【導(dǎo)讀】撰寫過的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體均已在文。中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)研究和人機(jī)界面的工具。字圖像進(jìn)行邊緣檢測。主要工作包括圖像的二值處理，灰度處理，并運(yùn)用。Sobel,Canny,Roberts,Laplacan四個(gè)算子實(shí)現(xiàn)數(shù)字圖像邊緣檢測，結(jié)果表明：Roberts. 好的檢測效果，拉普拉斯算子可以檢測出絕大部分邊緣,同時(shí)基本沒有出現(xiàn)偽邊緣,檢測的效果最好，邊緣輪廓清晰，使人一目了然。邊緣檢測國內(nèi)外研究現(xiàn)狀·····················································1. 選題的目的和意義··································&#

　　

【正文】 =。 g4=。 g5=。 fxg=4*g3g1g2g4g5。 gg=(fxg)*5+128。 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 22 if(gg0) gg=0。 if(gg255) gg=255。 b1=。 b2=。 b3=。 b4=。 b5=。 fxb=4*b3b1b2b4b5。 bb=(fxb*5)+128。 if(bb0) bb=0。 if(bb255) bb=255。 Color cc=(rr,gg,bb)。 (i, j, cc)。 } ()。 = box1。 } } } } 程序運(yùn)行的結(jié)果見圖 311，圖 312 所示： 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 23 圖 311 二值處理后的圖片 圖 312 拉普拉斯檢測后的圖片 Roberts 算子設(shè)計(jì)實(shí)現(xiàn) Roberts 子是一種利用局部差分算子尋找邊緣的算子，它由下式給出 ： 22g ( x , y ) = [ ( , ) ( 1 , 1 ) ] [ ( 1 , ) ( , 1 ) ]f x y f x y f x y f x y? ? ? ? ? ? ? （ 310） 其中 ( , )f xy ， ( 1, )f x y? ， ( , 1)f x y? ， ( 1, 1)f x y??分別為四鄰 域的坐標(biāo)， 且是具有整數(shù)象素坐標(biāo)的輸入圖像，其中平方根運(yùn)算 使得該處理類似于人類視覺系統(tǒng)中發(fā)生的過程。 Robert s 算子是 2 2 算子模板。下圖所示的 2 個(gè) 卷積核形成了Roberts 算子，圖像中的每一個(gè)點(diǎn)都用這 2 個(gè)核做卷積 ，模版如圖 313 所示： 1 0 0 － 1 圖 313Robert 算子 Roberts 算子是 22? 算子，利用局部差分尋找邊緣，計(jì)算沿 45 度方向的 一階差分 ，圖 像的梯度 兩 45 度方向的梯度向量和，直接計(jì)算圖像差分，不包含平滑，故不能抑制噪聲，對(duì)具有陡峭的噪聲圖 像 響應(yīng)最好。 算法說明：設(shè)圖像當(dāng)前像素為 f（ i,j） ,輸出圖像當(dāng)前像素為 g(i,j),在這里我采用了 Roberts 交叉算子來進(jìn)行邊緣檢測，該算子為邊緣檢測提供了一種簡單的近似方法： ( , ) | ( , ) ( 1 , 1 ) | | ( 1 , ) ( , 1 ) |g i j f i j f i j f i j f i j? ? ? ? ? ? ? ? （ 311） 下面是這部分的代碼 : 0 0 － 1 0 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 24 Private void button2_Click(object sender, EventArgs e) { if ( != null) { = true。 int height = 。 int width = 。 Bitmap temp = new Bitmap(width, height)。 Bitmap process = (Bitmap)。 int i, j, p0, p1, p2, p3。 Color[] pixel = new Color[4]。 int result = 0。 for (j = height 2。 j 0。 j) { for (i = 0。 i width 2。 i++) { pixel[0] = (i, j)。 pixel[1] = (i, j + 1)。 pixel[2] = (i + 1, j)。 pixel[3] = (i + 1, j + 1)。 p0 = (int)( * pixel[0].R + * pixel[0].G + * pixel[0].B)。 p1 = (int)( * pixel[1].R + * pixel[1].G + * pixel[1].B)。 p2 = (int)( * pixel[2].R + * pixel[2].G + * pixel[2].B)。 p3 = (int)( * pixel[3].R + * pixel[3].G + * pixel[3].B)。 result = (int)((p0 p3) * (p0 p3) + (p1 p2) * (p1 p2))。 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 25 if (result 255) result = 255。 if (result 0) result = 0。 (i, j, (result, result, result))。 } } = temp。 } } 程序運(yùn)行的結(jié)果見圖 314， 315 所示： Canny 算子設(shè)計(jì)實(shí)現(xiàn) Canny 算子的基本思想是先將圖像使用高斯函數(shù) Gauss 進(jìn)行平滑再由一階微分的極大值確定邊緣點(diǎn)。二階微分的零交叉點(diǎn)不僅對(duì)應(yīng)著一階導(dǎo)數(shù)的極大值 ， 而且也對(duì)應(yīng)著一階導(dǎo)數(shù)的極小值。換句話說 ， 圖像中灰度變化 劇烈的點(diǎn)與變化緩慢的點(diǎn)都對(duì)應(yīng)著二階導(dǎo)數(shù)零交叉點(diǎn)。因此 ， Canny 算子可能會(huì)引入偽邊緣點(diǎn)。 其定義為 ： 對(duì)圖像 f ( x， y) 進(jìn)行高斯函數(shù)濾波后得到 ( , )f xy ， f ( x ， y) * Gα( x ，y)， 其中 α為相應(yīng)的尺度因子。計(jì)算其梯度矢量的模 M? 和方向 A? 為： f ( x， y)*Gα( x，y)， 其中 α為相應(yīng)的尺度因子。圖像的邊緣點(diǎn)即為在 A? 方向上使 M? 取得局部極大值的點(diǎn)。 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 26 圖 314 二值處理后的圖片 圖 315 Roberts 檢測后的圖片 在現(xiàn)有的邊緣檢測算法中 Canny 算法是一種較好的方法 ， 并得到廣泛應(yīng)用 。 這是因?yàn)?Canny 邊緣檢測算子具有三個(gè)優(yōu)良指標(biāo) ： 一是低失誤概率 ， 既要少將真正的邊緣丟失 ， 也不能將非邊緣判為邊緣 。 二是高定位精度 ， 檢測出的邊緣應(yīng)在真正的邊緣位置上 。 三是對(duì)每個(gè)邊緣有唯一的響應(yīng) ， 得到的 邊緣為單像素寬 。但是 傳統(tǒng)Canny 算子在 22 的鄰域內(nèi)求有限差分均值來計(jì)算梯度幅值的算法 ， 對(duì)邊緣的定位比較準(zhǔn)確 ， 但對(duì)噪聲過于敏感 ， 容易檢測出假邊緣和丟失一些真實(shí)邊緣的細(xì)節(jié)部分，實(shí)驗(yàn)效果不好。 Canny 算法的高、低門限修補(bǔ)不連續(xù)輪廓的思想 ， 對(duì)整幅圖像使用固定的高、低閾值進(jìn)行分割 ， 無法顧及圖像中的局部特征信息 ， 一方面無法消除局部噪聲干擾 ， 另一方面會(huì)丟失灰度值變化緩慢的局部邊緣 ， 導(dǎo)致目標(biāo)物體的輪廓邊緣不連續(xù) ， 使分割效果受到影響。 在實(shí)際工作應(yīng)用中編程較為復(fù)雜且運(yùn)算較慢 。 下面是這部分的代碼 : private void CANY 檢測 _Click(object sender, EventArgs e) { Color c1 = new Color()。 Color c2 = new Color()。 Color c3 = new Color()。 Color c4 = new Color()。 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 27 int i, j。 int rr, gg, bb。// int r1, r2, r3, r4, fxr, fyr。// int g1, g2, g3, g4, fxg, fyg。// int b1, b2, b3, b4, fxb, fyb。// //把圖片中的圖片傳給一個(gè)ＢＩＴＭＡＰ類型 Bitmap box1 = new Bitmap()。 for (i = 0。 i = 2。 i++) { for (j = 0。 j = 2。 j++) { c1 = (i, j)。 c2 = (i + 1, j + 1)。 c3 = (i + 1, j)。 c4 = (i, j + 1)。 r1 = 。 r2 = 。 r3 = 。 r4 = 。 fxr = r1 r2。 fyr = r3 r4。 rr = (fxr) + (fyr) + 128。 if (rr 0) rr = 0。 if (rr 255) rr = 255。 g1 = 。 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 28 g2 = 。 g3 = 。 g4 = 。 fxg = g1 g2。 fyg = g3 g4。 gg = (fxg) + (fyg) + 128。 if (gg 0) gg = 0。 if (gg 255) gg = 255。 b1 = 。 b2 = 。 b3 = 。 b4 = 。 fxb = b1 b2。 fyb = b3 b4。 bb = (fxb) + (fyb) + 128。 if (bb 0) bb = 0。 if (bb 255) bb = 255。 Color cc = (rr, gg, bb)。 (i, j, cc)。 } ()。 = box1。 } } 程序運(yùn)行的結(jié)果見圖 316，圖 317 所示： 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 29 圖 316 二值處理后的圖片 圖 317 Canny 檢測后的圖片 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 30 第 4 章 設(shè)計(jì)的測試與運(yùn)行 設(shè)計(jì)測試環(huán)境 測試安裝的操作系統(tǒng)是 Windows XP，在安裝了 CCS 集成開發(fā)環(huán)境后，在 CCS環(huán)境下，即 可 進(jìn)行本設(shè)計(jì)的測試與運(yùn)行。 設(shè)計(jì)總測試 打開指定的工作區(qū)，在 Visual C運(yùn)行環(huán)境下可以順利通過編譯，沒有出現(xiàn)問 題和警告。執(zhí)行編譯過的可執(zhí)行文件便可以看到彈開的一些按鈕，通過打開 JPG 圖像進(jìn)行 圖像處理 ，點(diǎn)擊相應(yīng)的按鈕， 軟件 能夠運(yùn)行，出現(xiàn)的結(jié)果 能夠 達(dá)到預(yù)期的目標(biāo)。在本論文中，我用的是 Windows XP 自帶的圖片進(jìn)行處理，能夠達(dá)到預(yù)期的目標(biāo)，由此我們可以證明此系統(tǒng)的實(shí)用性。 但是當(dāng)我們輸入較大的圖片時(shí)， 運(yùn)算 速度偏慢。對(duì)小圖片進(jìn)行處理時(shí)，速度比較令人滿意。這也是本 設(shè)計(jì) 的不足之處。 邊緣檢測算子的評(píng)價(jià) 數(shù)字圖像 邊緣檢測 的 要求 對(duì)于數(shù)字圖像邊緣檢測來說，一般在識(shí)別過程中有如下要求： （ 1） 首先能夠正確 的檢測出有效的邊緣。 （ 2） 邊緣定位的要求要高。 （ 3） 檢測的響應(yīng)最好是單像素的。 （ 4） 對(duì)于不同尺度的邊緣都能能有較好的響應(yīng)并且盡量減少漏檢。 （ 5） 對(duì)噪聲應(yīng)該不敏感。 （ 6） 檢測的靈敏度受邊緣方向影響應(yīng)該小。 這些要求往往很矛盾，很難得到完全得統(tǒng)一， 判斷邊緣檢測的效果應(yīng)該主要從檢測后的圖片進(jìn)行比較。 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì)