【導讀】進行的研究工作及取得的成果。盡我所知，除文中特別加以標注和致謝的地方。及其它教育機構(gòu)的學位或?qū)W歷而使用過的材料。對本研究提供過幫助和做出過。貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。本人完全了解大學關(guān)于收集、保存、使用畢業(yè)設計（論文）的規(guī)定，采用影印、縮印、數(shù)字化或其它復制手段保存論文；在不以贏利為目的前提下，學?？梢怨颊撐牡牟糠只蛉績?nèi)容。當前邊緣檢測技術(shù)應用廣泛、發(fā)展。它是圖像處理的一項重要內(nèi)容，在模式識別、圖像理解、人工智能等領域發(fā)揮著。度化、圖像濾波、圖像邊緣檢測幾個主要步驟。本文先介紹了圖像處理及邊緣檢測的一些基。函數(shù)算法進行實現(xiàn)，最終完成邊緣檢測及運動目標的提取。

　　

【正文】 ,梁誠 .用 Sobel 算子細化邊緣 [J].中國圖像圖形學報 , 蘭州理工大學畢業(yè)論文 24 [27] 葉俊 ,基于 Canny 算子的圖像邊緣檢測與提取的算法 [J].黃岡職業(yè)技術(shù)學院科技資訊 , 34卷 [28] Kenh R. Castleman 著 ,朱志剛等譯 .數(shù)字圖像處理 [M].電子工業(yè)出版 , 第 1 版 [29] 王娜 ,李霞 .一種新的改進 Canny 邊緣檢測算法 [J].深圳大學學報 ,20xx [30] 萬纓 ,韓毅 ,盧漢清 .運動目標檢測算法的探討 [M].計算機仿真 , [31] 韓軍 ,熊璋 ,李超 .分割視頻運動對象的研究 [M].計算機工程與應用 ,20xx,3 蘭州理工大學畢業(yè)論文 25 附錄 1：論文應用程序 mov=mmreader(39。39。)。 %用 mmreader 讀入視頻文件 for i=1: %獲得總幀數(shù)，并依次讀取 b=read(mov,i)。 imwrite(b,strcat(39。E:\畢業(yè)設計 \幀圖像 \系統(tǒng) \39。,int2str(i),39。.jpg39。),39。jpg39。)。 %保存圖片 CurImage=imread(39。39。)。 %RGB 圖 % NxtImage=imread(39。39。)。 %RGB 圖 % CurGray=rgb2gray(CurImage)。 %灰度圖 % NxtGray=rgb2gray(NxtImage)。 DiffImage=abs(NxtGrayCurGray)。 %得到差分圖 % imwrite( DiffImage, 39。E:\畢業(yè)設計 \幀圖像 \系統(tǒng) \前景 .jpg39。)。 %保存圖片 hg=zeros(3,3)。 %設定高斯平滑濾波模板的大小為 3*3 delta=。 for x=1:1:3 for y=1:1:3 u=x2。 v=y2。 hg(x,y)=exp((u^2+v^2)/(2*pi*delta^2))。 end end h=hg/sum(hg(:))。 f = imread(39。前景 .jpg39。)。 % 讀入圖像文件 f=im2double(f)。 [m,n]=size(f)。 ftemp=zeros(m,n)。 蘭州理工大學畢業(yè)論文 26 rowhigh=m1。 colhigh=n1。 %%%高斯濾波 %%% for x=2:1:rowhigh1 for y=2:1:colhigh1 mod=[f(x1,y1) f(x1,y) f(x1,y+1)。 f(x,y1) f(x,y) f(x,y+1)。f(x+1,y1) f(x+1,y) f(x+1,y+1)]。 A=h.*mod。 ftemp(x,y)=sum(A(:))。 end end f=ftemp imshow(f) title(39。通過高斯濾波器后的圖像 39。)。 Canny 算子邊緣檢測 I=imread(39。E:\畢業(yè)設計 \幀圖像 \系統(tǒng) \前景 .jpg39。)。% 提取圖像 imshow(I)。 BW=edge(I,39。canny39。)。 %用 canny 算子進行邊緣檢測 imshow(BW) I=imread(39。E:\畢業(yè)設計 \幀圖像 \系統(tǒng) \前景 .jpg39。)。% 提取圖像 imshow(I)。 title(39。原始圖像 39。)。 BW1= edge(I,39。Canny39。,) 。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW1)。 title( 39。閾值為 的 Canny 算子邊緣檢測圖像 39。)。 BW2= edge(I,39。Canny39。,) 。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW2)。 title( 39。閾值為 的 Canny 算子邊緣檢測圖像 39。)。 BW21= edge(I,39。Canny39。,) 。 %edge 調(diào)用 Canny 為檢測算子判別閾值為 figure,imshow(BW21)。 蘭州理工大學畢業(yè)論文 27 title( 39。閾值為 的 Canny 算子邊緣檢測圖像 39。)。 BW22= edge(I,39。Canny39。,) 。 %edge 調(diào)用 Canny 為檢測 算子判別閾值為 figure,imshow(BW22)。 title( 39。閾值為 的 Canny 算子邊緣檢測圖像 39。)。 I=imread(39。E:\畢業(yè)設計 \幀圖像 \系統(tǒng) \前景 .jpg39。)。% 提取圖像 imshow(I)。 BW1=edge(I,39。sobel39。)。 %用 Sobel算子進行邊緣檢測 BW2=edge(I,39。roberts39。)。%用 Roberts算子進行邊緣檢測 BW3=edge(I,39。prewitt39。)。 %用 prewitt算子進行邊緣檢測 BW4=edge(I,39。log39。)。 %用 log算子進行邊緣檢測 BW5=edge(I,39。canny39。)。 %用 canny算子進行邊緣檢測 h=fspecial(39。gaussian39。,5)。 BW6=edge(I,39。canny39。)。 subplot(2,3,1), imshow(BW1)。 title(39。sobel edge check39。)。 subplot(2,3,2), imshow(BW2)。 title(39。roberts edge check39。)。 subplot(2,3,3), imshow(BW3)。 title(39。prewitt edge check39。)。 subplot(2,3,4), imshow(BW4)。 title(39。log edge check39。)。 subplot(2,3,5), imshow(BW5)。 title(39。canny edge check39。)。 subplot(2,3,6), imshow(BW6)。 title(39。gasussianamp。canny edge check39。)。 蘭州理工大學畢業(yè)論文 28 2：外文文獻 Canny Edge Detection 09gr820 March 23, 20xx 1 Introduction The purpose of edge detection in general is to significantly reduce the amount of data in an image, while preserving the structural properties to be used for further image processing. Several algorithms exists, and this worksheet focuses on a particular one developed by John F. Canny (JFC) in 1986 [2]. Even though it is quite old, it has bee one of the standard edge detection methods and it is still used in research [3] [1]. The aim of JFC was to develop an algorithm that is optimal with regards to the following criteria: 1. Detection: The probability of detecting real edge points should be maximized while the probability of falsely detecting nonedge points should be minimized. This corresponds to maximizing the signaltonoise ratio. 2. Localization: The detected edges should be as close as possible to the real edges. 3. Number of responses: One real edge should not result in more than one detected edge (one can argue that this is implicitly included in the first requirement). With JFC’s mathematical formulation of these criteria, Canny’s Edge Detector is optimal for a certain class of edges (known as step edges). A C++ implementation of the algorithm has been written, and this will be further described in Section 3. The images used throughout this worksheet are generated using this implementation. Test Image The image in Figure 1 is used throughout this worksheet to demonstrate how Canny edge detection works. It depicts a partially assembled pump from Grundfos, and the edge detection is a step in the process of estimating the pose (position and orientation) of the pump. The image has been preprocessed as described in the worksheet “Ideas for Solution to the Pose Estimation Problem”. The preprocessing includes: 蘭州理工大學畢業(yè)論文 29 ? Determining ROI (Region of Interest) that includes only white background besides the pump, and cropping the image to this region. ? Conversion to grayscale to limit the putational requirements. Figure 1: The image used as example of Canny edge detection. ? Histogramstretching, so that the image uses the entire grayscale. This step may not be necessary, but it is included to counterpensate for automatic light adjustment in the used web camera. 2 The Canny Edge Detection Algorithm The algorithm runs in 5 separate steps: 1. Smoothing: Blurring of the image to remove noise. 2. Finding gradients: The edges should be marked where the gradients of the image has large magnitudes. 3. Nonmaximum suppression: Only local maxima should be marked as edges. 4. Double thresholding: Potential edges are determined by thresholding. 5. Edge tracking by hysteresis: Final edges are determined by suppressing all edges that are not connected to a very certain (strong) edge. Each step is described in the following subsections. Smoo