【正文】 eventdata, handles) % varargout cell array for returning output args (see VARARGOUT)。 % Update handles structure guidata(hObject, handles)。,0)。 end % End initialization code DO NOT EDIT % Executes just before Mywork is made visible. function Mywork_OpeningF(hObject, eventdata, handles, varargin) 23 setappdata(,39。 end if nargout [varargout{1:nargout}] = gui_mainf(gui_State, varargin{:})。amp。, [])。, [] , ... 39。, Mywork_OutputF, ... 39。, Mywork_OpeningF, ... 39。, gui_Singleton, ... 39。, mfilename, ... 39。 gui_State = struct(39。,...) creates a new MYWORK or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before Mywork_OpeningF gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to Mywork_OpeningF via varargin. % % *See GUI Options on GUIDE39。,39。,hObject,eventData,handles,...) calls the local % function named CALLBACK in with the given input arguments. % % MYWORK(39。在這里再次感謝幫助我的的同學(xué)，還有對(duì)我們精心指導(dǎo)的老師 ! 21 附錄 源程序： function varargout = Mywork(varargin) % MYWORK MATLAB code for % MYWORK, by itself, creates a new MYWORK or raises the existing % singleton*. % % H = MYWORK returns the handle to a new MYWORK or the handle to % the existing singleton*. % % MYWORK(39。 做課程設(shè)計(jì)是一次再系統(tǒng)的學(xué)習(xí)，讓我們鞏固了我 們所學(xué)的知識(shí)，讓我們以后能更好的運(yùn)用于實(shí)踐打下了一定基礎(chǔ)。 在課程設(shè)計(jì)的編寫(xiě)過(guò)程中， 指導(dǎo)老師傾注了大量的心血，一遍又一遍地指出每次編程里的具體問(wèn)題，詳細(xì)講解課題， 你的細(xì)心指導(dǎo)， 嚴(yán)格把關(guān)，循循善誘，在此我表示衷心感謝。 19 參考資料 [1] 朱虹 . 數(shù)字圖像處理基礎(chǔ) [M]. 北京 : 科學(xué)出版社 . :217220 [2]余成波 . 數(shù)字圖像處理及 MATLAB 實(shí)現(xiàn) [M]. 重慶 : 重慶大學(xué)出版 社 .:356359 [3]深潔 ,杜宇人 ,高浩軍 .圖像邊緣檢測(cè)技術(shù)研究 [J].信息技術(shù)， 2020(12). [4]尹建媛 . 圖像處理中邊緣檢測(cè)算法的研究 [J]. 科技信息 . 2020,(4):3032 [5]崔屹．?dāng)?shù)字圖像處理技術(shù)與應(yīng)用 [M]．北京：電子工業(yè)出版社， 1997： 3539． [6] 王予生 ,卜佳俊 ,陳純 .一種基于積分變換的邊緣檢測(cè)算法 [J]. 中國(guó)圖象圖形學(xué)報(bào) . 2020,7(2):145— 149 20 致謝 通過(guò)兩周的的努力，我的課程設(shè)計(jì)終于完成了。 在指導(dǎo)教師的指導(dǎo)下，我順利的完成了這次數(shù)字圖像的課程設(shè)計(jì)，課設(shè)題目有點(diǎn)難度，但對(duì)我們的課程學(xué)習(xí)，和知識(shí)的運(yùn)用有著很好的作用。 通過(guò)這次數(shù)字圖像課程設(shè)計(jì)，讓我可以熟悉 Matlab 這個(gè)軟件。 Laplacian 算子：是二階微分算子，對(duì)圖像中的階躍性邊緣點(diǎn)定位準(zhǔn)確， 但會(huì) 丟失一部分邊緣的方向信息，造成一些不連續(xù)的檢測(cè)邊緣。這種判定是欠合理的，會(huì)造成邊緣點(diǎn)的誤判 。 Prewitt 算子：凡灰度新值大于或等于閾值的像素點(diǎn)都是邊緣點(diǎn)。當(dāng)對(duì)精度要求不是很高時(shí)，是一種較為常用的邊緣檢測(cè)方法 。 Sobel 算子：根據(jù)像素點(diǎn)上下、左右鄰點(diǎn)灰度加權(quán)差，在邊緣處達(dá)到極值這一現(xiàn)象檢測(cè)邊緣。 圖 退出：若要退出，點(diǎn)擊文件菜單里的退出按鈕，則可退出圖像處理界 面。 16 圖 打開(kāi)圖片信息：點(diǎn)擊文件菜單里的打開(kāi)選擇所要打開(kāi)文件夾里的圖片，則有如圖 所示。 圖像文件的讀、寫(xiě)和顯示 圖像文件的讀取 讀圖像文件的函數(shù)格 式： A=imread（‘路徑、文件名及文件后綴’），如 I=imread（‘ e:\’） 其含義：將 e 盤中的 bmp 文件 image 賦給變量 I， bmp（ windows bitmap）為位圖文件。 B. 注釋前加“ %”。 A. 命令行以“，”或“；”結(jié)尾。 （ 2） 雙擊桌面 Matlab 圖標(biāo)。 圖 圖 ：是 Canny 算子所得，邊緣較聯(lián)系，但還是有丟失邊緣信息。 圖 圖 ：是 Prewitt 算子運(yùn)行后的圖片，所得的圖片精度不高，邊緣較粗。 12 五、程序運(yùn)行截圖及其說(shuō)明 圖 ：是原圖，做為參考圖片 圖 5. 圖 ：是 Sobel 算子運(yùn)行出來(lái)后的圖片，能 檢測(cè)到的邊緣信息較為連續(xù)，但邊緣很模糊。 此代碼缺少了 imread讀入圖片，因此不能夠正確的運(yùn)行。 axes()。Pick an image39。All Files (*.*)39。*.*39。Image Files (*.bmp, *.jpg, *.png, *.jpeg)39。*.jpeg39。*.jpg。 代碼在運(yùn)行過(guò)程中的錯(cuò)誤： [filename, pathname] = uigetfile( ... {39。它能在同一畫(huà)面上進(jìn)行靈活操作快速排除輸入程序中的書(shū)寫(xiě)錯(cuò)誤、語(yǔ)法錯(cuò)誤以至語(yǔ)意錯(cuò)誤，從而加快了用戶編寫(xiě)、修改和調(diào)試程序的速度，可以說(shuō)在編程和調(diào)試過(guò)程中它是一種非常簡(jiǎn)單的語(yǔ)言。 11 四、調(diào)試過(guò)程中出現(xiàn)的問(wèn)題及相應(yīng)解決辦法 Matlab 語(yǔ)言是一種解釋執(zhí)行的語(yǔ)言，它靈活、方便，其調(diào)試程序手段豐富，調(diào)試速度快。先確定一個(gè)閾值系數(shù)，該系數(shù)定義為梯度小于閾值的像素?cái)?shù)所占邊緣像素總數(shù)的比例，以 此來(lái)確定閾值。最后 Canny 算法將采用兩個(gè)閾值來(lái)連接邊緣。對(duì)一個(gè)邊緣來(lái)說(shuō)，其一階導(dǎo)數(shù)在邊界處存在一個(gè)向上的階躍，或者其二階導(dǎo)數(shù)過(guò)零點(diǎn)。 在進(jìn)行處理前， Canny 算子增強(qiáng)邊緣是將 鄰域（或局部）強(qiáng)度值有顯著變化的點(diǎn)突出來(lái)，一般通過(guò)計(jì)算梯度幅值來(lái)完成。根據(jù)邊緣的特性， Laplacian 算子可以作為邊緣提 10 取算子，計(jì)算數(shù)字圖像的 Laplacian 值可以借助模板實(shí)現(xiàn)，它相當(dāng)于高通濾波，常會(huì)出現(xiàn)一些虛假邊緣。 Canny：采用高斯函數(shù)對(duì)圖像進(jìn)行平滑處理，該算子也將一些高頻邊緣平滑掉，造成邊緣丟失，采用了雙閾值算法檢測(cè)和連接邊緣，邊緣的連續(xù)性較好。,[],[ jiIjiGjiS ?? ? （ 3）實(shí)驗(yàn)結(jié)果 分析 以 cameraman 圖片為例，分別用 Laplacian、 Canny 兩種算法，分別給檢測(cè)結(jié)果。 基于一階微分的邊緣檢測(cè)算子具有實(shí)現(xiàn)簡(jiǎn)單、運(yùn)算速度快等特點(diǎn)，檢測(cè)結(jié)果不可靠，不能準(zhǔn)確判定邊緣的存在及邊緣的準(zhǔn)確位置，造成這種情況的原因：(1)實(shí)際邊緣灰度與理想邊緣灰度值間存在差異，這類算子可能檢測(cè)出多個(gè)邊緣； (2)邊緣存在的尺度范圍各不相同，這類算子固定的大小不利于檢測(cè)出不同尺度上的所有邊緣； (3)對(duì)噪聲都比較敏感。 (6)實(shí)驗(yàn)結(jié)果分析 以 cameraman 圖片為例，分別用 Roberts、 Prewitt 兩種算法，分別給檢測(cè)結(jié)果。 開(kāi)始 讀取待測(cè)