【正文】 打勾去掉，這樣就可以顯示/隱藏狀態(tài)欄或者工具欄。此模塊就是用于對圖像的邊緣檢測所需的，在進行邊緣檢測后可以進行其他的圖像處理。通過以上實現(xiàn)系統(tǒng)的具體設(shè)計，同時對系統(tǒng)進行加強?，F(xiàn)在這些技術(shù)不僅僅只是用電腦進行些娛樂操作如看圖片、視頻等，它們已經(jīng)應(yīng)用于各行各業(yè)了。第3章 系統(tǒng)設(shè)計:對邊緣檢測的概要設(shè)計以及詳細設(shè)計的介紹，簡單介紹五種邊緣檢測算法。如一張灰度圖片，其平面亮度分布假定為f（x，y），那么對其接收起干擾作用的亮度分布R（x，y）即可稱為圖像噪聲。如果能完整準(zhǔn)確得到圖像邊緣，那么對于圖像分析的步驟就可以簡化。因此，它是圖像分割所依賴的重要特征[2]。圖像同樣有邊緣。本文第一章引言對全文進行敘述；第二章對圖像的邊緣系統(tǒng)進行了一個一般的描述；接著，在第三章中先介紹了比較經(jīng)典的檢測算子；在第四章中，對第三章的經(jīng)典邊緣檢測算法進行編程實現(xiàn)，通過原圖像在加入噪聲和沒有加入噪聲的情況下進行邊緣檢測對比，然后得出結(jié)論；第五章對全文進行總結(jié)。它在圖像識別、圖像分割、圖像增強以及圖像壓縮等的領(lǐng)域中都有較為廣泛的應(yīng)用，這也是它們的基礎(chǔ)。文中引用他人研究成果的部分已在標(biāo)注中說明；其他同志對本設(shè)計（論文）的啟發(fā)和貢獻均已在謝辭中體現(xiàn)；其它內(nèi)容及成果為本人獨立完成。對于基于亮度的算法，是研究時間最久，理論發(fā)展最成熟的方法，它主要是通過一些差分算子，由圖像的亮度計算其梯度的變化，從而檢測出邊緣，主要有Robert、Laplace、Sobel、Canny等算子。 the other one is based on wavelet and its multiscale characteristic. The first method, which is got the longest research, get the edge according to the variety of the pixel gray. The maintechniques are Robert, Laplace, Sobel, Canny and algorithm. The second method, which is based on wavelet transform, utilizes the Lipschitz exponent characterization of the noise and singular signal and then achieve the goal of removing noise and distilling the real edge lines.This paper first chapter is a preface to all content. The second chapter to image edges made a general overview, Then, in the third chapter first introduced more classic detection operators, In the fourth chapter, for the third chapter of classic edge detection algorithm to the programming. Through the original image noise and did not join in to join the noise under the condition of edge detection contrast, then draw the conclusion, The fifth chapter of fulltext were summarized in this paper.I’m sure the following presentation is benefit for research and applications of image edge detection. Key words：image processing, edge detection, Algorithm contrast目 錄第1章 緒論 1 課題研究背景與意義 1 邊緣檢測應(yīng)用價值 1 噪聲的影響 2 論文結(jié)構(gòu)安排 2第2章 系統(tǒng)分析 3 系統(tǒng)的需求分析 3 系統(tǒng)功能模塊分析 3 系統(tǒng)工作流程分析 4第3章 系統(tǒng)設(shè)計 6 系統(tǒng)概要設(shè)計 6 總體描述 6 功能敘述 6 系統(tǒng)界面設(shè)計 9 系統(tǒng)詳細設(shè)計 11 主要算法分析 11 圖像讀寫功能實現(xiàn) 12 灰度變換功能實現(xiàn) 14 模板函數(shù) 16第4章 系統(tǒng)的實現(xiàn) 20 系統(tǒng)實現(xiàn)過程及思想 20 未加入噪聲的實驗結(jié)果與分析 20 加入噪聲的實驗結(jié)果與分析 24結(jié)論 28參考文獻 29謝辭 30附錄1 部分關(guān)鍵源碼及解釋 3133圖像邊緣檢測系統(tǒng)的設(shè)計與實現(xiàn)第1章 緒論 課題研究背景與意義在很早以前，為了進行消息的交流，人類就開始了對圖像的研究，對圖像的傳輸，并利用計算機進行圖像處理，改善圖像質(zhì)量。但如果用計算機來識別圖像邊緣，這就不是一件容易的事。邊緣檢測技術(shù)是圖像處理和計算機視覺等領(lǐng)域最基本的技術(shù)，如何快速、準(zhǔn)確的提取圖像邊緣信息一直是一個研究的熱點，邊緣檢測是圖像分割的核心內(nèi)容。不管是圖像識別還是處理圖像，無論是為了何種目的，第一步都是對含有大量信息的圖像進行分解，分解成更容易處理的成分。經(jīng)典的邊緣檢測方法由于引入了各種形式的微分運算，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。 第2章 系統(tǒng)分析 系統(tǒng)的需求分析在目前，圖片處理的技術(shù)越來越普及，圖像處理技術(shù)就越顯重要。尤其是選擇一種好的邊緣檢測方法更是重要。(2)保存模塊(另存為模塊)：可以保存對圖片進行邊緣檢測后的圖片，保存的圖片格式是BMP，包括BMP格式的多種方式，24位真彩色與256位圖。可以在里面更改版本號以及加入作者信息等。邊緣檢測系統(tǒng)可在在Windows XP及XP版本以下的系統(tǒng)進行運行。打開、關(guān)閉、保存、另存為、重新加載等均為公用程序。該功能都是為了方便操作，提高效率。圖36 幫助子程序加噪聲子程序，如圖37 ，噪聲包含隨機噪聲及椒鹽噪聲。MFC是微軟封裝了的API，Windows作為一個提供功能強大的應(yīng)用程序接口編程的操作系統(tǒng)，這些措施的確方便了許多程序員。(5)消息和方法：對象之間進行通信的結(jié)構(gòu)叫做消息。上述方法中沒有一種具有通用性和廣泛的適應(yīng)性，因此研究邊緣檢測具有一定的現(xiàn)實意義。公式(3)Sobel算子定義如下[9]公式(33)公式(34)理論上Sobel算子可以輕易在空間上實現(xiàn)，Sobel邊緣檢測器不但可以產(chǎn)生較好的邊緣檢測效果，而且，因為Sobel算子引入了局部平均，可使其受噪聲的影響減小。取其中的最大值輸出,它可以檢測各個方向上的邊緣,減少了由于平均而造成的細節(jié)丟失但同時增加了計算量。// 返回FALSE(繼12頁)return FALSE。// 返回FALSEreturn FALSE。// 初始化脹標(biāo)記為FALSESetModifiedFlag(FALSE)。 i 256。 // 更新DIB調(diào)色板綠色分量 lpbmcbmciColors[i].rgbtGreen = i。 i++){// 每列for(j = 0。// 循環(huán)變量LONG i。// 判斷是否內(nèi)存分配失敗if (hNewDIBBits == NULL){// 分配內(nèi)存失敗return FALSE。fResult = 0。// 取絕對值fResult = (FLOAT ) fabs(fResult)。如JPG,GIF,PIX等等。則就可以與沒有加入噪聲的結(jié)果進行對比。拉普拉斯邊緣算子的檢測結(jié)果并不理想，很明顯看出該算法在未加入系統(tǒng)中的噪聲情況下已經(jīng)放大了圖像中的噪聲。Krisch算法下，對兩張圖進行對比較，發(fā)現(xiàn)變化也不大，說明Krisch算法也具有一定抑制噪聲的能力。通過這次畢業(yè)設(shè)計學(xué)習(xí)和課題研究，使我拓寬了知識面，培養(yǎng)了一定的理論和工程研究的能力，并能較深入地了解到現(xiàn)代科技中的多學(xué)科、多領(lǐng)域的相互滲透，相互結(jié)合的關(guān)系，也使我基本掌握了客觀、全面和科學(xué)研究問題的方法，為今后繼續(xù)進行下一步研究工作打下了堅實的基礎(chǔ)。 i++)｛由于使用22的模板，為防止越界，所以不處理最下邊和最右邊的兩列像素lpSrc = (char *)lpDIBBits + lWidth * j + i。 ｝