【正文】 青島大學(xué)本科生畢業(yè)論文（設(shè)計(jì)）青島大學(xué)本科生畢業(yè)論文（設(shè)計(jì)）1。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW22)。Canny39。)。title( 39。,) 。BW21= edge(I,39。閾值為 的 Canny 算子邊緣檢測(cè)圖像39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW2)。Canny39。)。title( 39。,) 。BW1= edge(I,39。原始圖像39。 imshow(I)。39。)。title(39。,)。BW22= edge(I,39。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。figure,imshow(BW2)。log39。)。title(39。,)。BW11=edge(I,39。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。figure,imshow(BW1)。log39。)。③Log 的邊緣檢測(cè)算法:I=imread (39。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。%edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW42)。Canny39。)。title( 39。,) 。BW41= edge(I,39。閾值為 的 Canny 算子邊緣檢測(cè)圖像39。%edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW40)。Canny39。)。title( 39。,) 。 BW4= edge(I,39。39。)。title( 39。,)。BW33=edge(I,39。閾值為 的 Prewitt 算子邊緣檢測(cè)圖像39。 %edge 調(diào)用 Prewitt 為檢測(cè)算子判別閾值為 figure,imshow(BW32)。Prewitt 39。)。title( 39。,)。BW31=edge(I,39。閾值為 的 Prewitt 算子邊緣檢測(cè)圖像39。 %edge 調(diào)用 Prewitt 為檢測(cè)算子判別閾值為 figure,imshow(BW3)。Prewitt 39。)。 title( 39。,)。BW22=edge(I, 39。閾值為 的 sobel 算子邊緣檢測(cè)圖像39。 %edge 調(diào)用 sobel 為檢測(cè)算子判別閾值為 figure,imshow(BW21)。sobel 39。)。 title( 39。,)。BW20=edge(I, 39。閾值為 的 sobel 算子邊緣檢測(cè)圖像39。 %edge 調(diào)用 sobel 為檢測(cè)算子判別閾值為 figure,imshow(BW2)。sobel 39。)。title( 39。,)。BW12=edge(I,39。閾值為 的 Roberts 算子邊緣檢測(cè)圖像39。 %edge 調(diào)用 Roberts 為檢測(cè)算子判別閾值為 figure,imshow(BW11)。Roberts 39。)。title( 39。,)。BW10=edge(I,39。閾值為 的 Roberts 算子邊緣檢測(cè)圖像39。 %edge 調(diào)用 Roberts 為檢測(cè)算子判別閾值為 figure,imshow(BW1)。Roberts 39。)。title(39。)。 %鄰域平均后的圖像②邊緣檢測(cè)程序（Prewitt 邊緣算子、Sobel 邊緣算子、Roberts 邊緣算子、Canny 算子）I=imread(39。subplot (1,2,2)。 %鄰域平均subplot(1,2,1)。 %添加均值為 0、方差為 的噪聲H=ones(5,5)/25。gaussian 39。)。 參考文獻(xiàn)[1] （美）岡薩雷斯等，阮秋琦等譯，數(shù)字圖像邊緣檢測(cè)（第二版）,電子工業(yè)出版社[2] 章毓晉，圖像邊緣檢測(cè)和分析，清華大學(xué)出版社，1999[3] 涂建華，圖像邊緣檢測(cè)與分析，科學(xué)出版社，1994[4] 何斌、馬天予等，MATLAB數(shù)字圖像邊緣檢測(cè)，人民郵電出版社[5] 楊支靈、王開(kāi)，MATLAB數(shù)字圖像獲取、處理及實(shí)踐應(yīng)用，人民郵電出版社[6] 魏弘博，基于粗糙集的圖像增強(qiáng)和邊緣檢測(cè)[7] 鄭慕之，MRI二維圖像邊緣檢測(cè)及可視化研究，南京航空航天大學(xué)， 2022[8] 鄭翔、黃藝云，Kirsch邊緣檢測(cè)算子的快速算法，通信學(xué)報(bào)，1996[9] 王娜，李霞．一種新的改進(jìn)Canny邊緣檢測(cè)算法．深圳大學(xué)學(xué)報(bào)，2022[10] 游素亞、楊靜， 圖像邊緣檢測(cè)技術(shù)的發(fā)展與現(xiàn)狀，電子科技導(dǎo)報(bào)，1995[12] 杜輝強(qiáng)，高光譜遙感影像濾波和邊緣提取方法研究，武漢大學(xué)，2022 [13] 朱秀昌、劉峰、胡棟，數(shù)字圖像邊緣檢測(cè)與圖像通信，北京郵電大學(xué)出版社[14] 朱劍英，智能系統(tǒng)非經(jīng)典數(shù)學(xué)算法，華中科技大學(xué)出版社，2022[15] 游素亞、楊靜， 圖像邊緣檢測(cè)技術(shù)的發(fā)展與現(xiàn)狀，電子科技導(dǎo)報(bào)，1995[16] 鄭翔、黃藝云， Kirsch 邊緣檢測(cè)算子的快速算法，通信學(xué)報(bào)，1996附錄①5x5 模板的鄰域平均法平滑圖像I=imread(39。深深地感謝父母對(duì)我養(yǎng)育之恩和諄諄教誨，雖然現(xiàn)在不在身邊，但是他們總是給我鼓勵(lì)，教我戰(zhàn)勝困難，他們的支持給了我戰(zhàn)勝困難的勇氣。謹(jǐn)向給予我無(wú)私幫助的同學(xué)表示深切的感謝。并且，王老師治學(xué)嚴(yán)謹(jǐn)，一絲不茍，注重培養(yǎng)學(xué)生研究問(wèn)題、解決問(wèn)題的獨(dú)立工作能力，讓我受益匪淺。王老師在平時(shí)的學(xué)習(xí)生活中給予了我最熱情的指導(dǎo)和幫助，在我完成論文的整個(gè)過(guò)程，更是從開(kāi)題報(bào)告到完成初稿都有王老師的辛勞。在這里，我結(jié)識(shí)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。選取兩種常用邊緣提取方法用Matlab 語(yǔ)言編程實(shí)現(xiàn)，對(duì)其圖像邊緣檢測(cè)結(jié)果進(jìn)行分析比較，從而總結(jié)了兩種算法的優(yōu)缺點(diǎn)，并對(duì)未來(lái)的研究方向進(jìn)行了初步的探討和展望。因此，改變我國(guó)交通以人管理為主的被動(dòng)局面，實(shí)現(xiàn)城市交通管理智能化都具有十分重要的現(xiàn)實(shí)意義。利用電視視頻技術(shù)、計(jì)算機(jī)圖像邊緣檢測(cè)技術(shù)、模式識(shí)別技術(shù)及通信技術(shù)等多項(xiàng)技術(shù)為一體的計(jì)算機(jī)視頻監(jiān)測(cè)技術(shù)對(duì)交通進(jìn)行監(jiān)測(cè)和控制是一個(gè)具有廣闊應(yīng)用前景的研究方向。在實(shí)際應(yīng)用中有許多成功的例子，已將一些專(zhuān)用領(lǐng)域的成熟算法嵌入單片機(jī)，制成便攜式設(shè)備，如指紋考勤機(jī)、人臉的識(shí)別器等。傳統(tǒng)的邊緣檢測(cè)算子主要是基于它的頻率特性進(jìn)行設(shè)計(jì)，算法比較簡(jiǎn)單，但會(huì)增強(qiáng)圖像中噪聲的干擾，邊緣檢測(cè)和抗噪聲干擾之間的矛盾成為這類(lèi)方法進(jìn)行圖像邊緣檢測(cè)的基本難題。邊緣檢測(cè)理論作為一個(gè)低級(jí)視覺(jué)處理過(guò)程有著較長(zhǎng)的研究歷史，產(chǎn)生了大量的新理論、新方法。結(jié)束語(yǔ)數(shù)字圖像的邊緣檢測(cè)技術(shù)是圖像邊緣檢測(cè)、圖形識(shí)別中最基礎(chǔ)也是最重要的理論之一。經(jīng)典的邊緣檢測(cè)方法由于引入了各種形式的微分運(yùn)算，從而必然引起對(duì)噪聲的極度敏感，執(zhí)行邊緣檢測(cè)的結(jié)果常常是把噪聲當(dāng)作邊緣點(diǎn)檢測(cè)出來(lái)，而真正的邊緣也由于受到噪聲干擾而沒(méi)有檢測(cè)出來(lái)。調(diào)試運(yùn)行過(guò)程不順利，對(duì)MATLAB語(yǔ)言仍舊不夠精通。數(shù)字圖像的邊緣提取技術(shù)未來(lái)的發(fā)展空間還很廣闊，應(yīng)該繼續(xù)努力尋求適應(yīng)性更廣、局限性更小的方法。隨著計(jì)算機(jī)視覺(jué)和圖像邊緣檢測(cè)技術(shù)地發(fā)展，迫切需要視覺(jué)早期階段的突破即邊緣檢測(cè)技術(shù)的突破，努力尋求算法較簡(jiǎn)單、能較好解決邊緣測(cè)精度與抗噪聲性能協(xié)調(diào)問(wèn)題的邊緣檢測(cè)算法。由于物理和光照等原因，實(shí)際圖像中的邊緣常常發(fā)生在不同的尺度范圍上，并且每一邊緣像元的尺度信息是未知的，利用單一固定尺度的邊緣檢測(cè)算子不可能同時(shí)最佳地檢測(cè)出這些邊緣。若要提高抗噪性，則會(huì)產(chǎn)生輪廓漏檢和位置偏差。但以上幾種邊緣提取算法都是針對(duì)性比較強(qiáng)的方法，特別是經(jīng)過(guò)數(shù)次試驗(yàn)后發(fā)現(xiàn)這幾種邊緣提取算法提取的精度都不算特別高，而且在邊緣提取中存在著抗噪性和檢測(cè)精度的矛盾。Log算子效果圖： 結(jié)果分析：以上為二階微分算子的邊緣檢測(cè)效果圖，由Log算子的檢測(cè)原理圖知，它利用圖像強(qiáng)度二階導(dǎo)數(shù)的零交叉點(diǎn)來(lái)求邊緣點(diǎn)的算法對(duì)噪聲十分敏感，所以在對(duì)邊緣增強(qiáng)前濾除噪聲。保證了圖像較高的定位精度，即精確地把邊緣點(diǎn)定位在灰度變化最大的像素上并且抑制虛假邊緣。Roberts 算子效果圖： 原始圖像 Sobel 算子效果圖： Prewitt 算子效果圖： canny算子效果圖： 結(jié)果分析：以上為一階微分算子的邊緣檢測(cè)效果圖，由圖可以看出Canny算子效果圖是最好的。為了體現(xiàn)出每一株算法的獨(dú)特優(yōu)勢(shì)，我們采用橫向和縱向，即對(duì)不同圖像采用相同算法比較，在對(duì)一幅圖像采用不同算法進(jìn)行比較分析！以此來(lái)體現(xiàn)對(duì)不同灰度級(jí)別的圖像處理效果，突顯出各種算法的優(yōu)劣。總體比較Prewitt 算子的效果要更好一些。其次，它們的閾值選擇范圍要小一些。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。Canny算子具有既能濾去噪聲又保持邊緣特性的邊緣檢測(cè)的特性。根據(jù)這各原理看出高斯拉普拉斯算子選取的閾值越小則圖像的處理效果越好，相同則Canny算子算法則采用的閾值越大則圖像的邊緣處理效果越清晰。結(jié)果比較：從上述圖形看由于邊緣檢測(cè)的一階導(dǎo)數(shù)的局部最大值對(duì)應(yīng)著二階導(dǎo)數(shù)的零交叉點(diǎn)。邊緣點(diǎn)的判斷模糊，雖仍然能夠識(shí)別它的邊界線，但其清晰邊界點(diǎn)已無(wú)法識(shí)別判斷圖像的邊緣點(diǎn)準(zhǔn)確性！ 對(duì)以上圖形采用主觀和客觀的判斷準(zhǔn)則來(lái)評(píng)判圖像效果，比較提取后的兩幅圖像，可以看出在除了微分算子對(duì)邊緣檢測(cè)有影響外，閾值的選擇也對(duì)邊緣檢測(cè)有著重要的影響。③高斯—拉普拉斯算法提取圖像： 結(jié)果分析：如圖所示采用的閾值越小則圖像的邊緣處理效果越清晰，且邊緣點(diǎn)條理顯著。但是當(dāng)閾值超過(guò) 時(shí)圖像邊緣的有效信息將丟失如圖 所示，但是圖像的邊緣點(diǎn)更加明顯判斷！②高斯—拉普拉斯算法提取圖像： 圖 原始圖像 圖 閾值為 0 圖 閾值為 結(jié)果分析：如圖所示采用的閾值越大則圖像的邊緣處理效果越模糊不清，且邊緣點(diǎn)條理無(wú)法判斷。取原始圖像圖 ，分別利用 Canny 算法和高斯拉普拉斯算法進(jìn)行邊緣提取，所的結(jié)果如圖所示（側(cè)重于微分算子的獨(dú)有特性和閾值的選擇）。取其最大值作為輸出位，運(yùn)算結(jié)果是一幅邊緣幅度圖像。)。title(39。,)。BW23= edge(I,39。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。figure,imshow(BW22)。log39。)。title(39。,)。BW20= edge(I,39。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。figure,imshow(BW2)。log39。)。title(39。,)。BW11=edge(I,39。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。figure,imshow(BW1)。log39。)。（第二部分圖）I=imread (39。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。figure,imshow(BW22)。log39。)。title(39。,)。BW21= edge(I,39。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。figure,imshow(BW2)。log39。)。title(39。,)。BW11=edge(I,39。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。figure,imshow(BW1)。log39。)。 高斯—拉普拉斯（Log）算法首先建立函數(shù)，在 Log 邊緣算子中，對(duì)邊緣的檢測(cè)技術(shù)采用的是二階導(dǎo)數(shù)的零交叉點(diǎn)來(lái)檢測(cè)邊緣點(diǎn)的算法：其 Matlab 程序編寫(xiě)如下：（第一部分圖）I=imread (39。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW22)。Canny3