【正文】 (0xffamp。}}完。double g1=(*(0xffamp。}//for (int j=0。r2=Convolution(x,y,Cy)。else//getPixels(i,j)。PixelGrabber pg=new PixelGrabber(,0,0,imagepix,0,)。int[] Canny_pix。(myimage,0)。//setSize(500,500)。CannyPicPanel(){setLayout(new BorderLayout())。import .*。CannyPicFrame(){add(wpp)。再次畢業(yè)之際，謹向孔老師表示誠摯的感謝和深深的問候。但邊緣方向信息丟失，常產(chǎn)生雙像素的邊緣，對噪聲有雙倍加強作用。它是一階傳統(tǒng)微分中檢測階躍型邊緣效果最好的算子之一。Canny算子應用的具體步驟：通過公式Gray = (R + + )1/素點的灰度值，再用如下卷積模板做卷積：Gx= Gy=通過做卷積，可以得到每個像素點的梯度的模|G(x,y)|，選擇一個合適的閾值T，當 0 0 0 0 0 0 0 0 0 0 *****本科畢業(yè)論文（設(shè)計） 第 18 頁 共 29 頁|G(x,y)|T時，可認為該點是邊緣點，然后再打印邊緣點，可得到圖像的邊緣圖像(程序代碼見附錄)。所以這種算法非常適用于對某些低對比度圖像或目標的識別。 GaussLaplace 算子雖然基本上可以檢測出所有邊緣,但是他的定位效果較差,邊緣象素較寬。實驗證明 g 取 nmax 時( nmax 為模板的最大 USAN 值) ,可以較好地提取出初始邊緣點。 I(r)為模板內(nèi)其他任意象素的灰度值。當圓形模板完全處在圖像或背景中時,USAN 區(qū)域面積最大(如圖中的 a 和 b) 。用一階偏導的有限差分來計算梯度的幅值和方向。具有這種寬邊緣變細的方法，叫作非極大點的抑制。(4) 使用線性內(nèi)插方法在子像素分辨率水平上估計邊緣的位置。但由于它相當光滑，因此將它與圖像卷積會模糊圖像，并且模糊程度真比于 。設(shè) f(x,y) 為源圖像， h(x,y) 為高斯平滑函數(shù)，平滑濾波后的圖像可以表示原圖像與平滑函數(shù)的卷積(7)(,)(,)(,)gxyfhxy??然后對圖像 采用拉普拉斯算子進行檢測邊緣，可得(8)22(,)[(,)(,)]f?由卷積的性質(zhì)，有 22 2(,)(,)(,)(,)(,)gxyfxyhfxyhxy????其中(9)這樣，利用二階導數(shù)算子過零點的性質(zhì)，可確定圖像中階躍裝邊緣的位置。但邊緣方向信息丟失，常產(chǎn)生雙像素的邊緣，對噪聲有雙倍加強作用。xf?yGx=Gy=圖像中的每個點都用這兩個模板來做卷積。對于數(shù)字圖像，式（）的導數(shù)可用差分來近似。點達到極值。39。39。P39。 邊緣粗略分為階躍狀和屋頂狀兩種。 至今，圖像區(qū)域分割已有了很長的研究歷史，針對各種具體圖像建立了許多算法，但尚無統(tǒng)一的理論。 令集合R代表整個圖像區(qū)域，對R的分割可看作將R分成N 個滿足以下五個條件的非空子集（子區(qū)域）R1，R2，…，RN：*****本科畢業(yè)論文（設(shè)計） 第 4 頁 共 29 頁 ① ；②對所有的i和j，i≠j，有Ri∩Rj =φ；③對i = 1,2,… ,N，有P(Ri) = TRUE；④對i≠j,有P(Ri ∪Rj) = FALSE；⑤對i =1,2, …,N，Ri 是連通的區(qū)域。圖像分析的大致步驟為： ①把圖像分割成不同的區(qū)域或把不同的對象分開；②找出分開的各區(qū)域的特征；③識別圖像中要找的對象或?qū)D像分類；④對不同區(qū)域進行描述或?qū)ふ页霾煌瑓^(qū)域的相互聯(lián)系，進而找出相似結(jié)構(gòu)或?qū)⑾嚓P(guān)區(qū)域連成一個有意義的結(jié)構(gòu)。噪聲和邊緣都屬于高頻信號，很難用頻帶做取舍。為了識別和分析圖像中的目標，需要將它們從圖像中分離提取出來，在此基礎(chǔ)上才有可能進一步對目標進行測量和對圖像進行利用。本科畢業(yè)論文（設(shè)計）論 文 題 目基于邊緣檢測的圖像分割算法研究及其應用姓名（學號）系 別專 業(yè)導 師 姓 名******本科畢業(yè)論文（設(shè)計）第 II 頁 共 29 頁基于邊緣檢測的圖像分割算法研究及其應用作 者指導教師摘要：圖像分割是圖像處理中的一個經(jīng)典難題，也是圖像處理和計算機視覺領(lǐng)域中的基本技術(shù)。這里的獨特性可以是像素的灰度值、物體輪廓曲線、顏色、紋理等。然而，邊緣檢測又是圖象處理中的一個難題，由于實際景物圖象的邊緣往往是各種類型的邊緣及它們模糊化后結(jié)果的組合，且實際圖象信號存在著噪聲。前面介紹的圖像處理著重強調(diào)在圖像之間進行變換以改善圖像的視覺效果；圖像分析則主要是對圖像中感興趣的目標進行檢測和測量，以獲得它們的客觀信息從而建立對圖像的描述；圖像理解的重點是在圖像分析的基礎(chǔ)上，進一步研究圖像中各目標的性質(zhì)和它們之間的相互聯(lián)系，并得出對原始客觀場景的解釋，從而指導和規(guī)劃行動。 多年來人們對圖像分割提出了不同的解釋和表述，這里借助集合概念，給出圖像分割比較正式的定義。 4）分裂—合并法 綜合利用上述2）、3）兩種方法，既存在圖像的劃分，又有像元的合并。它對圖像識別和分析十分有用，邊緣能勾劃出目標物體輪廓，使觀察者一目了然，包含了豐實的信息（如方向、階躍性質(zhì) 、形狀等） ，是圖像識別中抽取的重要屬性。與 PP′和 ′分別正交的截面，階躍邊緣和屋頂狀邊緣分別為一維階躍函數(shù)和正態(tài)狀函數(shù)，如上圖(c)、(d)所示。左右灰度變化曲線為 y = fE(x)，屋頂狀邊緣點 Q39。點達到極值,二階導函數(shù)在 P39。39。梯度的模給出了邊緣強度，梯度的指向給出了邊緣的方向。和其他的梯度算子一樣， 和 可以用卷積模板 Gx 和 Gy 來實現(xiàn)。 1 0 12 0 21 0 11 2 10 0 01 2 1*****本科畢業(yè)論文（設(shè)計） 第 10 頁 共 29 頁其特點是：各向同性、線性和位移不變的；對細線和孤立點檢測效果好。因此，LoG 算子中采用了高斯函數(shù)。另外可以證明這個算在定義r??|r??|r??域內(nèi)的平均值為零，因此，將它與圖像卷積并不會改變圖像的整體動態(tài)范圍。(3) 邊緣檢測判據(jù)是二階導數(shù)零交叉點并對應一階導數(shù)的較大的峰值。下圖 5*5Canny 算子模板Gx= Gy=圖像經(jīng)過高斯平滑后邊緣變得模糊，因此，由計算梯度得到的邊緣就具有一定的寬度。所以，歸納上述過程，Canny 邊緣算子可概括如下：用高斯濾波平滑圖像。圖(4) SUSAN 特征檢測原理　SUSAN 特征檢測原理：如圖上圖所示,用一個圓形模板在圖像上移動,若模板內(nèi)象素的灰度與模板中心象素(稱為:核 Nucleus) 灰度的差值小于一定閥值,則認為該點與核具有相同(或相近) 的灰度 ,由滿足這樣條件的象素組成的區(qū)域稱為 USAN(Univalue Segment Assimilating Nucleus) 。 I(r0)是模板中心象素(核) 的灰度值。g 過大時, 邊緣點附近的象素可能作為邊緣被提取出來,過小則會漏檢部分邊緣點。而 Robert 算子和 Prewitt 算子對部分直線邊緣不能檢測出來,圓的邊緣也有部分漏檢情況。比如圖像的對比度較大 , 則可選取較大的t 值, 而圖像的對比度較小,則可選取較小的t 值。mycanvas類：主要用于對經(jīng)過邊緣處理的圖像進行顯示。Canny方法則以一階導數(shù)為基礎(chǔ)來判斷邊緣點。拉普拉斯算子的特點是：各向同性、線性和位移不變的；對細線和孤立點檢測效果好?？桌蠋煹闹螌W態(tài)度和務(wù)實的工作作風深深的感染了我。class CannyPicFrame extends JFrame{CannyPicPanel wpp=new CannyPicPanel()。import .*。//D:\\圖片轉(zhuǎn)換成 word\\JScrollPane jsp=new JScrollPane(canvas)。setSize(,)。myimage=().getImage(url)。int[] imagepix。Canny_pix=new int[imageW*imageH]。j++){if(i2||j2||iimageW3||jimageH3)Canny_pix[j*imageW+i]=0xff000000。r1=Convolution(x,y,Cx)。j++){r+=getGray(getPixels(x(2i),y(2i)))*C[j*5+i]。(pixle16