【正文】 灰度值突變的邊緣檢測方法，其原理也是用于其他特性突變的邊緣檢測。感興趣的目標(biāo)必須突出或者圖像各部位之間的對比度需要增強(qiáng)處理。而邊緣存在于圖像的不規(guī)則結(jié)構(gòu)和不平穩(wěn)現(xiàn)象中，也即存在于信號的突變點(diǎn)處，這些點(diǎn)給出了圖像輪廓的位置，這些輪廓常常是我們在圖像邊緣檢測時(shí)所需要的非常重要的一些特征條件，這就需要我們對一幅圖像檢測并提取出它的邊緣。（3）定量化:有關(guān)定量化的圖像邊緣檢測的例子有：測量動(dòng)脈狹窄的程序以及用電子顯微鏡觀察組織切片中特殊成分的定位和定量（如血色素沉著癥中的鐵元素）。（2） 邊緣段：邊緣點(diǎn)坐標(biāo) 及方向 的總和，邊緣的方向可以是梯度角。（3） 邊界查索，用于檢測圖像中線狀局部結(jié)構(gòu)，通常是作為圖像分割的一個(gè)預(yù)處理步驟。數(shù)字圖像邊緣檢測(Digital Image Processing)又稱為計(jì)算機(jī)圖像邊緣檢測，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計(jì)算機(jī)對其進(jìn)行處理的過程。其中，視頻監(jiān)測方法比其他方法更具優(yōu)越性。當(dāng)自上而下（topdown direction）應(yīng)用這些方法時(shí)，研究對象（如肝臟）計(jì)算機(jī)模型引導(dǎo)圖像邊緣檢測操作集中到圖像（如肝掃描圖像）中我們感興趣的部位；而當(dāng)自下而上（buttonup direction）應(yīng)用這些方法時(shí)，圖像邊緣檢測所獲得有關(guān)細(xì)節(jié)的信息可參照該模型加以核查，以確定相互之間的關(guān)系。而作為圖像邊緣檢測和計(jì)算機(jī)視覺最基本的技術(shù)——圖像邊緣提取技術(shù)，也突破了其狹義的概念，成為一個(gè)內(nèi)容豐富的領(lǐng)域。邊緣提取算法的提出通常是面向具體問題的，普遍實(shí)用性較差。在邊緣上灰度的一階導(dǎo)數(shù)幅度較大，而二階導(dǎo)數(shù)在邊緣上的值 階躍型 房頂型 突圓型 圖 邊緣灰度變化為零，其左右分別為一正一負(fù)兩個(gè)峰。但一般認(rèn)為邊緣提取是要保留圖像的灰度變化劇烈的區(qū)域，這從數(shù)學(xué)上，最直觀的方法就是微分(對于數(shù)字圖像來說就是差分)，在信號處理的角度來看，也可以說是用高通濾波器，即保留高頻信號。經(jīng)典的邊緣檢測算子包括:Roberts 算子，Prewitt 算子，Sobel 算子，Log (Laplacian of Gaussian)算子等。 Prewitt 算子在一個(gè)方向求微分，而在另一個(gè)方向求平均，因而對噪聲相對不敏感，有抑制噪聲作用。拉普拉斯函數(shù)用二維二階導(dǎo)數(shù)的近似，是因?yàn)樗且环N無方向算子。(2)類似與 Marr（LOG）邊緣檢測方法，也屬于先平滑后求導(dǎo)數(shù)的方法。雙閾值法要在 G2(x,y)中把邊緣連接成輪廓，當(dāng)?shù)竭_(dá)輪廓的端點(diǎn)時(shí)，該算法就在 G1(x,y)的 8 鄰點(diǎn)位置尋找可以連接到輪廓上的邊緣，這樣，算法不斷地在 G1(x,y)中收集邊緣，直到將 G1(x,y)連接起來為止。并且這兩種算法的效果也是較好的，原因如下： 坎尼（Canny）算法檢測階躍邊緣的基本思想是在圖像中找出具有局部最大梯度幅值的像素點(diǎn)。BW2= edge(I,39。,) 。title(39。)。Canny39。BW1=edge(I,39。,)。title(39。figure,imshow(BW11)。閾值為 的 LOG 算子邊緣檢測圖像39。第 4 章 試驗(yàn)結(jié)果的分析、比較及存在的問題兩種算法都分別實(shí)現(xiàn)了對 bmp 格式的數(shù)字圖像的邊緣提取，但實(shí)現(xiàn)方法不同， Canny算法采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像卷積進(jìn)行濾波；然后對濾波后的圖像尋找圖像梯度的局部最大值，以此來確定圖像邊緣。采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像卷積進(jìn)行濾波；然后對濾波后的圖像尋找圖像梯度的局部最大值，以此來確定圖像邊緣。:若要提高檢測精度，則會檢測到噪聲產(chǎn)生偽邊緣，從而導(dǎo)致不合理的輪廓。一般來講一個(gè)好的算法應(yīng)滿足計(jì)算精度高，抗噪聲能力強(qiáng)，計(jì)算簡單等特點(diǎn)。在此，謹(jǐn)向大學(xué)本科期間一直培養(yǎng)、幫助和關(guān)懷我的導(dǎo)師致以由衷的敬意和誠摯的謝意。imshow(I2)。Roberts 39。 %edge 調(diào)用 Roberts 為檢測算子判別閾值為 figure,imshow(BW12)。閾值為 的 sobel 算子邊緣檢測圖像39。BW3=edge(I,39。,)。Canny39。%edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW41)。,)。title(39。)。Canny39。)。title( 39。)。BW2= edge(I,39。39。)。I=imread(39。閾值為 的 Prewitt 算子邊緣檢測圖像39。 %edge 調(diào)用 sobel 為檢測算子判別閾值為 figure,imshow(BW22)。sobel 39。)。title( 39。 %定義鄰域?yàn)?5x5I2=imfilter(J,H)。首先我要感謝我的導(dǎo)師王漢萍老師。因而對于有噪聲圖像來說，一種好的邊緣檢測方法應(yīng)該具有良好的噪聲抑制能力，同時(shí)又有完備的邊緣保持特性,而這些優(yōu)點(diǎn)正式Canny算子所具備的。而其他算子則由于對噪聲較敏感，又無法進(jìn)行濾波，因此噪點(diǎn)比較多，虛產(chǎn)生的假邊緣也過多。這樣，通過找圖像強(qiáng)度的二階導(dǎo)數(shù)的零交叉點(diǎn)就能找到更精確的邊緣點(diǎn)。figure,imshow(BW23)。log39。)。BW22= edge(I,39。閾值為 的 LOG 算子邊緣檢測圖像39。)。title( 39。,) 。（第二部分圖）I=imread(39。閾值為 的 Canny 算子邊緣檢測圖像39。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW1)。第 3 章 算法的選擇和實(shí)現(xiàn)近年來，圖像分析和處理緊緊圍繞理論、實(shí)現(xiàn)、應(yīng)用三方面迅速發(fā)展起來。但問題是如何選取閾值？解決方法：雙閾值算法進(jìn)行邊緣判別和連接邊緣。 邊緣檢測基本原理：(1)具有既能濾去噪聲又保持邊緣特性的邊緣檢測最優(yōu)濾波器，其采用一階微分濾波器。將圖像?與 進(jìn)行卷積，可以得到一個(gè)平滑的圖像，即：),(),(f ),(*),(),(yxGfyxg?（2）增強(qiáng)：對平滑圖像 進(jìn)行拉普拉斯運(yùn)算，即：,??),(),()(2yxfyxh?（3）檢測：邊緣檢測判據(jù)是二階導(dǎo)數(shù)的零交叉點(diǎn)（即 的點(diǎn)）并對應(yīng)一階0),(?yxh導(dǎo)數(shù)的較大峰值。運(yùn)算結(jié)果是一幅邊緣幅度圖像。（4）定位。從人的直觀感受來說，邊緣對應(yīng)于物體的幾何邊界。邊緣提取就是既要檢測出強(qiáng)度的非連續(xù)性，又能確定它們在圖像中的精確位置。根據(jù)這一特點(diǎn)，提出了多種邊緣檢測算子：如 Robert 算子、Sobel 算子、Prewitt 算子、Laplacian 算子，Canny 算子等。從本質(zhì)上說，邊緣常常意味著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始。早期應(yīng)用多在單個(gè)圖像的分析上，現(xiàn)今多模圖像的分析變得越來越重要。 （4）交通管理系統(tǒng)的應(yīng)用，隨著我國經(jīng)濟(jì)建設(shè)的蓬勃發(fā)展，城市的人口和機(jī)動(dòng)車擁有量也在急劇增長，交通擁擠堵塞現(xiàn)象日趨嚴(yán)重,交通事故時(shí)有發(fā)生。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計(jì)算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進(jìn)行數(shù)字濾波處理） 。但其測量結(jié)果的質(zhì)量卻極大地依賴于圖像分割的質(zhì)量。在實(shí)際中，階躍和線條邊緣圖像是較少見的，由于空間分辨率（尺度空間）、圖像傳感器等原因會使階躍邊緣變成斜坡形邊緣，線條邊緣變成房頂形邊緣。例如，根據(jù)一個(gè)染色體分布的顯微圖像自動(dòng)確定染色體核型的系統(tǒng)，從一個(gè)血液涂片自動(dòng)生成白細(xì)胞分類計(jì)數(shù)報(bào)告的系統(tǒng)。目 錄前 言 1第 1 章 圖像邊緣檢測與提取概述 1 圖像邊緣的定義 2 圖像邊緣檢測算 法的研究內(nèi)容 3 圖像 邊緣檢測算法的主要應(yīng)用 4 圖像邊緣檢測算法的發(fā)展前景 6第 2 章 圖像的邊緣檢 測與提取 7 引言 7 邊緣檢 測與提取過程 9 邊緣檢測與提取主要算法 10 Roberts 邊緣算子 10 Sobel 邊緣算子 11 Prewitt 邊緣算子 11 Laplacian 邊緣算子 12 Log 邊緣算子 12 Canny 邊緣算子 14第 3 章 算法的選擇和 實(shí)現(xiàn) 16 坎尼（CANNY）算法 17 高斯— 拉普拉斯（LOG）算法 18第 4 章 試驗(yàn)結(jié)果的分析、比較及存在的問題 19結(jié)束語 26謝 辭 27參考文獻(xiàn) 28附錄 28前 言在實(shí)際圖像邊緣檢測問題中，圖像的邊緣作為圖像的一種基本特征，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中去。這些應(yīng)用的特征是要求最小的人工干預(yù)，全自動(dòng)完成分析工作。它們的灰度變化不是瞬間的而是跨越一定距離的。有兩類不同的圖像分割方法。目前新興研究的小波變換在時(shí)域和頻域中都具有良好的局部化特性，它在圖像邊緣檢測中也有著廣泛而有效的應(yīng)用。交通問題已經(jīng)成為城市管理工作中的重大社會問題，阻礙和制約著城市經(jīng)濟(jì)建設(shè)的發(fā)展。多譜成像的應(yīng)用使來自不同成像模式的信息融合成為可能（如在醫(yī)學(xué)中 X 線核磁共振成像的融合）。圖像邊緣信息在圖像分布和人的視覺中都是十分重要的，是圖像識別中提取圖像特征的一個(gè)重要屬性。這些方法多是以待處理像素為中心的鄰域作為進(jìn)行灰度分析的基礎(chǔ)，實(shí)現(xiàn)對圖像邊緣的提取并已經(jīng)取得了較好的處理效果。在圖像中邊緣區(qū)域的灰度在空間上的變化形式一般可分為三個(gè)類型:階躍型、房頂型和凸緣型，如圖 所示。圖像上灰度變化劇烈的區(qū)域比較符合這個(gè)要求，我們一般會以這個(gè)特征來提取圖像的邊緣。精確確定邊緣的位置。 Sobel 算子認(rèn)為鄰域的像素對當(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，對算子結(jié)果產(chǎn)生的影響也不同。 這種方法的特點(diǎn)是圖像首先與高斯濾波器進(jìn)行卷積，這樣既平滑了圖像又降低了噪聲，孤立的噪聲點(diǎn)和較小的結(jié)構(gòu)組織將被濾除。采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像卷積進(jìn)行濾波；然后對濾波后的圖像尋找圖像梯度的局部最大值，以此來確定圖像邊緣。①首先是邊緣判別： 凡是邊緣強(qiáng)度大于高閾值的一定是邊緣點(diǎn)；凡是邊緣強(qiáng)度小于低閾值的一定不是邊緣點(diǎn)；如果邊緣強(qiáng)度大于低閾值又小于高閾值，則看這個(gè)像素的鄰接像素中有沒有超過高閾值的邊緣點(diǎn)，如果有，它就是邊緣點(diǎn)，如果沒有，它就不是邊緣點(diǎn)。它以眾多的學(xué)科領(lǐng)域?yàn)槔碚摶A(chǔ)，其成果又滲透到眾多的學(xué)科中，成為理論實(shí)踐并重，在高新技術(shù)領(lǐng)域中占有重要地位的新興學(xué)科。title( 39。)。39。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW11)。閾值為 的 Canny 算子邊緣檢測圖像39。 高斯—拉普拉斯（Log）算法首先建立函數(shù)，在 Log 邊緣算子中，對邊緣的檢測技術(shù)采用的是二階導(dǎo)數(shù)的零交叉點(diǎn)來檢測邊緣點(diǎn)的算法：其 Matlab 程序編寫如下：（第一部分圖）I=imread (39。)。log39。BW11=edge(I,39。,)。title(39。根據(jù)這各原理看出高斯拉普拉斯算子選取的閾值越小則圖像的處理效果越好，相同則Canny算子算法則采用的閾值越大則圖像的邊緣處理效果越清晰。Log算子效果圖： 結(jié)果分析：以上為二階微分算子的邊緣檢測效果圖，由Log算子的檢測原理圖知，它利用圖像強(qiáng)度二階導(dǎo)數(shù)的零交叉點(diǎn)來求邊緣點(diǎn)的算法對噪聲十分敏感，所以在對邊緣增強(qiáng)前濾除噪聲。結(jié)束語數(shù)字圖像的邊緣檢測技術(shù)是圖像邊緣檢測、圖形識別中最基礎(chǔ)也是最重要的理論之一。王老師在平時(shí)的學(xué)習(xí)生活中給予了我最熱情的指導(dǎo)和幫助，在我完成論文的整個(gè)過程，更是從開題報(bào)告到完成初稿都有王老師的辛勞。 %鄰域平均subplot(1,2,1)。閾值為 的 Roberts 算子邊緣檢測圖像39。BW12=edge(I,39。,)。 title( 39。)。39。BW41= edge(I,39。)。log39。 imshow(I)。閾值為 的 Canny 算子邊緣檢測圖像39。青島大學(xué)本科生畢業(yè)論文（設(shè)計(jì)）青島大學(xué)本科生畢業(yè)論文（設(shè)計(jì)）1。BW21= edge(I,39。原始圖像39。figure,imshow(BW2)。log39。,) 。 BW4= edge(I,39。Prewitt 39。)。 title( 39。,)。