【正文】 for k=1:dim(1) b= boundaries{k}。centroid39。roberts39。format long。利用matlab軟件來編寫程序，并以各種圖像作為輸入進(jìn)行仿真實(shí)驗(yàn)。就單個(gè)算法而言，sobel算法和log算法在識別正方形和三角形邊緣時(shí)的精度不高，有微小的毛刺產(chǎn)生；roberts算法在識別長方形和正方形邊緣時(shí)的效果比識別圓形與三角形的效果略差；prewitt算法在識別各種邊界時(shí)都表現(xiàn)出很好的效果。vuong = c/(4*b^2)elseif (vuong ) amp。)對圓進(jìn)行邊緣提取，并根據(jù)求出的圓形度和矩判斷出該圖形為圓。對橢圓進(jìn)行邊緣提取，并根據(jù)求出的圓形度判斷出該圖形為橢圓。 (elip ) text(s(k).Centroid(1)20，s(k).Centroid(2)，39。所以，在本文中，我們會選擇電信的圖像邊緣檢測與提取方法：即Canny算子。由于使用高閾值得到，因而含有很少的假邊緣，但有間斷(不閉合)。其原理是運(yùn)用高斯函數(shù)在某一方向上的一階導(dǎo)數(shù)作為濾波器來去除噪音，接下來在濾波后的圖像中分析圖像的梯度，用以確定圖像梯度的最大值。拉普拉斯算子對圖像中的噪聲非常敏感。對于連續(xù)函數(shù)的圖像，其位置為，可以定義拉普拉斯值為： 使用二階導(dǎo)數(shù)信息拉普拉斯算子，無關(guān)各向同性，軸的方向，軸旋轉(zhuǎn)梯度結(jié)果仍然是相同的。在實(shí)踐中，由于實(shí)際原因，如照明，噪音的影響，往往使圖像模糊或分離的邊緣，邊緣檢測遇到了許多困難。第二節(jié) 邊緣提取邊緣檢測的本質(zhì)是用一種算法來提取目標(biāo)和背景圖像之間的邊界。但一般認(rèn)為邊緣檢測是對嚴(yán)重區(qū)域，數(shù)學(xué)上的方差的圖像，最直觀的方法是差分（如數(shù)字圖像差），在信號處理的角度，也可以說是一個(gè)高通濾波器，它將保持高頻率信號。對于連續(xù)圖像二維函數(shù)，其階矩可以表示成黎曼積分： 式中。（5）其它方法這些年，在形狀的表示和匹配方面的工作還包括有限元法（Finite Element Method或FEM）、旋轉(zhuǎn)函數(shù)（Turning Function）和小波描述符（Wavelet Descriptor）等方法。在識別系統(tǒng)的分辨率、可靠性和獨(dú)立性的特點(diǎn)，是針對整個(gè)系統(tǒng)的組成。圖像中的對象的性質(zhì)不能因?yàn)閳D像的平移、旋轉(zhuǎn)和尺度的變化而改變。圖像的傳輸是在一個(gè)二維平面上進(jìn)行的，所以，我們要想把圖像信號傳輸給計(jì)算機(jī)，及應(yīng)該降低信號的維度，經(jīng)過掃描操作可以實(shí)現(xiàn)。Matlab包含了各種各樣的數(shù)學(xué)運(yùn)算函數(shù)，能夠?qū)D像進(jìn)行開關(guān)燈操作。（6）XWD(X Windows Dump)格式。第二章 介紹了對數(shù)字圖像進(jìn)行預(yù)處理基本步驟和基本方法，圖像的形狀特征及其描述方法以及針對不同形狀的度量。（2）生物醫(yī)學(xué)工程方面的應(yīng)用，例如X光技術(shù)，工作人員能夠通過X光照片來分析人體的結(jié)構(gòu)，清晰的判斷病人生病的地點(diǎn)，其基本原理就是成功運(yùn)用到了邊緣檢測方法，精確地提取出人體各個(gè)器官的邊緣，這為給我們醫(yī)學(xué)方向做出去非常大的貢獻(xiàn)，對于人類也是一種福音。圖像的類型不同，則增強(qiáng)方法的目的也不一樣。工具包已經(jīng)被廣泛的應(yīng)用到各個(gè)領(lǐng)域中。描述圖像的形狀是一個(gè)非常復(fù)雜的問題，在二維情況下，形狀可以被定義為一個(gè)二維位置的范圍內(nèi)的一個(gè)簡單的連接曲線和方向的函數(shù)。在空間分辨率的作用下，具有階躍邊緣的圖像將會發(fā)生變化，產(chǎn)生斜坡邊緣。但是今天是一個(gè)完全不同的方式這個(gè)任務(wù)自動(使用液白細(xì)胞計(jì)數(shù)技術(shù))。然而，選取合適的邊緣檢測算法正是我們目前面臨的一項(xiàng)技術(shù)難題，不同的邊緣檢測算法對圖像處理的結(jié)果又很大的差別，嚴(yán)重影響到了圖像識別以及后期的圖像處理的效果。因此，找到一種合適的算法，能夠高效精確得對圖像進(jìn)行邊緣檢測與提取顯得尤為重要。第一章 圖像分類器概述數(shù)字圖像邊緣檢測技術(shù)最早是在1920年產(chǎn)生的，由于一直以來收到了科研條件的限制，一些技術(shù)還不夠發(fā)達(dá)，因此往后的幾十年里沒有獲得很大的進(jìn)步。經(jīng)過如此迅速的發(fā)展，它被成功應(yīng)用到了幾乎所有關(guān)于圖像的領(lǐng)域中。（3）輪廓：可以用一條曲線來模擬輪廓。當(dāng)我們看到一個(gè)物體的形狀，就是要看到一個(gè)輪廓，這個(gè)輪廓來區(qū)分物體和其他部分的視覺。其目的是提高質(zhì)量的相關(guān)信息,再提取有用的信息。（5）圖像分類，作為模式識別的一部分,它的主要內(nèi)容是經(jīng)過圖像預(yù)處理，圖像分割，特征提取，分類判斷。第三節(jié) 國內(nèi)外研究現(xiàn)狀一直以來，特征提取及識別都富含極高的可靠性，在國際上都具有很高的價(jià)值，被各個(gè)領(lǐng)域的專家學(xué)者廣泛探索?？商幚?，4，8，16，24位等圖像數(shù)據(jù)。圖像處理工具包是Matlab軟件中附帶的專業(yè)的工具箱，它是由眾多的函數(shù)組成的，操作人員能夠自由的對程序進(jìn)行編寫和修改，程序中的注釋部分也大大提高的可讀性，工具包中還包含有圖像變換、濾波等操作，去操作能夠有效的保留圖像的精度[14]。圖像的數(shù)據(jù)類型一般為雙精度或者整形，uint8支持256色，通常用在圖像中。把這些連續(xù)的濃淡值或灰度值變?yōu)殡x散的值（整數(shù)值）的操作就是量化。較好的特征必須具備以下四個(gè)特點(diǎn)：（1）區(qū)別性理論上，點(diǎn)的特征值屬于不同類別的對象應(yīng)該有明顯的差異。最典型的兩種形狀模板匹配方法的特征是傅立葉描述符、變形和形狀不變矩。為了這個(gè)原因，一般使用圓形程度來衡量圖形的形狀的程度。理想的邊緣檢測應(yīng)在邊緣的存在，真和假，和方向定向，很長一段時(shí)間，人們一直關(guān)注這個(gè)問題的研究，除了常用的本地運(yùn)營商和后來發(fā)展的基礎(chǔ)上，各種改進(jìn)方法，并提出了許多新的技術(shù)[16]。但過濾器，以減少噪聲和強(qiáng)度的邊緣損傷。一、邊緣提取的步驟圖像邊緣檢測和邊緣檢測是至關(guān)重要的領(lǐng)域的計(jì)算機(jī)視覺技術(shù)，如何快速、準(zhǔn)確地提取圖像邊緣信息一直在研究和發(fā)展的重點(diǎn)技術(shù)和整個(gè)領(lǐng)域的發(fā)展，邊緣檢測技術(shù)已成為圖像分割、目標(biāo)識別、圖像壓縮技術(shù)。一、Roberts邊緣算子Roberts算子的原理是在差分算子的基礎(chǔ)上完成的，其具體公式可以表示如下： 其中，是以整數(shù)的形式來表示圖像的坐標(biāo)。五、Log邊緣算子這里介紹一種基于二階導(dǎo)數(shù)求到邊緣點(diǎn)算法的圖像亮度，這種方法對噪聲非常敏感，因此，可以在之前是邊緣增強(qiáng)去噪。改進(jìn)邊緣檢測對邊緣的敏感性，也增強(qiáng)了對噪聲的敏感性。step3:梯度是不足以確定唯一的邊緣，所以要保證邊緣，你必須保持局部梯度最大點(diǎn)，而不是抑制。此外，在實(shí)際應(yīng)用中，檢測效果還與濾波模板大小有關(guān)，當(dāng)時(shí)有較好的檢測效果。 c=dt(k).Area。) elseif ((chunhat ) amp。elseif (elip ) amp。圓39。b=min(khoangcach{k})。當(dāng)圖像受到光照等因素的影響，我們無法的到圖像邊緣的信息，因此，運(yùn)用單一的邊緣檢測算法無法對圖像進(jìn)行較高精確度的處理，因此，邊緣檢測方法往往只是運(yùn)用在了圖像處理的初級階段。致 謝 回首我在重慶郵電大學(xué)的四年學(xué)習(xí)生活，現(xiàn)在滿懷感激之情，我非常榮幸能夠來到重慶這個(gè)優(yōu)美的城市生活和學(xué)習(xí)。 a=rgb2gray(i)。imshow(bw)。 %測量圖像區(qū)域的面積cv = regionprops(L， 39。 vuong = c/(4*b^2) chunhat=c/(4*b*(a^2b^2)^)。boundaries = bwboundaries(BW_filled)。holes39。)。謹(jǐn)向給予我無私幫助的同學(xué)表示深切的感謝。結(jié) 論圖像形狀識別就是通過特定的識別方法來對圖像的輪廓和邊緣進(jìn)行提取，與圖像的其他特征相比，其復(fù)雜程度在于提取形狀特征的精確性得不到保障。)第二節(jié) 仿真實(shí)驗(yàn)及結(jié)果分析相對來說，用Sobel算子進(jìn)行邊緣檢測得到的圖像效果較好，因?yàn)镾obel算子提供了精確的邊緣方向估計(jì)。 (thoi ) text(s(k).Centroid(1)20，s(k).Centroid(2)，39。c=dt(k).Area。)其中，為圖像中心到邊緣的最大距離，為圖像中心到邊緣的最小距離。圓39。他們的目標(biāo)應(yīng)用程序，這是優(yōu)勢可以幫助我們來完成特定的任務(wù)。將超出范圍的所有值都取上下限。信噪比值越小，提取的邊緣效果越低；（2）定位精度準(zhǔn)則為了得到高精確度的圖像，需要檢找到邊緣點(diǎn)與實(shí)際邊緣最近的位置；（3）單邊緣響應(yīng)準(zhǔn)則應(yīng)對每個(gè)邊緣點(diǎn)是獨(dú)一無二的。這可以通過使用過零的二階導(dǎo)數(shù)來實(shí)現(xiàn)。一般而言，該距離越大，越小的影響。邊緣提取的流程如圖32所示：連續(xù)外輪廓邊緣圖像圖像外輪廓圖像庫特征庫不變矩特征目標(biāo)區(qū)域連續(xù)、單值、二值化輪廓圖32 形狀特征提取系統(tǒng)流程邊緣提取的具體步驟如下：（1）獲取邊緣圖像，主要是運(yùn)用canny算法對已有的圖形進(jìn)行提??；（2）對邊緣圖像進(jìn)行輪廓跟蹤，得到外輪廓圖像；（3）外部輪廓圖像的預(yù)處理：首先，在外形上獲得連續(xù)光滑的輪廓線，輪廓線的二值化的自適應(yīng)二值化方法，精細(xì)的輪廓。邊緣檢測是最簡單的梯度幅值閾值的確定。經(jīng)典的邊緣檢測方法往往會斷的不完全信息結(jié)構(gòu)，噪聲和敏感，為了有效地抑制噪聲，通常對原始圖像進(jìn)行平滑，然后邊緣檢測可以檢測真實(shí)的邊緣。如果圖像的復(fù)雜邊界特性，用上述參數(shù)來描述物體的形狀就比較困難。（2）傅里葉形狀描述符法傅立葉形狀描述符的基本思想是使用一個(gè)對象的邊界，傅立葉變換的形狀描述，使用的區(qū)域邊界閉合和周期性，二維問題成一維問題。作為一組不同大小的圓形，如果選擇以“區(qū)域”為基礎(chǔ)，其與其他類別分離，其可靠性較低，同一圓在不同樣本區(qū)域的差異較大，并選擇“形狀指數(shù)”作為分類的依據(jù)，其可靠性高，所有在同一個(gè)圓類中的同形指數(shù)。第二節(jié) 形狀特征及其描述方法一、形狀特征本文主要采用的是幾何參數(shù)法來判斷給出的的圖像是什么形狀。與上面類似，二進(jìn)制圖像也能夠處理成不同的數(shù)據(jù)類型，可以是雙精度型，也能設(shè)置為整形，但值得注意的是，Matlab在對圖像進(jìn)行處理時(shí)，所有的值都是以uint8類型邏輯數(shù)組來返回的。（3）圖像變換。有8位，24位光柵數(shù)據(jù)集?，F(xiàn)有的特征提取和識別算法基本上仍處于實(shí)驗(yàn)階段，其實(shí)用性和通用性和準(zhǔn)確性要求從大規(guī)模的實(shí)際應(yīng)用到一定程度。由于人的工作方式是不斷改變的，其研究了領(lǐng)域也是不斷擴(kuò)大的，所以邊緣檢測的運(yùn)用范圍也是無止境的。通常情況下，圖像分割的方式有兩種：一是將每個(gè)子圖像的灰度值進(jìn)行平均化，得到均勻變化的過程；二是充分運(yùn)用圖像中灰度的差別，搜索出不同圖像之間的輪廓。其是由美國的MathWorks 公司研發(fā)的集成了數(shù)值計(jì)算、符號計(jì)算等功能與一體的軟件，其最具特色的圖形可視化功能，能夠讓人直觀的對仿真結(jié)果有一個(gè)清晰的認(rèn)識，是一款世界公認(rèn)的強(qiáng)大的應(yīng)用軟件[8]。圖像分類（識別）屬于模式識別的范疇，圖像是在經(jīng)過預(yù)處理后的主要內(nèi)容（經(jīng)過增強(qiáng)、恢復(fù)和壓縮）、圖像分割和特征提取，其中一個(gè)句子分類。每個(gè)圖像都具有不同的灰度，圖像灰度是根據(jù)圖像的不同色階（紅，黃，藍(lán)）的比例程度來決定的。如果具有某些觀察者可能感興趣的圖像，我們更應(yīng)該對圖像進(jìn)行加強(qiáng)突出處理，對有些3D成像方法如CT、MRI、可視化，特別是三維結(jié)構(gòu)可視化高度重視。 Image Classification目 錄前 言 1第一章 圖像分類器概述 2第一節(jié) 圖像的定義 3一、圖像邊緣 3二、圖像形狀 3第二節(jié) 圖像邊緣檢測 5一、邊緣檢測的主要內(nèi)容 5二、邊緣檢測的應(yīng)用 6第三節(jié) 國內(nèi)外研究現(xiàn)狀 8第四節(jié) 論文主要內(nèi)容及章節(jié)安排 8第二章 數(shù)字圖像處理方法 10第一節(jié) 數(shù)字圖像的預(yù)處理 10一、數(shù)字圖像 10二、采樣 13三、量化 13四、采樣、量化和圖像細(xì)節(jié)的關(guān)系 13第二節(jié) 形狀特征及其描述方法 14一、形狀特征 14二、幾種典型的形狀特征描述方法 15第三節(jié) 幾種不同的度量 16一、矩形度 16二、圓形度 16三、矩 17四、不變矩 17第三章 邊緣檢測與提取方法 18第一節(jié) 邊緣檢測 18一、邊緣檢測準(zhǔn)備條件 18二、邊緣檢測基本步驟 19第二節(jié) 邊緣提取 20一、邊緣提取的步驟 20第三節(jié) 邊緣提取的常用算子 21一、Roberts邊緣算子 21二、Sobel邊緣算子 21三、Prewitt邊緣算子 22四、Laplacian邊緣算子 22五、Log邊緣算子 23六、Canny邊緣算子 25第四章 算法的選擇和實(shí)現(xiàn) 29第一節(jié) 邊緣檢測與識別算法 29第二節(jié) 仿真實(shí)驗(yàn)及結(jié)果分析 32一、仿真實(shí)驗(yàn) 32二、結(jié)果分析 34結(jié) 論 36致 謝 37參考文獻(xiàn) 38附錄 39 38 前 言圖像邊緣檢測作為圖像處理技術(shù)中非常重要的環(huán)節(jié)之一，被廣泛的運(yùn)用到圖像應(yīng)用中。 Image shape?，F(xiàn)代的數(shù)字圖像邊緣檢測處理的目標(biāo)有以下三種： （1）可視化：圖像采集和顯示時(shí)，我們需要適時(shí)地對所處理的圖像進(jìn)行改進(jìn)，以方便觀察者能夠更加直觀的觀察到圖像的內(nèi)容。本文將主要采用幾種典型的邊緣檢測方法，基于他們的原理，編寫程序來實(shí)現(xiàn)邊緣檢測技術(shù)[5, 6]。是目標(biāo)圖像的重要特征，在實(shí)踐中通常使用形狀特征或圖像檢索的主要邊界和分類。Matlab軟件在圖像處理方面得到了很好的運(yùn)用。圖像分割的結(jié)果大大影響到了圖像測量的質(zhì)量。二、邊緣檢測的應(yīng)用邊緣檢測的應(yīng)用范圍尤其廣泛，已經(jīng)波及到各個(gè)領(lǐng)域的各個(gè)方面，充分影響著人類的生產(chǎn)與生活。通過上述特征提取和識別技術(shù)，由于特征提取和識別的多樣性和復(fù)雜性的問題本身，現(xiàn)有的理論和方法有相當(dāng)一段距離，從實(shí)際的要求，一些基本的問題還有待進(jìn)一步深入研究。（3）HDF（Hierarchical Data Format）格式。例如，conv2(I，J)實(shí)現(xiàn)了I，J兩幅圖像的卷積。（3）二進(jìn)制圖像二進(jìn)制圖像中都有兩個(gè)狀態(tài)，即0和1，其中0表示關(guān)閉狀態(tài)，1表示開狀態(tài)，有這兩種狀態(tài)值