【正文】 。 同時借此機會向我的父母表示感謝，感謝他們這么多年來對我不計回報的關(guān)愛和支持，幫我順利地度過每一個難關(guān)。 感謝同班同學(xué)在論文完成過程中給予的無私幫助，讓我能夠順利地完成論文。 參考文獻 [1] 龔聲蓉，劉純平，王強等 .數(shù)字圖像處理與分析 . 北京 ：清華大學(xué)出版社， 2021 [2] 阮秋琦 編著 .數(shù)字圖像處理學(xué) .北京：電子工業(yè)出版社， 2021 [3] 胡學(xué)龍，許開宇編著 .章毓晉 主審 .數(shù)字圖像處理 .北京：電子工業(yè)出版社， 2021 [4] ANIL 著 .韓博，徐楓譯 .數(shù)字圖像處理基礎(chǔ) .北京：清華大學(xué)出版社， 2021 [5] 范立南，韓曉微，張廣淵著 .圖像處理與模式識別 .北京：科學(xué)出版社， 2021 [6] 閆敬文 著 .數(shù)字圖像處理 (MATLAB 版 ).北京：國防工業(yè)出版社， 2021 [7] 郝文化主編 .Matlab 圖像圖形處理應(yīng)用教程 .北京：中 國水利水電出版社， 2021 [8] 王愛玲，葉明生，鄧秋香編著 .MATLABR2021 圖像處理技術(shù)與應(yīng)用 .北京： 電子工業(yè)出版社， 2021 [9] 孫即祥編著 .數(shù)字圖像處理 .河北教育出版社， 1993 [10] 游素亞，楊靜 .圖像邊緣檢測技術(shù)的發(fā)展與現(xiàn)狀 .電子科技導(dǎo)報， 1995； (8)： 25~28 [11] 季虎，孫即祥，邵曉芳 .圖像邊緣提取方法及展望 .計算機工程與應(yīng)用， 2021； 40(14)： 70~73 [12] 曾歡，王浩 .圖像邊緣檢測算法的性能比較與分析 .《現(xiàn)代電子 技術(shù)》 2021 年 第 14 期總第 229 期 [13] 章毓晉 .圖像處理與分析 .北京：清華大學(xué)出版社， 1999 [14] 章毓晉 .圖像分割 .北京：科學(xué)出版社， 2021 [15] Rafael C. Gonzalez. Digital Image Processing (Second Edition),阮秋琦，阮智宇 等譯 .北京：電子工業(yè)出版社， 2021 [16] [美 ] Kenh R. Castleman 著 .數(shù)字圖像處理 .朱志剛等譯 .北京：電子工業(yè)出 版社， 2021 [17] 孫仲康，沈振康 .數(shù)字圖像處理及應(yīng)用 .北京：清華大學(xué)出版社， 1985 [18] 陳正興 .小波分析算法與應(yīng)用 .陜西：西安交通大學(xué)出版社， 1997 [19] 崔屹 .圖像處理與分析 —— 數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用 .北京：科學(xué)出版社， 2021 [20] ， ，李叔梁等譯，數(shù)字圖像處理，科學(xué)出版社， 1982 33 致 謝 在論文完成之際，首先要感謝李向群老師對我的指導(dǎo)和幫助，從開題到論文定稿他都給了我很多寶貴的意見，回顧四年的大學(xué)生活，他更給了我無微不至的關(guān)心和照顧，他那嚴謹?shù)闹螌W(xué)態(tài)度和淵博的學(xué)識對我 產(chǎn)生了深遠的影響，并鞭策著我在以后的人生道路上不斷進取。在檢測邊緣的同時又要抑制噪聲，抑制噪聲的同時又難免會模糊邊緣，因此如何在邊緣檢測和噪聲抑制間取得平衡點將是研究的重點。 （ 3） 簡要介紹了現(xiàn)代邊緣檢 測技術(shù)。 本論文的主要工作和成果： （ 1） 本論文對傳統(tǒng)的邊緣檢測算法原理進行了詳細的分析，全面總結(jié)了各種算子的優(yōu)缺點，并通過仿真體現(xiàn)了各算法的特點及處理最佳效果。 然后對基于微分算子邊緣提取的具體實現(xiàn)給出了自己的思路，并經(jīng)過仿真驗證了仿真的效果。對于不同的系統(tǒng)，應(yīng) 31 選擇適當(dāng)?shù)姆椒ǎ⑶乙朴诮Y(jié)合一些其它的算法來改進提取效果。因此，如何獲取圖像的邊緣成為圖像處理與分析中的熱點問題。因而，尋求算法較簡單、 能較好解決邊緣檢測精度與抗噪聲性能協(xié)調(diào)問題的邊緣檢測算法將一直是圖像處理與分析中研究的主要問題之一?？梢?，無論哪一種邊緣檢測算法在解決一定問題的同時也存在不同類型的缺陷。 (a)原始含噪圖像 (b)圖像近似部分 (a1)原始圖像邊緣 (b1)近似圖像邊緣 圖 基于小波包分解的邊緣檢測 30 由圖 可見，利用 db4 正交小波基進行一層小波包分解后，所得近似圖 比原圖層次更加鮮明，檢測出的邊緣效果更好。 與小波分解相比，小波包分解是一種更為精細的方法，可以根據(jù)信號特征靈活的選取分解方式，在各種不同分辨率下對圖像進行邊緣提取，尤其對于含噪圖像的提取效果更好。 29 基于小波包分解的邊緣檢測 基于小波包多分辨率圖像邊緣提取方法是在小波函數(shù)對圖像分解的基礎(chǔ)上發(fā)展起來的，由于小波包分解后得到的圖像序列有近似部分和細節(jié)部分組成，近似部分是原圖像對高頻部分進行濾波后的近似表示。 BW=FJ。,3)。 end end end B=strel(39。 end end for x=1:M1 for y=1:N1 if I(x,y)128 F(x,y)=1。 [M,N]=size(I)。gaussian39。 I=rgb2gray(I)。39。多尺度邊緣檢測的基本思想就是沿梯度方向，分別用幾個不同尺度的邊緣檢測算子在相應(yīng)點上檢測模極大值的變換情況，并通過對閾值的選取，再在不同尺度上進行綜合，得到最終邊緣圖像，可以較好的解決噪聲和定位精度之間的矛盾。當(dāng)尺度大時，圖像的邊緣穩(wěn)定，抗噪性好，但定位精度差。 由于小波變換具有的多尺度特性，圖像的每個尺度的小波變換都提供了一定的邊緣信息。 程序代碼如下： 28 基于小波變換多尺度分析的邊緣檢測 小波變換是傳統(tǒng)的 Fourier變換的繼承和發(fā)展，具有一定的分析非穩(wěn)信號的能力，主要表現(xiàn)在高頻處的時間分辨率高，低頻處的頻率分辨率高，即具有變焦特性，因此特別適合于圖像這一類非平穩(wěn)信號的處理。 27 圖 邊緣提取算法示意圖 Matlab 仿真 仿真結(jié)果如圖 所示。如果采用一個 55? 全“ 1”的結(jié)構(gòu)元素，可得到一個 2~3 像素的邊 緣。它表示了一個簡單的二值圖像，一個結(jié)構(gòu)元素和用公式 )()( BAAA ???? 得出的結(jié)果。 邊緣提取算法 集合 A 的邊界記為 )(A? ，可以通過下述算法提取邊緣：設(shè) B 是一個合適的結(jié)構(gòu)元素，首先令 A 被 B 腐蝕 ，然后求集合 A 和它的腐蝕的差。 26 用數(shù)學(xué)形態(tài)學(xué)運算進行邊緣檢測 也存在著一定的不足。其中膨脹和腐蝕是兩種最基本、最重要的變換，其它變換由這兩種變換的組合來定義。 數(shù)學(xué)形態(tài)學(xué)的主要內(nèi)容是設(shè)計一整套變換，來描述圖像的基本特征或基本結(jié)構(gòu)。形態(tài)學(xué)運算是物體形狀集合與結(jié)構(gòu)元素之間的相互作用，對邊緣方向不敏感，并能在很大程度上抑制噪聲和探測真正的邊緣；同時，數(shù)學(xué)形態(tài)學(xué)在圖像處理方面還具有直觀上的簡單性和數(shù)學(xué)上的嚴謹性，在描述圖像中物體形狀特征上具有獨特的優(yōu)勢。 經(jīng)典的微分算子理論成熟，計算設(shè)計簡單 ，還有很多提升的空間。 上面幾種基于微分的經(jīng)典邊緣提取算子，它們共同的優(yōu)點是計算簡單、速度較快，缺點是對噪聲的干擾都比較敏感。如果進行減噪，往往連目標信息也一同去除，因此檢測效果不很理想。 本章小結(jié) 經(jīng)典的微分算子，一般首先檢測出圖像局部特征的不連續(xù)性，然后再將這些不連續(xù)的邊緣像素連成完備的邊界。 24 (a)原圖 (b)元胞自動機提取結(jié)果 圖 可見元胞自動機邊緣檢測的效果非常好，其原理模型和微分算子的 3? 3模板類似，其需找邊緣的思想也是根據(jù)邊緣的灰度變化大小來確定，可以歸其為一種改進的微分算子。 end end end figure。 (abs(im(i,j+1)im(i,j))sigma)) im_o(i,j)=100。 (abs(im(i+1,j)im(i,j))sigma)amp。max=1) sigma=max/10。 end end end if(max200) sigma=max/20。 for j=1:N for i=1:M1 if(abs(im(i,j)im(i+1,j))T) max=abs(im(i,j)im(i+1,j))。 I=im2double(I)。)。 I=imread(39。 close all。 for i=1:M for j=1:N1 clear all。 else im(x,y)=255。本文對 sigma 的選取如程序代碼，是一個統(tǒng)計的結(jié)果，并無理論依據(jù)。 (a)4 鄰居模型 (b)8 鄰居模型 圖 元胞自動機鄰居模型 22 圖 元胞自動機的組成 程序設(shè)計及仿真 以 4 鄰居模型為例，如圖 所示。用元胞自動機得到一個定量的結(jié)果非常困難，即便是可能的話，元胞自動機也將陷入一個尷尬，元胞自動機的狀態(tài)、規(guī)則等構(gòu)成必然會復(fù)雜化，從而不可避免地失去其簡單、生動的特性。因此，以元胞自動機為代表的離散計算方式在求解方面，尤其是動態(tài)系統(tǒng)模擬方面有著更大的優(yōu)勢。這個改造過程不僅是繁雜的，甚至是不可能解決的，但最重要的是在這個過程中，微分方程也失去了它的自身最重要的特性 —— 精確性、連續(xù)性。而元胞自動機則是完全的空間 離散、時間離散。一批偉大的科學(xué)家，如 Euler、Laplace、 Poisson 等都作出了卓越的貢獻。 實驗仿真及結(jié)果分析 預(yù)處理前后邊緣提 取效果對比如圖 ： (a)未經(jīng)預(yù)處理提取結(jié)果 (b)經(jīng)預(yù)處理后的提取結(jié)果 圖 由圖 可知，在圖像進行邊緣提取前，如果先進行預(yù)處理（如平滑處理等），將圖片處理為適合于該算子的圖片類型，處理效果將大大提高。laplacian39。 end 20 end end imshow(F4)。（后面的二值化處理閾值選取都是 128） 圖 對以上經(jīng)過預(yù)處理后的圖像再利用微分算子進行邊緣檢測，就會得到較好的效果，此處以 Laplace算子為例 : %Laplacian具 體算法 for x=2:M1 for y=2:N1 if(abs(F(x,y1)+F(