【正文】 穩(wěn)定性 19 本章小結(jié) 22第五章 圖像邊緣提取的GUI設(shè)計 23 主要函數(shù)的介紹 23 GUI的實現(xiàn) 24 本章小結(jié) 30第六章 系統(tǒng)測試 31 打開圖像模塊測試 31 保存圖像模塊 31 執(zhí)行模塊測試 31 本章小結(jié) 32結(jié)論 33參考文獻(xiàn) 34致謝 35第一章 緒論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，它在圖像識別、圖像分割、圖像增強以及圖像壓縮等領(lǐng)域中有較為廣泛的應(yīng)用。照片、繪畫、影視畫面無疑屬于圖像，照相機(jī)、顯微鏡或望遠(yuǎn)鏡的取景器上的光學(xué)成像也是圖像，此外，漢字也可以說是圖像的一種，因為漢字起源于象形文字，所以可以當(dāng)作是一種特殊的圖像。視覺是人類最高級的感知器官，所以，毫無疑問，圖像在人類感知中扮演著非常重要的角色。本文著重討論圖像邊緣檢測的問題。 本章小結(jié)本章介紹了什么是數(shù)字圖像，什么是數(shù)字圖像處理，在此基礎(chǔ)上詳細(xì)的介紹了圖像邊緣處理的應(yīng)用及其意義，下一章將介紹實現(xiàn)圖像邊緣處理的軟件開發(fā)平臺的選擇。Matlab是矩陣實驗室（MatrixLaboratory）的簡稱，和Mathematica、Maple并稱為三大數(shù)學(xué)軟件[4]。圖像增強：改善圖像質(zhì)量。從本質(zhì)上說，邊緣常常意味著一個區(qū)域的終結(jié)和另一個區(qū)域的開始。圖像的邊緣是圖像的最基本特征。圖像邊緣對圖像識別和計算機(jī)分析十分有用，邊緣能勾劃出目標(biāo)物體，使觀察者一目了然；邊緣蘊含了豐富的內(nèi)在信息，是圖像識別中抽取圖像特征的重要屬性。用于圖像識別的邊緣提取往往需要輸出的邊緣是二值圖像，即只有黑白兩個灰度的圖像，其中一個灰度代表邊緣，另一個代表背景。特征提取作為圖像邊緣檢測的一個重要內(nèi)容，發(fā)展了眾多的方法。 Sobel邊緣算子Sobel邊緣算子的卷積核如圖32所示，圖像中的每個像素都用這兩個核做卷積，這兩個核分別對垂直邊緣和水平邊緣響應(yīng)最大，兩個卷積的最大值作為該點的輸出位。這一點可以用二階導(dǎo)數(shù)的零交叉點來實現(xiàn)。該算子的基本思想是：先對處理的圖像選擇一定的高斯濾波器進(jìn)行平滑處理，抑制圖像的噪聲，然后采用一種稱之為“非極值抑制”的技術(shù)，細(xì)化平滑后的圖像梯度幅值矩陣，尋找圖像中的可能的邊緣點，最后利用雙門限檢測通過雙閾值遞歸尋找圖像的邊緣點，實現(xiàn)邊緣提取。圖36 非極大值抑制四個扇區(qū)的標(biāo)號為0到3，對應(yīng)3*3鄰域的四種可能組合。然后進(jìn)行邊緣連接，雙閾值算法對非極大值抑制圖像作用兩個閾值τ1和τ2，且2τ1≈τ2，從而可以得到兩個閾值邊緣圖像G1(x,y)和G2(x,y)。 因此，在這一章中，我們將用Matlab語言對常用的五種邊緣檢測與提取算子分別進(jìn)行編程實現(xiàn)，查看并比較效果。 %讀入圖像f = rgb2gray(f)。 %邊緣探測，算子為prewittfigure, imshow(PF),title(39。)。canny39。 %邊緣探測，算子為robertsfigure, imshow(DF),title(39。 %讀入圖像f = rgb2gray(f)。 %邊緣探測，算子為prewittsubplot(232), imshow(PF), title(39。)。canny39。 %邊緣探測，算子為sobelsubplot(236), imshow(MF), title(39。在這一節(jié)中將詳細(xì)的分析各算子的穩(wěn)定性。 pepper39。 %設(shè)置圖像標(biāo)題p = rgb2gray(p)。)。prewitt39。 %轉(zhuǎn)換為雙精度，便于后面的計算PF = edge(p, 39。保存并運行即可得到410所示的效果： 圖 410 Sobel算子邊緣檢測原圖與加噪圖將上述程序中的PP=edge(f,’prewitt’)改為PP=edge(f,’roberts’)，并將標(biāo)題做相應(yīng)的調(diào)整即可實現(xiàn)Robert算子。處理圖像的各種算法在上一章中已經(jīng)詳細(xì)的介紹過了，本章主要介紹打開和保存功能的實現(xiàn)。打開Matlab，在命令窗口中輸入guide，或者依次選擇File—Open—GUI，則彈出如圖51的對話框：圖51 GUI快速啟動對話框選擇空模板（Blang GUI），點擊OK，即可打開GUIDE的設(shè)計界面：圖 52 GUI界面點擊Axes鍵在右邊的地方創(chuàng)建兩個可視框，分別在兩個框的上面創(chuàng)建“Edit Text”文本框，在兩個可視框中間添加一個控件組，在控件組中添加五個按鈕，在可視框下面添加四個控件，結(jié)果如圖53所示：圖 53 GUI設(shè)計初始布局分別選擇控件，點擊右鍵，選擇“Property Inspector”，彈出屬性修改對話框，對各控件的屬性進(jìn)行修改，屬性框如圖54所示：圖 54 屬性查看器常用的控件屬性參數(shù)所代表的意義為：（1）string屬性：用于顯示在控件上的字符串，起說明或提示作用。界面如圖56所示：圖 56 .M文件編輯器找到“打開圖像”控件的Callbacks函數(shù)（即回調(diào)函數(shù)），在回調(diào)函數(shù)下添加如下代碼：[filename,pathname]=uigetfile({39。39。axes()。39。)。helpdlg(H,39。 axes()。)。 case39。 BW=edge(im, 39。)。string39。string39。imshow(BW)。 打開圖像模塊測試系統(tǒng)默認(rèn)能打開“.bmp”、“*.jpg”、“39。結(jié)論本系統(tǒng)是以Matlab為平臺開發(fā)的，之前并未接觸到，在做畢業(yè)設(shè)計的這幾個月里，從學(xué)習(xí)平臺的應(yīng)用開始，到熟悉一種新的編程語言，最后到做出軟件，其間在網(wǎng)上查詢以及從圖書館借閱了大量的相關(guān)資料，初步完成了軟件的設(shè)計與開發(fā)，限于之前并未接觸到相關(guān)的圖像編程知識、平臺的應(yīng)用、時間倉促以及個人能力和精力等問題，某些功能還未能做到完全符合實際應(yīng)用要求，將在今后的應(yīng)用過程中逐步加以完善。感謝所有關(guān)心、支持、幫助過我得良師益友。在這里，我結(jié)識了許多的朋友，在和他們的交往中，我學(xué)習(xí)到了許多，得到了很大的提高。.tif39。)中的roberts分別替換為sobel、canny、log、prewitt，然后點擊保存。rgb=im2double(rgb)。 采用同樣的方法在Roberts的回調(diào)函數(shù)下添加如下代碼：im=getappdata(,39。選擇控件組中的“Intial”，右鍵選擇“ViewCallbacks”—“Callback”，在彈出的“.m”文件中找到對應(yīng)的回調(diào)函數(shù)，添加如下代碼：im=getappdata(,39。case39。)。 BW=edge(im,39。 case39。)。end在“保存圖像”按鈕的回調(diào)函數(shù)中，利用uiputfile函數(shù)建立了一個保存文件的對話框，調(diào)用imwrite函數(shù)將經(jīng)過修改的圖像進(jìn)行保存。39。,im)。)。39。（5）字體屬性：包括fontname,fontsize等。保存圖像時，需使用保存對話框，保存對話框使用uiputfile函數(shù)。 本章小結(jié)本章詳細(xì)的介紹了五種常用的邊緣檢測算子的原理及其優(yōu)缺點，并且介紹了各種算法在Matlab平臺中的實現(xiàn)，但都是單純的從理論上介紹的，缺乏直觀性，讓人很難真正的理解何為邊緣檢測。 %顯示處理后的圖title(39。Prewitt Filter39。,)。Nose Filter39。 %轉(zhuǎn)換為雙精度，便于后面的計算subplot(1,2,1) , imshow(f)。D:\SYSTEM\桌面\新建文件夾\39。事實上，在工程中所需要處理的圖像沒有想象中的那么好，總是受到某些因素的影響。)。 %邊緣探測，算子為logsubplot(234), imshow(LF), title(39。roberts39。)。 算子之間的比較 算子的定位性為了能更好的說明不同算法之間的區(qū)別，選取了一張圖片進(jìn)行測試，分別用不同的算子對同一圖片進(jìn)行邊緣提取。)。 %邊緣探測，算子為logfigure, imshow(LF),title(39。roberts39。)。 c) Laplacian of Gaussian (LoG)。由于在邊緣檢測中，邊緣定位能力和噪聲抑制能力是一對矛盾體，有的算法邊緣定位能力比較強，有的抗噪聲能力比較好，所以，在實際應(yīng)用的過程中，要有針對性的選取算子對圖像進(jìn)行處理。將低于閾值的所有值賦零值。將圖像與作卷積，同時改變n的方向，*取得最大值時的n就是正交于檢測邊緣的方向。②求高斯濾波器的拉普拉斯的變換，再求與圖像的卷積，然后再進(jìn)行過零判斷。111000111 圖33 Prewitt邊緣算子101101101 Prewitt算子在一個方向求微分，而在另一個方向求平均，因而對噪聲相對不敏感，有抑制噪聲作用，但是像素平均相當(dāng)于對圖像的低通濾波，所以Prewitt算子對邊緣的定位不如Roberts算子。圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此可以用局部圖像微分技術(shù)來獲得邊緣檢測算子。一般通過計算梯度幅值來完成。邊緣提取就是既要檢測出強度的非連續(xù)性，又能確定它們在圖像中的精確位置。根據(jù)這一特點，提出了多種邊緣檢測算子：如 Robert算子、Sobel 算子、Prewitt 算子、LoG 算子，Canny算子等。作為圖像邊緣檢測和計算機(jī)視覺最基本的技術(shù)——圖像邊緣提取技術(shù)，也突破了其狹義的概念，成為一個內(nèi)容豐富的領(lǐng)域。圖像壓縮：便于圖像的傳輸和存儲。Matlab不僅僅是一門編程語言，還是一個集成的軟件平臺，它包含以下幾個部分：1. Matlab語言2. Matlab集成工作環(huán)境3. Matlab圖形系統(tǒng)4. Matlab數(shù)學(xué)函數(shù)庫5. Sumlink交互式仿真環(huán)境6. Matlab編譯器7. 應(yīng)用程序接口API8. Matlab工具箱9. Notebook工具本文主要用到的是Matlab的圖像處理功能。Matlab圖像處理程序開發(fā)的特點是上手容易，開發(fā)周期短，見效快，和VB、VC等專業(yè)級編程工具相比，在Matlab平臺上開發(fā)圖像處理軟件程序代碼編寫量明顯較小[3]。經(jīng)典的邊緣檢測方法是構(gòu)造對像素灰度級階躍變化敏感的微分算子，如Roberts梯度算子、Sobel梯度算子等，其邊緣檢測速度快，但得到的往往是斷續(xù)的、不完整的結(jié)構(gòu)信息，這類方法對噪聲較為敏感，為了有效抑制噪聲，一般都首先對原圖像進(jìn)行平滑處理然后再進(jìn)行邊緣檢測，就能成功的檢測到真正的邊緣?，F(xiàn)在已經(jīng)有很多的圖像生成技術(shù)，但是，除了圖像恢復(fù)技術(shù)以外，圖像處理技術(shù)在很大程度上與圖像形成的過程無關(guān)。概括的講，圖像包含視頻、圖形、動畫、符號文字等主要內(nèi)容。邊緣檢測算法是圖像邊緣檢測問題中經(jīng)典技術(shù)難題之一，它的解決對于我們