【正文】 這些要求往往很矛盾，很難得到完全得統(tǒng)一， 判斷邊緣檢測的效果應(yīng)該主要從檢測后的圖片進行比較。 （ 5） 對噪聲應(yīng)該不敏感。 （ 3） 檢測的響應(yīng)最好是單像素的。 邊緣檢測算子的評價 數(shù)字圖像 邊緣檢測 的 要求 對于數(shù)字圖像邊緣檢測來說，一般在識別過程中有如下要求： （ 1） 首先能夠正確 的檢測出有效的邊緣。對小圖片進行處理時，速度比較令人滿意。在本論文中，我用的是 Windows XP 自帶的圖片進行處理，能夠達到預(yù)期的目標，由此我們可以證明此系統(tǒng)的實用性。 設(shè)計總測試 打開指定的工作區(qū)，在 Visual C運行環(huán)境下可以順利通過編譯，沒有出現(xiàn)問 題和警告。 = box1。 (i, j, cc)。 if (bb 255) bb = 255。 bb = (fxb) + (fyb) + 128。 fxb = b1 b2。 b3 = 。 b1 = 。 if (gg 0) gg = 0。 fyg = g3 g4。 g4 = 。 湖南人文科技學(xué)院畢業(yè) 設(shè)計 28 g2 = 。 if (rr 255) rr = 255。 rr = (fxr) + (fyr) + 128。 fxr = r1 r2。 r3 = 。 r1 = 。 c3 = (i + 1, j)。 j++) { c1 = (i, j)。 i++) { for (j = 0。 for (i = 0。// int b1, b2, b3, b4, fxb, fyb。// int r1, r2, r3, r4, fxr, fyr。 湖南人文科技學(xué)院畢業(yè) 設(shè)計 27 int i, j。 Color c3 = new Color()。 下面是這部分的代碼 : private void CANY 檢測 _Click(object sender, EventArgs e) { Color c1 = new Color()。 Canny 算法的高、低門限修補不連續(xù)輪廓的思想 ， 對整幅圖像使用固定的高、低閾值進行分割 ， 無法顧及圖像中的局部特征信息 ， 一方面無法消除局部噪聲干擾 ， 另一方面會丟失灰度值變化緩慢的局部邊緣 ， 導(dǎo)致目標物體的輪廓邊緣不連續(xù) ， 使分割效果受到影響。 三是對每個邊緣有唯一的響應(yīng) ， 得到的 邊緣為單像素寬 。 這是因為 Canny 邊緣檢測算子具有三個優(yōu)良指標 ： 一是低失誤概率 ， 既要少將真正的邊緣丟失 ， 也不能將非邊緣判為邊緣 。圖像的邊緣點即為在 A? 方向上使 M? 取得局部極大值的點。 其定義為 ： 對圖像 f ( x， y) 進行高斯函數(shù)濾波后得到 ( , )f xy ， f ( x ， y) * Gα( x ，y)， 其中 α為相應(yīng)的尺度因子。換句話說 ， 圖像中灰度變化 劇烈的點與變化緩慢的點都對應(yīng)著二階導(dǎo)數(shù)零交叉點。 } } 程序運行的結(jié)果見圖 314， 315 所示： Canny 算子設(shè)計實現(xiàn) Canny 算子的基本思想是先將圖像使用高斯函數(shù) Gauss 進行平滑再由一階微分的極大值確定邊緣點。 (i, j, (result, result, result))。 湖南人文科技學(xué)院畢業(yè) 設(shè)計 25 if (result 255) result = 255。 p3 = (int)( * pixel[3].R + * pixel[3].G + * pixel[3].B)。 p1 = (int)( * pixel[1].R + * pixel[1].G + * pixel[1].B)。 pixel[3] = (i + 1, j + 1)。 pixel[1] = (i, j + 1)。 i width 2。 j 0。 int result = 0。 int i, j, p0, p1, p2, p3。 Bitmap temp = new Bitmap(width, height)。 int height = 。下圖所示的 2 個 卷積核形成了Roberts 算子，圖像中的每一個點都用這 2 個核做卷積 ，模版如圖 313 所示： 1 0 0 － 1 圖 313Robert 算子 Roberts 算子是 22? 算子，利用局部差分尋找邊緣，計算沿 45 度方向的 一階差分 ，圖 像的梯度 兩 45 度方向的梯度向量和，直接計算圖像差分，不包含平滑，故不能抑制噪聲，對具有陡峭的噪聲圖 像 響應(yīng)最好。 } } } } 程序運行的結(jié)果見圖 311，圖 312 所示： 湖南人文科技學(xué)院畢業(yè) 設(shè)計 23 圖 311 二值處理后的圖片 圖 312 拉普拉斯檢測后的圖片 Roberts 算子設(shè)計實現(xiàn) Roberts 子是一種利用局部差分算子尋找邊緣的算子，它由下式給出 ： 22g ( x , y ) = [ ( , ) ( 1 , 1 ) ] [ ( 1 , ) ( , 1 ) ]f x y f x y f x y f x y? ? ? ? ? ? ? （ 310） 其中 ( , )f xy ， ( 1, )f x y? ， ( , 1)f x y? ， ( 1, 1)f x y??分別為四鄰 域的坐標， 且是具有整數(shù)象素坐標的輸入圖像，其中平方根運算 使得該處理類似于人類視覺系統(tǒng)中發(fā)生的過程。 } ()。 Color cc=(rr,gg,bb)。 if(bb0) bb=0。 fxb=4*b3b1b2b4b5。 b4=。 b2=。 if(gg255) gg=255。 gg=(fxg)*5+128。 g5=。 g3=。 g1=。 if(rr0) rr=0。 fxr=4*r3r1r2r4r5。 r5=。 r3=。 r1=。 c4 = (i, j + 1)。 c2 = (i 1, j)。 j = height 2。 i width 2。 Bitmap box1 = new Bitmap()。// int height = 。 int b1, b2, b3, b4, b5, fxb。 Color c5 = new Color()。 Color c3 = new Color()。 Color c1 = new Color()。0 1 0 1 4 1 0 1 0 1 1 1 1 8 1 1 1 1 湖南人文科技學(xué)院畢業(yè) 設(shè)計 20 其優(yōu)點是各向同性 ， 不但可以檢測出絕大部分邊緣 ， 同時基本沒有出現(xiàn)偽邊緣 ， 可以精確定位邊緣。拉普拉斯模板圖 310 所示： 圖 310 拉普拉斯算子模板 拉普拉斯邊緣算子的缺點是 ： 由 于為二階差分 ， 雙倍加強了噪聲的影響 。 拉普拉斯算子 旋轉(zhuǎn)不變性 ， 即各自同向的性質(zhì)在數(shù)字圖像中可以近視的表示為： ( , ) ( 1 , ) ( , 1 ) ( , 1 ) 4 ( , )f x y f x y f x y f x y f x y? ? ? ? ? ? ?2▽ （ 38） 數(shù)字圖像函數(shù)的拉普拉斯算法也是借助各種模板卷積實現(xiàn)的。 =box1。//用 fromArgb 方法由 顏 色分量值創(chuàng)建 Color 結(jié)構(gòu) (i, j, cc)。 if(rr255) rr=255。 rr = (fxr) + (fyr)。 fxr=r6+2*r2+r7r82*r4r9。 r8=。 r6=。 r4=。 r2=。 c9 = (i+1,j+1)。 c7 = (i1,j+1)。 c5 = (i,j+1)。 c3 = (i,j)。 j++) { c1 = (i,j1)。i++) { for (j = 1。 for(i=1。 int width = 。 int rr, r1, r2, r3, r4, r5, r6, r7, r8, r9, fxr, fyr, i, j。 Color c8 = new Color()。 Color c6 = new