【正文】 白矩陣：[M,N]=size(I)。meshgrid39。endendY=fft2(double(I))。 end endendimshow(F4)。而元胞自動(dòng)機(jī)則是完全的空間離散、時(shí)間離散。(a)4鄰居模型 (b)8鄰居模型 元胞自動(dòng)機(jī)鄰居模型 元胞自動(dòng)機(jī)的組成 程序設(shè)計(jì)及仿真以4鄰居模型為例。39。for i=1:Mfor j=1:N1if(abs(im(i,j)im(i,j+1))T)max=abs(im(i,j)im(i,j+1))。endend基于元胞的邊緣檢測(cè)代碼：for i=2:M1 for j=2:N1 if ((abs(im(i1,j)im(i,j))sigma)amp?？梢?jiàn)，傳統(tǒng)的邊緣檢測(cè)方法還有很多研究的價(jià)值，還有很多可以改進(jìn)的地方，有待進(jìn)一步研究。第3章 現(xiàn)代邊緣檢測(cè)方法 基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè) 形態(tài)學(xué)邊緣檢測(cè)概述數(shù)學(xué)形態(tài)學(xué)是一種非線性濾波方法，在圖像處理中已獲得了廣泛的應(yīng)用。比如，結(jié)構(gòu)元素單一的問(wèn)題，它對(duì)與結(jié)構(gòu)元素同方向的邊緣敏感，而與其不同方向的邊緣或噪聲會(huì)被平滑掉，即邊緣的方向可以由結(jié)構(gòu)元素的形狀確定，但如果采用對(duì)稱(chēng)的結(jié)構(gòu)元素，又會(huì)減弱對(duì)圖像邊緣的方向敏感性，所以在邊緣檢測(cè)中，可以考慮用多方位的形態(tài)結(jié)構(gòu)元素，運(yùn)用不同的結(jié)構(gòu)元素的邏輯組合檢測(cè)出不同方向的邊緣。(a)無(wú)噪聲時(shí)的提取結(jié)果 (b)有噪聲時(shí)的提取結(jié)果形態(tài)學(xué)邊緣檢測(cè)對(duì)無(wú)噪聲的圖像邊緣提取效果較好，(a)所示，(b)所示。 imshow(BW)。[M,N]=size(I)。多尺度邊緣檢測(cè)的基本思想就是沿梯度方向，分別用幾個(gè)不同尺度的邊緣檢測(cè)算子在相應(yīng)點(diǎn)上檢測(cè)模極大值的變換情況，并通過(guò)對(duì)閾值的選取，再在不同尺度上進(jìn)行綜合，得到最終邊緣圖像，可以較好的解決噪聲和定位精度之間的矛盾。因而，尋求算法較簡(jiǎn)單、能較好解決邊緣檢測(cè)精度與抗噪聲性能協(xié)調(diào)問(wèn)題的邊緣檢測(cè)算法將一直是圖像處理與分析中研究的主要問(wèn)題之一。本論文的主要工作和成果：（1） 本論文對(duì)傳統(tǒng)的邊緣檢測(cè)算法原理進(jìn)行了詳細(xì)的分析，全面總結(jié)了各種算子的優(yōu)缺點(diǎn)，并通過(guò)仿真體現(xiàn)了各算法的特點(diǎn)及處理最佳效果。感謝同班同學(xué)在論文完成過(guò)程中給予的無(wú)私幫助，讓我能夠順利地完成論文。同時(shí)借此機(jī)會(huì)向我的父母表示感謝，感謝他們這么多年來(lái)對(duì)我不計(jì)回報(bào)的關(guān)愛(ài)和支持，幫我順利地度過(guò)每一個(gè)難關(guān)。（3） 簡(jiǎn)要介紹了現(xiàn)代邊緣檢測(cè)技術(shù)。因此，如何獲取圖像的邊緣成為圖像處理與分析中的熱點(diǎn)問(wèn)題。經(jīng)濾波后去除了高頻分量，因此能夠檢測(cè)到原圖像中所檢測(cè)不到的邊緣。endend 基于小波變換多尺度分析的邊緣檢測(cè)小波變換是傳統(tǒng)的Fourier變換的繼承和發(fā)展，具有一定的分析非穩(wěn)信號(hào)的能力，主要表現(xiàn)在高頻處的時(shí)間分辨率高，低頻處的頻率分辨率高，即具有變焦特性，因此特別適合于圖像這一類(lèi)非平穩(wěn)信號(hào)的處理。39。else F(x,y)=0。如下式所示：。因此，將數(shù)學(xué)形態(tài)學(xué)用于邊緣檢測(cè)，既能有效地濾除噪聲，又可保留圖像中的原有細(xì)節(jié)信息，具有較好的邊緣檢測(cè)效果。但由于噪聲也具有灰度變化迅速的特點(diǎn)，所以用微分算子邊緣檢測(cè)存在“提升噪聲”的缺點(diǎn)。(abs(im(i,j1)im(i,j))sigma)amp。endendendfor j=1:Nfor i=1:M1if(abs(im(i,j)im(i+1,j))T)max=abs(im(i,j)im(i+1,j))。 im_o=zeros(M,N)。本文對(duì)sigma的選取如程序代碼，是一個(gè)統(tǒng)計(jì)的結(jié)果，并無(wú)理論依據(jù)。這個(gè)改造過(guò)程不僅是繁雜的，甚至是不可能解決的，但最重要的是在這個(gè)過(guò)程中，微分方程也失去了它的自身最重要的特性——精確性、連續(xù)性。laplacian39。Ya=Y.*Hd。[M,N]=size(I)。F4(i,j)=0。39。為了減小噪聲帶來(lái)的負(fù)面影響，LOG算法處理前先進(jìn)行高斯平滑處理，這樣就可有效抑制噪聲的影響。?利用微分算子計(jì)算梯度的幅值和方向。 Canny算子John Canny于1986年提出Canny算子，它與LOG邊緣檢測(cè)方法類(lèi)似，也屬于是先平滑后求導(dǎo)數(shù)的方法。式中為拉普拉斯高斯算子，即 邊緣檢測(cè)就是要尋找的過(guò)零點(diǎn)。Canny邊緣檢測(cè)法利用高斯函數(shù)的一階微分，它能提取出較為完整邊緣，而且邊緣的連續(xù)性很好。 Kirsch邊緣算子模板 實(shí)驗(yàn)仿真通過(guò)前面對(duì)一階微分算法原理的詳細(xì)介紹，： (a1)原圖 (a2)加入高斯噪聲后的圖(b)Robert算子邊緣提取結(jié)果(c)Prewitt算子邊緣提取結(jié)果（左圖為無(wú)噪聲的情況，右圖為含零均值高斯白噪聲情況）(d)Sobel算子邊緣提取結(jié)果(e)Kirsch算子邊緣提取結(jié)果（左圖為無(wú)噪聲的情況，右圖為含零均值高斯白噪聲情況）通過(guò)對(duì)比仿真結(jié)果并合結(jié)各邊緣檢測(cè)算子的原理，可以得出這幾種算子的優(yōu)缺點(diǎn)及適用范圍如下：（1） Robert算子利用局部差分定位邊緣，邊緣定位精度較高，但容易丟失一部分邊緣，由于未經(jīng)過(guò)平滑處理，所以不具備抑制噪聲的能力。當(dāng)對(duì)精度要求不是很高時(shí),是一種較為常用的邊緣檢測(cè)方法。該算子對(duì)具有陡峭邊緣、低噪聲的圖像效果較好。利用梯度模算子來(lái)檢測(cè)邊緣是一種很好的方法，它不僅具有位移不變性，還具有各向同性。 主要研究?jī)?nèi)容本文將較為詳細(xì)地對(duì)各種圖像邊緣提取算法的原理進(jìn)行闡述，分析各自的優(yōu)缺點(diǎn)，重點(diǎn)對(duì)幾種最具代表的經(jīng)典圖像邊緣提取算法給出matlab實(shí)驗(yàn)結(jié)果，并進(jìn)行結(jié)果的對(duì)比分析。第二種方法就是擬合曲面法，這是一種比較直觀的方法，該方法利用當(dāng)前像素領(lǐng)域像素值擬合一個(gè)曲面，再求曲面在當(dāng)前像素處的梯度。一般通過(guò)計(jì)算梯度幅值完成。圖像的邊緣有方向和幅值兩個(gè)特性，通常沿邊緣的走向灰度變化平緩，垂直于邊緣走向的像素灰度變化劇烈。該文對(duì)傳統(tǒng)的具有代表性的各種圖像邊緣提取方法進(jìn)行了闡述、對(duì)比和分析了各自的優(yōu)缺點(diǎn)，為了更清楚地看出各種算法的效果，給出了一些常用算法對(duì)同一副標(biāo)準(zhǔn)測(cè)試圖像進(jìn)行邊緣提取的實(shí)驗(yàn)結(jié)果。關(guān)鍵詞 圖像處理,小波變換,圖像邊緣檢測(cè)ABSTRACTImage edge detection is always study focus in the field of image processing and analysis. Edge extraction is foundation work of image processing, how accurate and efficient extract edge is heated discussed by the scholars who are related to image processing area , and