【正文】 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說明 本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉績?nèi)容。盡我所知，除文中特別加以標(biāo)注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過的材料。 涉密論文按學(xué)校規(guī)定處理。 作者簽名： 日期： 年 月 日 學(xué)位論文版權(quán)使用授權(quán)書 本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方 式標(biāo)明。 作者簽名： 日 期： 基于 matlab 的圖像邊緣檢測算法研究 第 24 頁 共 22 頁 學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。對本研究提供過幫助和做出過貢獻(xiàn)的個人或集體，均已在文中作了明確的說明并表示了謝意。107108. [10] Canny putational approach to edge detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1986, 8(6):679698. [11] 張斌 ,賀賽先 .基于 Canny 算子的邊緣 提取改善方法 [J].紅外技術(shù) ,2020,28(3):165169. 基于 matlab 的圖像邊緣檢測算法研究 第 22 頁 共 22 頁 [12] 萬力 ,易昂 ,傅明 .一種基于 Canny 算法的邊緣提取改善算法 [J].計(jì)算機(jī)技術(shù)與自動化 ,2020,22. [13] 林卉 ,舒寧 ,趙長勝 .基于 Canny 算子的邊緣檢測及評價 [J].黑龍江工程學(xué)院學(xué)報(bào) ,2020. [14] 胡文錦 .圖像邊緣檢測方法研究 :[碩士學(xué)位論文 ].北京 :北京交通大學(xué) ,2020. [15] 王娜 ,李霞 .一種新的改進(jìn) canny 邊緣檢測算法 [J].深圳大學(xué)學(xué)報(bào)理工版 ,2020(4):222. [16] MATLAB Image Proeessing Toolbox User,5 ,The Math Works,Inc,Natick MA,USA,2020,2020. [17] [18] 何慶元 ,韓傳久 .基于粒子群算法的 Otsu法圖像閾值分割 [J].桂林科技大學(xué)學(xué)報(bào) ,2020,26(5):355358. [19] 王祥科 ,鄭志強(qiáng) .Otsu多閾值快速分割算法及其在彩色圖像中的應(yīng)用 [J].計(jì)算機(jī)應(yīng)用 ,2020,26:1415. [20] 李凌 .圖像分割方法研究與實(shí)現(xiàn) [J].宿州學(xué)院學(xué)報(bào) ,2020,21(4):8588. [21] 王強(qiáng) .圖像分割中閾值的選取研究及算法實(shí)現(xiàn) [J].計(jì)算機(jī)與現(xiàn)代化 ,2020(10):5456. 2020 屆畢業(yè)設(shè)計(jì)（論文） 第 23 頁 共 22 頁 畢業(yè)設(shè)計(jì)（論文）原創(chuàng)性聲明和使用授權(quán)說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計(jì)（論文），是我個人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。本文采用的自適應(yīng)中值濾波器僅僅在對椒鹽噪聲的處理上體現(xiàn)出優(yōu)勢，而接受邊緣檢測的圖像大多遭受多種噪聲的混合干擾，僅采用某一種濾波器只能處理某一方面的噪聲， 而同時又給原圖進(jìn)行了平滑處理，有時這種處理是不必要的，甚至有害的，這樣就弱化了圖像的邊緣檢測；因此，本文之后的工作是尋求一種能同時有效的處理多種噪聲的污染的濾波 算法。在 第三章 結(jié)合 Canny 算法 的 基本原理、算法的三個標(biāo)準(zhǔn)、算法的思路及檢測步驟提出了對 Canny 算子的流程一、四進(jìn)行算法改進(jìn) 的方法和實(shí)驗(yàn)證明 ， 并與傳統(tǒng)的 Canny算法的檢測結(jié)果進(jìn)行了對比，顯示出了本文所采用的改進(jìn)算法的優(yōu)越性 。現(xiàn)有邊緣檢測技術(shù)在抑制噪聲方面有一定的局限性 ， 在閾值參數(shù)選取方面自適應(yīng)能力很差 ， 有待進(jìn)一步改進(jìn)和提高。 基于 matlab 的圖像邊緣檢測算法研究 第 20 頁 共 22 頁 第 4 章 總 結(jié) 近幾十年來 ， 圖像邊緣檢測技術(shù)成為數(shù)字圖像處理技術(shù)重要研究課題之一 ， 隨著科學(xué)技術(shù)的發(fā)展 ， 研究人員提出了很多圖像邊緣檢測方法及邊緣檢測效果的評價方法 ， 并且將這些邊緣檢測技術(shù)應(yīng)用于計(jì)算機(jī)視覺和模式識別工程領(lǐng)域 ， 使得邊緣檢測技術(shù)的應(yīng)用范圍越來越廣 。圖 （ fi） 的結(jié)果顯示也進(jìn)一步支持這方面的論證。 下面的實(shí)驗(yàn)是通過給一張 行數(shù)和列數(shù)均是 1024， 受污染程度極小的圖片（原圖已在圖 （ a） 中給出）添加 20%的椒鹽噪聲 后，再分別采用傳統(tǒng)的 Canny 算法做邊緣檢測，經(jīng)過自適應(yīng) 中值濾波后采用 Canny 算法做邊緣檢測，自適應(yīng)中值濾波、 Otsu 算法取閾值，然后調(diào)用 Canny 算子檢測邊緣，自適應(yīng)中值濾波、頂 帽變換、 Otsu 算法取閾值，然后調(diào)2020 屆畢業(yè)設(shè)計(jì)（論文） 第 17 頁 共 22 頁 用 Canny 算子檢測邊緣 ，結(jié)果如圖 所示： （ a） （ b） （ c） （ d） （ e） （ f） （ g） （ h） （ i） 圖 中間數(shù)據(jù)圖，其中 （ a） 被 20%的椒鹽噪聲污染后 Lena的圖 ；（ b） 椒鹽噪聲污染后，通過 Canny算法檢測邊緣的結(jié)果 ； （ c）自適應(yīng)中值濾波后，通過 Canny 算法檢測邊緣的結(jié)果 ； （ d）自適應(yīng)中值濾波、 Otsu算法取閾值，然后調(diào)用 Canny 算子檢測邊緣的結(jié)果 ； （ e）自適應(yīng)中值濾波、頂帽變換、Otsu 算法取閾值，然后調(diào)用 Canny 算子檢測邊緣的結(jié)果 ； （ f） Rice 的原圖 ； （ g）椒鹽噪聲污染后，通過 Canny 算法檢測邊緣 ； （ h）自適應(yīng) 中值濾波、 Otsu算法取閾值，然后調(diào)用 Canny 算子檢測邊緣的結(jié)果 ； （ i）自適應(yīng)中值濾波、頂帽變換、 Otsu 算法取閾值，然后調(diào)用 Canny 算子檢測邊緣的結(jié)果 基于 matlab 的圖像邊緣檢測算法研究 第 18 頁 共 22 頁 167。在這種情況下，一種常用的處理方法是針對照明問題做預(yù)處理以補(bǔ)償圖像，然后再采用 Otsu 算法（全局閾值處理方法）計(jì)算最佳閾值。 167。圖像的總平均灰度記為 ? ， 類間方差記為 g 。因此 ， 使類間方差最大的分割意味著錯分概率最 小。它是按圖像的灰度特性 ， 將圖像分成 背景 和目標(biāo)兩部分。 167。 levelA 最后一步的另一種選擇是輸出 xyZ 來代替中值。 這個自適應(yīng)中值濾波算法工作在兩個層面，表示為 levelA 和 levelB： 2020 屆畢業(yè)設(shè)計(jì)（論文） 第 15 頁 共 22 頁 levelA： 若 m in m m axedZ Z Z??，則轉(zhuǎn)向 levelB， 否則增加窗口尺寸 ， 若窗口尺寸 maxS? ，重復(fù) levelA， 否則輸出 medZ ； levelB： 若 min maxxyZ Z Z??，則輸出 xyZ ， 否則輸出 medZ 。 基于 Canny 算法 的改進(jìn) 與研究 167。在另一方面， 通過傳統(tǒng)的 Canny 算法邊緣檢測，對應(yīng) Canny 給出的評價邊緣檢測性能優(yōu)劣的三個指標(biāo)，圖 （ b） 中的效果反應(yīng)了 傳統(tǒng)的 Canny 算法不能給出滿意的結(jié)果，而這一方面源于 高斯 平滑 濾波器的濾波效果，另一方面則是閾值的選取，在 Canny 算法中基于直方圖人工選取閾值 可以得到不錯的邊緣檢測效果 ，但會付出相當(dāng)?shù)臅r間和人力代價。 傳統(tǒng) Canny 算法的 實(shí)驗(yàn)與分析 通過傳統(tǒng)的 Canny 算法邊 緣檢測結(jié)果如圖 所示： （ a） （ b） （ c） 圖 傳統(tǒng)的 Canny 算法邊緣檢測結(jié)果 ，其中 （ a） Lena的原圖 ， （ b） Canny 算法邊緣檢測結(jié)果 ， （ c）被 20%的椒鹽噪聲污染后， Canny 算法邊緣檢測結(jié)果 圖 所示 “ Lena 的原圖 ” 清晰度一般，行數(shù)和列數(shù)均是 256，通過多種濾波器檢測，可知該圖已被多種噪聲污染（即，包含高斯噪聲、椒鹽噪聲、周期噪聲等等 [4]），而Canny 算法所采用的是高斯 平滑 濾波器 。 在使用 Canny 算法檢測邊緣時，高斯濾波器的標(biāo)準(zhǔn)差設(shè)為 1，強(qiáng)邊緣像素點(diǎn)占總像素和的 ，高低 閾 值的比例為 [16]。選擇合適的 閾 值是困難的，需要經(jīng)過反復(fù)試驗(yàn)，為了解決這個問題， Canny 提出了一種雙 閾 值方法，首先利用累計(jì)統(tǒng)計(jì)直方圖得到一個高 閾 值 1t ，然后再取一個低 閾 值 2t 。對非極大值抑制幅值進(jìn)行 閾 值化的結(jié)果是一個圖像的邊緣陣列。在非極大值抑制過程中 ， 保留了屋脊 的高度值。如果 M 的梯度值不比沿梯度線的兩個相鄰象素梯度值大，則令 M=0。 將梯度角的變化范圍減小到圓周的四個扇區(qū)之一 ，方向角的規(guī)范化，如圖 所示 圖 方向角的規(guī)范化 四個扇區(qū)的標(biāo)號為 0 到 3，對應(yīng) 33? 鄰域的四種可能組合。 （ 2） 使用一階有限差分計(jì)算偏導(dǎo)數(shù)的兩個陣列 P 與 Q： [ , ] ( [ , 1 ] [ , ] [ 1 , 1 ] [ 1 , ] ) / 2P y x S y x S y x S y x S y x? ? ? ? ? ? ? ? (34) [ , ] ( [ 1 , ] [ , ] [ 1 , 1 ] [ , 1 ] ) / 2Q y x S y x S y x S y x S y x? ? ? ? ? ? ? ? (35) 幅值和方位角 ： ? ? 22, [ , ] [ , ]M y x P y x Q y x?? (36) [ , ] a r c t a n ( [ , ] / [ , ] )y x Q y x P y x? ? (37) 輸出邊緣 圖像 輸 入 圖 像 高斯平滑 梯度計(jì)算 非極大值抑制 雙門限檢測 2020 屆畢業(yè)設(shè)計(jì)（論文） 第 13 頁 共 22 頁 （ 3） 非極大值抑制（ NMS nonmaxima suppression） 細(xì)化幅值圖像中的屋脊帶，即 只保留幅 值 局部變化最大的點(diǎn) 。 Canny 算法的流程圖 Canny 算法的流程圖 [15]如圖 所示： 圖 Canny 算法的流程圖 （ 1） 高斯平滑濾波器 高斯平滑濾波器是一