【正文】 }}完。double rgb1=r1*+g1*+b1*。double b1=(*(0xffamp。double g1=(*(0xffamp。}//getPixels(int x,int y)public double getGray(int pixle)*****本科畢業(yè)論文（設(shè)計(jì)） 第 26 頁 共 29 頁{double r1=(*(0xffamp。i++)return r。j++)}//for(int i=0。}//for (int j=0。j5。i5。}public double Convolution(int x,int y,double[] C)//做卷積{double r=0。r2=Convolution(x,y,Cy)。i++)}public boolean Canny_operator(int x,int y,double[] Cx,double[] Cy,int range){double r1,r2。j++)}//for(int i=2。}//for (int j=2。else//getPixels(i,j)。jimageH。iimageW。}catch (InterruptedException e){}(imageW)。PixelGrabber pg=new PixelGrabber(,0,0,imagepix,0,)。imagepix=new int[imageW*imageH]。imageW=。double[] Gy={, ,0,0,0,0,0, , ,}。int[] Canny_pix。int imageH。}}PixelContrl 類：class PixelContrl{*****本科畢業(yè)論文（設(shè)計(jì)） 第 24 頁 共 29 頁MyImage myimage。}catch (InterruptedException ex){}=(this)。(myimage,0)。MyImage(String url){tracker=new MediaTracker(this)。int Width。}}MyImage 類：class MyImage extends Applet{Image myimage。//setSize(500,500)。imagtest=createImage(new MemoryImageSource(, 0,))。Image imagtest。(pic_url)。CannyPicPanel(){setLayout(new BorderLayout())。mycanvas canvas=new mycanvas(pic_url)。class CannyPicPanel extends JPanel{int w,h。import .*。import .*。}}}CannyPicPanel 類：*****本科畢業(yè)論文（設(shè)計(jì)） 第 22 頁 共 29 頁import .*。addWindowListener(new Handlewin())。setBounds(10,10,1024,700)。CannyPicFrame(){add(wpp)。import .*。,.[3]Mathews Jacob,Michael Unser. Design of Steerable Filters for Feature Detection Using CannyLike TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE,2022.[4]姬光榮,王國宇,.[5] 鄭靜 梁少華 , 6(5)[6] :基于VisualC++[7]張廣軍. 機(jī)器視覺 北京：科學(xué)出版社2022[8]Rafael ,Richard 著，阮秋琦 阮宇智 （第二版）北京：電子工業(yè)出版社，2022附件：*****本科畢業(yè)論文（設(shè)計(jì)） 第 21 頁 共 29 頁CannyPic 類：class CannyPic {public static void main(String[] args) {new CannyPicFrame()。感謝所有關(guān)心和幫助過我的人，我將在以后的學(xué)習(xí)和工作中更加努力。再次畢業(yè)之際，謹(jǐn)向孔老師表示誠摯的感謝和深深的問候。正是由于老師的細(xì)心指導(dǎo)和不懈支持，我的畢業(yè)設(shè)計(jì)才能順利完成。致謝：本課題在整個完成過程中得到孔敏老師的悉心指導(dǎo)。它是一階傳統(tǒng)微分中檢測階躍型邊緣效果最好的算子之一，LOG濾波器和Canny算子能夠檢測出圖象較細(xì)的邊緣部分。但邊緣方向信息丟失，常產(chǎn)生雙像素的邊緣，對噪聲有雙倍加強(qiáng)作用。Sobel邊緣算子和 Prewitt邊緣算子的偏導(dǎo)數(shù)形式*****本科畢業(yè)論文（設(shè)計(jì)） 第 19 頁 共 29 頁完全一樣只是Sobel算子把重點(diǎn)放在接近于模板中心的像素點(diǎn)。如果進(jìn)一步減小門限g 的數(shù)值,SUSAN算法還可以用于角點(diǎn)的檢測。而對于SUSAN 邊緣檢測算法，則是直接利用圖像灰度相似性的比較,而不需計(jì)算梯度,具有算法簡單、定位準(zhǔn)確、抗噪聲能力強(qiáng)等特點(diǎn)。它是一階傳統(tǒng)微分中檢測階躍型邊緣效果最好的算子之一。?而且LOG 方法沒有解決如何組織不同尺度濾波器輸出的邊緣圖為單一的、正確的邊緣圖的具體方法。LOG濾波器中的 正比于低通濾波器的寬度， 越大，平滑作用越顯??著，去除噪聲越好，但圖象的細(xì)節(jié)也損失越大，邊緣精度也就越低。這兩者對灰度漸變低噪聲的圖象有較好的檢測效果，但是對于混合多復(fù)雜噪聲的圖象，處理效果就不理想了。Canny算子應(yīng)用的具體步驟：通過公式Gray = (R + + )1/素點(diǎn)的灰度值，再用如下卷積模板做卷積：Gx= Gy=通過做卷積，可以得到每個像素點(diǎn)的梯度的模|G(x,y)|，選擇一個合適的閾值T，當(dāng) 0 0 0 0 0 0 0 0 0 0 *****本科畢業(yè)論文（設(shè)計(jì)） 第 18 頁 共 29 頁|G(x,y)|T時，可認(rèn)為該點(diǎn)是邊緣點(diǎn)，然后再打印邊緣點(diǎn)，可得到圖像的邊緣圖像(程序代碼見附錄)。3 基于邊緣檢測的圖像分割算法的應(yīng)用*****本科畢業(yè)論文（設(shè)計(jì)） 第 17 頁 共 29 頁 Canny 算子的應(yīng)用Canny算子應(yīng)用到圖像邊緣檢測，所用的開發(fā)環(huán)境為JDK，該程序包含以下幾個類：CannyPic類CannyPicFrame類CannyPicPanel類MyImage類：主要用來加載圖像PixelContrl類：是本程序的重要的類，通過該類，可建立圖像像素信息的數(shù)組，進(jìn)而通過該數(shù)組，可計(jì)算彩色圖像的灰度值，以便用于Canny算子的應(yīng)用。(5)可以檢測邊緣的方向信息SUSAN 算法實(shí)際上還可以檢測邊緣的方向信息。而對于其他的經(jīng)典的邊緣檢測算法,如果采用歐式距離作為梯度算子, Sobel 算子采用兩個3 3 的模板,對每一點(diǎn)需要做 9 次加法,6 次乘法,以及1 次開方運(yùn)算,則共需要做256 256 9 次加法運(yùn)算和256 256 6 次乘法運(yùn)算,以及256 256 次開方運(yùn)算。所以這種算法非常適用于對某些低對比度圖像或目標(biāo)的識別。?、鬯惴ㄊ褂渺`活使用控制參數(shù)t 和g , 可以根據(jù)具體情況很容易地對不同對比度、不同形狀的圖像通過設(shè)置恰當(dāng)?shù)膖 和g 進(jìn)行控制。因此SUSAN 邊緣檢測算法可以用于被噪聲污染的圖像的邊緣檢測。很明顯,如果考慮有獨(dú)立同分布的高斯噪聲,只要噪聲小于USAN 函數(shù)的相似灰度門限值,噪聲就可被忽略。 GaussLaplace 算子雖然基本上可以檢測出所有邊緣,但是他的定位效果較差,邊緣象素較寬。雖然實(shí)驗(yàn)中沒有達(dá)到一個象素的精度,但這主要是因?yàn)閷吘壍膬蓚?cè)都應(yīng)用了SUSAN 算法,對具體的實(shí)際應(yīng)用,可以對背景不再應(yīng)用 SUSAN 算法,這樣不但可以達(dá)到細(xì)化邊緣的目的,而且運(yùn)算量也大大減少。因此對于不同對比度和噪聲情況的圖像, 應(yīng)取不同的 t 值。門限 t 表示所能檢測邊緣點(diǎn)的最小對比度, 也是能忽略的噪聲的最大容限。實(shí)驗(yàn)證明 g 取 nmax 時( nmax 為模板的最大 USAN 值) ,可以較好地提取出初始邊緣點(diǎn)。模板也不宜取得太大,否則會增大運(yùn)算量大,通?？扇?5 5 或 37 象素模板，門限 g 決定了邊緣點(diǎn)的 USAN 區(qū)域的最大值,即只要圖像中的象素的 USAN 值小于 g , 該點(diǎn)就被判定為邊緣點(diǎn)。由于圖像的數(shù)字化