【正文】 圖象如圖（11）所示15 圖（11） 退出程序16設(shè)計總結(jié)　　雖然這次課程設(shè)計只有二個星期的時間，但是我們對圖像處理的各種方法及應(yīng)用有了更深的理解，學(xué)會了應(yīng)用 MATLAB 軟件及 GUI 來實現(xiàn)界面的操作和編程處理。Pick an image39。*.jpeg39。Sobel 算子：產(chǎn)生的邊緣效果較好，對噪聲具有平滑作用。Prewitt 算子和 Sobel 算子都是對圖像進行差分和濾波運算，僅在平滑部分的權(quán)值選擇上有些差異，因此兩者均對噪聲具有一定的抑制能力，但這種抗噪能力是通過像素平均來實現(xiàn)的，所以圖像產(chǎn)生了一定的模糊，而且還會檢測出一些偽邊緣，所以檢測精度比較低，該算子比較適合用于圖像邊緣灰度值比較尖銳且圖像噪聲比較小的情況。抑制噪聲和邊緣精確定位是無法同時得到滿足的，也就是說，邊緣檢測算法通過圖像平滑算子去除了噪聲，但卻增加了邊緣定位的不確定性；反過來，若提高邊緣檢測算子對邊緣的敏感性，同時也提高了對噪聲的敏感性。函數(shù) f(x,y)的拉普拉斯算子公式為： 22fxy????使用差分方程對 x 和 y 方向上的二階偏導(dǎo)數(shù)近似如下： ???????????2,1,2,1,xGfijfijfijfijxfijfijfij??????????6這一近似式是以點 f[i,j+1]為中心的，用 j1替換 j得到??????2,12,1fififijx??????它是以點[ i,j]為中心的二階偏導(dǎo)數(shù)的理想近似式，類似地， 2,fijfijfij?把式(23)和式(24)合并為一個算子，就成為式(25)能用來近似拉普拉斯算子的模板： 2022?????????有時候希望鄰域中心點具有更大的權(quán)值，比如下面式(26)的模板就是一種基于這種思想的近似拉普拉斯算子： 2140????????當(dāng)拉普拉斯算子輸出出現(xiàn)過零點時就表明有邊緣存在，其中忽略無意義的過零點(均勻零區(qū))。采用 Prewitt 算子不僅能檢測邊緣點，而且還能抵制噪聲的影響 [5]。最后設(shè)計實現(xiàn)了邊緣檢測系統(tǒng)。零點交叉邊緣檢測法（Bovik ，1998）運用了二階導(dǎo)數(shù)和拉普拉斯算符。目前國內(nèi)一個普遍被認同的定義是：以應(yīng)用為中心、以計算機技術(shù)為基礎(chǔ)、軟件硬件可裁剪、適應(yīng)應(yīng)用系統(tǒng)對功能、可靠性、成本、體積、功耗嚴格要求的專用計算機系統(tǒng)。圖像的邊緣包含了圖像的位置、輪廓等特征，是圖像的基本特征之一，廣泛地應(yīng)用于特征描述、圖像分割、圖像增強、圖像復(fù)原、模式識別、圖像壓縮等圖像分析和處理中。因此，圖像邊緣和輪廓特征的檢測與提取方法，一直是圖像處理與分析技術(shù)中的研究熱點，新理論、新方法不斷涌現(xiàn)。 嵌入式系統(tǒng)的應(yīng)用領(lǐng)域也非常廣泛。而 Canny 算法（Canny，1986）是目前學(xué)界最流行并且應(yīng)用最廣泛的的高斯邊緣檢測算法。 二、算法分析與描述 Roberts 算子由 Roberts 提出的算子是一種利用局部差分算子尋找邊緣的算子，對于邊界陡峭且噪比較小的圖像檢測效果比較好，它在 22 鄰域上計算對角導(dǎo)數(shù)，??????????2 2,=,1,1,1Gijfijfijfijfij????G[i,j]又稱為 Roberts 交叉算子。通過分析可知，Prewitt 算子法對高頻成分豐富的圖像處理效果好，對中低頻成分的圖像效果差。原則上，過零點的位置精度可以通過線性內(nèi)插方法精確到子像素分辨率。有一種線性算子可以在7抗噪聲干擾和精確定位之間提供最佳折衷方案，它就是高斯函數(shù)的一階導(dǎo)數(shù)。Canny 算子采用高斯函數(shù)對圖像進行平滑處理具有較強的去噪能力，容易平滑掉一些邊緣信息，邊緣定位精度較高。但存在偽邊緣，邊緣比較粗且定位精度低。, 39。)。MATLAB 是我們在以前和以后的學(xué)習(xí)工作中都會經(jīng)常應(yīng)用到的軟件，但是在以前還是對其了解不足，操作不是很了解，在實習(xí)之初便因為這個問題而無從下手。這次是兩人一組的實習(xí)，因此合理的分工合作也是很重要的，通過實習(xí)也培養(yǎng)了我們之間分工協(xié)作互幫互助的精神。gui_State = struct(39。, Mywork_OutputF, ... 39。end if nargout [varargout{1:nargout}] = gui_mainf(gui_State, varargin{:})。function m_file_Callback(hObject, eventdata, handles)function m_file_open_Callback(hObject, eventdata, handles) [filename, pathname] = uigetfile( ... 20 {39。*.*39。%將文件名和目錄名組合成一個完整的路徑 img_src=imread(fpath)。function m_file_save_Callback(hObject, eventdata, handles)[filename, pathname] = uigetfile( ... {39。*.*39。%將文件名和目錄名組合成一個完整的路徑 img_src=imread(fpath)。img_src39。21y_mask = [1 2 1。 % 計算梯度grad = mat2gray(grad)。img_src39。x_mask = [1 0。 % 將梯度矩陣轉(zhuǎn)換為灰度圖像level = graythresh(grad)。)。0 0 0。 % 將梯度矩陣轉(zhuǎn)換為灰度圖像level = graythresh(grad)。)。1,4,1。 % 顯示分割后的圖像，即梯度圖像title(39。title(39。 % 調(diào)用canny函數(shù) imshow(BW)。canny39。)。) function m_canny_Callback(hObject, eventdata, handles)img_src=getappdata(,39。 % 建立模板I