【正文】 白矩陣：[M,N]=size(I)。meshgrid39。endendY=fft2(double(I))。 end endendimshow(F4)。而元胞自動機則是完全的空間離散、時間離散。(a)4鄰居模型 (b)8鄰居模型 元胞自動機鄰居模型 元胞自動機的組成 程序設(shè)計及仿真以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代碼：for i=2:M1 for j=2:N1 if ((abs(im(i1,j)im(i,j))sigma)amp?？梢?，傳統(tǒng)的邊緣檢測方法還有很多研究的價值，還有很多可以改進的地方，有待進一步研究。第3章 現(xiàn)代邊緣檢測方法 基于數(shù)學形態(tài)學的邊緣檢測 形態(tài)學邊緣檢測概述數(shù)學形態(tài)學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)元素單一的問題，它對與結(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，但如果采用對稱的結(jié)構(gòu)元素，又會減弱對圖像邊緣的方向敏感性，所以在邊緣檢測中，可以考慮用多方位的形態(tài)結(jié)構(gòu)元素，運用不同的結(jié)構(gòu)元素的邏輯組合檢測出不同方向的邊緣。(a)無噪聲時的提取結(jié)果 (b)有噪聲時的提取結(jié)果形態(tài)學邊緣檢測對無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)。多尺度邊緣檢測的基本思想就是沿梯度方向，分別用幾個不同尺度的邊緣檢測算子在相應(yīng)點上檢測模極大值的變換情況，并通過對閾值的選取，再在不同尺度上進行綜合，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，尋求算法較簡單、能較好解決邊緣檢測精度與抗噪聲性能協(xié)調(diào)問題的邊緣檢測算法將一直是圖像處理與分析中研究的主要問題之一。本論文的主要工作和成果：（1） 本論文對傳統(tǒng)的邊緣檢測算法原理進行了詳細的分析，全面總結(jié)了各種算子的優(yōu)缺點，并通過仿真體現(xiàn)了各算法的特點及處理最佳效果。感謝同班同學在論文完成過程中給予的無私幫助，讓我能夠順利地完成論文。同時借此機會向我的父母表示感謝，感謝他們這么多年來對我不計回報的關(guān)愛和支持，幫我順利地度過每一個難關(guān)。（3） 簡要介紹了現(xiàn)代邊緣檢測技術(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問題。經(jīng)濾波后去除了高頻分量，因此能夠檢測到原圖像中所檢測不到的邊緣。endend 基于小波變換多尺度分析的邊緣檢測小波變換是傳統(tǒng)的Fourier變換的繼承和發(fā)展，具有一定的分析非穩(wěn)信號的能力，主要表現(xiàn)在高頻處的時間分辨率高，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非平穩(wěn)信號的處理。39。else F(x,y)=0。如下式所示：。因此，將數(shù)學形態(tài)學用于邊緣檢測，既能有效地濾除噪聲，又可保留圖像中的原有細節(jié)信息，具有較好的邊緣檢測效果。但由于噪聲也具有灰度變化迅速的特點，所以用微分算子邊緣檢測存在“提升噪聲”的缺點。(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sigma的選取如程序代碼，是一個統(tǒng)計的結(jié)果，并無理論依據(jù)。這個改造過程不僅是繁雜的，甚至是不可能解決的，但最重要的是在這個過程中，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。為了減小噪聲帶來的負面影響，LOG算法處理前先進行高斯平滑處理，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邊緣檢測方法類似，也屬于是先平滑后求導數(shù)的方法。式中為拉普拉斯高斯算子，即 邊緣檢測就是要尋找的過零點。Canny邊緣檢測法利用高斯函數(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 實驗仿真通過前面對一階微分算法原理的詳細介紹，： (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（左圖為無噪聲的情況，右圖為含零均值高斯白噪聲情況）通過對比仿真結(jié)果并合結(jié)各邊緣檢測算子的原理，可以得出這幾種算子的優(yōu)缺點及適用范圍如下：（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)過平滑處理，所以不具備抑制噪聲的能力。當對精度要求不是很高時,是一種較為常用的邊緣檢測方法。該算子對具有陡峭邊緣、低噪聲的圖像效果較好。利用梯度模算子來檢測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。 主要研究內(nèi)容本文將較為詳細地對各種圖像邊緣提取算法的原理進行闡述，分析各自的優(yōu)缺點，重點對幾種最具代表的經(jīng)典圖像邊緣提取算法給出matlab實驗結(jié)果，并進行結(jié)果的對比分析。第二種方法就是擬合曲面法，這是一種比較直觀的方法，該方法利用當前像素領(lǐng)域像素值擬合一個曲面，再求曲面在當前像素處的梯度。一般通過計算梯度幅值完成。圖像的邊緣有方向和幅值兩個特性，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。該文對傳統(tǒng)的具有代表性的各種圖像邊緣提取方法進行了闡述、對比和分析了各自的優(yōu)缺點，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同一副標準測試圖像進行邊緣提取的實驗結(jié)果。關(guān)鍵詞 圖像處理,小波變換,圖像邊緣檢測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