【正文】 edge(f, 39。Roberts Filter39。)。)。圖像邊緣識(shí)別與在實(shí)際中有很重要的應(yīng)用，一直是圖像邊緣檢測(cè)中的熱點(diǎn)和難點(diǎn)，迄今已有許多邊緣檢測(cè)方法，其中Robert算子、Sobel 算子、Prewitt 算子、LOG算子、Canny算子及輪廓提取或輪廓跟蹤、利用平滑技術(shù)提取圖像邊緣、利用差分技術(shù)提取圖像邊緣、利用小波分析技術(shù)提取圖像邊緣等方法是常用的方法，但各種算法處理結(jié)果差異很大。首先進(jìn)行邊緣判別，凡是邊緣強(qiáng)度大于高閾值的一定是邊緣點(diǎn)；凡是邊緣強(qiáng)度小于低閾值的一定不是邊緣點(diǎn)；如果邊緣強(qiáng)度大于低閾值又小于高閾值，則看這個(gè)像素的鄰接像素中有沒(méi)有超過(guò)高閾值的邊緣點(diǎn)，如果有，它就是邊緣點(diǎn)，如果沒(méi)有，它就不是邊緣點(diǎn)。解決方法：利用梯度的方向。 Canny邊緣算子坎尼算子是一類(lèi)最優(yōu)的邊緣算子，它在許多圖像領(lǐng)域得到了廣泛的應(yīng)用。 這種方法的特點(diǎn)是圖像首先與高斯濾波器進(jìn)行卷積，這樣既平滑了圖像又降低了噪聲，孤立的噪聲點(diǎn)和較小的結(jié)構(gòu)組織將被濾除，但是由于平滑會(huì)造成圖像邊緣的延伸，因此邊緣檢測(cè)器只考慮那些具有局部梯度最大值的點(diǎn)為邊緣點(diǎn)。Roberts算子邊緣定位精確度比較高，但是對(duì)噪聲敏感，容易丟失一部分邊緣，因此，該算子適用于邊緣明顯而且噪聲較少的圖像檢測(cè)，在應(yīng)用中經(jīng)常用Roberts算子來(lái)提取道路。4）定位：精確確定邊緣的位置。一般認(rèn)為邊緣提取是要保留圖像的灰度變化劇烈的區(qū)域，這從數(shù)學(xué)上看，最直觀(guān)的方法就是微分(對(duì)于數(shù)字圖像來(lái)說(shuō)就是差分)，在信號(hào)處理的角度來(lái)看，也可以說(shuō)是用高通濾波器，即保留高頻信號(hào)。邊緣檢測(cè)在圖像分割、紋理特征提取、形狀特征提取和圖像識(shí)別等方面起著重要的作用。無(wú)論為了哪種目的，圖像邊緣檢測(cè)中關(guān)鍵的一步就是對(duì)包含有大量信息的圖像進(jìn)行分解。第三章 常用的圖像邊緣檢測(cè)算法 引言物體的邊緣是以圖像局部的不連續(xù)性的形式出現(xiàn)的，例如，灰度值的突變、顏色的突變、紋理結(jié)構(gòu)的突變等。 Matlab簡(jiǎn)介Matlab是美國(guó)MathWorks公司出品的商業(yè)化數(shù)學(xué)軟件，用于算法開(kāi)發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級(jí)計(jì)算語(yǔ)言和交互式環(huán)境，主要包括Matlab和Simulink兩大部分。邊緣檢測(cè)對(duì)物體的識(shí)別也是很重要的，主要有以下幾個(gè)理由：首先，人眼通過(guò)追蹤未知物體的輪廓而掃視一個(gè)未知的物體；其次，如果我們能成功的得到圖像的邊緣，那么圖像分析就會(huì)大大簡(jiǎn)化，圖像識(shí)別就會(huì)容易的多；最后，很多圖像并沒(méi)有具體的物體，對(duì)這些圖像的理解取決于它們的紋理性質(zhì)，而提取這些紋理性質(zhì)與邊緣檢測(cè)有極其密切的關(guān)系。圖像處理技術(shù)分為：灰度量化、圖像恢復(fù)、圖像增強(qiáng)、邊緣檢測(cè)、圖像分割、圖像測(cè)量、圖像壓縮、圖像配準(zhǔn)、可視化、圖像存檔。數(shù)字圖像的處理是指用計(jì)算機(jī)處理數(shù)字圖像，值得提及的是數(shù)字圖像是由有限的元素組成的，每個(gè)元素都有一個(gè)特定的位置和幅值，這些元素被稱(chēng)為圖像元素、畫(huà)面元素或像素。從廣義上來(lái)說(shuō)，圖像是自然界景物的客觀(guān)反映，是人類(lèi)認(rèn)識(shí)世界和自身的重要源泉[1]。 The fifth chapter, resort to GUI inside Matlab, design the image edge detection interface, and pletion of the various algorithm is invoked by GUI, eventually pleted the graphical edge detection software based on Matlab。邊緣中包含圖像物體有價(jià)值的邊界信息，這些信息可以用于圖像理解和分析，并且通過(guò)邊緣檢測(cè)可以降低后續(xù)圖像分析和處理的數(shù)據(jù)量。除文中已經(jīng)注明引用的內(nèi)容外，不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的科研成果。論文作者簽名： 日 期： 關(guān)于畢業(yè)論文使用授權(quán)的聲明本人在指導(dǎo)老師指導(dǎo)下所完成的論文及相關(guān)的資料（包括圖紙、試驗(yàn)記錄、原始數(shù)據(jù)、實(shí)物照片、圖片、錄音帶、設(shè)計(jì)手稿等），知識(shí)產(chǎn)權(quán)歸屬XXX。最終圖形界面可實(shí)現(xiàn)打開(kāi)圖片并對(duì)其進(jìn)行邊緣處理，并可以將處理好的圖片保存。邊緣往往攜帶著一幅圖像的大部分信息，它存在于圖像的不規(guī)則結(jié)構(gòu)和不平穩(wěn)現(xiàn)象中，即存在于信號(hào)的突變點(diǎn)處?？傊彩侨祟?lèi)視覺(jué)上能夠感受到的信息，都可以稱(chēng)之為圖像。因此，數(shù)字圖像處理涉及很多應(yīng)用領(lǐng)域。要做好邊緣檢測(cè)，首先，要清楚待檢測(cè)的圖像特征變化的形式，從而使用相應(yīng)的檢測(cè)方法；其次，要知道特性變化總是發(fā)生在一定的空間范圍內(nèi)，不能期望用一種檢測(cè)算子就能最佳檢測(cè)出發(fā)生在圖像上的所有特征變化。因?yàn)橐速M(fèi)大量的時(shí)間在基礎(chǔ)代碼上，而不能花足夠的時(shí)間在算法的研究上。Matlab可以進(jìn)行矩陣運(yùn)算、繪制函數(shù)和數(shù)據(jù)、實(shí)現(xiàn)算法、創(chuàng)建用戶(hù)界面、連接其他編程語(yǔ)言的程序等，主要應(yīng)用于工程計(jì)算、控制設(shè)計(jì)、信號(hào)處理于通訊、圖像處理、信號(hào)檢測(cè)、金融建模設(shè)計(jì)與分析等領(lǐng)域。圖像分析：為了更好的研究與分析圖像，往往需要從圖像中提取一些信息來(lái)反應(yīng)圖像的主要特征。圖像邊緣檢測(cè)和計(jì)算機(jī)視覺(jué)都是新興學(xué)科分支，近幾十年來(lái)，取得了許多重大的成果。邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間，因此，它是圖像分割所依賴(lài)的重要特征。邊緣提取首先檢出圖像局部特性的不連續(xù)性，然后再將這些不連續(xù)的邊緣像素連成完備的邊界。圖像邊緣檢測(cè)的基本步驟：1）濾波：邊緣檢測(cè)主要基于導(dǎo)數(shù)計(jì)算，會(huì)受到噪聲的影響，可以通過(guò)設(shè)計(jì)濾波器來(lái)降低噪聲，但濾波器在降低噪聲的同時(shí)也會(huì)導(dǎo)致邊緣精度的損失。經(jīng)典的邊緣檢測(cè)算子包括：Roberts算子、Prewitt算子、Sobel算子、Log算子、Canny算子等[7]，這些經(jīng)典的邊緣提取算子在使用時(shí)都是使用預(yù)定義的邊緣模型去匹配。該算子對(duì)噪聲具有一定的抑制能力，但不能完全排除檢測(cè)結(jié)果中出現(xiàn)虛假邊緣，雖然該算子的定位效果不錯(cuò)，但檢測(cè)的邊緣容易出現(xiàn)多像素寬度。在實(shí)際應(yīng)用中為了避免檢測(cè)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邊緣檢測(cè)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(lái)計(jì)算梯度的幅值和方向；step3:對(duì)梯度幅值進(jìn)行非極大值抑制；step4:用雙閾值算法檢測(cè)和連接邊緣。如果M的梯度值不比沿梯度線(xiàn)的兩個(gè)相鄰像素梯度值大，則令M=0。雙閾值法要在G2(x,y)中把邊緣連接成輪廓，當(dāng)?shù)竭_(dá)輪廓的端點(diǎn)時(shí)，該算法就在G1(x,y)的8鄰點(diǎn)位置尋找可以連接到輪廓上的邊緣，這樣，算法不斷地在G1(x,y)中收集邊緣，直到將G1(x,y)連接起來(lái)為止。edge函數(shù)的語(yǔ)法格式：BW = edge(I , ‘sobel’)BW = edge(I , ‘sobel’ , thresh)BW = edge(I , ‘sobel’ , ‘thresh’ , direction)[BW , thresh] = edge(I , ‘sobel’ ,…)BW = edge(I , ‘prewitt’)BW = edge(I , ‘prewitt’ , thresh)BW = edge(I , ‘prewitt’ , ‘thresh’ , direction)[BW , thresh] = edge(I , ‘prewitt’ ,…)BW = edge(I , ‘roberts’)BW = edge(I , ‘roberts’ , thresh)BW = edge(I , ‘roberts , ‘thresh’ , direction)[BW , thresh] = edge(I , ‘roberts’ ,…)BW = edge(I , ‘log’)BW = edge(I , ‘log’ , thresh)BW = edge(I , ‘log’ , ‘thresh’ ,sigma)[BW , threshold] = edge(I , ‘log’ ,…)BW = edge(I , ‘zerocross’ , thresh , h)[BW , thresh] = edge(I , ‘zerocross’ ,…)BW = edge(I , ‘canny’)BW = edge(I , ‘canny’ , thresh)BW = edge(I , ‘canny’ , ‘thresh’ ,sigma)[BW , threshshold] = edge(I , ‘canny’ ,…)下面我們將使用上述的邊緣檢測(cè)算法實(shí)現(xiàn)以下檢測(cè)算子：a) Prewitt。 %轉(zhuǎn)換為雙精度，便于后面的計(jì)算figure, imshow(f),title(39。)。log39。 %邊緣探測(cè)，算子為cannyfigure, imshow(CF),title(39。)。 %轉(zhuǎn)換為雙精度，便于后面的計(jì)算subplot(231), imshow(f), title(39。)。log39。 %邊緣探測(cè)，算子為cannysubplot(235), imshow(CF), title(39。)。為了能夠更好地看出這些算子的穩(wěn)定性，特將未加入噪聲的圖片的邊緣處理和加入噪聲的邊緣處理圖片放在一個(gè)界面上。%f = rgb2gray(f)。 %轉(zhuǎn)換為雙精度，便于后面的計(jì)算subplot(1,2,2) , imshow(p)。salt amp。 %邊緣探測(cè)，算子為prewittsubplot(1,2,1) , imshow(PP)。)。保存并運(yùn)行即可得到圖412：圖 412 Log算子邊緣檢測(cè)原圖與加噪圖將上述程序中的PP=edge(f,’prewitt’)改為PP=edge(f,’canny’)，并將標(biāo)題做相應(yīng)的調(diào)整即可實(shí)現(xiàn)Canny算子。在界面編程中，打開(kāi)對(duì)話(huà)框的函數(shù)是uigetfile。（3）enable屬性：該控件有效與否：”on“表示有效，”off“表示無(wú)效。39。},39。setappdata(,39。39。 im=getimage()。)“關(guān)于軟件”的運(yùn)行結(jié)果如圖59所示：圖 59 點(diǎn)擊“關(guān)于軟件”后的界面選擇“控件組”，右鍵單擊，選擇“ViewCallbacks”—“SelectionChangeF”，打開(kāi)“.m”文件中找到“function uipanel1_SelectionChangeF(hObject, eventdata, handles)”并在其下添加如下代碼：global BW im=getappdata(,39。Initial39。 case39。 BW=edge(im,39。)。 end。 axes()。 axes()。采用同Roberts的回調(diào)函數(shù)一樣的添加方法和格式，把BW=edge(rgb,39?！?、“.png”格式文件，默認(rèn)打開(kāi)的格式是“bmp”，選擇其他格式時(shí)需手動(dòng)選擇，也可以選擇“All Files(*.*)”，當(dāng)打開(kāi)其他格式的圖像文件或非圖像文件時(shí)，軟件將停留在原來(lái)界面不進(jìn)行任何操作，Matlab平臺(tái)軟件將會(huì)報(bào)錯(cuò)。對(duì)此，我打算在以后繼續(xù)努力學(xué)習(xí)，爭(zhēng)取實(shí)現(xiàn)目前未能實(shí)現(xiàn)的功能，努力完善系統(tǒng)，提高系統(tǒng)的穩(wěn)定性和可用性