【正文】 Canny 算子邊緣檢測圖像 39。)。BW21= edge(I,39。Canny39。)。BW11=edge(I,39。log39。,)。figure,imshow(BW22)。log39。,)。figure,imshow(BW2)。title(39。閾值為 的 LOG 算子邊緣檢測圖像39。)。③高斯—拉普拉斯算法提取圖像： 結(jié)果分析：如圖所示采用的閾值越小則圖像的邊緣處理效果越清晰，且邊緣點條理顯著。Canny算子具有既能濾去噪聲又保持邊緣特性的邊緣檢測的特性。為了體現(xiàn)出每一株算法的獨(dú)特優(yōu)勢，我們采用橫向和縱向，即對不同圖像采用相同算法比較，在對一幅圖像采用不同算法進(jìn)行比較分析！以此來體現(xiàn)對不同灰度級別的圖像處理效果，突顯出各種算法的優(yōu)劣。但以上幾種邊緣提取算法都是針對性比較強(qiáng)的方法，特別是經(jīng)過數(shù)次試驗后發(fā)現(xiàn)這幾種邊緣提取算法提取的精度都不算特別高，而且在邊緣提取中存在著抗噪性和檢測精度的矛盾。數(shù)字圖像的邊緣提取技術(shù)未來的發(fā)展空間還很廣闊，應(yīng)該繼續(xù)努力尋求適應(yīng)性更廣、局限性更小的方法。邊緣檢測理論作為一個低級視覺處理過程有著較長的研究歷史，產(chǎn)生了大量的新理論、新方法。因此，改變我國交通以人管理為主的被動局面，實現(xiàn)城市交通管理智能化都具有十分重要的現(xiàn)實意義。并且，王老師治學(xué)嚴(yán)謹(jǐn)，一絲不茍，注重培養(yǎng)學(xué)生研究問題、解決問題的獨(dú)立工作能力，讓我受益匪淺。)。subplot (1,2,2)。)。BW10=edge(I,39。Roberts 39。,)。 %edge 調(diào)用 sobel 為檢測算子判別閾值為 figure,imshow(BW2)。 title( 39。閾值為 的 sobel 算子邊緣檢測圖像39。)。BW31=edge(I,39。Prewitt 39。,)。 BW4= edge(I,39。Canny39。,) 。%edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW42)。log39。,)。figure,imshow(BW2)。title(39。原始圖像39。)。BW21= edge(I,39。Canny39。青島大學(xué)本科生畢業(yè)論文（設(shè)計）青島大學(xué)本科生畢業(yè)論文（設(shè)計）1。)。閾值為 的 Canny 算子邊緣檢測圖像39。title( 39。 imshow(I)。,)。log39。BW11=edge(I,39。)。Canny39。BW41= edge(I,39。)。39。BW33=edge(I,39。)。閾值為 的 Prewitt 算子邊緣檢測圖像39。 title( 39。 %edge 調(diào)用 sobel 為檢測算子判別閾值為 figure,imshow(BW21)。,)。sobel 39。BW12=edge(I,39。)。閾值為 的 Roberts 算子邊緣檢測圖像39。title(39。 %鄰域平均subplot(1,2,1)。 參考文獻(xiàn)[1] （美）岡薩雷斯等，阮秋琦等譯，數(shù)字圖像邊緣檢測（第二版）,電子工業(yè)出版社[2] 章毓晉，圖像邊緣檢測和分析，清華大學(xué)出版社，1999[3] 涂建華，圖像邊緣檢測與分析，科學(xué)出版社，1994[4] 何斌、馬天予等，MATLAB數(shù)字圖像邊緣檢測，人民郵電出版社[5] 楊支靈、王開，MATLAB數(shù)字圖像獲取、處理及實踐應(yīng)用，人民郵電出版社[6] 魏弘博，基于粗糙集的圖像增強(qiáng)和邊緣檢測[7] 鄭慕之，MRI二維圖像邊緣檢測及可視化研究，南京航空航天大學(xué)， 2022[8] 鄭翔、黃藝云，Kirsch邊緣檢測算子的快速算法，通信學(xué)報，1996[9] 王娜，李霞．一種新的改進(jìn)Canny邊緣檢測算法．深圳大學(xué)學(xué)報，2022[10] 游素亞、楊靜， 圖像邊緣檢測技術(shù)的發(fā)展與現(xiàn)狀，電子科技導(dǎo)報，1995[12] 杜輝強(qiáng)，高光譜遙感影像濾波和邊緣提取方法研究，武漢大學(xué)，2022 [13] 朱秀昌、劉峰、胡棟，數(shù)字圖像邊緣檢測與圖像通信，北京郵電大學(xué)出版社[14] 朱劍英，智能系統(tǒng)非經(jīng)典數(shù)學(xué)算法，華中科技大學(xué)出版社，2022[15] 游素亞、楊靜， 圖像邊緣檢測技術(shù)的發(fā)展與現(xiàn)狀，電子科技導(dǎo)報，1995[16] 鄭翔、黃藝云， Kirsch 邊緣檢測算子的快速算法，通信學(xué)報，1996附錄①5x5 模板的鄰域平均法平滑圖像I=imread(39。王老師在平時的學(xué)習(xí)生活中給予了我最熱情的指導(dǎo)和幫助，在我完成論文的整個過程，更是從開題報告到完成初稿都有王老師的辛勞。利用電視視頻技術(shù)、計算機(jī)圖像邊緣檢測技術(shù)、模式識別技術(shù)及通信技術(shù)等多項技術(shù)為一體的計算機(jī)視頻監(jiān)測技術(shù)對交通進(jìn)行監(jiān)測和控制是一個具有廣闊應(yīng)用前景的研究方向。結(jié)束語數(shù)字圖像的邊緣檢測技術(shù)是圖像邊緣檢測、圖形識別中最基礎(chǔ)也是最重要的理論之一。隨著計算機(jī)視覺和圖像邊緣檢測技術(shù)地發(fā)展，迫切需要視覺早期階段的突破即邊緣檢測技術(shù)的突破，努力尋求算法較簡單、能較好解決邊緣測精度與抗噪聲性能協(xié)調(diào)問題的邊緣檢測算法。Log算子效果圖： 結(jié)果分析：以上為二階微分算子的邊緣檢測效果圖，由Log算子的檢測原理圖知，它利用圖像強(qiáng)度二階導(dǎo)數(shù)的零交叉點來求邊緣點的算法對噪聲十分敏感，所以在對邊緣增強(qiáng)前濾除噪聲?？傮w比較Prewitt 算子的效果要更好一些。根據(jù)這各原理看出高斯拉普拉斯算子選取的閾值越小則圖像的處理效果越好，相同則Canny算子算法則采用的閾值越大則圖像的邊緣處理效果越清晰。但是當(dāng)閾值超過 時圖像邊緣的有效信息將丟失如圖 所示，但是圖像的邊緣點更加明顯判斷?、诟咚埂绽顾惴ㄌ崛D像： 圖 原始圖像 圖 閾值為 0 圖 閾值為 結(jié)果分析：如圖所示采用的閾值越大則圖像的邊緣處理效果越模糊不清，且邊緣點條理無法判斷。title(39。figure,imshow(BW22)。,)。log39。BW11=edge(I,39。)。log39。BW21= edge(I,39。)。閾值為 的 LOG 算子邊緣檢測圖像39。 高斯—拉普拉斯（Log）算法首先建立函數(shù)，在 Log 邊緣算子中，對邊緣的檢測技術(shù)采用的是二階導(dǎo)數(shù)的零交叉點來檢測邊緣點的算法：其 Matlab 程序編寫如下：（第一部分圖）I=imread (39。)。閾值為 的 Canny 算子邊緣檢測圖像39。title( 39。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW11)。,) 。39。BW22= edge(I,39。)。閾值為 的 Canny 算子邊緣檢測圖像39。title( 39。 imshow(I)。它以眾多的學(xué)科領(lǐng)域為理論基礎(chǔ)，其成果又滲透到眾多的學(xué)科中，成為理論實踐并重，在高新技術(shù)領(lǐng)域中占有重要地位的新興學(xué)科。Canny 算子檢測方法的優(yōu)點：①低誤碼率，很少把邊緣點誤認(rèn)為非邊緣點；②高定位精度，即精確地把邊緣點定位在灰度變化最大的像素上；③抑制虛假邊緣。①首先是邊緣判別： 凡是邊緣強(qiáng)度大于高閾值的一定是邊緣點；凡是邊緣強(qiáng)度小于低閾值的一定不是邊緣點；如果邊緣強(qiáng)度大于低閾值又小于高閾值，則看這個像素的鄰接像素中有沒有超過高閾值的邊緣點，如果有，它就是邊緣點，如果沒有，它就不是邊緣點。,xstep3:僅僅得到全局的梯度并不足以確定邊緣，因此為確定邊緣，必須保留局部梯度最大的點，而抑制非極大值。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。上式就是馬爾和希爾得勒斯提出的邊緣檢測算子（簡稱 MH 算子）,由于 LOG 濾波器在 空間中的圖形與墨西哥草帽形狀相似，所),(yx以又稱為墨西哥草帽算子。 這種方法的特點是圖像首先與高斯濾波器進(jìn)行卷積，這樣既平滑了圖像又降低了噪聲，孤立的噪聲點和較小的結(jié)構(gòu)組織將被濾除。其 4 鄰域系統(tǒng)和 8 鄰域系統(tǒng)的 Laplacian 算子的模板分別如圖 和圖 所示。 Sobel 算子認(rèn)為鄰域的像素對當(dāng)前像素產(chǎn)生的影響不是等價的，所以距離不同的像素具有不同的權(quán)值，對算子結(jié)果產(chǎn)生的影響也不同。經(jīng)典的邊界提取技術(shù)大都基于微分運(yùn)算。精確確定邊緣的位置。但濾波器在降低噪聲的同時也導(dǎo)致邊緣強(qiáng)度的損失。圖像上灰度變化劇烈的區(qū)域比較符合這個要求，我們一般會以這個特征來提取圖像的邊緣。第二，要知道特性變化總是發(fā)生在一定的空間范圍內(nèi)，不能期望用一種檢測算子就能最佳檢測出發(fā)生在圖像上的所有特性變化。在圖像中邊緣區(qū)域的灰度在空間上的變化形式一般可分為三個類型:階躍型、房頂型和凸緣型，如圖 所示。邊緣檢測在圖像分割、紋理特征提取、形狀特征提取和圖像識別等方面起著重要的作用。這些方法多是以待處理像素為中心的鄰域作為進(jìn)行灰度分析的基礎(chǔ)，實現(xiàn)對圖像邊緣的提取并已經(jīng)取得了較好的處理效果。所謂邊緣（或邊沿）是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。圖像邊緣信息在圖像分布和人的視覺中都是十分重要的，是圖像識別中提取圖像特征的一個重要屬性。在所有這些領(lǐng)域中的使用方法和技術(shù)都很相似，故醫(yī)療衛(wèi)生中的圖像邊緣檢測方法大部分借鑒其他科學(xué)和工業(yè)領(lǐng)域中的圖像邊緣檢測應(yīng)用。多譜成像的應(yīng)用使來自不同成像模式的信息融合成為可能（如在醫(yī)學(xué)中 X 線核磁共振成像的融合）。圖像邊緣檢測的目標(biāo)是代替人去處理和理解圖像,因此實時性,靈活性,精確性是對系統(tǒng)的主要要求。交通問題已經(jīng)成為城市管理工作中的重大社會問題，阻礙和制約著城市經(jīng)濟(jì)建設(shè)的發(fā)展?，F(xiàn)在改用配備有高級計算機(jī)的圖像邊緣檢測系統(tǒng)來判讀分析首先提取出其圖像邊緣，既節(jié)省人力，又加快了速度，還可以從照片中提取人工所不能發(fā)現(xiàn)的大量有用情報。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像邊緣檢測中也有著廣泛而有效的應(yīng)用。如果是為了進(jìn)一步對圖像作數(shù)字處理，可以選擇分割（一種突出各圖像成分之間的邊界和線狀結(jié)構(gòu)的運(yùn)算） 。有兩類不同的圖像分割方法。在實際中邊緣點和邊緣段都稱為邊緣。它們的灰度變化不是瞬間的而是跨越一定距離的。近年來，圖像分析和處理緊緊圍繞理論、實現(xiàn)、應(yīng)用三方面迅速發(fā)展起來。這些應(yīng)用的特征是要求最小的人工干預(yù)，全自動完成分析工作。第 1 章 圖像邊緣檢測與提取概述數(shù)字圖像邊緣檢測技術(shù)起源于 20 世紀(jì) 20 年代，當(dāng)時受條件的限制一直沒有取得較大進(jìn)展，直到 20 世紀(jì) 60 年代后期電子技術(shù)、計算機(jī)技術(shù)有了相當(dāng)?shù)陌l(fā)展，數(shù)字圖像邊緣檢測處理技術(shù)才開始進(jìn)入了高速發(fā)展時期。目 錄前 言 1第 1 章 圖像邊緣檢測與提取概述 1 圖像邊緣的定義 2 圖像邊緣檢測算 法的研究內(nèi)容 3 圖像 邊緣檢測算法的主要應(yīng)用 4 圖像邊緣檢測算法的發(fā)展前景 6第 2 章 圖像的邊緣檢 測與提取 7 引言 7 邊緣檢 測與提取過程 9 邊緣檢測與提取主要算法 10 Roberts 邊緣算子 10 Sobel 邊緣算子 11 Prewitt 邊緣算子 11 Laplacian 邊緣算子 12 Log 邊緣算子 12 Canny 邊緣算子 14第 3 章 算法的選擇和 實現(xiàn) 16 坎尼（CANNY）算法 17 高斯— 拉普拉斯（LOG）算法 18第 4 章 試驗結(jié)果的分析、比較及存在的問題 19結(jié)束語 26謝 辭 27參考文獻(xiàn) 28附錄 28前 言在實際圖像邊緣檢測問題中，圖像的邊緣作為圖像的一種基本特征，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中去。本文主要介紹幾種經(jīng)典的邊緣提取算法，選取兩種用 MATLAB 語言編程實現(xiàn)，對提取結(jié)果進(jìn)行比較和分析。例如，根據(jù)一個染色體分布的顯微圖像自動確定染色體核型的系統(tǒng)，從一個血液涂片自動生成白細(xì)胞分類計數(shù)報告的系統(tǒng)。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。在實際中，階躍和線條邊緣圖像是較少見的，由于空間分辨率（尺度空間）、圖像傳感器等原因會使階躍邊