【正文】 填表時(shí)間： 2016 年 月重慶郵電大學(xué)教務(wù)處制重慶郵電大學(xué)本科畢業(yè)設(shè)計(jì)（論文）摘 要隨著計(jì)算機(jī)技術(shù)的發(fā)展，圖像處理作為一種興起的學(xué)科分支受到了國類外學(xué)者的高度關(guān)注，圖像處理由于其應(yīng)用范圍方法的特點(diǎn)的到了較快的發(fā)展，現(xiàn)已分布到醫(yī)療、公共安全等各個(gè)領(lǐng)域，所以對數(shù)字圖像的研究具有重大意義。 Image Classification目 錄前 言 1第一章 圖像分類器概述 2第一節(jié) 圖像的定義 3一、圖像邊緣 3二、圖像形狀 3第二節(jié) 圖像邊緣檢測 5一、邊緣檢測的主要內(nèi)容 5二、邊緣檢測的應(yīng)用 6第三節(jié) 國內(nèi)外研究現(xiàn)狀 8第四節(jié) 論文主要內(nèi)容及章節(jié)安排 8第二章 數(shù)字圖像處理方法 10第一節(jié) 數(shù)字圖像的預(yù)處理 10一、數(shù)字圖像 10二、采樣 13三、量化 13四、采樣、量化和圖像細(xì)節(jié)的關(guān)系 13第二節(jié) 形狀特征及其描述方法 14一、形狀特征 14二、幾種典型的形狀特征描述方法 15第三節(jié) 幾種不同的度量 16一、矩形度 16二、圓形度 16三、矩 17四、不變矩 17第三章 邊緣檢測與提取方法 18第一節(jié) 邊緣檢測 18一、邊緣檢測準(zhǔn)備條件 18二、邊緣檢測基本步驟 19第二節(jié) 邊緣提取 20一、邊緣提取的步驟 20第三節(jié) 邊緣提取的常用算子 21一、Roberts邊緣算子 21二、Sobel邊緣算子 21三、Prewitt邊緣算子 22四、Laplacian邊緣算子 22五、Log邊緣算子 23六、Canny邊緣算子 25第四章 算法的選擇和實(shí)現(xiàn) 29第一節(jié) 邊緣檢測與識(shí)別算法 29第二節(jié) 仿真實(shí)驗(yàn)及結(jié)果分析 32一、仿真實(shí)驗(yàn) 32二、結(jié)果分析 34結(jié) 論 36致 謝 37參考文獻(xiàn) 38附錄 39 38 前 言圖像邊緣檢測作為圖像處理技術(shù)中非常重要的環(huán)節(jié)之一，被廣泛的運(yùn)用到圖像應(yīng)用中。首先，通過相對平滑過濾掉圖像中伴隨的噪聲；然后，進(jìn)行微分運(yùn)算，其中包括一階微分和二階微分，通過求得梯度最大值或著找到二階導(dǎo)數(shù)為零的點(diǎn)；最后，選取合適的閾值點(diǎn)來進(jìn)行邊界提取。如果具有某些觀察者可能感興趣的圖像，我們更應(yīng)該對圖像進(jìn)行加強(qiáng)突出處理，對有些3D成像方法如CT、MRI、可視化，特別是三維結(jié)構(gòu)可視化高度重視。數(shù)字圖像邊緣檢測處理，利用計(jì)算機(jī)處理圖像的邊緣，這些處理方法是與計(jì)算機(jī)的發(fā)展息息相關(guān)，這是一個(gè)新的應(yīng)用領(lǐng)域的發(fā)展，以光電、數(shù)學(xué)等技術(shù)的許多方面為主題。每個(gè)圖像都具有不同的灰度，圖像灰度是根據(jù)圖像的不同色階（紅，黃，藍(lán)）的比例程度來決定的。（1）邊緣點(diǎn)：圖像中灰度顯著變化的點(diǎn)。圖像分類（識(shí)別）屬于模式識(shí)別的范疇，圖像是在經(jīng)過預(yù)處理后的主要內(nèi)容（經(jīng)過增強(qiáng)、恢復(fù)和壓縮）、圖像分割和特征提取，其中一個(gè)句子分類。外形是最基本的概念，它與形狀有著密切的關(guān)系。其是由美國的MathWorks 公司研發(fā)的集成了數(shù)值計(jì)算、符號(hào)計(jì)算等功能與一體的軟件，其最具特色的圖形可視化功能，能夠讓人直觀的對仿真結(jié)果有一個(gè)清晰的認(rèn)識(shí)，是一款世界公認(rèn)的強(qiáng)大的應(yīng)用軟件[8]。本文正是運(yùn)用Matlab軟件對圖像的邊緣檢測算法進(jìn)行編輯，通過執(zhí)行文件，識(shí)別圖像的輪廓來得到圖形的邊界特征。通常情況下，圖像分割的方式有兩種：一是將每個(gè)子圖像的灰度值進(jìn)行平均化，得到均勻變化的過程；二是充分運(yùn)用圖像中灰度的差別，搜索出不同圖像之間的輪廓。對圖像的分割可以在時(shí)空中處理，也可以在平面內(nèi)進(jìn)行。由于人的工作方式是不斷改變的，其研究了領(lǐng)域也是不斷擴(kuò)大的，所以邊緣檢測的運(yùn)用范圍也是無止境的。視頻交通流檢測和車輛識(shí)別系統(tǒng)是一種圖像邊緣檢測技術(shù)，用于實(shí)現(xiàn)計(jì)算機(jī)處理系統(tǒng)的交通目標(biāo)檢測與識(shí)別。現(xiàn)有的特征提取和識(shí)別算法基本上仍處于實(shí)驗(yàn)階段，其實(shí)用性和通用性和準(zhǔn)確性要求從大規(guī)模的實(shí)際應(yīng)用到一定程度。第二章 數(shù)字圖像處理方法第一節(jié) 數(shù)字圖像的預(yù)處理一、數(shù)字圖像數(shù)字圖像，顧名思義就是對一般圖像進(jìn)行處理，得到可以進(jìn)行數(shù)字運(yùn)算的圖像，其中最重要的一個(gè)步驟是吧圖像進(jìn)行分割，得到如圖21所示的子圖像，每個(gè)子圖像都有其固定的像素，我們便可以通過子圖像區(qū)域像素的差別來對圖像的邊界定性定位與識(shí)別。有8位，24位光柵數(shù)據(jù)集。為了從一般的照片，景物中得到符合要求的數(shù)字圖像，在前期準(zhǔn)備過程中，需要對原圖做兩種操作，即采樣與量化（二者統(tǒng)稱為數(shù)字化）。（3）圖像變換?；镜膱D像類型分為以下幾種：（1）索引圖像索引圖像實(shí)際上是利用圖像的像素進(jìn)行匹配，每個(gè)圖像的像素是由紅黃藍(lán)三種顏色決定的，他們形成一個(gè)矩陣，每個(gè)矩陣都含有一個(gè)特定的值，這樣就能構(gòu)成圖像的索引。與上面類似，二進(jìn)制圖像也能夠處理成不同的數(shù)據(jù)類型，可以是雙精度型，也能設(shè)置為整形，但值得注意的是，Matlab在對圖像進(jìn)行處理時(shí)，所有的值都是以u(píng)int8類型邏輯數(shù)組來返回的。三、量化經(jīng)過采樣，圖像被分解成在時(shí)間上和空間上離散分布的像素，但是像素的值（灰度值）還是連續(xù)值。第二節(jié) 形狀特征及其描述方法一、形狀特征本文主要采用的是幾何參數(shù)法來判斷給出的的圖像是什么形狀。特征提取的圖像特征選擇原則是對所包含的輸入信息進(jìn)行處理和分析，將信息容易受到隨機(jī)干擾，作為特征提取模型。作為一組不同大小的圓形，如果選擇以“區(qū)域”為基礎(chǔ)，其與其他類別分離，其可靠性較低，同一圓在不同樣本區(qū)域的差異較大，并選擇“形狀指數(shù)”作為分類的依據(jù)，其可靠性高，所有在同一個(gè)圓類中的同形指數(shù)。一般而言，形式特征表示方法可以分為兩類：基于邊界和基于區(qū)域的。（2）傅里葉形狀描述符法傅立葉形狀描述符的基本思想是使用一個(gè)對象的邊界，傅立葉變換的形狀描述，使用的區(qū)域邊界閉合和周期性，二維問題成一維問題。矩形度的值限定在0到1之間。如果圖像的復(fù)雜邊界特性，用上述參數(shù)來描述物體的形狀就比較困難。將上述矩特征量進(jìn)行位置歸一化，得到圖像的中心矩：對于數(shù)字圖像，基于雙重求和的方法替換該積分，點(diǎn)處的階矩可以表示成： 由此可見該中心幾何矩也符合尺度不變性的特性。經(jīng)典的邊緣檢測方法往往會(huì)斷的不完全信息結(jié)構(gòu)，噪聲和敏感，為了有效地抑制噪聲，通常對原始圖像進(jìn)行平滑，然后邊緣檢測可以檢測真實(shí)的邊緣。二、邊緣檢測基本步驟具體的圖像邊緣檢測的基本步驟如下：（1）過濾器。邊緣檢測是最簡單的梯度幅值閾值的確定。經(jīng)典的邊界提取技術(shù)大多是基于微分運(yùn)算。邊緣提取的流程如圖32所示：連續(xù)外輪廓邊緣圖像圖像外輪廓圖像庫特征庫不變矩特征目標(biāo)區(qū)域連續(xù)、單值、二值化輪廓圖32 形狀特征提取系統(tǒng)流程邊緣提取的具體步驟如下：（1）獲取邊緣圖像，主要是運(yùn)用canny算法對已有的圖形進(jìn)行提取；（2）對邊緣圖像進(jìn)行輪廓跟蹤，得到外輪廓圖像；（3）外部輪廓圖像的預(yù)處理：首先，在外形上獲得連續(xù)光滑的輪廓線，輪廓線的二值化的自適應(yīng)二值化方法，精細(xì)的輪廓。（2）提高定位的準(zhǔn)確度得到的邊緣和誤差盡可能小的理論。一般而言，該距離越大，越小的影響。010141010圖35 鄰域Laplacian算子111 181111圖36 鄰域Laplacian算子通常使用的拉普拉斯算子33模板如圖36所示：111101121181242000111101121圖37 拉普拉斯算子Laplace算法對噪聲敏感，但其缺點(diǎn)也很明顯，即邊緣在一些圖形具有雙重作用。這可以通過使用過零的二階導(dǎo)數(shù)來實(shí)現(xiàn)。六、Canny邊緣算子邊緣檢測的基本思想一步是發(fā)現(xiàn)在圖像有一個(gè)局部最大值梯度像素。信噪比值越小，提取的邊緣效果越低；（2）定位精度準(zhǔn)則為了得到高精確度的圖像，需要檢找到邊緣點(diǎn)與實(shí)際邊緣最近的位置；（3）單邊緣響應(yīng)準(zhǔn)則應(yīng)對每個(gè)邊緣點(diǎn)是獨(dú)一無二的。將圖像與作卷積，同時(shí)改變n的方向，*取得最大值時(shí)的n就是正交于檢測邊緣的方向。將超出范圍的所有值都取上下限。比較不同的相鄰像素的四面八方，為了確定局部最大值。他們的目標(biāo)應(yīng)用程序，這是優(yōu)勢可以幫助我們來完成特定的任務(wù)。識(shí)別程序所用的核心程序代碼如下：a=max(khoangcach{k})。圓39。 (thoi ) text(s(k).Centroid(1)20，s(k).Centroid(2)，39。)其中，為圖像中心到邊緣的最大距離，為圖像中心到邊緣的最小距離。c=dt(k).Area。c=dt(k).Area。dolech=ab。 (thoi ) text(s(k).Centroid(1)20，s(k).Centroid(2)，39。)對長方形進(jìn)行邊緣提取，并根據(jù)求出的圓形度和矩判斷出該圖形為長方形。)第二節(jié) 仿真實(shí)驗(yàn)及結(jié)果分析相對來說，用Sobel算子進(jìn)行邊緣檢測得到的圖像效果較好，因?yàn)镾obel算子提供了精確的邊緣方向估計(jì)。一方面，要想提高算法的抗噪性能，必須以犧牲識(shí)別精度為代價(jià)；另一方面，要想提高算法的識(shí)別精度和識(shí)別效率，則在算法的抗噪性能方面考慮較少。結(jié) 論圖像形狀識(shí)別就是通過特定的識(shí)別方法來對圖像的輪廓和邊緣進(jìn)行提取，與圖像的其他特征相比，其復(fù)雜程度在于提取形狀特征的精確性得不到保障。將以上三種方法相結(jié)合的方式來處理圖像，能夠更好的提高圖像識(shí)別率和識(shí)別速度。謹(jǐn)向給予我無私幫助的同學(xué)表示深切的感謝。)。)。log39。holes39。area39。boundaries = bwboundaries(BW_filled)。 c=dt(k).Area。 vuong = c/(4*b^2) chunhat=c/(4*b*(a^2b^2)^)。 figure。 %測量圖像區(qū)域的面積cv = regionprops(L， 39。%填充圖像中的孔洞 imshow(bw)。imshow(bw)。sobel39。 a=rgb2gray(i)。深深地感謝父母對我養(yǎng)育之恩和諄諄教誨，雖然現(xiàn)在不在身邊，但是他們總是給我鼓勵(lì)，教我戰(zhàn)勝困難，他們的支持給了我戰(zhàn)勝困難的勇氣。致 謝 回首我在重慶郵電大學(xué)的四年學(xué)習(xí)生活，現(xiàn)在滿懷感激之情，我非常榮幸能夠來到重慶這個(gè)優(yōu)美的城市生活和學(xué)習(xí)。除此之外，圖像的特征還會(huì)因?yàn)槠浯笮?、尺寸、灰度等原因發(fā)生或多或少的變化，以上各種原因都大大阻礙了圖像處理技術(shù)的進(jìn)一步發(fā)展。當(dāng)圖像受到光照等因素的影響，我們無法的到圖像邊緣的信息，因此，運(yùn)用單一的邊緣檢測算法無法對圖像進(jìn)行較高精確度的處理，因此，邊緣檢測方法往往只是運(yùn)用在了圖像處理的初級(jí)階段。相比于Sobel算子，Canny算子具有更好的優(yōu)勢，它能夠有效的克服Sobel算子的缺點(diǎn)，并且能減弱噪聲對識(shí)別性能的影響。b=min(khoangcach{k})。)對正方形進(jìn)行邊緣提取，并根據(jù)求出的圓形度和矩判斷出該圖形為正方形。圓39。elseif (tamgiacdeu ) amp。elseif (elip ) amp。本程序允許有5%的誤差。) elseif ((chunhat ) amp。 (vuong ) text(s(k).Centroid(1)20，s(k).Centroid(2)，39。 c=dt(k).Area。第四章 算法的選擇和實(shí)現(xiàn)近年來，人們對圖像分析和處理的發(fā)展很快，這是一個(gè)理論與實(shí)踐的結(jié)合。此外，在實(shí)際應(yīng)用中，檢測效果還與濾波模板大小有關(guān)，當(dāng)時(shí)有較好的檢測效果。①首先是邊緣判別：如果邊緣強(qiáng)度大于上限，則記為邊緣點(diǎn)；如果邊緣強(qiáng)度小于下限，則不是邊緣點(diǎn)；如果邊緣強(qiáng)度介于下限和上限之間，則依據(jù)與該像素相鄰的像素點(diǎn)來判別是否為邊緣點(diǎn)。step3:梯度是不足以確定唯一的邊緣，所以要保證邊緣，你必須保持局部梯度最大點(diǎn)，而不是抑制?；谏鲜鰷?zhǔn)則，導(dǎo)出了使用功能推導(dǎo)方法的邊緣定位精度和信噪比的產(chǎn)品組成一個(gè)表達(dá)式，該表達(dá)式類似于高斯函數(shù)的導(dǎo)數(shù)，這是這個(gè)函數(shù)的最佳逼近。改進(jìn)邊緣檢測對邊緣的敏感性，也增強(qiáng)了對噪聲的敏感性。在實(shí)踐中，為了防止邊緣檢測不明顯，應(yīng)該選擇第一導(dǎo)數(shù)大于零點(diǎn)作為邊緣點(diǎn)的閾值大。五、Log邊緣算子這里介紹一種基于二階導(dǎo)數(shù)求到邊緣點(diǎn)算法的圖像亮度，這種方法對噪聲非常敏感，因此，可以在之前是邊緣增強(qiáng)去噪。111101000101111101圖34 Prewitt邊緣算子Prewitt算子原理比較簡單，它是在一個(gè)水平差的操作，垂直方向中的兩種平均操作，相對而言，在操作者對噪聲較不敏感，但是，平均處理是圖像濾波的過程。一、Roberts邊緣算子Roberts算子的原理是在差分算子的基礎(chǔ)上完成的，其具體公式可以表示如下： 其中，是以整數(shù)的形式來表示圖像的坐標(biāo)。第三節(jié) 邊緣提取的常用算子邊緣檢測方法主要是基于方向?qū)?shù)卷積方法，復(fù)合梯度圖像和模塊，然后根據(jù)梯度模式最大提取方向，以獲得所需的邊緣。一、邊緣提取的步驟圖像邊緣檢測和邊緣檢測是至關(guān)重要的領(lǐng)域的計(jì)算機(jī)視覺技術(shù)，如何快速、準(zhǔn)確地提取圖像邊緣信息一直在研究和發(fā)展的重點(diǎn)技術(shù)和整個(gè)領(lǐng)域的發(fā)展，邊緣檢測技術(shù)已成為圖像分割、目標(biāo)識(shí)別、圖像壓縮技術(shù)。精確確定邊緣的位置。但過濾器，以減少噪聲和強(qiáng)度的邊緣損傷。圖像灰度變化比較嚴(yán)重的區(qū)域比較符合要求，我們通常用此特征提取圖像邊緣。理想的邊緣檢測應(yīng)在邊緣的