【正文】 個(gè)給定像素所對(duì)應(yīng)場(chǎng)景點(diǎn)，它的周圍點(diǎn)對(duì)該點(diǎn)的光強(qiáng)貢獻(xiàn)呈正態(tài)分布，所以平滑函數(shù)應(yīng)反映不同遠(yuǎn)近的周圍點(diǎn)對(duì)給定像素具有不同的平滑作用，呈正態(tài)分布的高斯平滑函數(shù)可定義為 (323)?????????22exp1),(??yyxh式中， 是方差。但它的檢測(cè)也存在一些缺點(diǎn)，如丟失了一些邊緣、有一些邊緣不夠連續(xù)、對(duì)噪聲敏感且不能獲得邊緣方向等信息。在數(shù)字圖像中，可用差分來(lái)近似微分運(yùn)算，f(i,j)的 Laplacian 算子為: (322)),(4)1,(),(),1(),(222 jifjifjifjifjif yx ?????????對(duì)階躍狀邊緣，二階導(dǎo)數(shù)在邊緣點(diǎn)出現(xiàn)零交叉，即邊緣點(diǎn)兩邊二階導(dǎo)數(shù)取異號(hào)。Sobel算子利用像素點(diǎn)上下、左右鄰點(diǎn)的灰度加權(quán)算法，根據(jù)在邊緣點(diǎn)處達(dá)到極值這一現(xiàn)象進(jìn)行邊緣的檢測(cè)。它適合于得到方向不同的邊緣，對(duì)不同方向的邊緣都比較敏感，檢測(cè)水平和垂直邊緣的效果好于斜向邊緣，定位精度高。圖像直方圖是圖像處理中一種十分重要的圖像分析工具，它描述了一幅圖像的灰度級(jí)內(nèi)容，任何一幅圖像的直方圖都包含了豐富的信息。39。?也是一個(gè)決定于圖像濾波器的系數(shù)。定位精度指標(biāo)記的邊緣點(diǎn)與實(shí)際邊緣點(diǎn)的位置偏差的導(dǎo)數(shù)。在計(jì)算機(jī)運(yùn)算速度急劇上升的今天，算法的計(jì)算量和復(fù)雜程度己降至相對(duì)次要的位置，這使得性能相對(duì)優(yōu)越的濾波類邊緣檢測(cè)方法，成為圖像邊緣提取技術(shù)的主要發(fā)展方向。Canny在這方面的工作很具有代表性。為了克服高頻噪聲的影響，一個(gè)可行的方案是先對(duì)圖像進(jìn)行平滑濾波，抑制高頻信號(hào)，再用經(jīng)典的方法進(jìn)行邊緣增強(qiáng)。后來(lái)人們對(duì)上述邊緣檢測(cè)方法進(jìn)行改進(jìn)，提出 Roberts算子、Prewitt 算子、Sobel算子、Kirsch 算子等多種邊緣檢測(cè)算子。常用的邊緣檢測(cè)算子有:Roberts 算子，Sobel 算子，Prewitt算子以及 Laplacian 算子等。設(shè)輸入圖像 為 像素陣列，低通濾波器沖擊響應(yīng) 為??yxf,NM???yxh,二維陣列，則低通濾波結(jié)果為 像素陣列L? (25)?? ???? ?????????lmn nmLnyxfyxg0 ,2,通常采用的低通濾波器沖擊響應(yīng)陣列有 (26)??????191h??????1202h???????12463h通常，低通濾波器沖擊響應(yīng)陣列又叫做低通卷積模板。要進(jìn)行排序，就必須對(duì)序列中的數(shù)據(jù)像素做比較和交換，數(shù)據(jù)元素之間的比較次數(shù)是影響排序速度的一個(gè)重要因素。例如，由一個(gè)序列（20,10,30,15,25） ，??從大到小排列后序列為（10,15,20,25,30） ，中值濾波的輸出結(jié)果為 度值為 30的像素是噪聲點(diǎn)，則經(jīng)過(guò)中值濾波后噪聲被消除。由于它在實(shí)際運(yùn)算過(guò)程中并不需要圖像的統(tǒng)計(jì)特性，所以使用比較方便。一般認(rèn)為離對(duì)應(yīng)模板中心像素近的像素對(duì)濾波結(jié)果有較大貢獻(xiàn)，所以接近模板中心的系數(shù)可較大，而模板邊界附近的系數(shù)應(yīng)較小。這樣平滑后的圖像比直接采用公式(21)的模糊程度減少。對(duì)于位置(i,j)處的像素，其灰度值為 f(i,j)，平滑后的灰度值為 g(i,j)，則g(i,j)由包含(i,j)鄰域的若干個(gè)像素的灰度平均值所決定，即由公式(21)得到平滑的像素灰度值 x,y=0,1,2,…,N1 (21)???AyxfMjig),(),1),(東華理工大學(xué)長(zhǎng)江學(xué)院畢業(yè)設(shè)計(jì)（論文） 圖像濾波9???????????TyxfMjifjif fjifyxjigAyAy |),(1),(|, |,|,1),( ),(,),(式中，A 表示以(i,j)為中心的領(lǐng)域的集合，M 是 A中像素點(diǎn)的總數(shù)。這些方法在濾波性能上都比傳統(tǒng)的中值濾波方法有所改善，但都是無(wú)條件地對(duì)所有的輸入樣本進(jìn)行濾波處理。經(jīng)典的平滑技術(shù)對(duì)噪聲圖像使用局部算子，當(dāng)對(duì)某一個(gè)像素進(jìn)行平滑處理時(shí)，僅對(duì)它的局部小鄰域內(nèi)的一些像素進(jìn)行處理，其優(yōu)點(diǎn)是計(jì)算效率高，而且可以對(duì)多個(gè)像素并行處理。(2)電器的機(jī)械運(yùn)動(dòng)產(chǎn)生的噪聲。圖像噪聲的種類有多種，主要有高斯噪聲、瑞利噪聲、伽馬以及脈沖噪聲等。一般圖像噪聲是不可預(yù)測(cè)的隨機(jī)信號(hào)，它只能用概率統(tǒng)計(jì)的方法去認(rèn)識(shí)。(2)由于物理和光照等原因，實(shí)際圖像中的邊緣常常發(fā)生在不同的尺度范圍上，并且每一邊緣像元的尺度信息是未知的，利用單一固定尺度的邊緣檢測(cè)算子不可能同時(shí)最佳地檢測(cè)出這些邊緣，這就涉及到了多尺度的提出；而多尺度的確定又引起出了一系列的問(wèn)題，如尺度范圍的確定、最佳濾波尺度大小、如何有效地利用多個(gè)尺度正確地檢測(cè)邊緣等等。(4)定位：如果某一應(yīng)用場(chǎng)合要求確定邊緣位置，則邊緣的位置可在亞像素分辨率上來(lái)估計(jì)，邊緣的方位也可以被估計(jì)出來(lái)。(1)濾波：邊緣檢測(cè)算法主要是基于圖像灰度的一階或二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計(jì)算對(duì)噪聲很敏感，因此必須使用濾波器來(lái)改善與噪聲有關(guān)的邊緣檢測(cè)器的性能。邊緣存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域、基元與基元之間。目前，具有對(duì)邊緣的描述性定義，即兩個(gè)具有不同灰度的均勻圖像區(qū)域的邊界，即邊界反映局部的灰度變化。(4)工業(yè)工程方面在工業(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(dòng)裝配線中檢測(cè)零件的質(zhì)量、并對(duì)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(dòng)分揀，在一些有毒、放射性環(huán)境內(nèi)識(shí)別工件及物體的形狀和排列狀態(tài)，先進(jìn)的設(shè)計(jì)和制造技術(shù)中采用工業(yè)視覺(jué)等等。除了 CT技術(shù)之外，還有一類是對(duì)醫(yī)用顯微技術(shù)的處理分析，如染色體分析、癌細(xì)胞識(shí)別等。 數(shù)字圖像處理的應(yīng)用圖像是人類獲取和交換信息的主要來(lái)源，因此，圖像處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面。1964年美國(guó)噴氣式推進(jìn)實(shí)驗(yàn)室(JPL)處理衛(wèi)星發(fā)射回來(lái)的月球表面的照片使用了圖像處理技術(shù)，如幾何校正、灰度變換、去除噪聲等方法進(jìn)行處理，并考慮了太陽(yáng)位置和月球環(huán)境的影響，由計(jì)算機(jī)成功地繪制出月球表面地圖，獲得了巨大的成功。此外，在 X 光肺部圖像增晰、超聲波圖像處理、心電圖分析、立體定向放射治療等醫(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像處理技術(shù)。 Edge Detction。畢 業(yè) 設(shè) 計(jì) （ 論 文 ）題 目 ：圖像邊緣檢測(cè)方法研究英文題目：Research on Image Edge Detection Methods學(xué)生姓名 肖 龍 學(xué) 號(hào) 07323116 指導(dǎo)教師 李國(guó)萍 職稱 講師 專 業(yè) 信息工程 二零一一年六月東華理工大學(xué)長(zhǎng)江學(xué)院畢業(yè)設(shè)計(jì)（論文） 摘要摘 要數(shù)字圖像邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別和區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，是圖像識(shí)別中提取圖像特征的一個(gè)重要方法。關(guān)鍵詞：圖像處理； 邊緣檢測(cè)； Canny 算子； 濾波； 自適應(yīng)閾值東華理工大學(xué)長(zhǎng)江學(xué)院畢業(yè)設(shè)計(jì)（論文） 摘要ABSTRACTDigital image edge detection plays an import part in image analysis, such as image segmentation, interested region recognition and region shape it’s an import method in image feature extraction of image edge includes the valuable infotmation of the image which can be use in image understanding and through edge detection,we can greatly reduce the calculation of image analysis and processing in the following ,the first step of image understanding and analysis is edge detection,and it has been the most active topic in the machine vision research field,also it plays an import part in engineering application.Most of the traditional edge detection algorithms,such as Roberts,Sobel,Prewitt, Kirsch,Laplacian ,just construct an edge detection algorithm with a small neighborhood in each pixel of the original image,and then carry out with first differential or second differential operator in order to obtain the maximum gradient or the zerocrossing point of the second derivative,finally select an appropriate threshold to extract the these algorithms share the same shortings,for example,they are sensitive to noise,they can’t select threshold adaptively,and the detection results are not so well.In this paper,we do a deep research on the edge detection theory and algorithm, base on analyzing the traditional edge detection algorithm in detail,we focus on Canny algorithm,bined with MTM algorithm and Otsu algorithm to improve the filtering method and dual threshold selection method in Canny algorithm,and we call the imprived algorithm CMO for ,we use MATLAB to implement CMO algorithm,and the experiment results show that CMO algorithm can get better results than traditional Canny algorithm.Key words: Image Processing。除了CT 技術(shù)之外，還有一類是對(duì)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(shí)別等。60 年代末，圖像處理技術(shù)不斷完善，逐漸成為一個(gè)新興的學(xué)科。正在逐步形成的“圖像產(chǎn)業(yè)” ，由于其應(yīng)用的廣泛性，深入家庭生活而又集中了各種先進(jìn)技術(shù)，將是一個(gè)在 21世紀(jì)中扮演主角的基礎(chǔ)工業(yè)，其前途將不可限量。(2)生物醫(yī)學(xué)工程方面數(shù)字圖像處理技術(shù)在生物醫(yī)學(xué)工程方面的應(yīng)用十分廣泛，且很有成效。除了已應(yīng)用較廣泛的熵編碼、DPCM 編碼、變換編碼外，目前國(guó)內(nèi)外正在大力開(kāi)發(fā)研究新的編碼方法，如分行編碼、自適應(yīng)網(wǎng)絡(luò)編碼、小波變換圖像壓縮編碼等。一方面是因?yàn)閳D像的內(nèi)容非常復(fù)雜，很難用純數(shù)學(xué)的方法進(jìn)行描述，另一方面則是因?yàn)槿祟悓?duì)本身感知模板邊界的高層視覺(jué)機(jī)理的認(rèn)識(shí)現(xiàn)在還處于模糊之中。邊緣中包含圖像物體有價(jià)值的邊界信息，這些信息可以用于圖像分析、濾波以及目標(biāo)識(shí)別，并且通過(guò)邊緣檢測(cè)可以極大地降低后續(xù)圖像分析處理的數(shù)據(jù)量。圖 12 型邊緣和屋頂狀邊緣處一階及二階導(dǎo)數(shù)變化規(guī)律（其中第一行為理想信號(hào)，第二行對(duì)應(yīng)實(shí)際信號(hào)）一般邊緣檢測(cè)包括如下四個(gè)內(nèi)容。最簡(jiǎn)單的邊緣檢測(cè)判據(jù)是利用梯度幅值閉值作為判據(jù)。但真正實(shí)現(xiàn)這一目標(biāo)尚有較大的難度，這是因?yàn)椋?l)實(shí)際圖像都含有噪聲，并且噪聲的分布、方差等信息也都是未知的，同時(shí)噪聲和邊緣都是高頻信號(hào)，雖然平滑濾波運(yùn)算可消除噪聲，但是也導(dǎo)致一些邊緣模糊，檢測(cè)出的邊緣往往移位。 圖像噪聲的定義圖像噪聲可以理解為妨礙人的視覺(jué)器官或系統(tǒng)傳感器對(duì)所接受圖像源信息進(jìn)行理解或分析的各種因素。例如，通過(guò)無(wú)線網(wǎng)絡(luò)傳輸?shù)膱D像可能會(huì)因?yàn)楣饣蚱渌髿庖蛩氐母蓴_而受到噪聲污染。因這些粒子運(yùn)動(dòng)的隨機(jī)性而形成的散粒噪聲；導(dǎo)體中自由電子的無(wú)規(guī)則熱運(yùn)動(dòng)所形成的熱噪聲；根據(jù)光的粒子性，圖像是由光量子所傳輸，而光量子密度隨時(shí)間和空間變化所形成的光量子噪聲等。東華理工大學(xué)長(zhǎng)江學(xué)院畢業(yè)設(shè)計(jì)（論文） 圖像濾波8 圖像噪聲的濾除通過(guò)圖像平滑可以有效的減少和消除圖像中的噪聲，以改善圖像質(zhì)量，有利于抽取對(duì)象特征進(jìn)行分析。針對(duì)中值濾波方法的缺陷，目前已經(jīng)提出了一些改進(jìn)方法。 領(lǐng)域平均法鄰域平均法是一種空間域局部處理