【正文】 ..................................... 7 實(shí)驗(yàn)仿真 ................................................................................................................. 7 二階微分算子和 Canny 算子 ..................................................................................... 10 拉普拉斯算子 .........................................................................................................11 LOG算子 ...............................................................................................................11 Canny 算子 ............................................................................................................ 13 實(shí)驗(yàn)仿真 ............................................................................................................... 14 各微分算子的具體實(shí)現(xiàn) ............................................................................................. 17 圖像預(yù)處理 ........................................................................................................... 17 實(shí)驗(yàn)仿真及結(jié)果分析 ............................................................................................. 20 基于微分算法的改進(jìn)算法 ......................................................................................... 20 元胞自動(dòng)機(jī)提取 .................................................................................................... 20 程序設(shè)計(jì)及仿真 .................................................................................................... 22 本章小結(jié) ..................................................................................................................... 24 第 3 章 現(xiàn)代邊緣檢測(cè)方法 ............................................................................................. 25 基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè) ..................................................................................... 25 形態(tài)學(xué)邊緣檢測(cè)概述 ............................................................................................. 25 邊緣提取算法 ........................................................................................................ 26 Matlab 仿真 ........................................................................................................... 27 基于小波變換多尺度分析的邊緣檢測(cè) ..................................................................... 28 基于小波包分解的邊緣檢測(cè) ..................................................................................... 29 本章小結(jié) ..................................................................................................................... 30 第 4 章 全文總結(jié) ................................................................................................................ 30 總結(jié) ............................................................................................................................. 30 展望 ................................................................................................... 錯(cuò)誤 !未定義書(shū)簽。對(duì)于階躍型邊緣，二階方向?qū)?shù)在邊緣處呈零交叉，而后兩種，二階方向?qū)?shù)在邊緣處取極值。在有些圖像中梯度幅值較大的并不是邊緣點(diǎn)。這也是目前研究最多的話(huà)題。文章最后對(duì)本課題的研究作了簡(jiǎn)要的總結(jié)并對(duì)其未來(lái)的發(fā)展趨勢(shì)提出了自己的觀點(diǎn)。 式中， j 對(duì)應(yīng) x 軸方向， i 對(duì)應(yīng) y 軸方向。用卷積模板表示如下： yx RRjiG ??),( 式中， ?????????????? ?? 01 1010 01 yx RR。 Sobel算子梯度幅值計(jì)算如圖 。 常用的有 8 方向 Kirsch（ 3?3）模板，如圖 所示，方向間的夾角為 45? 。因此，為在噪聲抑制和邊緣檢測(cè)之間取得較好的平衡， John Canny 于 1986 年提出 Canny 算子 。即先要用高斯函數(shù)對(duì)圖像進(jìn)行平滑濾波，然后對(duì)濾波后的圖像用拉普拉斯算子進(jìn)行求二階導(dǎo)數(shù)。因此，在不知道物體尺度和位置的情況下，很難準(zhǔn)確確定濾波器 ? 值。39。39。 ?對(duì)梯度幅值進(jìn)行非極大值抑制，即遍歷圖像，若某個(gè)像素的灰度值與其梯度方向上前后兩個(gè)像素的灰度值相比不是最大，那么把這個(gè)像素值置為零，即不是邊緣。對(duì)于不同的 ? 值，濾波效果不一。)。 end end %平滑處理（以高斯低通濾波器為例） [f1,f2]=freqspace(size(I),39。 Hd(i,j)=exp(t)。 %圖片二值化 : for x=1:M1 for y=1:N1 if I(x,y)128％閾值 F(x,y)=1。)。 而對(duì)于元胞自動(dòng)機(jī)來(lái)講，脫離計(jì)算機(jī)環(huán)境來(lái)進(jìn)行運(yùn)算幾乎是不可能的，但是借助計(jì)算機(jī)進(jìn)行計(jì)算，則非常自然而合理。 (i1,j) (i,j1) (i,j) (i,j+1) (i+1,j) 圖 ),(),(255),(),(),1(),()1,(),()1,(),(),1(jifjife ls ejifs igm ajifjifs igm ajifjifs igm ajifjifs igm ajifjifif ????????????????????? 首先對(duì)原始圖片進(jìn)行預(yù)處理，預(yù)處理的程序代碼如下： 二值化： for x=1:M1 for y=1:N1 if I(x,y) im(x,y)=0。39。 else if(max=200amp。imshow(uint8(im_o))。在實(shí)際應(yīng)用中，由于圖像噪聲的影響，總要將經(jīng)典的算法進(jìn)行改善或結(jié)合其他一些算法對(duì)一幅含噪聲的圖 25 像進(jìn)行處理，如先進(jìn)行平滑處理等，然后再采用經(jīng)典的邊緣提取算子提取圖像邊緣。如：先腐蝕后膨脹的過(guò)程稱(chēng)為“開(kāi)”運(yùn)算，它具有消除細(xì)小物體，在纖細(xì)處分離物體和平滑較大物體邊界的作用；先膨脹后腐蝕的過(guò)程稱(chēng)為“閉”運(yùn)算，具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的作用，該算法簡(jiǎn)單，適于并行處理，且易于硬件實(shí)現(xiàn)，適于對(duì)二值圖像進(jìn)行邊緣提取。當(dāng)集合 B 的原點(diǎn)處在集合的邊界時(shí)，結(jié)構(gòu)元素的一部分位于集合之外，這種情況通常的處理是約定集合邊界外的值為 0。將各尺度的邊緣圖像的 結(jié)果綜合起來(lái)，發(fā)揮大小尺度的優(yōu)勢(shì)，就能得到精確的圖像。)。 J=imerode(F,B)。 本章小結(jié) 綜上所述，在圖像邊緣檢測(cè)領(lǐng)域盡管研究了小波、形態(tài)學(xué)等多種方法，但它們都不是一種具有絕對(duì)優(yōu)勢(shì)的方法，有的方法邊緣檢測(cè)精度高，但抗噪聲性能較差；有的方法解決了抗噪聲性能差的問(wèn)題，而檢測(cè)精度又不夠；還有一些方法盡管在一定程度上較好地解決了上述兩者的協(xié)調(diào)問(wèn)題，但算法復(fù)雜，運(yùn)算時(shí)間長(zhǎng)。 本文首先介紹了經(jīng)典的微分算子法，并對(duì)其理 論進(jìn)行了深入的研究，對(duì)比分析了各算子的優(yōu)缺點(diǎn)，并給出了仿真結(jié)果。由于種種原因，本文還有很多有待完善的地方： （ 1） 本實(shí)驗(yàn)中各種算子的閾值的選取都是手動(dòng)的，需要大量的實(shí)驗(yàn)才能找到合適的閾值； （ 2） 由于時(shí)間和水平有限，本文中對(duì)于現(xiàn)代邊緣檢測(cè)方法部分只進(jìn)行 32 了理論介紹，未能進(jìn)行實(shí)驗(yàn)檢驗(yàn)，這些都有待完善