【正文】 析、立體定向放射治療等醫(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像邊緣分析處理技術(shù)。數(shù)字圖像邊緣檢測(Digital Image Processing)又稱為計(jì)算機(jī)圖像邊緣檢測，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計(jì)算機(jī)對其進(jìn)行處理的過程。圖像增強(qiáng)不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。（3） 邊界查索，用于檢測圖像中線狀局部結(jié)構(gòu)，通常是作為圖像分割的一個(gè)預(yù)處理步驟。圖像邊緣檢測中的變換屬于圖像輸入圖像輸出模式，圖像邊緣檢測是一種超越具體應(yīng)用的過程，任何為解決某一特殊問題而開發(fā)的圖像邊緣檢測新技術(shù)或新方法，幾乎肯定都能找到其他完全不同的應(yīng)用領(lǐng)域。（2） 邊緣段：邊緣點(diǎn)坐標(biāo) 及方向 的總和，邊緣的方向可以是梯度角。邊緣廣泛存在于目標(biāo)與目標(biāo)、物體與背景、區(qū)域與區(qū)域（含不同色彩）之間，它是圖像分割所依賴的重要特征。（3）定量化:有關(guān)定量化的圖像邊緣檢測的例子有：測量動(dòng)脈狹窄的程序以及用電子顯微鏡觀察組織切片中特殊成分的定位和定量（如血色素沉著癥中的鐵元素）。現(xiàn)代數(shù)字圖像邊緣檢測處理的目標(biāo)有三：可視化、自動(dòng)化和定量化：（1）可視化:當(dāng)圖像被采集并顯示時(shí)，這些圖像通常需要改善以便觀察者更容易解釋它們。而邊緣存在于圖像的不規(guī)則結(jié)構(gòu)和不平穩(wěn)現(xiàn)象中，也即存在于信號的突變點(diǎn)處，這些點(diǎn)給出了圖像輪廓的位置，這些輪廓常常是我們在圖像邊緣檢測時(shí)所需要的非常重要的一些特征條件，這就需要我們對一幅圖像檢測并提取出它的邊緣。而邊緣檢測算法則是圖像邊緣檢測問題中經(jīng)典技術(shù)難題之一，它的解決對于我們進(jìn)行高層次的特征描述、識別和理解等有著重大的影響；又由于邊緣檢測在許多方面都有著非常重要的使用價(jià)值，所以人們一直在致力于研究和解決如何構(gòu)造出具有良好性質(zhì)及好的效果的邊緣檢測算子的問題。感興趣的目標(biāo)必須突出或者圖像各部位之間的對比度需要增強(qiáng)處理。在這些應(yīng)用中，人工介入是允許的，因?yàn)樘幚頃r(shí)間的長短在這些應(yīng)用中并不是主要矛盾。本為主要討論幾種典型的圖像灰度值突變的邊緣檢測方法，其原理也是用于其他特性突變的邊緣檢測。??ji,?（3） 輪廓：邊緣列表，或者是一條邊緣列表的曲線模型。圖像邊緣檢測的主要研究內(nèi)容包括：（1） 圖像獲得和抽樣，其中通過人眼觀察的視野獲取圖像的問題有：最常用的圖像獲取裝置——電視（TV）攝像機(jī)問題，對所獲得信號進(jìn)行獨(dú)立的采樣和數(shù)字化就可用數(shù)字形式表達(dá)景物中全部彩色內(nèi)容；電荷耦合裝置，用作圖像傳感器，對景物每次掃描一行，或通過平行掃描獲得圖像；選擇正確的分辨力或采樣密度，一幅圖像實(shí)質(zhì)上是二維空間中的信號，所以適用于信號處理的法則同樣適用于圖像邊緣檢測，在放射學(xué)中常常需要高分辨力，要求圖像至少達(dá)到 2048 像素2048 像素；灰度量化，圖像強(qiáng)度也必須進(jìn)行數(shù)字化，通常以 256 級（按 1 字節(jié)編碼）覆蓋整個(gè)灰度，一般一幅灰度分辨力為 8位，空間分辨力為 512 像素512 像素的圖像需 兆字節(jié)的存貯容量。大多數(shù)圖像邊緣檢測技術(shù)應(yīng)用某種形式的梯度算子，可應(yīng)用對水平方向、垂直方向或?qū)蔷€方向的梯度敏感的梯度算子，用它們的復(fù)合結(jié)果可檢測任意方向的邊界。（5） 圖像分類（識別） ， 圖像分類（識別）屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理（增強(qiáng)、復(fù)原、壓縮）后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分類。數(shù)字圖像邊緣檢測最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時(shí)的電子計(jì)算機(jī)已經(jīng)發(fā)展到一定水平，人們開始利用計(jì)算機(jī)來處理圖形和圖像信息。（3）公安軍事方面的應(yīng)用，公安業(yè)務(wù)圖片的判讀分析，指紋識別，人臉鑒別，不完整圖片的復(fù)原，以及交通監(jiān)控、事故分析等。 視頻交通流檢測及車輛識別系統(tǒng)是一種利用圖像邊緣檢測技術(shù)來實(shí)現(xiàn)對交通目標(biāo)檢測和識別的計(jì)算機(jī)處理系統(tǒng)。首先計(jì)算機(jī)在運(yùn)算速度和存儲能力兩方面明顯增加。已有許多圖像生成技術(shù)問世，但除圖像恢復(fù)技術(shù)以外，圖像邊緣檢測技術(shù)在很大程度上與圖像形成的過程無關(guān)。其中代表性的成果是 70 年代末 MIT 的 Marr 提出的視覺計(jì)算理論，這個(gè)理論成為計(jì)算機(jī)視覺領(lǐng)域其后十多年的主導(dǎo)思想。本論文工作的目的是探索和研究經(jīng)典的圖像邊緣提取方法。而邊緣存在于圖像的不規(guī)則結(jié)構(gòu)和不平穩(wěn)現(xiàn)象中，也即存在于信號的突變點(diǎn)處，這些點(diǎn)給出了圖像輪廓的位置，這些輪廓常常是我們在圖像邊緣檢測時(shí)所需要的非常重要的一些特征條件，這就需要我們對一幅圖像檢測并提取出它的邊緣。物體的邊緣是由灰度不連續(xù)性所反映的。從本質(zhì)上說，圖像邊緣是圖像局部特性不連續(xù)性的反應(yīng)，它標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始。因此，利用梯度最大值或二階導(dǎo)數(shù)過零點(diǎn)提取邊界點(diǎn)成為一種有利的手段。第四，可以考慮各種方法的組合，如先找出邊緣，然后在其局部利用函數(shù)近似，通過內(nèi)插等獲得高精度定位。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(gè)灰度的圖像，其中一個(gè)灰度代表邊緣，另一個(gè)代表背景。（3）檢測。這些經(jīng)典的邊緣提取算子在使用時(shí)都是使用預(yù)定義好的邊緣模型去匹配。適用于邊緣明顯而且噪聲較少的圖像分割，在應(yīng)用中經(jīng)常用 Roberts 算子來提取道路。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。為此，馬爾（Marr）和希爾得勒斯（Hildreth）根據(jù)人類視覺特性提出了一種邊緣檢測的方法，該方法將高斯濾波和拉普拉斯檢測算子結(jié)合在一起進(jìn)行邊緣檢測的方法，故稱為 Log（Laplacian of Gassian ）算法。在實(shí)際應(yīng)用中為了避免檢測出非顯著邊緣，應(yīng)選擇一階導(dǎo)數(shù)大于某一閾值的零交叉點(diǎn)作為邊緣點(diǎn)。 Canny 邊緣算子 檢測階躍邊緣的基本思想是在圖像中找出具有局部最大梯度幅值的像素點(diǎn)。 邊緣檢測算法：step1:用高斯濾波器平滑圖象；step2:用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向；step3:對梯度幅值進(jìn)行非極大值抑制；step4:用雙閾值算法檢測和連接邊緣。如果 M 的梯度值不比沿梯度線的兩個(gè)相鄰像素梯度值大，則令 M=0。實(shí)際上，還有多種邊緣點(diǎn)判別方法，如：將邊緣的梯度分為四種：水平、豎直、45度方向、135 度方向。這些經(jīng)典的邊緣提取算子，雖然各自不同，有不同的長處，但是它們也有共同的特點(diǎn):每種算子對應(yīng)的預(yù)定義的邊緣是它們最適合使用的情形，也就是說它們有針對性。而 canny算子邊緣檢測算法則是既能濾去噪聲又保持邊緣特性的邊緣檢測的一階微分算法中的最佳選擇方法。BW1= edge(I,39。Canny39。,) 。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW21)。title( 39。原始圖像39。)。BW2= edge(I,39。Canny39。,) 。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW22)。log39。,)。figure,imshow(BW2)。title(39。閾值為 的 LOG 算子邊緣檢測圖像39。figure,imshow(BW1)。title(39。閾值為 的 LOG 算子邊緣檢測圖像39。)。BW23= edge(I,39。取其最大值作為輸出位，運(yùn)算結(jié)果是一幅邊緣幅度圖像。邊緣點(diǎn)的判斷模糊，雖仍然能夠識別它的邊界線，但其清晰邊界點(diǎn)已無法識別判斷圖像的邊緣點(diǎn)準(zhǔn)確性！ 對以上圖形采用主觀和客觀的判斷準(zhǔn)則來評判圖像效果，比較提取后的兩幅圖像，可以看出在除了微分算子對邊緣檢測有影響外，閾值的選擇也對邊緣檢測有著重要的影響。根據(jù)對信噪比與定位乘積進(jìn)行測度，得到最優(yōu)化逼近算子。Roberts 算子效果圖： 原始圖像 Sobel 算子效果圖： Prewitt 算子效果圖： canny算子效果圖： 結(jié)果分析：以上為一階微分算子的邊緣檢測效果圖，由圖可以看出Canny算子效果圖是最好的。若要提高抗噪性，則會產(chǎn)生輪廓漏檢和位置偏差。調(diào)試運(yùn)行過程不順利，對MATLAB語言仍舊不夠精通。傳統(tǒng)的邊緣檢測算子主要是基于它的頻率特性進(jìn)行設(shè)計(jì)，算法比較簡單，但會增強(qiáng)圖像中噪聲的干擾，邊緣檢測和抗噪聲干擾之間的矛盾成為這類方法進(jìn)行圖像邊緣檢測的基本難題。選取兩種常用邊緣提取方法用Matlab 語言編程實(shí)現(xiàn)，對其圖像邊緣檢測結(jié)果進(jìn)行分析比較，從而總結(jié)了兩種算法的優(yōu)缺點(diǎn)，并對未來的研究方向進(jìn)行了初步的探討和展望。謹(jǐn)向給予我無私幫助的同學(xué)表示深切的感謝。gaussian 39。 %鄰域平均后的圖像②邊緣檢測程序（Prewitt 邊緣算子、Sobel 邊緣算子、Roberts 邊緣算子、Canny 算子）I=imread(39。Roberts 39。,)。 %edge 調(diào)用 Roberts 為檢測算子判別閾值為 figure,imshow(BW11)。title( 39。閾值為 的 sobel 算子邊緣檢測圖像39。)。BW22=edge(I, 39。Prewitt 39。,)。 %edge 調(diào)用 Prewitt 為檢測算子判別閾值為 figure,imshow(BW32)。title( 39。,) 。%edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW40)。title( 39。閾值為 的 Canny 算子邊緣檢測圖像 39。figure,imshow(BW1)。title(39。閾值為 的 LOG 算子邊緣檢測圖像39。)。BW1= edge(I,39。Canny39。,) 。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW22)。閾值為 的 Canny 算子邊緣檢測圖像 39。title( 39。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW2)。,) 。39。BW22= edge(I,39。)。閾值為 的 LOG 算子邊緣檢測圖像39。③Log 的邊緣檢測算法:I=imread (39。)。閾值為 的 Canny 算子邊緣檢測圖像39。title( 39。)。閾值為 的 Prewitt 算子邊緣檢測圖像39。title( 39。 %edge 調(diào)用 Prewitt 為檢測算子判別閾值為 figure,imshow(BW3)。,)。sobel 39。BW20=edge(I, 39。)。閾值為 的 Roberts 算子邊緣檢測圖像39。title( 39。 %edge 調(diào)用 Roberts 為檢測算子判別閾值為 figure,imshow(BW1)。)。 %添加均值為 0、方差為 的噪聲H=ones(5,5)/25。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。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。在實(shí)際應(yīng)用中有許多成功的例子，已將一些專用領(lǐng)域的成熟算法嵌入單片機(jī)，制成便攜式設(shè)備，如指紋考勤機(jī)、人臉的識別器等。經(jīng)典的邊緣檢測方法由于引入了各種形式的微分運(yùn)算，從而必然引起對噪聲的極度敏感，執(zhí)行邊緣檢測的結(jié)果常常是把噪聲當(dāng)作邊緣點(diǎn)檢測出來，而真正的邊緣也由于受到噪聲干擾而沒有檢測出來。由于物理和光照等原因，實(shí)際圖像中的邊緣常常發(fā)生在不同的尺度范圍上，并且每一邊緣像元的尺度信息是未知的，利用單一固定尺度的邊緣檢測算子不可能同時(shí)最佳地檢測出這些邊緣。保證了圖像較高的定位精度，即精確地把邊緣點(diǎn)定位在灰度變化最大的像素上并且抑制虛假邊緣。其次，它們的閾值選擇范圍要小一些。結(jié)果比較：從上述圖形看由于邊緣檢測的一階導(dǎo)數(shù)的局部最大值對應(yīng)著二階導(dǎo)數(shù)的零交叉點(diǎn)。取原始圖像圖 ，分別利用 Canny 算法和高斯拉普拉斯算法進(jìn)行邊緣提取，所的結(jié)果如圖所示（側(cè)重于微分算子的獨(dú)有特性和閾值的選擇）。,)。log39。BW20= edge(I,39。)。閾值為 的 LOG 算子邊緣檢測圖像39。（第二部分圖）I=imread (39。)。閾值為 的 LOG 算子邊緣檢測圖像39。title(39。figure,imshow(BW1)。閾值為 的 Canny 算子邊緣檢測圖像 39。title( 39