【正文】 I=rgb2gray(I)。 % 將數(shù)據(jù)圖像轉(zhuǎn)化為雙精度dx = imfilter(I, mask)。 % 用閾值分割梯度圖像imshow(BW)。imshow(A)。 % 建立Y方向的模板I = im2double(A)。BW = im2bw(grad,level)。axes()。}, ... 39。原圖39。*.png。gui_Callback39。 首先我要感謝我的老師在課程設(shè)計(jì)上給予我的指導(dǎo)、提供給我的支持和幫助，這是我能順利完成這次報(bào)告的主要原因，更重要的是老師幫我解決了許多技術(shù)上的難題，讓我能把系統(tǒng)做得更加完善。此代碼缺少了imread讀入圖片，因此不能夠正確的運(yùn)行。調(diào)試過(guò)程中出現(xiàn)的問(wèn)題及相應(yīng)解決辦法 代碼在運(yùn)行過(guò)程中的錯(cuò)誤：[filename, pathname] = uigetfile( ... {39。這三種檢測(cè)算子的閾值選擇范圍與 log 和 canny 算子相比要小些。圖中，模板內(nèi)的數(shù)字為模板系數(shù)，梯度方向與邊緣方向總是正交水平邊緣 Sobel 算子 垂直邊緣 Sobel 算子圖 3 Sobel 算子模板元素和窗口像素之間的對(duì)應(yīng)關(guān)系(以 33 窗口為例)定義如下：設(shè)窗口灰度為： ????????1,1,1,FjkjkFjk? ????? ????? ?模板卷積計(jì)算就是下式求乘積和的過(guò)程： ????1 , ,ii mnmnfjkFjkM???式中， i=1,2 分別代表垂直和水平模板。在嵌入式系統(tǒng)上實(shí)現(xiàn)圖像處理能夠很好的解決在一般 PC 或者工控機(jī)上實(shí)現(xiàn)圖像處理的不足之處，比如說(shuō)便攜性差，功耗大，移動(dòng)性，靈活性不強(qiáng)等。傳統(tǒng)方法中的閾值都是通過(guò)實(shí)驗(yàn)確定的，沒(méi)有統(tǒng)一的閾值選取方法。本文利用邊緣的最大后驗(yàn)概率估計(jì)，介紹一種新的邊緣估計(jì)方法，從理論上說(shuō)明了怎樣選取最佳閾值。同時(shí)加之以集成度高，與網(wǎng)絡(luò)的耦合也越來(lái)越緊密等特點(diǎn)。 為模板卷積法邊緣檢測(cè)的輸出,ifj,L 為窗口寬度，對(duì) 33 窗口， l=1。邊緣點(diǎn)不夠銳利和明確，線邊緣檢測(cè)要好于點(diǎn)邊緣檢測(cè)。*.bmp。應(yīng)在代碼后面加入如下代碼：img_src=imread(fpath)。在此期間，我不僅學(xué)到了許多新的知識(shí)，而且也開(kāi)闊了視野，提高了自己的設(shè)計(jì)能力。, [])。*.jpeg39。)。Pick an image39。imshow(A)。 % 用閾值分割梯度圖像imshow(BW)。 % 將圖像數(shù)據(jù)轉(zhuǎn)化為雙精度dx = imfilter(I, x_mask)。title(39。 % 顯示分割后的圖像即邊緣圖像title(39。 % 計(jì)算梯度矩陣grad = mat2gray(dx)。axes()。)。 % 建立模板I = im2double(A)。BW = im2bw(grad,level)。axes()。 % 建立X方向的模板y_mask = rot90(x_mask)。 % 計(jì)算灰度閾值axes()。A=img_src。All Files (*.*)39。title(39。*.jpg。, [] , ... 39。 參考資料[1] 朱虹. 數(shù)字圖像處理基礎(chǔ)[M]. 科學(xué)出版社, 2022[2] R , R 著,阮秋琦,(第 2 版).北京:電子工業(yè)出版社,2022[3] . :電子工業(yè)出版社,2022[4] （上冊(cè)）,清華大學(xué),2022[5] C++,2022 [6] C++社,2022.[7] C++,2022[8] R , R , S L. Eddins 著,阮秋琦,像處理(MATLAB 版).北京:電子工業(yè)出版社,2022[9] 李赤楓, 王 俊, 李 克, 等. 自生 Mg2Si 顆粒增強(qiáng) Al 基復(fù)合材料的組織細(xì)化[J]. 中國(guó)有色金屬學(xué)報(bào), 2022, 14(2): 233237.[10] 殷 聲. 燃燒合成[M]. 北京: 冶金工業(yè)出版社, 2022: 2544.[11] . 致謝 在這次課程設(shè)計(jì)的設(shè)計(jì)過(guò)程中，我得到了許多人的幫助。fpath=[pathname filename]。Canny 算子：采用高斯函數(shù)對(duì)圖像進(jìn)行平滑處理，因此具有較強(qiáng)的噪聲抑制能力；同樣該算子也將一些高頻邊緣平滑掉，造成邊緣丟失，采用了雙閾值算法檢測(cè)和連接邊緣，邊緣的連續(xù)性較好。詳細(xì)設(shè)計(jì)過(guò)程Roberts 算子、Sobel 算子、Prewitt 算子的檢測(cè)效果相差不大，三種算子的檢測(cè)效果較之 Canny 和 Log 算子還是存在一定的差距。這兩個(gè)方向模板一個(gè)檢測(cè)垂直邊緣，一個(gè)檢測(cè)水平邊緣，如圖 3 所示。 近些年來(lái)，對(duì)于圖像處理在許多不同的科學(xué)和工程領(lǐng)域應(yīng)用的研究越來(lái)越火熱。經(jīng)典邊緣檢測(cè)方法的抗噪聲性能都較差，解決該問(wèn)題的主要方法就是設(shè)置閾值，把得到的圖像高頻部分與閾值相比較以達(dá)到去噪的目的，所以閾值的選取顯得尤為重要。文章中關(guān)于這些方法都有較詳細(xì)的介紹，以及算法的實(shí)現(xiàn)步驟，對(duì)算法均進(jìn)行了仿真實(shí)驗(yàn)。嵌入式系統(tǒng)將是未來(lái)工業(yè)控制和其他一些行業(yè)的主要發(fā)展方向。將兩個(gè)卷積結(jié)果的最大值，賦給??2l?圖像中對(duì)應(yīng)模板中心位置的像素，作為該像素的新灰度值，即： ??max,1,2iffjki? 通過(guò)分析可知，Sobel 算子法對(duì)高頻成分豐富的圖像處理效果好，對(duì)中低頻成分的圖像效果差。總體而言由于 Prewitt 算子受噪聲影響較小，故檢測(cè)效果要略好于另外兩種。*.jpg。 圖像運(yùn)行過(guò)程中出現(xiàn)的錯(cuò)誤：應(yīng)該將代碼中的I=rgb2gray()。 其次，我要感謝幫助過(guò)我的同學(xué)，他們也為我解決了不少我不太明白的代碼難題，在一個(gè)個(gè)小問(wèn)題上給了我很大的幫助。if nargin amp。, 39。setappdata(,39。)。title(39。 % 顯示分割后的圖像即邊緣圖像title(39。 % 計(jì)算X方向的梯度分量dy = imfilter(I, y_mask)。原圖39。Prewitt39。 % 將梯度矩陣轉(zhuǎn)化為灰度圖像axes()。BW = edge(I,39。原圖39。0,1,0]。 %