【正文】 *lpDst = (unsigned char)result。pixel[3] = (unsigned char)*(lpSrc lWidth + 1)。pixel[1] = (unsigned char)*(lpSrc + 1)。 指向源圖像第j行，第i個象素的指針 指向目標圖像j行，第i個象素的指針lpDst = (char *)lpNewDIBBits + lWidth * j + i。i lWidth1。 j 0。另外還要感謝我的父母，是他們支持了我的學習和生活，祝他們身體健康，幸?？鞓?。文中難免有疏漏不足之處，望多加包涵！參考文獻[1] ， and . A Regularized Solution to Edge Detection[J].Journal of plexity，1988,(4):106123.[2] 鐘志光,盧君,劉偉榮. Visual C++.NET 數(shù)字圖像實例與解析[M].北京：清華大學出版社，.[3] [M].北京:科學出版社,1992.[4] 崔屹．數(shù)字圖像處理技術與應用[M]．北京：電子工業(yè)出版社，1997：3539．[5] MFC.[EB/OL]．．20100422.[6] 面向對象.[EB/OL]．．20091225.[7] 薛文格,[J].多媒體技術及其應用,2007,24:11441145.[8] Mallat S,Hwang W and processing with wavelets[J].IEEE Trans on Information Theory,1992,38(2):617643.[9] J. Canny. A Computational approach to edge detection[J].IEEE Trans. Pattern Analysis and Machine Intelligence,1986,8(6):679698.[10] Prattw Image Processing[M].New York：Wiley，1991.[11] 鐘志光，盧君，劉偉榮. Visual C++.NET 數(shù)字圖像實例與解析[M].北京：清華大學出版社，.[12] 深潔,杜宇人,[J].信息技術，2005(12).謝辭本文即將結束之際，我要特別感謝我的導師陳明志老師，感謝老師在整個畢業(yè)設計中給予我的指導與幫助，由于老師的idea使我受益匪淺。第二．在可運行程序情況，進行不明的某些操作會出現(xiàn)無可挽回的出錯提示，直至自動關閉系統(tǒng)，這也是該設計存在的一個不足之處。第一．論文重點在于比較五種算法的抗噪聲的功能。本篇論文就經典的五種邊緣檢測算法進行了回顧，并對這五種邊緣檢測算法作了介紹，最后還在系統(tǒng)中加入噪聲，通過理論與實際效果圖比較了這五種算法優(yōu)缺點特別是抗噪聲的功能。結論現(xiàn)在計算科學技術高速發(fā)展，隨著電子技術滲透到生產和生活的各個領域。拉普拉斯算法由兩張圖進行對比從加未加入隨機噪聲效果圖還可見大致邊緣，到現(xiàn)在的更加模糊不清了，說明Laplace算子抗噪聲能力較弱。運行Sobel檢測算子下的效果圖與未加入隨機噪聲下的情況變化不大，說明Sobel算子具有良好的抗噪聲能，理論所述對噪聲具有平滑作用得到證明。圖47 加入隨機噪聲的lena灰度圖圖48 加入隨機噪聲Roberts算法邊緣檢測效果圖49 加入隨機噪聲Sobel算法邊緣檢測效果圖410 加入隨機噪聲prewitt算法邊緣檢測效果圖411 加入隨機噪聲拉普拉斯算法邊緣檢測效果圖412 加入隨機噪聲Kirsch算法邊緣檢測效果上述已經對未在系統(tǒng)加入噪聲情況的五種算法進行結論分析，現(xiàn)在對加入系統(tǒng)人為的噪聲后進行分析，可以明顯的看出這五種算法的抗噪聲能力。 加入噪聲的實驗結果與分析以下是加入噪聲后情況（以加入隨機噪聲為例）邊緣檢測實現(xiàn)的效果展示圖，圖47到圖412是依次是加入隨機噪聲的lena灰度圖像，以及在加入隨機噪聲的lena灰度圖下進行的Roberts算子、Sobel算子、Prewitt算子、拉普拉斯算子、Krisch算子的系統(tǒng)效果圖。Krisch算子比較其水平和垂直方向算子、右上方向算子檢測，可以看出Krisch方向算子檢測到的圖像邊緣比較清晰，水平和垂直方向次之，右上的最差，另外從檢測到的邊緣粗細看，Krisch方向算子檢測到的邊緣最粗，右上方向次之，而水平和垂直方向算子最細。從圖上看出Sobel檢測算子產生相對比較好的檢測效果，但是也有檢測偽邊緣，則可以說明Sobel檢測算子定位精度不高。此時可以對五種不同算法進行一次對比，觀察每種算法的優(yōu)缺點，結合這些信息能為作出更好的算法提供信息。 未加入噪聲的實驗結果與分析以下是未加入噪聲情況下邊緣檢測實現(xiàn)的效果展示圖，圖41到圖46是依次是轉化為灰度圖的lena圖像、Roberts算子、Sobel算子、Prewitt算子、拉普拉斯算子、Krisch算子的系統(tǒng)效果圖。上述為邊緣檢測系統(tǒng)實現(xiàn)的過程，在進行過一次邊緣檢測之后，再在圖像中加入噪聲然后再進行邊緣檢測一次。為了使邊緣檢測后生成的新圖像能夠保存到本地，因此在原有基礎上添加了保存和另存為的按鈕，實現(xiàn)保存圖像到本地的功能。Krisch為方向算子，實質上與梯度算子一樣是模板運算，按照梯度算子的方法進行設計。接著就是把不同的邊緣檢測算法的功能代碼一個個的添加進去，完成不同算法的邊緣檢測的實現(xiàn)；添加Sobel、Prewitt、Roberts、Krisch等不同算法的實現(xiàn)模塊。}第4章 系統(tǒng)的實現(xiàn) 系統(tǒng)實現(xiàn)過程及思想采用MFC技術來實現(xiàn)系統(tǒng)的界面設計，在MFC基礎上原有的功能上添加所需功能按鈕，如：增加了讀取圖片的功能，系統(tǒng)只支持讀取BMP的格式，若要是想增加其他的格式，可以在原有的基礎上增加其格式。LocalFree(hNewDIBBits)。// 判斷是否超過255}}// 復制變換后的圖像memcpy(lpDIBBits, lpNewDIBBits, lLineBytes * lHeight)。if(fResult 40)* lpDst = 255。}}// 乘上系數(shù)fResult *= fCoef。 l++){ // 指向DIB第i iTempMY + k行，第j iTempMX + l個象素的指針lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (lHeight 1 i + iTempMY k)+ j iTempMX + l。 k++){for (l = 0。// 計算for (k = 0。 j++){// 指向新DIB第i行，第j個象素的指針lpDst = (unsigned char*)lpNewDIBBits + lLineBytes * (lHeight 1 i) + j。 i++)(繼17頁){// 列(除去邊緣幾列)for(j = iTempMX。// 行(除去邊緣幾行)for(i = iTempMY。}// 鎖定內存lpNewDIBBits = (char * )LocalLock(hNewDIBBits)。// 暫時分配內存，以保存新圖像hNewDIBBits = LocalAlloc(LHND, lLineBytes * lHeight)。// 圖像每行的字節(jié)數(shù)LONG lLineBytes。LONG l。LONG j。// 指向要復制區(qū)域的指針unsigned char* lpDst。HLOCAL hNewDIBBits。// 變換*lpSrc = bMap[*lpSrc]。 j lWidth。 i lHeight。// 計算圖像每行的字節(jié)數(shù)lLineBytes = WIDTHBYTES(lWidth * 8)。 (繼15頁)// 獲取圖像寬度lWidth = ::DIBWidth(lpDIB)。 // 更新DIB調色板藍色分量 lpbmcbmciColors[i].rgbtBlue = i。 // 更新DIB調色板紅色分量 lpbmcbmciColors[i].rgbtRed = i。 // 更新DIB調色板保留位 lpbmibmiColors[i].rgbReserved = 0。// 更新DIB調色板綠色分量lpbmibmiColors[i].rg