【正文】 灰度值剖面的二階導(dǎo)數(shù)在一階導(dǎo)數(shù)的階躍上升區(qū) 有一個(gè)向上的脈沖，而在一階導(dǎo)數(shù)階躍下降區(qū)有一個(gè)向下的脈沖。即灰度梯度指向邊緣的垂直方向。從 第三章開(kāi)始是邊緣檢測(cè)算法綜述 ，我列舉幾種經(jīng)典算法如 Roberts 算子， Prewitt 和 Sobel 算子， Kirsch 算子 ， Laplace 算子 ，高斯拉普拉斯算子等。 （ 3）分類。從圖像處理的現(xiàn)狀及數(shù)據(jù)存儲(chǔ)傳輸理論知道，多媒體應(yīng)用中的關(guān)鍵技術(shù)是圖形、圖像數(shù)據(jù)的壓縮和編碼以減少數(shù)據(jù)存儲(chǔ)量、降低數(shù)據(jù)傳輸率，滿足各行各業(yè)對(duì)圖像處理的要求。 二．意義 邊緣像素實(shí)質(zhì)上是指局部 圖像范圍內(nèi)灰度的急劇變化 (奇異點(diǎn) )，圖像邊緣就是二維圖像中奇異點(diǎn)的集合。一階微分的局部最大值對(duì)應(yīng)著二階微分的過(guò)零點(diǎn)，這意味著在圖像邊緣點(diǎn)處有一階微分的峰值同樣會(huì)有二階微分的零交叉點(diǎn)，因此人們也提出了二階微分算子進(jìn)行邊緣檢測(cè)，例如拉普拉斯算子。 第三節(jié) 課題研究的背景及意義 一．背景 圖像的邊緣檢測(cè)有著很長(zhǎng)的研究歷史，學(xué)術(shù)思想非?；钴S，新理論、新方法不斷涌現(xiàn)，一直是國(guó)內(nèi)外圖像處理領(lǐng)域研究的熱點(diǎn)，目前為止已經(jīng)提出了許多方法和理論，對(duì)該領(lǐng)域相關(guān)研究的回顧請(qǐng)見(jiàn)參考文獻(xiàn)。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒(méi)有一種普遍適用于各種圖像的有效方法。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進(jìn)行。 2. 再現(xiàn)性好：圖像均用數(shù)組活數(shù)組集合表示，這樣計(jì)算機(jī)容易處理。 蘇州大學(xué)本科生畢業(yè)設(shè)計(jì) 6 第一章 概述 第一節(jié) 數(shù)字圖像處理的概念及其特點(diǎn) 圖像是人類活動(dòng)中最常用的信息載體，研究表明，人類獲取的視覺(jué)圖像信息在人類接受的信息中的比重達(dá)到近 80%。 邊緣是邊緣檢測(cè)的重要基礎(chǔ)，也是外形檢測(cè)的基礎(chǔ)。 關(guān)鍵詞：圖像處理、邊緣檢測(cè)、算法、卷積 Abstract Digital image processing techniques originated in the 1920s, after more than half a century of development, has been widely used in industry, medical care, aerospace, military each domain, the national economy in China is playing the more and more major role. In image processing technology, many occasions require image description and with a puter analysis and understanding of image. For example, for largescale integrated circuits, the automatic detection process to analyze requirements to get chip image in the description of the defect image。例如，對(duì)于大規(guī)模集成電路的自動(dòng)檢測(cè)過(guò)程，要求對(duì)圖像進(jìn)行分析以得到芯片圖像中有關(guān)疵點(diǎn)的描述；對(duì)于醫(yī)學(xué)癌細(xì)胞識(shí)別來(lái)說(shuō)，要求能夠從顯微鏡中得到有關(guān)癌細(xì)胞形狀的描述。邊緣是邊緣檢測(cè)的重要基礎(chǔ)，也是外形檢 測(cè)的基礎(chǔ)。因此，數(shù)字圖像處理科學(xué)與技術(shù)逐步向其他學(xué)科領(lǐng)域滲透，并為其他學(xué)科所利用是科學(xué)發(fā)展的必然趨勢(shì)。對(duì)具有代表性的圖像邊緣提取方法進(jìn)行討論 ,分析這些算子進(jìn)行邊緣檢測(cè)的優(yōu)缺點(diǎn) ,以及導(dǎo)致他們效果差異 的具體原因?！皵?shù)字圖像處理”這一術(shù)語(yǔ)通常是指由數(shù)字計(jì)算機(jī)進(jìn)行的二維圖像處理，更廣義地理解，它是指任意二維數(shù)據(jù)的數(shù)字處理。另外，對(duì)程序加以改變后可進(jìn)行各種各樣的處理，靈活性極高。圖像增強(qiáng)不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。作為最簡(jiǎn)單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。因此，根據(jù)具體的應(yīng)用要求設(shè)計(jì)新的邊緣檢測(cè)方法，或?qū)ΜF(xiàn)有的方法進(jìn)行改進(jìn)以得到滿意的邊緣檢測(cè)結(jié)果，這些依然是研究的主流方向。 最優(yōu)算子是在 經(jīng)典邊緣檢測(cè)算子的基礎(chǔ)上發(fā)展起來(lái)的，這類方法的目的是根據(jù)信噪比求得檢測(cè)邊緣的最優(yōu)濾波器。邊緣檢測(cè)對(duì)于物體識(shí)別也是很重要的。 人工智能領(lǐng)域中，計(jì)算機(jī)視覺(jué)十分關(guān)注開(kāi)發(fā)分析圖像內(nèi)容的算法，其中統(tǒng)計(jì)模式識(shí)別時(shí)應(yīng)用最為廣泛的方法，用數(shù)字圖像處理技術(shù)可以很好地實(shí)現(xiàn)模式識(shí)別。 在數(shù)字識(shí)別系統(tǒng)中，圖像邊緣提取占據(jù)著重要的地位，它位于系統(tǒng)的最底層，為其他模塊所依賴。水平和垂直空間導(dǎo)數(shù)可定義為： x yxFdx ??? ),( 式（ 21） y yxFdy ??? ),( 式（ 22） 沿與水平軸成角度φ的一個(gè)向量方向 z,圖像場(chǎng)的方向?qū)?shù)給定為 ?? s inc os),()},({yddz yxFyxF x ?????? 式（ 23） 那么梯度幅值為 22)},({ yx ddyxF ??? 式（ 24） 在水平和垂直方向的空間二階導(dǎo)數(shù)定義為 22 ),(x yxFdxx ??? 式（ 25） 22 ),(y yxFd yy ??? 式（ 26） 這兩個(gè)空間導(dǎo)數(shù)的和稱為拉普拉斯算子： 22222 ),(),()},({y yxFx yxFyxF ??????? 式（ 27） 在泛函分析中，卷積 (卷積 )、旋積或摺積是通過(guò)兩個(gè)函數(shù) f 和 g 生成第三個(gè)函數(shù)的一種數(shù)學(xué)算子，表徵函數(shù) f 與經(jīng)過(guò)翻轉(zhuǎn)和平移與 g 的重疊部分的累積。 常見(jiàn)的邊緣剖面有 3種 :第一種是階梯狀（如圖（ a）和（ b）所示）；第二種是脈沖狀（如圖（ c）所示）第三種是屋頂狀（如圖（ d）所示）。分析圖（ b）可得到相似的結(jié)論。增強(qiáng)算法可以將鄰域強(qiáng)度之有顯著變化的點(diǎn)突顯出來(lái)。對(duì) xG 和 yG 各用一個(gè)模板，然后把兩個(gè)模板組合起來(lái)構(gòu)成一個(gè)梯度算子。 Prewitt 算子是對(duì)像素進(jìn)行平均，相當(dāng)于對(duì)圖像的低通濾波，所以對(duì)噪聲有抑制作用，也正因?yàn)槿绱耍?Prewitt 算子對(duì)邊緣的定位不如 Roberts 算子準(zhǔn)確。 蘇州大學(xué)本科生畢業(yè)設(shè)計(jì) 16 ?????????????011101110 ?????????????110101011 用于檢測(cè)對(duì)角線方向的 Prewitt 算子 ?????????????012101210 ?????????????210101012 用于檢測(cè)對(duì)角線方向的 Sobel 算子 —— Kirsch 算子 方向算子是利用一組模板對(duì)圖像中的同一像素求卷積，選取其中最大的值作為邊緣強(qiáng)度，而將與之相對(duì)應(yīng)的方向作為邊緣方。 蘇州大學(xué)本科生畢業(yè)設(shè)計(jì) 17 圖 37 Kirsch 算子處理后的圖像 第三節(jié) 二階導(dǎo)數(shù)邊緣檢測(cè) 算子 對(duì)于階躍狀邊緣，其二階導(dǎo)數(shù)在邊緣點(diǎn)出現(xiàn)零交叉，并且邊緣點(diǎn)兩旁像素的二階導(dǎo) 數(shù)異號(hào)。 2. 高斯拉普拉斯算子 由于噪聲點(diǎn)對(duì)邊緣檢測(cè)有一定影響，所以高斯拉普拉斯算子是效果較好的的邊緣檢測(cè)器，它把高斯平滑濾波器和拉普拉斯銳化器結(jié)合了起來(lái)，先平滑掉噪聲，再進(jìn)行邊緣檢測(cè)，效果更好。一般來(lái)說(shuō)，使用大σ值的濾波器產(chǎn)生魯棒邊緣，小σ值的濾波器產(chǎn)生精確定位的邊緣，兩者相結(jié)合，能夠檢測(cè)出圖像的最佳邊緣。這種層次結(jié)構(gòu)適用于所有版本的 Windows 并彼此兼容。例如，如果用戶單擊一個(gè)按鈕時(shí)， 就應(yīng)該 有代碼來(lái)響應(yīng)。 （ d）圖是經(jīng) Sobel 算子處理后的圖像： Sobel 算子和 Prewitt 算子都是加權(quán)平均，但是Sobel 算子認(rèn)為，鄰域的像素對(duì)當(dāng)前像素產(chǎn)生的影響不是等價(jià)的，所以距離不同的像素具有不同的權(quán)值，對(duì)算子結(jié)果產(chǎn)生的影 響也不同。其具有各向同性，即與坐標(biāo)軸方向無(wú)關(guān)，坐標(biāo)軸旋轉(zhuǎn)后梯度結(jié)果不變。 蘇州大學(xué)本科生畢業(yè)設(shè)計(jì) 25 參考文獻(xiàn) （ 1） （ 2） 楊枝靈 王開(kāi) 等 Visual C++數(shù)字圖像獲取處理及實(shí)踐應(yīng)用 人民郵電出版社 （ 3） 閆常友 跟我學(xué) Visual C++ 第 1版 清華大學(xué)出版社 （ 4） 王華 葉愛(ài)亮 祁立學(xué) Visual C++ 編程實(shí)例與技巧 機(jī)械工業(yè)出版社 （ 5） 左 飛 萬(wàn)晉森 劉航 Visual C++數(shù)字圖像處理開(kāi)發(fā)入門與編程實(shí)踐 第 1版 電子工業(yè)出版社 參考文獻(xiàn)： [1] 王鄭耀 .數(shù)字圖像的邊緣檢測(cè) [M].西安：西安交通大學(xué)出版社， 2021. [2] 章毓晉 .圖像處理和分析 (圖像工程上冊(cè) ) [M].北京 :清華大學(xué)出版社 .1999. [3] 張小琳 .圖像邊緣檢測(cè)技術(shù)綜述 [J].高能量密度物理 ,12(1):3740,2021. [4] 趙輝 .圖像處理與識(shí)別實(shí)用案例精選 [M].北京：人民郵電出版社， 2021. [5] 胡文錦 .圖像邊緣檢測(cè)方 法研究 [J].計(jì)算機(jī)工程 ,28(2):112114,2021. [6] 羅軍輝 ,馮平等 . 在圖像處理中的應(yīng)用 [M].北京：機(jī)械工業(yè)出版社， 2021. [7] 雷麗珍 .數(shù)字圖像邊緣檢測(cè)方法的探討 [J].測(cè)繪通報(bào) , 7(11):4446,2021. [8] 張潔 . 數(shù)字圖像邊緣檢測(cè)技術(shù)的研究 [J]. 軟件導(dǎo)刊， 9(4):4952,2021. 蘇州大學(xué)本科生畢業(yè)設(shè)計(jì) 26 致謝 經(jīng)過(guò)三個(gè)多月的學(xué)習(xí)和研究，我的畢業(yè)設(shè)計(jì)終于完成了，回首這幾個(gè)月，我在各方面都得到了鍛煉，特別是自學(xué)能力和分析能力。 HLOCAL hNewDIBBits。 // 圖像每行的字節(jié)數(shù) LONG lLineBytes。 i++) { // 列 (除去邊緣幾列 ) for(j = iTempMX。 l++) { // 指向 DIB 第 i iTempMY + k 行，第 j iTempMX + l 個(gè)象素的指針 lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (lHeight 1 i + iTempMY k) + j iTempMX + l。 LocalFree(hNewDIBBits)。 // 返回 return。