【正文】 19 （a）原始圖像 （b）方向數為 4 時的檢測效果 （c）方向數為 8 時的檢測效果 （d）方向數為 12 時的檢測效果圖 7 不同方向參數的邊緣檢測效果現在將原始圖像加入均值為 0 標準差為 的高斯噪聲后再對其進行邊緣檢測，看 Gabor 濾波器的抗噪聲性能如何。魯東大學本科畢業(yè)設計20 （a）加入高斯噪聲后的圖像 （b）方向數為 4 時的檢測效果 （c）方向數為 8 時的檢測效果 （d）方向數為 12 時的檢測效果圖 8 加入高斯噪聲后不同方向參數的邊緣檢測效果由圖 8 可以看出，在加入了高斯噪聲之后，邊緣檢測的效果有所下降，但是仍然是可以分辨出檢測出的邊緣的；并且檢測效果隨著方向數的增加而增強的趨勢沒有改變。 Gabor 濾波器的尺度參數對濾波效果的影響由上文看出，Gabor 濾波器繼承了小波變換的多尺度特性，能在各種的尺度下對圖像做檢測處理，下面就通過實驗來看一下尺度參數對邊緣檢測效果的影響。魯東大學本科畢業(yè)設計21 （a）原始圖像 （b）尺度為 時的邊緣檢測效果 （c）尺度為 1 時的邊緣檢測效果 （d）尺度為 時的邊緣檢測效果圖 9 不同尺度參數的邊緣檢測效果從圖 9 中我們可以看到，不同的尺度參數對邊緣檢測效果的影響比較大。在尺度為 時可以看到，邊緣檢測效果不明顯，基本沒有把邊緣檢測出來，這說明在檢測這幅圖像的情況下這個尺度值選擇的太??；尺度增大為 1 時，可以看到明顯的變化，大部分的邊緣被檢測出來；尺度繼續(xù)增大到 時，檢測到的邊緣寬度比尺度為 1 的時候要大，邊緣細節(jié)比較模糊，只能看清大致的輪廓。魯東大學本科畢業(yè)設計22 （a）加噪后的圖像 （b）尺度為 時的邊緣檢測效果 （c）尺度為 1 時的邊緣檢測效果 （d）尺度為 時的邊緣檢測效果圖 10 加入高斯噪聲后不同尺度參數的邊緣檢測效果在加入均值為 0 標準差為 的高斯噪聲后，對加噪后的圖像進行邊緣檢測，可以看到噪聲對檢測效果的影響還是比較大的，但是同樣的尺度參數的變化對檢測效果的影響的趨勢也是不變的。所以尺度參數需要經過大量的實驗和比較才可以確定出一個相對適當的值。 Gabor 濾波器的頻率參數對濾波效果的影響前文中已經指出，Gabor 函數事實上是一個被正弦波調制的高斯函數，調制正弦波的調制頻率也會對邊緣檢測的效果產生影響。魯東大學本科畢業(yè)設計23 （a）原始圖像 （b）波長為 6 時的邊緣檢測效果 （c）波長為 10 時的邊緣檢測效果 （d）波長為 16 時的邊緣檢測效果圖 11 不同頻率參數的邊緣檢測效果從圖 11 中我可以看出，不同的正弦波調制頻率對邊緣檢測效果有影響。這里的波長指的是相對波長，不是一個確定的長度值，而是一個波長相對大小。當波長逐漸增大是可以看到檢測的圖像越來越模糊，當波長為 6 時檢測的效果最好；波長參數跟上面提到的尺度參數的變化趨勢有相似點，都是隨著參數的增大檢測到的邊緣越發(fā)模糊，所以如何確定波長的值已達到最優(yōu)的檢測效果也是需要一個不斷嘗試的過程。魯東大學本科畢業(yè)設計24 （a）加入高斯噪聲的圖像 （b）波長為 6 時的邊緣檢測效果 （c）波長為 10 時的邊緣檢測效果 （d）波長為 16 時的邊緣檢測效果圖 12 加入高斯噪聲后不同頻率參數的邊緣檢測效果加入均值為 0 標準差為 的高斯噪聲后，圖像的邊緣檢測效果如圖 12 所示。噪聲的加入對模糊邊緣的判別加大了難度，會錯判出很多偽邊緣，這是邊緣檢測中不可避免的一個問題，如果在進行邊緣檢測之前，先對有噪聲的圖像進行一些去噪處理，那么會大大增加邊緣檢測的精確度。以上介紹了 Gabor 濾波器的方向、尺度和頻率參數的改變對它的影響，從仿真結果可以看出，Gabor 濾波器想要獲得很好的邊緣檢測效果，那就必須設置好濾波器的這幾個參數；參數的改變對濾波效果有較大的影響，那么到底該如何確定這些參數，至今也沒有一個確切的答案，還需要科研工作者的繼續(xù)探索。 噪聲種類和噪聲強度對 Gabor 濾波器的影響前面幾節(jié)對高斯噪聲對邊緣檢測效果的影響做了仿真實驗，而不同種類和不同噪魯東大學本科畢業(yè)設計25聲強度對邊緣檢測的效果也是有影響的，這一節(jié)就來討論它們的影響。這里采用波長為 6，方向為 12，尺度為 1，首先對不同強度的高斯噪聲對濾波的效果做仿真實驗。圖 13 高斯噪聲強度對濾波效果的影響圖 13 顯示了不同高斯噪聲強度對濾波效果的影響，第一張圖是沒有噪聲時經Gabor 濾波器進行邊緣檢測的效果圖，后面幾張是噪聲方差從 以 的步長增大到 時的效果圖，從圖中可以直觀的看到隨著噪聲強度的增加，濾波效果逐漸變差。表 1 高斯噪聲方差對 MSE、PSNR 的影響噪聲方差 MSE PSNR 表 1 對不同噪聲方差對圖片的 MSE 和 PSNR 的影響做了量化評價，其中 MSE和 PSNR 的對比標準是無噪聲時的處理效果，將有噪聲時的處理效果與之對比，得到相應的 MSE 和 PSNR，圖 14 將這些數據畫為直方圖，可以更直觀的看出結果。魯東大學本科畢業(yè)設計26圖 14 高斯噪聲下 MSE 和 PSNR 直方圖由圖 14 可以看出，隨著噪聲方差也就是噪聲強度的逐漸增強， MSE 的值逐漸增大，代表著處理后的圖像與沒有加噪的處理圖像相比，差別越來越大，也就是說隨著噪聲的增強檢測效果逐漸變差。PSNR 也一樣，數值越低代表著檢測的效果越差。接下來對椒鹽噪聲的影響做一個仿真實驗。同樣的，采用波長為 6 方向為 12 尺度為 1 的 Gabor 濾波器，對加入不同噪聲密度的椒鹽噪聲的圖像進行濾波處理。圖 15 椒鹽噪聲密度對濾波效果的影響從圖 15 可以看出，不同種類的噪聲對濾波效果的影響也是不同的，椒鹽噪聲對濾波效果的影響直觀上要大于高斯噪聲；隨著椒鹽噪聲的噪聲密度不算增加，濾波效果逐漸變差，這個高斯噪聲時的情況類似。魯東大學本科畢業(yè)設計27表 2 椒鹽噪聲密度對 MSE、PSNR 的影響噪聲密度 MSE PSNR 表 2 定量的描述了椒鹽噪聲的密度對 MSE 和 PSNR 的影響，可以表示成直方圖更為直觀。圖 16 椒鹽噪聲下 MSE 和 PSNR 直方圖從圖 16 可以看出，MSE 的變化情況和椒鹽噪聲密度的變化情況呈正相關，噪聲越大 MSE 的值也越大； PSNR 的變化情況與椒鹽噪聲密度的變化情況呈負相關，隨著噪聲密度增強，PSNR 的值逐漸變小，意味著處理后的圖像的效果與不加噪時的處理效果相比，濾波性能變差。5 總結邊緣檢測是數字圖像處理中的非常重要的環(huán)節(jié)，它的實用意義很大，受到人們的廣泛關注。本文就現在比較成熟的經典邊緣檢測算法做了介紹，對新型的邊緣檢測算法做了介紹和仿真實驗。從中可以看出經典算法在邊緣檢測時還是有很好的效果的，但是新型算法在某些應用中有著其得天獨厚的地位。這里介紹的 Gabor 濾波器只是新型檢測算法中的一種，還有很多性能更好的濾波器就不一一介紹了，但是必須指出，本文介紹的邊緣檢測算法并不是一套完善的邊緣檢測算法，在實際應用中還有好多其他的步驟在這里并沒有介紹。如去噪算法、魯東大學本科畢業(yè)設計28圖像分割算法、圖像增強算法等等。希望本文所總結出的各種算法的利弊以及可適用范圍可以為他人提供參考幫助，并為進一步邊緣檢測算子的深入研究作出貢獻。參考文獻[1] 陳一虎. 圖像邊緣檢測方法綜述[J]. 寶雞文理學院學報(自然科學版),2022,01:1621.[2] 張少偉. 基于機器視覺的邊緣檢測算法研究與應用[D].上海交通大學,2022.[3] 薛帥,戴青,馮東華,趙濤. 基于 Gabor 濾波器的 Sobel 算子圖像邊緣檢測算法[J]. 信息技術,2022,01:1720.[4] 宋芳莉. 圖像邊緣檢測中的方法研究[D]. 西北大學,2022.[5] 曾俊. 圖像邊緣檢測技術及其應用研究[D]. 華中科技大學,2022.[6] 阮秋琦編著 . 數字圖像處理學[Z]. 電子工業(yè)出版社, 2022.[7] 姚敏等編著 . 數字圖像處理[Z]. 機械工業(yè)出版社, 2022.[8] 陳初俠. 圖像濾波及邊緣檢測與增強技術研究[D].合肥工業(yè)大學,2022.[9] 趙芳,欒曉明,孫越. 數字圖像幾種邊緣檢測算子檢測比較分析[J]. 自動化技術與應用,2022.[10] 朱虹等編著 . 數字圖像處理基礎[Z]. 科學出版社, 2022.[11] 甘金來. 圖像邊緣檢測算法的比較研究[D]. 電子科技大學,2022.[12] 崔錦泰, 程正興. 小波分析導論[J]. 1995.[13] 高曉興,曹麗,常桂然. 基于 Gabor 濾波器的圖像邊緣檢測算法[J]. 計算機應用,2022.[14] Lades M, Vorbruggen J C, Buhmann J, et al. Distortion invariant object recognition in the dynamic link architecture[J]. Computers, IEEE Transactions on, 1993, 42(3): 300311.[15] 王瓊 ,彭延軍,董煥河. 基于 GABOR 濾波的大腦 MRI 圖像邊緣檢測[J]. 系統(tǒng)仿真學報,2022,S1:360362.[16] 陳軍. 基于 Gabor 小波變換的人臉識別技術研究[D].東北大學　,2022.[17] 王三福,李海云. 基于邊緣檢測的人臉灰度圖像的幾何特征提取[J]. 天水師范學魯東大學本科畢業(yè)設計29院學報,2022,05:1214.[18] 岡薩雷斯等著，阮秋琦等譯. 數字圖像處理(第二版)[M]. 北京：電子工業(yè)出版社,2022.致 謝本論文的順利完成，離不開各位老師、領導、同學和朋友的關心和幫助。在此感謝我的指導老師逄珊老師及各位領導的指導與幫助，感謝我的同學和我的朋友們給予我的幫助和動力，謝