波變換、神經(jīng)網(wǎng)絡(luò)和分形理論等。圖像理解和分析的第一步往往就是邊緣檢測 ， 目前它已成為機(jī)器視覺研究領(lǐng)域最活躍的課 題之一，在工程應(yīng)用中占有十分重要的地位。因此對圖像邊緣檢測技術(shù)理論及其應(yīng)用進(jìn)行研究都有很重要的意義?；诒菊撐膬H研究討論灰度圖像邊緣檢測，這里介紹經(jīng)典的灰度圖像邊緣檢測方法 。雖然迄今已出現(xiàn)了眾多的理論和方法，而且有些方法發(fā)展得相當(dāng)成熟 ， 但從這基于 matlab 的圖像邊緣檢測算法研究 第 4 頁 共 22 頁 個意義上講還沒 有一種普遍適于任何條件的最優(yōu)算法。有時，MATLAB 可調(diào)用 C 或 Fortran 這類非交互式語言所編寫的程序。邊緣是一個區(qū)域的結(jié)束 ， 也是另一個區(qū)域的開始 ， 利用該特征可以分割圖像。 用差分來近似梯度 = ( 1, ) ( , )xG f x y f x y?? (24) ( , 1) ( , )yG f x y f x y? ? ? (25) 167。另外，在具有相等斜率的寬區(qū)域上，有可能將全部區(qū)域都當(dāng)做邊緣提取出來。 LOG 邊緣檢測的