【導(dǎo)讀】面的性能，為進(jìn)一步研究積累了經(jīng)驗(yàn)。低層視覺(jué)即為圖像處理，包括圖像增。圖像信息的認(rèn)知和決策能力。最基本的特征，所包含的也是圖像中用于識(shí)別的有用信息。所謂邊緣或邊沿是指其周?chē)?。素灰度有階躍變化或屋頂變化的像素的集合。它以不連續(xù)性的形式出現(xiàn)，通常用方向和幅。度描述圖像的特性。一般來(lái)講，沿邊緣走向的像素變換平緩，而垂直于邊緣走向的像素變?；谶吘墮z測(cè)的基

　　

【正文】 然后以帶方向的一階微分定位導(dǎo)數(shù)最大值， Canny算子邊緣檢測(cè)是一種比較實(shí)用的邊緣檢測(cè)算子，具有很好的邊緣檢測(cè)性能。 Canny邊緣檢測(cè)法利用高斯函數(shù)的一階微分，它能在噪聲抑制和邊緣檢測(cè)之間取得較好的平衡。 鄧曉勇：數(shù)字圖像邊緣檢測(cè)算法研究 19 Canny 邊緣檢測(cè)基本原理 ： （ 1） 圖象邊緣檢測(cè)必須滿足兩個(gè)條件：一能有效地抑制噪聲；二必須盡量精確確定邊緣的位置。 (2)根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子。這就是 Canny 邊緣檢測(cè)算子。 (3)類(lèi)似與 Marr（ LoG）邊緣檢測(cè)方法，也屬于先平滑后求導(dǎo)數(shù)的方法。 第四章 邊緣檢測(cè)算子在蘋(píng)果蟲(chóng)害葉片中的應(yīng)用 蟲(chóng)害葉片特征 客觀世界的色彩豐富多彩，各有特點(diǎn)。根據(jù)圖像的特點(diǎn)，對(duì)不同的圖像，有 不同的處理方法。蟲(chóng)害葉片圖像也有它自己的特征。 由于采集葉片的條件是在普通的光照條件下，故在采集過(guò)程中必然會(huì)出現(xiàn)除葉片以外的很多背景。我們稱(chēng)這些影響我們分析葉片圖的背景為噪聲。噪聲不僅會(huì)影響圖像的質(zhì)量，最主要的是它使分割后的葉片圖像產(chǎn)生誤差。這些誤差將會(huì)影響對(duì)蟲(chóng)害數(shù)字特征的統(tǒng)計(jì)。 蟲(chóng) 害葉片邊緣檢測(cè)的意義 隨著物質(zhì)生活得不斷提高，人們對(duì)水果的需求也日益增長(zhǎng)，同時(shí)對(duì)水果的質(zhì)量和營(yíng)養(yǎng)也要求甚高。據(jù)統(tǒng)計(jì)，蘋(píng)果的產(chǎn)量占全世界的 %，因此對(duì)蘋(píng)果早期的預(yù)測(cè)由為重要，現(xiàn)在蘋(píng)果蟲(chóng)害主要依靠人們以往的經(jīng)驗(yàn)，來(lái)確定蘋(píng)果受害的程度，由于農(nóng)民個(gè)體素質(zhì)的差異以及一些人為主觀因素的影響，農(nóng)民往往不能精確的掌握病情的分布情況，而導(dǎo)致產(chǎn)量不能提高。 通過(guò)計(jì)算機(jī)視覺(jué)，對(duì)蟲(chóng)害葉片的邊緣分析，得到相應(yīng)的蟲(chóng)害參數(shù)，不僅能及時(shí)防治蟲(chóng)害，還能預(yù)測(cè)蘋(píng)果產(chǎn)量。 邊緣檢測(cè)對(duì)圖像的實(shí)現(xiàn) 下面通過(guò)對(duì)幾個(gè)典型的邊緣檢測(cè)算法的編程來(lái) 實(shí)現(xiàn)對(duì)圖像的進(jìn)行處理和分析： 鄧曉勇：數(shù)字圖像邊緣檢測(cè)算法研究 20 (a)葉片原圖 (b)椒鹽去噪聲 首先對(duì)圖像進(jìn)行椒鹽去噪聲。如圖 (b)所示，這樣在進(jìn)行處理時(shí)可以減少顏色對(duì)圖像分析的影響。 (c)Sobel 算子 鄧曉勇：數(shù)字圖像邊緣檢測(cè)算法研究 21 (d)差分算子 由圖 中的 (c)可以看出， Sobel 算子檢測(cè)出的邊緣連續(xù)性，但伴隨著較多的漏檢。由圖 的中 (d)可以看出，差分算子檢測(cè)出的邊緣連續(xù)性很差，而且檢測(cè)出的偽邊緣也較多。通過(guò)圖 的 (a)和 (b)的比較發(fā)現(xiàn)，差分算子檢測(cè)出的邊緣比 Sobel 算子檢測(cè)出的 邊緣寬得多。 Prewitt算子 Roberts算子 鄧曉勇：數(shù)字圖像邊緣檢測(cè)算法研究 22 Log 算子 Canny 算子 圖 (e) Prewitt、 Roberts、 Log、 Canny 算子的檢測(cè)結(jié)果見(jiàn)圖 (e)。通過(guò)圖 (e)的比較可以看出， Canny 算子檢測(cè)出的邊緣比其它幾種算法，在邊緣的連續(xù)性上要好得多。Prewitt、 Roberts 算子能檢測(cè)出較多的邊緣，但邊緣的連續(xù)性不好。 零交叉 (LOG)算子能檢測(cè)出絕大部分圖像的邊緣，但邊緣不是單像素寬，邊緣 不連續(xù)情況較嚴(yán)重，并且存在誤檢較多。由于上述算法對(duì)噪聲的慮不足，因此這里沒(méi)有對(duì)噪聲圖像進(jìn)行檢測(cè)。 由圖 (e)也可以看出 Rober 算子邊緣定位精度較高，但經(jīng)過(guò)卷積運(yùn)算會(huì)有半個(gè)像素的偏差，容易丟失部分邊緣信息，例如汽車(chē)頭部和頂部的邊緣信息部分丟失。同時(shí)由于沒(méi)有經(jīng)過(guò)圖像平滑計(jì)算，不能抵制噪聲，但是該計(jì)算對(duì)具有陡峭的低噪聲圖像響應(yīng)最好， Sobel算子邊緣定位準(zhǔn)確完整，有一定的抗噪能力，提取的信息也較 Robert 算子豐富，獲得了汽車(chē)的頭部、頂部等細(xì)節(jié)信息。但是邊緣一般較寬，視覺(jué)效果不理想。該算子對(duì)灰度漸變和具 有噪聲的圖像處理的較好。 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)的去噪能力，同樣也平鄧曉勇：數(shù)字圖像邊緣檢測(cè)算法研究 23 滑掉一些邊緣信息。 Canny 處理的邊緣比較完整、連續(xù)、細(xì)銳，但與其它方法比邊緣信息丟失比較嚴(yán)重。該方法是傳統(tǒng)邊緣檢測(cè)算子中效果較好算子。 結(jié)論 通過(guò)以上各個(gè)算子對(duì)圖像的處理，可以看出每個(gè)算子都有各自的優(yōu)劣，對(duì)不同的圖片分析以后選擇相適應(yīng)的算法，比如在蟲(chóng)害葉片中，要得到的是比較精確的邊緣參數(shù)，因此對(duì)圖像邊緣的連續(xù)性要求就比較高，可以更準(zhǔn)確的估算出受害面積以及蟲(chóng)害數(shù)量。 目前，計(jì)算機(jī)視覺(jué)已被應(yīng)用到各個(gè) 領(lǐng)域，對(duì)邊緣檢測(cè)算子的研究也成為熱點(diǎn)，本文只是簡(jiǎn)單的應(yīng)用典型算子對(duì)蟲(chóng)害圖片進(jìn)行主觀分析，為更深入的研究作基礎(chǔ)。 鄧曉勇：數(shù)字圖像邊緣檢測(cè)算法研究 24 第五章 結(jié)束語(yǔ) 我們的畢業(yè) 論文 終于完 稿 了。幾個(gè)月來(lái)，從開(kāi)始接到論文題目到 試驗(yàn)結(jié)論 的完成，每一步對(duì)我門(mén)來(lái)說(shuō)都是新的嘗試與挑戰(zhàn)，在 李艷梅 老師的細(xì)心指導(dǎo)和嚴(yán)格要求下順利畫(huà)上句號(hào)。衷心感謝指導(dǎo)老師 李艷梅 ，本畢業(yè)設(shè)計(jì) 以及論文 是在 她 的悉心關(guān)懷和精心指導(dǎo)下完成的。畢業(yè)設(shè)計(jì)中的許多思想和方法得益于指導(dǎo)老師的指導(dǎo)和啟發(fā)，從設(shè)計(jì)選題到論文寫(xiě)作都傾注了指導(dǎo) 老師的巨大心血。本設(shè)計(jì)能順利的完成也歸功與各位老師的認(rèn)真負(fù)責(zé)，使我們能夠很好的掌握和運(yùn)用專(zhuān)業(yè)知識(shí)，并在設(shè)計(jì)中得一體現(xiàn)。 再 次向 信息科學(xué)與技術(shù)學(xué)院 的全體老師表示由衷的謝意，感謝他們 四 年來(lái)的 辛勤 栽培。 在做這次畢業(yè)設(shè)計(jì)過(guò)程中使我學(xué)到了很多，我感到不論做什么事都要真真正正用心去做，才會(huì)使自己更加的成長(zhǎng)，沒(méi)有學(xué)習(xí)就不可能有實(shí)踐的能力，沒(méi)有自己的實(shí)踐就不會(huì)有所突破，希望這次的經(jīng)歷能讓我們?cè)谝院蟮膶W(xué)習(xí)生活中不斷成長(zhǎng)與進(jìn)步。 鄧曉勇：數(shù)字圖像邊緣檢測(cè)算法研究 25 參考文獻(xiàn) [1] 章毓晉 . 圖像工程（上冊(cè)）圖像處理 . 清華大學(xué)出版社 . [2] 李蘭友 ,李瑋 ,白克壯 .Visual 圖形圖像編程 . 電子工業(yè)出版社 . [3] 張小琳 .圖像邊緣檢測(cè)技術(shù)綜述 [J].高能量密度物理 , [4] 楊志靈 ,王開(kāi) , 數(shù)字圖像獲取 ,處理及實(shí)踐應(yīng)用 , 人民郵電出版社 ,2021 [5] 卜納特 .數(shù)字圖像處理 . 機(jī)械工業(yè)出版社 , 2021 [6] . Object enhancement and extraction. Picture Processing andPsychopictorics, Academic Press, New York, 2021 [7] Rafael ,Richard .阮秋琦 ,阮宇智 .北京電子工業(yè)出版社 ,2021 [8] 張兆禮 ,趙春暉 ,梅曉丹 .現(xiàn)代圖像處理技術(shù) .北京人民郵電出版社 ,2021 [9] Kenh .北京電子工業(yè)出版社 ,2021 [10] 黃明，梁旭，金花 .VB 語(yǔ)言程序設(shè)計(jì) .大連理工出版社， 2021 [11] 徐建華 .圖像處理與分析 [M].天津科學(xué)技術(shù)出版社 ,1989. 鄧曉勇：數(shù)字圖像邊緣檢測(cè)算法研究 26 The digital image marginal check algorithm studies Deng xiao yong (Information and science collage of GanSu Agricultural University , 05 fuze classes) Abstract: The picture edge has contained characteristics and so on image position, outline, is one of image essential features, often uses in paring analyses and processing and so on top level characteristic description, image division, image intensification, image restoration, pattern recognition, image pression, in order to carry on the further analysis and the understanding to the image. This article quite detailed research based on differential theory39。s several traditions and the emerging marginal check method, the result which studied finally is the accurate examination image edge, through in the insect pest leaf blade39。s simulation application, summarized each typical algorithm existence good and bad points and various aspects performance, to further study gained in the experience. Keyword: Marginal check, Robert operator, Sobel operator, Prewitt operator, Canny operator, pared 鄧曉勇：數(shù)字圖像邊緣檢測(cè)算法研究 27 致 謝 首先要感謝我的導(dǎo)師 李艷梅 老師 ， 感謝您 對(duì)我 從論文題目的選定到論文寫(xiě)作的指導(dǎo) ， 經(jīng)由您悉心的點(diǎn)撥 我才能順利完成。 感謝 這四年所有 老師 對(duì) 我的教導(dǎo) ，這四年當(dāng)中我學(xué)到了很多知識(shí)和道理，使我受益非淺。沒(méi)有在課堂上學(xué)到的知識(shí)做基礎(chǔ)我的論文也很難順利完成。