【正文】 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(shù)字圖像處理學[Z]. 電子工業(yè)出版社, 2022.[7] 姚敏等編著 . 數(shù)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(shù)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(shù)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(shù)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。從中可以看出經(jīng)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。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。PSNR 也一樣，數(shù)值越低代表著檢測的效果越差。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。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(shù)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。 Gabor 濾波器的頻率參數(shù)對濾波效果的影響前文中已經(jīng)指出，Gabor 函數(shù)事實上是一個被正弦波調(diào)制的高斯函數(shù)，調(diào)制正弦波的調(diào)制頻率也會對邊緣檢測的效果產(chǎn)生影響。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(shù)的邊緣檢測效果從圖 9 中我們可以看到，不同的尺度參數(shù)對邊緣檢測效果的影響比較大。當方向數(shù)為 4 個的時候，從檢測效果可以看出，一些原圖中明暗對比比較強的邊緣被檢測出，但一些對比不明顯的模糊邊緣沒有被檢測出，而且檢測出來的邊緣比較粗，沒有能夠很好的將圖像的邊緣細化出來；當方向數(shù)增加到 8 個的時候可以明顯看出檢測出的邊緣變細了很多，一些不明顯的邊緣也被檢測出來了，這是因為檢測方向數(shù)增多后，對不同方向的邊緣細節(jié)都有著很好的檢測效果；當方向數(shù)增大到 12 個的時候會發(fā)現(xiàn)檢測到的邊緣細節(jié)更多，但是有一些偽邊緣被錯誤的檢測出來了，這是因為方向數(shù)的增大不是沒有上限的，當方向數(shù)增大到一定程度時，對噪聲就會相當敏感。的分別檢測之后，可以發(fā)現(xiàn)，在角度參數(shù)為 0 的時候，圖片中對應的豎直方向的條紋的邊緣被明顯的提取出來，而其他三個方向的條紋邊緣沒有被提取出來；類似的在其他三個角度也有同樣的效果。時的圖像圖 6 不同方向濾波后的圖像效果通過上面的實驗我們可以看到，原圖中的四個方向都具有明顯的條紋，經(jīng)過Gabor 濾波器在 0176。（a）原始圖像 魯東大學本科畢業(yè)設計18（b）角度為 0176。229。247。\* MERGEFORMAT []21(,)(,)(,)MNxySEABABxy=180。左側為原始圖像，右側為加入椒鹽噪聲后的圖像。其 他當 時，圖像中的灰度值 在會以一個亮點展示出來，相反，灰度值 會以暗ba a魯東大學本科畢業(yè)設計16色的點顯示出來。 =239。其中 為 的均值， 為 的標準差。234。令 表z示灰度值， 表示它的概率密度函數(shù)，下面就給出幾種常見的噪聲分布形式的()PzPDF[10]。比較常見的乘性噪聲為顆粒噪聲，這種噪聲常出現(xiàn)與超聲的或者合成孔徑雷達的圖像中。因噪聲對圖像的污染方式不同，有加性和乘性兩種。在比較之前有必要對數(shù)字圖像的噪聲做一個簡單的介紹，因為不同種類不同強度的噪聲會對邊緣檢測的效果有著不一樣的影響，所以需要對不同類別的噪聲的性質(zhì)有一個大致的了解。2[],Tijn0,1步驟五 邊緣連接。如果 ，3180。34()步驟三 對小波的圖像做非極大值抑制，做 ， 和 為式（）的參數(shù)，[],Nijmn處理后的 共有 8 張圖?？梢钥闯鲞@是一族唄高斯函數(shù)進行2sp0,n,246調(diào)制的而且具有特定方向和頻率的正弦平面波。由圖中我們可以看到，Gabor 小波變換在不一樣的尺度及角度下會呈現(xiàn)出不一樣的效果，這在圖像的邊緣檢測中是十分重要的，這也解釋了為什么 Gabor 濾波器能夠被廣泛用于圖像邊緣檢測和紋理特征提取等領域。2vkp+=8mj選不一樣的 表示不一樣的高斯窗的波長，采樣頻率因此改變；選不一樣的 可m以表示不一樣的振蕩方向，采樣方向因此改變。231。圍，利用式（）可以抽取 附近的特征； 是一個震蕩函數(shù)，它的實部是xrexp()jikr余弦函數(shù)，虛部是正弦函數(shù)； 是直流分量，對濾波器沒有干擾； 是濾2ep()s jkr波器相異方向和尺度的響應，根據(jù)選定不同的 ，就有了一組 Gabor 濾波器； 和jkr s一起確定了 Gauss 窗的波長。235。182。=+235。設正弦波的頻率為 ，高斯函數(shù)的標準差為和 ，可得小波表達式為：xsy魯東大學本科畢業(yè)設計11\* MERGEFORMAT 201(,)exp()2yxyx jxywss233。=，相應的小波變換為：2,(,)xxyy182。則稱 為光滑函數(shù)。238。 239。242。所以將小波變換思想應用到圖像的邊緣檢測中是目前研究的一個熱點。在實際應用中，由于光強等原因，每幅圖像的邊緣經(jīng)常在相異的尺度范圍內(nèi)，生成各樣的邊緣，這些信息都是不知道的。然后回到第P①步去搜尋后續(xù)的輪廓線。Q鄰域中有非零像素 存在，那么就將它包括到圖像 中，記為 點。a（5）連接圖像邊緣的步驟：①對目標 進行掃描，如果看到了非零灰度的像素 ，以 為 起點至輪廓線的終b P點 。使用兩個閾值 和 ，先將梯度值小于 的像素1Th2 1Th灰度值設定為 得到圖像 ，再把梯度值小于 的像素的灰度值設為 ，得到圖像0a 0。, ,q魯東大學本科畢業(yè)設計9（3）對上面得到的值進行抑制處理。235。=+19()\* MERGEFORMAT 20(),(,)arctn()yxxyq233。239。將式（）和式（）依次與圖像 卷積運算，輸出為：(,)fx\* MERGEFORMAT 18()(,),xyGEfxy236。239。=237。*MERGEFORMAT 13() 由兩個一維的行列濾波器來表示 的濾波卷積模板：\* MERGEFORMAT 2212exp()()()ykhxys182。優(yōu)良的信噪比、高的定位精度、單邊緣對應的響應唯一這三點是 Canny 對作為優(yōu)良邊緣檢測算子的要求 [11]。 二階微分算子由前文所述已知，一階導數(shù)局部最大值與二階導數(shù)零交點相對應。Sobel 算子在空間上比較方便使用，由于它將局部平均引入到算法中去，使噪聲對它的影響較小，可以使邊緣檢測出現(xiàn)明顯的效果。 235。234。魯東大學本科畢業(yè)設計7MERGEFORMAT 9()其梯度大小為：\* MERGEFORMAT 10()(,)xygyS=+其中 和 的卷積模板為：xSy101220233。=++239。249。 238。計算方法如下：\* [ ][ ](1,)(,1)(,1),()()()xyPfyfxyfxyfffyxyxy236。由上面兩個卷積模板對圖像進行卷積運算后，根據(jù)（）式，可以求得圖像的梯度幅值 ，然后根據(jù)實際情況設定一個合適的閾值 ，如果 處的(,)gxy T(,)xy，則認為該點是邊緣點。 235。234。其梯度大小為：\* MERGEFORMAT 6()(,)xygR魯東大學本科畢業(yè)設計6其中 和 的卷積模板為：xRy1010233。xy\* MERGEFORMAT 5()(1,)(,)1xyRfyf236。因此對應的算子也是一階的微分算子，對于一個連續(xù)函數(shù) ，可以借助一個矢量表示它在位置 的梯度（兩個分量分別是沿 和f(x,y) (x,y) x方向的一階導數(shù)）： \* MERGEFORMAT 1()()xyfGf,?????????這個矢量的幅值和方向角分別為： \* MERGEFORMAT 222()()xyffmagfGxy????2() \* MERGEF