【正文】 感謝所有關(guān)心、支持、幫助過我得良師益友。在這里，我結(jié)識了許多的朋友，在和他們的交往中，我學(xué)習(xí)到了許多，得到了很大的提高。結(jié)論本系統(tǒng)是以Matlab為平臺開發(fā)的，之前并未接觸到，在做畢業(yè)設(shè)計的這幾個月里，從學(xué)習(xí)平臺的應(yīng)用開始，到熟悉一種新的編程語言，最后到做出軟件，其間在網(wǎng)上查詢以及從圖書館借閱了大量的相關(guān)資料，初步完成了軟件的設(shè)計與開發(fā)，限于之前并未接觸到相關(guān)的圖像編程知識、平臺的應(yīng)用、時間倉促以及個人能力和精力等問題，某些功能還未能做到完全符合實際應(yīng)用要求，將在今后的應(yīng)用過程中逐步加以完善。.tif39。 打開圖像模塊測試系統(tǒng)默認能打開“.bmp”、“*.jpg”、“39。)中的roberts分別替換為sobel、canny、log、prewitt，然后點擊保存。imshow(BW)。rgb=im2double(rgb)。string39。 采用同樣的方法在Roberts的回調(diào)函數(shù)下添加如下代碼：im=getappdata(,39。string39。選擇控件組中的“Intial”，右鍵選擇“ViewCallbacks”—“Callback”，在彈出的“.m”文件中找到對應(yīng)的回調(diào)函數(shù)，添加如下代碼：im=getappdata(,39。)。case39。 BW=edge(im, 39。)。 case39。 BW=edge(im,39。)。 case39。 axes()。)。helpdlg(H,39。end在“保存圖像”按鈕的回調(diào)函數(shù)中，利用uiputfile函數(shù)建立了一個保存文件的對話框，調(diào)用imwrite函數(shù)將經(jīng)過修改的圖像進行保存。)。39。39。,im)。axes()。)。39。39。界面如圖56所示：圖 56 .M文件編輯器找到“打開圖像”控件的Callbacks函數(shù)（即回調(diào)函數(shù)），在回調(diào)函數(shù)下添加如下代碼：[filename,pathname]=uigetfile({39。（5）字體屬性：包括fontname,fontsize等。打開Matlab，在命令窗口中輸入guide，或者依次選擇File—Open—GUI，則彈出如圖51的對話框：圖51 GUI快速啟動對話框選擇空模板（Blang GUI），點擊OK，即可打開GUIDE的設(shè)計界面：圖 52 GUI界面點擊Axes鍵在右邊的地方創(chuàng)建兩個可視框，分別在兩個框的上面創(chuàng)建“Edit Text”文本框，在兩個可視框中間添加一個控件組，在控件組中添加五個按鈕，在可視框下面添加四個控件，結(jié)果如圖53所示：圖 53 GUI設(shè)計初始布局分別選擇控件，點擊右鍵，選擇“Property Inspector”，彈出屬性修改對話框，對各控件的屬性進行修改，屬性框如圖54所示：圖 54 屬性查看器常用的控件屬性參數(shù)所代表的意義為：（1）string屬性：用于顯示在控件上的字符串，起說明或提示作用。保存圖像時，需使用保存對話框，保存對話框使用uiputfile函數(shù)。處理圖像的各種算法在上一章中已經(jīng)詳細的介紹過了，本章主要介紹打開和保存功能的實現(xiàn)。 本章小結(jié)本章詳細的介紹了五種常用的邊緣檢測算子的原理及其優(yōu)缺點，并且介紹了各種算法在Matlab平臺中的實現(xiàn)，但都是單純的從理論上介紹的，缺乏直觀性，讓人很難真正的理解何為邊緣檢測。保存并運行即可得到410所示的效果： 圖 410 Sobel算子邊緣檢測原圖與加噪圖將上述程序中的PP=edge(f,’prewitt’)改為PP=edge(f,’roberts’)，并將標題做相應(yīng)的調(diào)整即可實現(xiàn)Robert算子。 %顯示處理后的圖title(39。 %轉(zhuǎn)換為雙精度，便于后面的計算PF = edge(p, 39。Prewitt Filter39。prewitt39。,)。)。Nose Filter39。 %設(shè)置圖像標題p = rgb2gray(p)。 %轉(zhuǎn)換為雙精度，便于后面的計算subplot(1,2,1) , imshow(f)。 pepper39。D:\SYSTEM\桌面\新建文件夾\39。在這一節(jié)中將詳細的分析各算子的穩(wěn)定性。事實上，在工程中所需要處理的圖像沒有想象中的那么好，總是受到某些因素的影響。 %邊緣探測，算子為sobelsubplot(236), imshow(MF), title(39。)。canny39。 %邊緣探測，算子為logsubplot(234), imshow(LF), title(39。)。roberts39。 %邊緣探測，算子為prewittsubplot(232), imshow(PF), title(39。)。 %讀入圖像f = rgb2gray(f)。 算子之間的比較 算子的定位性為了能更好的說明不同算法之間的區(qū)別，選取了一張圖片進行測試，分別用不同的算子對同一圖片進行邊緣提取。 %邊緣探測，算子為robertsfigure, imshow(DF),title(39。)。canny39。 %邊緣探測，算子為logfigure, imshow(LF),title(39。)。roberts39。 %邊緣探測，算子為prewittfigure, imshow(PF),title(39。)。 %讀入圖像f = rgb2gray(f)。 c) Laplacian of Gaussian (LoG)。 因此，在這一章中，我們將用Matlab語言對常用的五種邊緣檢測與提取算子分別進行編程實現(xiàn)，查看并比較效果。由于在邊緣檢測中，邊緣定位能力和噪聲抑制能力是一對矛盾體，有的算法邊緣定位能力比較強，有的抗噪聲能力比較好，所以，在實際應(yīng)用的過程中，要有針對性的選取算子對圖像進行處理。然后進行邊緣連接，雙閾值算法對非極大值抑制圖像作用兩個閾值τ1和τ2，且2τ1≈τ2，從而可以得到兩個閾值邊緣圖像G1(x,y)和G2(x,y)。將低于閾值的所有值賦零值。圖36 非極大值抑制四個扇區(qū)的標號為0到3，對應(yīng)3*3鄰域的四種可能組合。將圖像與作卷積，同時改變n的方向，*取得最大值時的n就是正交于檢測邊緣的方向。該算子的基本思想是：先對處理的圖像選擇一定的高斯濾波器進行平滑處理，抑制圖像的噪聲，然后采用一種稱之為“非極值抑制”的技術(shù)，細化平滑后的圖像梯度幅值矩陣，尋找圖像中的可能的邊緣點，最后利用雙門限檢測通過雙閾值遞歸尋找圖像的邊緣點，實現(xiàn)邊緣提取。②求高斯濾波器的拉普拉斯的變換，再求與圖像的卷積，然后再進行過零判斷。這一點可以用二階導(dǎo)數(shù)的零交叉點來實現(xiàn)。111000111 圖33 Prewitt邊緣算子101101101 Prewitt算子在一個方向求微分，而在另一個方向求平均，因而對噪聲相對不敏感，有抑制噪聲作用，但是像素平均相當(dāng)于對圖像的低通濾波，所以Prewitt算子對邊緣的定位不如Roberts算子。 Sobel邊緣算子Sobel邊緣算子的卷積核如圖32所示，圖像中的每個像素都用這兩個核做卷積，這兩個核分別對垂直邊緣和水平邊緣響應(yīng)最大，兩個卷積的最大值作為該點的輸出位。圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此可以用局部圖像微分技術(shù)來獲得邊緣檢測算子。特征提取作為圖像邊緣檢測的一個重要內(nèi)容，發(fā)展了眾多的方法。一般通過計算梯度幅值來完成。用于圖像識別的邊緣提取往往需要輸出的邊緣是二值圖像，即只有黑白兩個灰度的圖像，其中一個灰度代表邊緣，另一個代表背景。邊緣提取就是既要檢測出強度的非連續(xù)性，又能確定它們在圖像中的精確位置。圖像邊緣對圖像識別和計算機分析十分有用，邊緣能勾劃出目標物體，使觀察者一目了然；邊緣蘊含了豐富的內(nèi)在信息，是圖像識別中抽取圖像特征的重要屬性。根據(jù)這一特點，提出了多種邊緣檢測算子：如 Robert算子、Sobel 算子、Prewitt 算子、LoG 算子，Canny算子等。圖像的邊緣是圖像的最基本特征。作為圖像邊緣檢測和計算機視覺最基本的技術(shù)——圖像邊緣提取技術(shù)，也突破了其狹義的概念，成為一個內(nèi)容豐富的領(lǐng)域。從本質(zhì)上說，邊緣常常意味著一個區(qū)域的終結(jié)和另一個區(qū)域的開始。圖像壓縮：便于圖像的傳輸和存儲。圖像增強：改善圖像質(zhì)量。Matlab不僅僅是一門編程語言，還是一個集成的軟件平臺，它包含以下幾個部分：1. Matlab語言2. Matlab集成工作環(huán)境3. Matlab圖形系統(tǒng)4. Matlab數(shù)學(xué)函數(shù)庫5. Sumlink交互式仿真環(huán)境6. Matlab編譯器7. 應(yīng)用程序接口API8. Matlab工具箱9. Notebook工具本文主要用到的是Matlab的圖像處理功能。Matlab是矩陣實驗室（MatrixLaboratory）的簡稱，和Mathematica、Maple并稱為三大數(shù)學(xué)軟件[4]。Matlab圖像處理程序開發(fā)的特點是上手容易，開發(fā)周期短，見效快，和VB、VC等專業(yè)級編程工具相比，在Matlab平臺上開發(fā)圖像處理軟件程序代碼編寫量明顯較小[3]。 本章小結(jié)本章介紹了什么是數(shù)字圖像，什么是數(shù)字圖像處理，在此基礎(chǔ)上詳細的介紹了圖像邊緣處理的應(yīng)用及其意義，下一章將介紹實現(xiàn)圖像邊緣處理的軟件開發(fā)平臺的選擇。經(jīng)典的邊緣檢測方法是構(gòu)造對像素灰度級階躍變化敏感的微分算子，如Roberts梯度算子、Sobel梯度算子等，其邊緣檢測速度快，但得到的往往是斷續(xù)的、不完整的結(jié)構(gòu)信息，這類方法對噪聲較為敏感，為了有效抑制噪聲，一般都首先對原圖像進行平滑處理然后再進行邊緣檢測，就能成功的檢測到真正的邊緣。本文著重討論圖像邊緣檢測的問題?，F(xiàn)在已經(jīng)有很多的圖像生成技術(shù)，但是，除了圖像恢復(fù)技術(shù)以外，圖像處理技術(shù)在很大程度上與圖像形成的過程無關(guān)。視覺是人類最高級的感知器官，所以，毫無疑問，圖像在人類感知中扮演著非常重要的角色。概括的講，圖像包含視頻、圖形、動畫、符號文字等主要內(nèi)容。照片、繪畫、影視畫面無疑屬于圖像，照相機、顯微鏡或望遠鏡的取景器上的光學(xué)成像也是圖像，此外，漢字也可以說是圖像的一種，因為漢字起源于象形文字，所以可以當(dāng)作是一種特殊的圖像。邊緣檢測算法是圖像邊緣檢測問題中經(jīng)典技術(shù)難題之一，它的解決對于我們進行高層次的特征描述、識別和理解等有著重大的影響[1]。 The sixth chapter, testing the finished software of image edge detection. In this paper，the main purpose of writing is that studying of the monly used edge extraction algorithm, understand principle of edge extraction