【正文】 市規(guī)劃。 （ 6） 醫(yī)學(xué)領(lǐng)域：圖像處理在醫(yī)學(xué)界的應(yīng)用非常廣泛，在臨床診斷和病理研究中都廣泛借助圖像處理。這些部分常稱為目標(biāo)和前景 (其他部分為背景 )，它們一般對(duì)應(yīng)圖像中特定的、具有獨(dú)特性 質(zhì)的區(qū)域。圖像識(shí)別就會(huì)容易得多。 常見(jiàn)的邊緣剖面有 3種：階梯狀、脈沖狀、屋頂狀（如圖 ）。通過(guò)檢測(cè)剖面的兩個(gè)二階導(dǎo)數(shù)過(guò)零點(diǎn)就可以確定脈沖的范圍。 (2)增強(qiáng)：增強(qiáng)邊緣的基礎(chǔ)是確定圖像各點(diǎn)鄰域強(qiáng)度的變化值。 邊緣檢測(cè)現(xiàn)狀與趨勢(shì) 邊緣檢測(cè)主要是 圖像 的灰度變化的度量、檢測(cè)和定位，自從 1959提出邊緣檢測(cè)以來(lái)， 由于在圖像 處理中的應(yīng)用十分廣泛，邊緣檢測(cè)的研究多年來(lái)一直受到人們的高度重視，到現(xiàn)在已提出的各種類(lèi)型的邊緣檢測(cè)算法有成百上千種。如車(chē)牌識(shí)別 [6]、虹膜識(shí)別 [7]、人臉檢測(cè)、醫(yī)學(xué)或商標(biāo)圖像檢索等。四是對(duì)特殊圖像邊緣檢測(cè)的研究越來(lái)越得到重視。目前應(yīng)用比較多的也是基于微分的邊緣檢測(cè)算法，而在實(shí)際運(yùn)算時(shí)，為了降低復(fù)雜度，常用 小區(qū)域模板進(jìn)行卷積來(lái)近似計(jì)算，比 如 Roberts 算子采用 22? 模板， Sobel 算子、Prewitt 算子、 Robinson 算子、 Kirsch 算子和 Laplace 算子采用 33? 算子。 以 Lena(圖 )作為標(biāo)準(zhǔn)檢測(cè)圖像為例，采用 Roberts算子 檢測(cè)對(duì)角線方向和水平與垂直方向 的結(jié)果如 圖 、圖 ： 圖 原始 lena圖像 圖 Roberts算子檢測(cè)對(duì)角線方向 圖 Roberts算子檢測(cè)水平與垂直方向 以 Cell(圖 )作為標(biāo)準(zhǔn)檢測(cè)圖像為例，采用 Roberts算子 檢測(cè)對(duì)角線方向和水平與垂直方向 的結(jié)果如 圖 、圖 ： 圖 原始 Cell圖像 圖 Roberts算子檢測(cè)后圖像 (a) 圖 Roberts算子檢測(cè)后圖像 (b) 以 Beauty(圖 )作為標(biāo)準(zhǔn)檢測(cè)圖像為例，采用 Roberts算子 檢測(cè)對(duì)角線方向和水平與垂直方向 的結(jié)果如 圖 、圖 ： 圖 原始 Beauty圖像 圖 Roberts算子檢測(cè)對(duì)角線方向 圖 Roberts算子檢測(cè)水平與垂直方向 Roberts 邊緣檢測(cè)算子 檢測(cè)兩個(gè)對(duì)角線方向和水平垂直方向，檢測(cè)對(duì)角線的算子在對(duì)角線方向上效果明顯，實(shí)驗(yàn)結(jié)果好于檢測(cè)水平與垂直方向的算子。其中第一個(gè)模板對(duì)垂直邊緣的影響較大，第二個(gè)模板對(duì)水平邊緣影響最大。方向 （ 3） 180176。 Prewitt算子最后輸出結(jié)果的獲得是通過(guò) 用模板中不等權(quán)的 8個(gè)算子分別與原標(biāo)準(zhǔn)圖像圖像進(jìn)行卷積，然后 8個(gè)值中的最大值作為輸出。方向 （ 6） 315176。 其卷積模板如圖 所示： ???????335 305? ???????335 ????????333 303?? ?????555 ???????533 503? ???????533 ?????555 303?? ????????333 （ 1） 90176。方向 圖 Kirsch邊緣算子 Kirsch算子的最后輸出值 ),( yxg 的獲得與 Prewitt算子、 Robinson算子實(shí)現(xiàn)算法一致。 由于 Laplace算子為二階差分，這會(huì)雙倍加強(qiáng)了圖像中的噪聲，并且它產(chǎn)生雙像素寬度的邊緣，從邊緣檢測(cè)后結(jié)果可以看出， Laplace算子實(shí)現(xiàn)的圖像邊緣檢測(cè)有一些邊緣不夠連續(xù)，且不能提供邊緣方向的信息，因此 Laplace很少直接用于邊緣檢測(cè)。但這些算子在增強(qiáng)邊緣的同時(shí)也同樣放大了噪聲，從而影響了邊緣點(diǎn)的定位準(zhǔn)確度與定位精度?；厥走@三個(gè)月，有笑容也有汗水，但感覺(jué)很充實(shí)，收獲、感觸也頗多，我感覺(jué)畢業(yè)設(shè)計(jì)經(jīng)歷使我進(jìn)步很多，我的動(dòng)手能力、自學(xué)能力、獨(dú)立分析問(wèn)題的能力都有了明顯的提高，畢業(yè)設(shè)計(jì)的成功完成，使我使我對(duì)圖像處理中的邊緣檢測(cè)技術(shù)有了深刻的認(rèn)識(shí)，也使我對(duì)數(shù)字圖像 處理技術(shù)有了濃厚的興趣。//圖像的高 RGBQUAD *pColorTable。 //獲取圖像寬、高、每像素所占位數(shù)等信息 bmpWidth = 。 fclose(fp)。 //申請(qǐng)位圖文件頭結(jié)構(gòu)變量，填寫(xiě)文件頭信息 BITMAPFILEHEADER fileHead。 //申請(qǐng)位圖信息頭結(jié)構(gòu)變量，填寫(xiě)信息頭信息 BITMAPINFOHEADER head。 =lineByte*height。 //關(guān)閉文件 fclose(fp)。 void main() { //讀入指定 BMP 文件進(jìn)內(nèi)存 char readPath[]=c:/。 kirsch(pBmpBuf)。ix255。 //模板 2 for(ix=1。 saveBmp(writePath2, pBmpBuf9, bmpWidth, bmpHeight, biBitCount, pColorTable)。ix++) for(iy=1。mx++) { jx=ix1+mx。 saveBmp(writePath, pBmpBuf9, bmpWidth, bmpHeight, biBitCount, pColorTable)。ix255。mx=2。 } //將圖像數(shù)據(jù)存盤(pán) char writePath[]=。ix255。iy255。 } //kirsch void kirsch(unsigned char *pBmpBufkirsch) { unsigned char *pBmpBuf0。 for(my=0。iy255。 pBmpBuf0=pBmpBufprewitt。my=2。iy++) { for(im=0。 pBmpBuf0=pBmpBufrobin。ix++) for(iy=1。iy255。 delete []pColorTable。 //輸出圖像的信息 printf(width=%d,height=%d, biBitCount=%d\n,bmpWidth,bmpHeight, biBitCount)。 } // //各邊緣檢測(cè)算子算法實(shí)現(xiàn) //函數(shù)聲明 void roberts(unsigned char *pBmpBufroberts)。 =0。 =0。//bmp 類(lèi)型 //bfSize 是圖像文件 4個(gè)組成部分之和 = sizeof(BITMAPFILEHEADER) + sizeof(BITMAPINFOHEADER)+ colorTablesize + lineByte*height。//讀取文件成功 } // //給定一個(gè)圖像位圖數(shù)據(jù)、寬、高、顏色表指針及每像素所占的位數(shù)等信息 ,將其寫(xiě)到指定文件中 bool saveBmp(char *bmpName, unsigned char *imgBuf, int width, int height, int biBitCount, RGBQUAD *pColorTable) { //如果位圖數(shù)據(jù)指針為 0，則沒(méi)有數(shù)據(jù)傳入，函數(shù)返回 if(!imgBuf) return 0。 biBitCount = 。//圖像類(lèi)型，每像素位數(shù) //讀圖像的位圖數(shù)據(jù)、寬、高、顏色表及每像素位數(shù)等數(shù)據(jù)進(jìn)內(nèi)存，存放在相應(yīng)的全局變量中 bool readBmp(char *bmpName) { FILE *fp=fopen(bmpName,rb)。 感謝 XX 老師對(duì)我的畢業(yè)設(shè)計(jì)的指導(dǎo)，使我的困難及時(shí)解決，并給出了很多建議，使我的畢業(yè)設(shè)計(jì)順利完成。并且衡量一個(gè)算子的優(yōu)劣沒(méi)有固定的標(biāo)準(zhǔn)，這使得對(duì)邊緣檢測(cè)算子優(yōu)劣的評(píng)價(jià)也很模糊。 第 3 章 總結(jié) 圖像邊緣是圖像重要的基本特征之一，它對(duì)人類(lèi)認(rèn)識(shí)世界有很重要的作用。 Laplace 算子 Laplace算子是基于二階微分的邊緣檢測(cè)。方向 （ 3） 270176。方向 （ 8） 45176。該算子依次用邊緣模板去檢測(cè)圖像，與被檢測(cè)區(qū)域最為相似的模板給出最大值，用該最大值作為算子的輸出值，從而使圖像邊緣像素得到增強(qiáng)。方向 1111 2 1111?????????? 1 1 11 2 11 1 1?????????? 1111 2 1111?????????? 1 1 11 2 11 1 1?????????? （ 5） 270176。 Sobel算子根據(jù)在邊緣點(diǎn)處達(dá)到極值這一現(xiàn)象進(jìn)行邊緣的檢測(cè) ,不但產(chǎn)生較好的邊緣效果，算法實(shí)現(xiàn)也很簡(jiǎn)單，而且 Sobel算子在微分時(shí)進(jìn)行 加權(quán)平均，這 對(duì)噪聲具有平滑作用。 Roberts 邊緣檢測(cè)算子不包含平滑，故不能抑制噪聲 [10]。圖像處理中常把梯度的模簡(jiǎn)稱為梯度，由圖像梯度構(gòu)成的圖像稱為梯度圖像 [8]。五 是對(duì)圖像邊緣檢測(cè)評(píng)價(jià)的研 究和對(duì)評(píng)價(jià)系數(shù)的研究越來(lái)越得到關(guān)注。仍然存在的問(wèn)題主要有兩個(gè) :其一是沒(méi)有一種普遍使用的檢測(cè)算法；其二沒(méi)有一個(gè)好的通用的檢測(cè)評(píng)價(jià)標(biāo)準(zhǔn)。一方面，人們對(duì)于傳統(tǒng)的邊緣檢測(cè)技術(shù)的掌握已經(jīng)十分成熟，另一方面，隨著科學(xué)的發(fā)展，傳統(tǒng)的方法越來(lái)越難以滿足某些情況下不斷增加或更加嚴(yán)格的要求，如性能指標(biāo)，運(yùn)行速度等方面。邊緣增強(qiáng)一般都是通過(guò)計(jì)算梯度幅值來(lái)完成的。通過(guò)檢測(cè)屋頂狀邊緣剖面的一階導(dǎo)數(shù)過(guò)零點(diǎn)可以確定屋頂位置。由于采樣的緣故，數(shù)字圖像的邊緣總有一些模糊，所以這里垂直 上下的邊緣剖面都表示成一定坡度。 邊緣定義及常見(jiàn)的三種類(lèi)型 計(jì)算機(jī)圖像處理可以看作是為了實(shí)現(xiàn)某一任務(wù)，而從包含有大量的不相關(guān)的變量中抽取不變量，以簡(jiǎn)化信息，即要扔掉一些不必要的信息保留物體的不變性質(zhì)。通常，利用邊緣檢測(cè)的方法可以達(dá)到這個(gè)目的。 （ 7） 公共服務(wù)領(lǐng)域：影視業(yè)、娛樂(lè)、廣告，基于內(nèi)容的圖像檢索等。 （ 2） 通訊工程領(lǐng)域： 當(dāng)前通信的主要發(fā)展方向是聲音、文字、圖像和數(shù)據(jù)結(jié)合的流媒體通信。 20 世紀(jì) 80 年代末和 20世紀(jì) 90年代，高速計(jì)算機(jī)和大規(guī)模集成電路的發(fā)展，使圖像處理技術(shù)更趨成熟：圖像壓縮、多媒體技術(shù)、文本圖像的分析和理解、文字的識(shí)別等取得了重大的進(jìn)展；而全球通訊技術(shù)的蓬勃發(fā)展，使圖像通訊和傳輸?shù)玫綇V泛應(yīng)用。 數(shù)字圖像處理是在計(jì)算機(jī)科學(xué)與技術(shù)發(fā)展的基礎(chǔ)上發(fā)展起來(lái)的，但是它又涉及到諸多學(xué)科領(lǐng)域，包括信息學(xué)，統(tǒng)計(jì)學(xué)、生物學(xué)、物理學(xué)、心理學(xué)、醫(yī)學(xué)等等。 圖像處理從宏觀的角度上看，是完成某些任務(wù)的一個(gè)系統(tǒng)：從微觀角度上看，圖像處理就是圖像處理系統(tǒng)內(nèi)部的具體處理過(guò)程，在圖像處理系統(tǒng)從輸入到實(shí)現(xiàn)輸出的 過(guò)程中，包含著微觀意義上的圖像處理操作，常見(jiàn)的有以下幾個(gè)方面 : (1)點(diǎn)運(yùn)算：主要針對(duì)圖像的像素進(jìn)行的像素加減乘除運(yùn)算，圖像的點(diǎn)運(yùn) 算可以有效地改變圖像的直方圖分布。 第 1 章 緒論 數(shù)字圖像處理技術(shù) 數(shù)字圖像處理 指的是使用計(jì)算機(jī)對(duì)圖像信號(hào)進(jìn)行快速處理 [1]，即它 是 利用計(jì)算機(jī)和其它高速、大規(guī)模的集成數(shù)字硬件對(duì)由光學(xué)信息 轉(zhuǎn)換成 的 數(shù)字信號(hào) 進(jìn)行某些數(shù)字運(yùn)算或 處理 ，以便進(jìn)行進(jìn)一步的處理 [2]。 常見(jiàn)的邊緣剖面有 3 種：階梯狀、脈沖狀、屋頂狀。而邊緣檢測(cè)是數(shù)字圖像處理的重要內(nèi)容， 是圖像分割、特征提取和圖像識(shí)別等圖像處理技術(shù)的 重要前提。 關(guān)鍵詞 : 數(shù)字圖像，圖像處理，邊緣檢測(cè) ABSTRACT Images is the major media of human interaction and the objective world exploring. With the development of puter technology , the digital image processing is being used in more and more areas such as space exploration,munication technology, biomedicine, industrial production, weather forecasting, remote sensing and archa