【正文】 最后，對(duì)評(píng)審論文的各位老師 表示感謝！ 。 本文是在他們的悉心指導(dǎo)和關(guān)懷下完成的，他們給了我很 大的幫助，解決了很多難題。 34 答 謝 經(jīng)過近一個(gè)學(xué)期的忙碌，在老師和同學(xué)的幫助下我的畢業(yè)論文以成形。腐蝕圖像 39。)。%腐蝕運(yùn)算 subplot(1,2,1),imshow(H),title(39。 figure。膨脹圖像 39。)。%膨脹運(yùn)算 subplot(1,2,1),imshow(E),title(39。 SE=ones(5,3)。)。 subplot(1,2,2),imshow(E1),title(39?；叶葓D像轉(zhuǎn)換為二值圖像 39。 E1=im2bw(I1,)。 figure?？焖俑道锶~變換后的圖 39。)。%對(duì)原圖進(jìn)程 DCT subplot(1,2,1),imshow(H),title(39。 figure。腐蝕圖像 39。)。%腐蝕運(yùn)算 subplot(1,2,1),imshow(H),title(39。 figure。膨脹圖像 39。)。%膨脹運(yùn)算 subplot(1,2,1),imshow(E),title(39。 SE=ones(5,3)。)。 subplot(1,2,2),imshow(E1),title(39?；叶葓D像轉(zhuǎn)換為二值圖像 39。 33 E1=im2bw(I1,)。 figure?？焖俑道锶~變換后的圖 39。)。%對(duì)原圖進(jìn)程 DCT subplot(1,2,1),imshow(H),title(39。 figure。canny edge check39。 subplot(2,3,6),imshow(BW6),title(39。canny edge check39。)。 subplot(2,3,4),imshow(BW4),title(39。prewitt edge check39。)。 subplot(2,3,2),imshow(BW2),title(39。soble edge check39。)。 BW6=edge(H,39。gaussian39。)。%用“ log”進(jìn)行邊緣檢測(cè) BW5=edge(H,39。log39。)。%用“ roberts”進(jìn)行邊緣檢測(cè) BW3=edge(H,39。roberts39。)。 BW1=edge(H,39。)。 subplot(2,2,4), imshow(K1),title(39。加高斯噪聲均值濾波后的圖 39。)。 subplot(2,2,2), imshow(K),title(39。加椒鹽噪聲均值濾波后的圖 39。%高斯噪聲圖的均值濾波 K1=medfilt2(I7)。%椒鹽噪聲圖的均值濾波 K=medfilt2(I6)。 h=ones(3,3)/9。)。 subplot(1,2,2), imshow(I7),title(39。加椒鹽噪聲后的圖 39。,)。 I7=imnoise(H,39。)。 subplot(1,2,2),imshow(I6),title(39?；叶葓D 39。,)。salt amp。 figure。亮度均衡直方圖 39。)。 subplot(2,2,3),imhist(H),title(39。亮度均衡圖 39。)。%均衡化 subplot(2,2,1),imshow(H),title(39。 figure。亮度調(diào)整圖 39。)。 subplot(1,2,1),imshow(H),title(39。亮度調(diào)整圖 39。 I5=imadjust(H,[],[ ])。灰度圖 39。%非交互式剪切 H=rgb2gray(I1)。非交互式剪切圖 39。)。 subplot(1,2,1),imshow(I3),title(39。 I3=imcrop(I1)。)。40176。)。 I2=imrotate(I1,40,39?？s小圖 39。)。 I1=imresize(I,[200,255],39。原圖 39。)。 I=imread(39。canny edge check39。 subplot(2,3,6),imshow(BW6),title(39。canny edge check39。)。 subplot(2,3,4),imshow(BW4),title(39。prewitt edge check39。)。 subplot(2,3,2),imshow(BW2),title(39。soble edge check39。)。 BW6=edge(H,39。gaussian39。)。%用“ log”進(jìn)行邊緣檢測(cè) BW5=edge(H,39。log39。)。%用“ roberts”進(jìn)行邊緣檢測(cè) BW3=edge(H,39。roberts39。)。 BW1=edge(H,39。)。 subplot(2,2,4), imshow(K1),title(39。加高斯噪聲均值濾波后 的圖 39。)。 subplot(2,2,2), imshow(K),title(39。加椒鹽噪聲均值濾波后的圖 39。%高斯噪聲圖的均值濾波 K1=medfilt2(I7)。%椒鹽噪聲圖的均值濾波 K=medfilt2(I6)。 h=ones(3,3)/9。)。 subplot(1,2,2), imshow(I7),title(39。加椒鹽噪聲后的圖 39。,)。 I7=imnoise(H,39。)。 30 subplot(1,2,2),imshow(I6),title(39?；叶葓D 39。,)。salt amp。 figure。亮度均衡直方圖 39。)。 subplot(2,2,3),imhist(H),title(39。亮度均衡圖 39。)。%均衡化 subplot(2,2,1),imshow(H),title(39。 figure。亮度調(diào)整 圖 39。)。 subplot(1,2,1),imshow(H),title(39。亮度調(diào)整圖 39。 I5=imadjust(H,[],[ ])?；叶葓D 39。%非交互式剪切 H=rgb2gray(I1)。非交互式剪切圖 39。)。 subplot(1,2,1),imshow(I3),title(39。 I3=imcrop(I1)。)。40176。)。 I2=imrotate(I1,40,39。縮小圖 39。)。 I1=imresize(I,[200,255],39。原圖 39。)。 28 參考文獻(xiàn) [1] 龔聲蓉，劉純平，王強(qiáng) 數(shù)字圖像處理與分析，北京：清華大學(xué)出版社， 2020 [2] 赫文化 MATLAB 圖形圖像處理應(yīng)用教程，北京：中國(guó)水利水電出版社， 2020 [3] 陳揚(yáng)，陳榮娟，郭穎輝 圖形編輯與圖像處理，西安：西 安電子科技大學(xué)，2020 [4] 劉慧穎 MATLABR2020 基礎(chǔ)教程 ，北京：清華大學(xué)出版社， 2020 [5] 常巍，謝光軍，黃朝峰 MATLABR2020 基礎(chǔ)與提高，北京：電子工業(yè)大學(xué)出版社 [6] 劉井元，李玉良，張傳楷 《基于 MATLAB 的數(shù)字圖像邊緣檢測(cè)技術(shù)》 ,[中國(guó)科技論文在線 ] 29 附 錄 附錄 pictur4的程序及運(yùn)行結(jié)果 程序 ： I=imread(39。 使得最終的圖像與預(yù) 期的結(jié)果相差較大。 尤其對(duì)圖像進(jìn)行各種算子的邊緣檢測(cè)將得到不同的圖像。主要的有一階 邊緣檢測(cè)算子和二階邊緣檢測(cè)算子 。 將 3 個(gè)準(zhǔn)則相結(jié)合可以獲得最優(yōu)的檢測(cè)算子 。 （ 2） 定位精度準(zhǔn)則 邊緣 定為精度 L 定義為： 2( ) ( )()wwwwG x h x dxLh x dx?????????? （ 322） 式中， ()Gx? 和 ()hx? 分別表示 ()Gx和 ()hx 的導(dǎo)數(shù)，越大表明定為精度越高。 Canny 算子 Canny 算子檢測(cè)邊緣的 3 個(gè)準(zhǔn)則： （ 1） 信噪比準(zhǔn)則 信噪比越大，提取的邊緣質(zhì)量越高。 對(duì)其去除一階導(dǎo)數(shù)中的非局部最大值，可以 檢測(cè) 到較為精確的 邊緣點(diǎn)。 LOG（ LaplacianGauss）算子 當(dāng)使用一階導(dǎo) 數(shù)的邊緣檢測(cè)算子時(shí)，如果所求的一階導(dǎo)數(shù)高于某一閾值，則確定該點(diǎn)為 邊緣點(diǎn)，這樣 便會(huì) 導(dǎo)致檢測(cè)的邊緣的太多。 由于 拉帕拉斯算子是一種二階導(dǎo)數(shù)算子， 可在 邊緣處產(chǎn)生一個(gè)零交叉。拉普拉斯模板的基本要求是對(duì)應(yīng)中心像素的系數(shù)應(yīng) 該是正的，而對(duì)應(yīng)于中心像素鄰近像素的系數(shù)應(yīng)該是負(fù)的，且它們的和應(yīng) 該是零 。 常用的二階邊緣檢測(cè)算子 Laplacian 算子 Laplacian 算子是不依賴于邊緣方向的二階微分算子，是常用的二階導(dǎo)數(shù)算子。 Kirsch算子 Kirsch 算子使用 8 個(gè)模板來確定梯度的幅值和方向，故又稱為方向算子，通過一組模板分別計(jì)算不同方向上的拆分值，取其中最大的值作為邊緣強(qiáng)度，而將與之對(duì)應(yīng)的方向作為邊緣的方向 。 Prewitt算子 Prewitt 算子用卷積模板來描述： ( , )G i j Px Py?? （ 315） 式中， 1 0 11 0 11 0 1Px????????????前者為水平模板， 111000111Py??????????后者為垂直模板。因此 Sobel算子是邊緣檢測(cè)中最常用的算子之一。其運(yùn)算結(jié)果是一副邊緣幅度圖像。Sy 是垂直模板，對(duì)垂直邊緣響應(yīng)最大。 用卷積模板來實(shí)現(xiàn)： ( , )G i j Sx Sy?? （ 314） 式中， 1 0 12 0. 21 0 1Sx??????????； 1 2 10 0 . 01 2 1Sy?????? ? ???。（ i,j）為當(dāng)前的位置點(diǎn)，梯度幅值計(jì)算公式如下： (i,j) (i,j+1) (i+1,j) (i+1,j+1) 21 表 2 Sobel 算子中各 個(gè)點(diǎn)的像素點(diǎn)的關(guān)系圖 （ i1,j1） (i1,j) (i1,j+1) (i,j1) (i,j) (i,j+1) (i+1,j1) (i+1,j) (i+1,j+1) ? ?,Gi j = ? ? ? ? ? ? ? ? ? ? ? ?i 1 , j 1 2 i , j 1 i 1 , j 1 i 1 , j 1 2 i , j 1 i 1 , j 1f f f f f f? ? ? ? ? ? ? ? ? ? ? ? ? ? ? + ? ? ? ? ? ? ? ? ? ?i 1 , j 1 2 i 1 , j ) i 1 , j 1 i 1 , j 1 2 i 1 , j i 1 , j 1f f f f f f? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （ 312） 將其進(jìn)行簡(jiǎn)化， 表 2 中 的坐標(biāo)對(duì)應(yīng)記為如表 3 所示的符號(hào)。 Sobel算子 Sobel 算子邊緣檢測(cè)的效果 不好 很好 。Gy= 0. 110???????。梯度幅值計(jì)算近似方法如 表 1 所示 表 1 Roberts 算子梯度幅值計(jì)算示意圖 （ i,j）為當(dāng)前像素的位置，其 計(jì)算公式如下： G（ i,j） = ? ? ? ? ? ?( , ) 1 , 1 1 , ,f i j f i j f i j f i j i? ? ? ? ? ? ? （ 310） 它是由兩個(gè) 2*2 模板組成。求梯度幅值時(shí)對(duì)于平方和及開放運(yùn)算，可以用兩個(gè)分量的絕對(duì)值之和來表示。 fx?? =f(i,j+1)f(i,j) (38) fy?? =f(i,j)f(i+1,j) 20 求梯度時(shí)對(duì)于平方和運(yùn)算及開方運(yùn)算，可以用兩個(gè)分量的絕對(duì)值表示為： G（ i,j） 22( / ) / /f y f x f y? ? ? ? ? ? ? ? ? ? ? ?（ f / x ） (39) 上式中， j 對(duì)應(yīng)于 x 軸方向， i 對(duì)應(yīng)于 y 軸方向。對(duì)一個(gè)圖像 f(x,y)函數(shù)，它在位置（ x,y）處的梯度可定為梯度算子： G[f(x,y)]= 22( / )fy? ? ? ? ?（ f/ x） (36) 梯度算子是圖像處理中最常用的一階微分算法，是 (311)中 f(x,y)表示圖像的灰度值，圖像梯度最重要的性質(zhì)是梯度方向，是在圖像灰度最大變化率上，它恰是可以反映出 圖像邊緣上的灰度變化。 常見 的 一階 邊緣檢測(cè)算子 梯度算子可以增強(qiáng)圖像邊緣信息，這對(duì)圖像邊緣檢測(cè)起到了重要作用 。 同時(shí)在 數(shù)字圖像處理 方面還具有簡(jiǎn)單性和 嚴(yán)謹(jǐn)性， 能很好的描述圖像的形態(tài)特征。作為研究非平穩(wěn)信號(hào)的 一種有利 工具，小波分析在邊緣檢測(cè)方面 起到了很大的作用 。一階 微分圖像的閾值處對(duì)應(yīng)著圖像的邊緣點(diǎn)；二階微分圖像的過零點(diǎn)對(duì)應(yīng)著圖像的邊緣點(diǎn)。圖像的邊緣是 灰 度變化最劇烈的