【正文】 二階導(dǎo)數(shù)的方向的邊緣，邊緣檢測(cè)，使用一個(gè)簡(jiǎn)單的方法，邊緣檢測(cè)sublocal算子。邊緣檢測(cè)算法常常面對(duì)具體問題，可憐的普遍性。一、邊緣提取的步驟圖像邊緣檢測(cè)和邊緣檢測(cè)是至關(guān)重要的領(lǐng)域的計(jì)算機(jī)視覺技術(shù)，如何快速、準(zhǔn)確地提取圖像邊緣信息一直在研究和發(fā)展的重點(diǎn)技術(shù)和整個(gè)領(lǐng)域的發(fā)展，邊緣檢測(cè)技術(shù)已成為圖像分割、目標(biāo)識(shí)別、圖像壓縮技術(shù)。經(jīng)典的邊界提取技術(shù)大多是基于微分運(yùn)算。我們將邊緣被定義為圖像灰度變化發(fā)生在該地區(qū)的邊界。經(jīng)典的邊緣檢測(cè)算子包括：Roberts算子，Prewitt算子，Sobel算子，Log (Laplacian of Gaussian)算子等。精確確定邊緣的位置。邊緣檢測(cè)是最簡(jiǎn)單的梯度幅值閾值的確定。（3）檢測(cè)。算法將有顯著變化的灰度鄰域點(diǎn)突出。但過濾器，以減少噪聲和強(qiáng)度的邊緣損傷。二、邊緣檢測(cè)基本步驟具體的圖像邊緣檢測(cè)的基本步驟如下：（1）過濾器。提取邊緣的圖像識(shí)別往往需要輸出是一個(gè)二值圖像，邊緣的只有黑白灰度圖像，一個(gè)灰度級(jí)代表邊緣，另一個(gè)為背景。它還涉及到紋理圖像處理方法。圖像灰度變化比較嚴(yán)重的區(qū)域比較符合要求，我們通常用此特征提取圖像邊緣。經(jīng)典的邊緣檢測(cè)方法往往會(huì)斷的不完全信息結(jié)構(gòu)，噪聲和敏感，為了有效地抑制噪聲，通常對(duì)原始圖像進(jìn)行平滑，然后邊緣檢測(cè)可以檢測(cè)真實(shí)的邊緣。第三，我們要考慮噪聲的影響，一種方法是濾除噪聲，有一定的局限性；同時(shí)考慮了信號(hào)和噪聲的檢測(cè)條件，利用統(tǒng)計(jì)信號(hào)分析，或通過圖像區(qū)域的建模，進(jìn)一步使檢測(cè)參數(shù)。其次，要知道在一定空間范圍內(nèi)發(fā)生的特征變化，不要指望在檢測(cè)算子能檢測(cè)出圖像中所有特征的最佳變化。理想的邊緣檢測(cè)應(yīng)在邊緣的存在，真和假，和方向定向，很長一段時(shí)間，人們一直關(guān)注這個(gè)問題的研究，除了常用的本地運(yùn)營商和后來發(fā)展的基礎(chǔ)上，各種改進(jìn)方法，并提出了許多新的技術(shù)[16]。將上述矩特征量進(jìn)行位置歸一化，得到圖像的中心矩：對(duì)于數(shù)字圖像，基于雙重求和的方法替換該積分，點(diǎn)處的階矩可以表示成： 由此可見該中心幾何矩也符合尺度不變性的特性。通過唯一性理論，如果是分段連續(xù)的，即只要在xy平面區(qū)域有非零值，則所有的各階矩均存在，且矩序列{mp,q}唯一的被所確定。四、不變矩年，美國專家Guiming Hu發(fā)現(xiàn)了二維矩不變量理論，接著把該理論成功應(yīng)用到了圖像識(shí)別中。轉(zhuǎn)矩特性是基于該區(qū)域的灰度分布的統(tǒng)計(jì)分析的基礎(chǔ)上，是一個(gè)術(shù)語用來描述一個(gè)統(tǒng)計(jì)平均，可以從全局的角度來看，對(duì)象的整體功能。如果圖像的復(fù)雜邊界特性，用上述參數(shù)來描述物體的形狀就比較困難。在最小外接圓面積作為衡量區(qū)域形狀的計(jì)算。理論上講，正方形的圓形度為/4=，正三角形的圓形度為/9=.另外，圓形度還有兩個(gè)計(jì)算公式： 其中，A是區(qū)域面積，L是最小外接圓面積。為了這個(gè)原因，一般使用圓形程度來衡量圖形的形狀的程度。矩形度的值限定在0到1之間。第三節(jié) 幾種不同的度量一、矩形度用目標(biāo)圖像的面積和包圍該圖像的最小的矩形面積之比作為目標(biāo)矩形度的一種度量參數(shù)，記為 其中A0表示目標(biāo)圖像的面積，AR表示包圍該圖像的最小矩形的面積。 （4）形狀不變矩法利用目標(biāo)所占區(qū)域的矩作為形狀描述參數(shù)來進(jìn)行分類。（3）幾何參數(shù)法形狀表示和匹配方法來描述一個(gè)更簡(jiǎn)單的，定量的措施，如采用形狀參數(shù)法（形狀因子）的形狀參數(shù)法（形狀參數(shù)）的區(qū)域特征。（2）傅里葉形狀描述符法傅立葉形狀描述符的基本思想是使用一個(gè)對(duì)象的邊界，傅立葉變換的形狀描述，使用的區(qū)域邊界閉合和周期性，二維問題成一維問題。Hough變換檢測(cè)平行線法和邊界方向直方圖法是一種經(jīng)典的方法。下面是幾種典型的形狀特征描述方法。最典型的兩種形狀模板匹配方法的特征是傅立葉描述符、變形和形狀不變矩。一般而言，形式特征表示方法可以分為兩類：基于邊界和基于區(qū)域的。一個(gè)單一的物體，分辨率和無參考和比較特點(diǎn)的可靠性。如形狀的幾何分類，面積和周長之間的特征是高度相關(guān)的，和形狀指數(shù)的形狀和大小有一定的相關(guān)性，但相關(guān)程度低。（3）獨(dú)立性如果必須使用多個(gè)特征分類，應(yīng)該盡可能地將這些特性之間是無關(guān)的。作為一組不同大小的圓形，如果選擇以“區(qū)域”為基礎(chǔ)，其與其他類別分離，其可靠性較低，同一圓在不同樣本區(qū)域的差異較大，并選擇“形狀指數(shù)”作為分類的依據(jù)，其可靠性高，所有在同一個(gè)圓類中的同形指數(shù)。（2）可靠性在同一類別的所有對(duì)象的特征值應(yīng)該是盡可能接近。面積如三角形和圓形，兩者的計(jì)算間距很小，類之間的距離的形狀指數(shù)非常大，因?yàn)檫@2種類型的樣本各有相同的內(nèi)部形狀指數(shù)，方差的特征是接近0，所以類之間的距離較大。較好的特征必須具備以下四個(gè)特點(diǎn)：（1）區(qū)別性理論上，點(diǎn)的特征值屬于不同類別的對(duì)象應(yīng)該有明顯的差異。特征提取的圖像特征選擇原則是對(duì)所包含的輸入信息進(jìn)行處理和分析，將信息容易受到隨機(jī)干擾，作為特征提取模型。所以，在形狀描述中，該描述符的選擇應(yīng)具有平移不變性和旋轉(zhuǎn)不變性和縮放不變性。對(duì)于圖像匹配的目的，需要進(jìn)一步說明的幾何形狀。在提取物體的形狀特征之前，首先對(duì)圖像進(jìn)行邊緣檢測(cè)，以獲取物體邊界輪廓，然后需要對(duì)邊界區(qū)域的特征進(jìn)行輪廓提取。第二節(jié) 形狀特征及其描述方法一、形狀特征本文主要采用的是幾何參數(shù)法來判斷給出的的圖像是什么形狀。通常取成2的n次冪，即： 圖像在計(jì)算機(jī)中所占的二進(jìn)制儲(chǔ)存位數(shù)b可以做如下計(jì)算： 事實(shí)上，數(shù)字圖像不能夠完全代替原圖像，因?yàn)樵跀?shù)據(jù)處理的過程中會(huì)帶來或多或少的誤差，這種誤差的大小大部分由采樣樣本的大小和數(shù)量以及量化的級(jí)數(shù)K決定的。通?；叶戎凳强梢赃M(jìn)行量化的，主要有下面幾種方法對(duì)：均勻量化（uniform quantization），線性量化（liner quantization），對(duì)數(shù)量化，MAX量化，錐形量化（tapered quantization）等。把這些連續(xù)的濃淡值或灰度值變?yōu)殡x散的值（整數(shù)值）的操作就是量化。三、量化經(jīng)過采樣，圖像被分解成在時(shí)間上和空間上離散分布的像素，但是像素的值（灰度值）還是連續(xù)值。目前來看，掃描操作可以分為水平操作、垂直操作和時(shí)間上的操作。二、采樣采樣的工作原理是提取出圖像的特征，將圖像在時(shí)間上分割成多個(gè)時(shí)間點(diǎn)，并找到每個(gè)時(shí)間點(diǎn)對(duì)應(yīng)的圖像離散點(diǎn)，把每個(gè)離散值當(dāng)做一個(gè)像素，最后形成一個(gè)包含了圖像信息的集合。但是它和圖像索引不同，它說產(chǎn)生的值是直接放到數(shù)組內(nèi)。與上面類似，二進(jìn)制圖像也能夠處理成不同的數(shù)據(jù)類型，可以是雙精度型，也能設(shè)置為整形，但值得注意的是，Matlab在對(duì)圖像進(jìn)行處理時(shí)，所有的值都是以u(píng)int8類型邏輯數(shù)組來返回的。矩陣的每個(gè)元素代表不同的亮度或灰度級(jí)。矩陣的大小與像素有關(guān)，每一個(gè)像素點(diǎn)就是矩陣中的某一個(gè)值。圖像的數(shù)據(jù)類型一般為雙精度或者整形，uint8支持256色，通常用在圖像中?；镜膱D像類型分為以下幾種：（1）索引圖像索引圖像實(shí)際上是利用圖像的像素進(jìn)行匹配，每個(gè)圖像的像素是由紅黃藍(lán)三種顏色決定的，他們形成一個(gè)矩陣，每個(gè)矩陣都含有一個(gè)特定的值，這樣就能構(gòu)成圖像的索引。以上所提到的Matlab在圖像中的應(yīng)用都是由相應(yīng)的Matlab函數(shù)來實(shí)現(xiàn)的，使用時(shí)，只需按照函數(shù)的調(diào)用語法正確輸入?yún)?shù)即可。（5）圖像的數(shù)學(xué)形態(tài)學(xué)處理。（4）圖像的分析和增強(qiáng)。（3）圖像變換。Matlab提供了強(qiáng)大的線性以及非線性運(yùn)算，例如求和運(yùn)算、求差運(yùn)算，還有相關(guān)性運(yùn)算等。Matlab 中包含有圖像文件導(dǎo)入函數(shù) imread()，可以用來導(dǎo)入如:bmp、tif、tiffpcx、jpg、gpeg、hdf、xwd等格式圖像文；圖像寫出函數(shù)imwrite()，還有圖像顯示函數(shù)image()、imshow()等等。圖像處理工具包是Matlab軟件中附帶的專業(yè)的工具箱，它是由眾多的函數(shù)組成的，操作人員能夠自由的對(duì)程序進(jìn)行編寫和修改，程序中的注釋部分也大大提高的可讀性，工具包中還包含有圖像變換、濾波等操作，去操作能夠有效的保留圖像的精度[14]。為了從一般的照片，景物中得到符合要求的數(shù)字圖像，在前期準(zhǔn)備過程中，需要對(duì)原圖做兩種操作，即采樣與量化（二者統(tǒng)稱為數(shù)字化）。1，8位Zpixmaps，Xybitmaps，1位Xypixmaps。具體的內(nèi)容有：文件頭（一個(gè)BITMAP FILEHEADER數(shù)據(jù)結(jié)構(gòu)），位圖信息數(shù)據(jù)塊（位圖信息頭BITMAP INFOHEADER和一個(gè)顏色表）和圖像數(shù)據(jù)。（5）TIFF（Tagged Image File Format）格式。有8位，24位光柵數(shù)據(jù)集。文件內(nèi)容包括：文件頭（一個(gè)BITMAP FILEHEADER數(shù)據(jù)結(jié)構(gòu)），位圖信息數(shù)據(jù)塊（位圖信息頭BITMAP INFOHEADER和一個(gè)顏色表）和圖像數(shù)據(jù)。（2）BMP（Windows Bitmap）格式。可處理1，4，8，16，24位等圖像數(shù)據(jù)。第二章 數(shù)字圖像處理方法第一節(jié) 數(shù)字圖像的預(yù)處理一、數(shù)字圖像數(shù)字圖像，顧名思義就是對(duì)一般圖像進(jìn)行處理，得到可以進(jìn)行數(shù)字運(yùn)算的圖像，其中最重要的一個(gè)步驟是吧圖像進(jìn)行分割，得到如圖21所示的子圖像，每個(gè)子圖像都有其固定的像素，我們便可以通過子圖像區(qū)域像素的差別來對(duì)圖像的邊界定性定位與識(shí)別。第三章 簡(jiǎn)要闡述了幾種邊緣檢測(cè)算子，分析邊緣檢測(cè)算子的各個(gè)模型，并比較他們的優(yōu)劣。第四節(jié) 論文主要內(nèi)容及章節(jié)安排本文主要是運(yùn)用MATLAB為工具，來研究對(duì)圖像的形狀，并對(duì)不同形狀的圖像進(jìn)行分類，其結(jié)構(gòu)安排如下：第一章 引言，介紹了課題研究背景，圖像的定義，邊緣檢測(cè)的內(nèi)容、以及課題的研究現(xiàn)狀。雖然各特征提取和識(shí)別算法的能力，特征提取，特征識(shí)別能力的影響方面的優(yōu)勢(shì)，但仍然在性能的算法，通用性，自動(dòng)化程度的自動(dòng)化，精度有許多不足之處?，F(xiàn)有的特征提取和識(shí)別算法基本上仍處于實(shí)驗(yàn)階段，其實(shí)用性和通用性和準(zhǔn)確性要求從大規(guī)模的實(shí)際應(yīng)用到一定程度。中國學(xué)者也成功加入到對(duì)該類軟件的研發(fā)過程中，比如：東北大學(xué)研發(fā)出SEAS系統(tǒng)，華中理工大學(xué)研發(fā)的的EDIS系統(tǒng)，還有清華紫光研發(fā)的THDAIMS圖紙?zhí)幚硐到y(tǒng)等?；谇懊嫜芯空叩某晒?，很多圖像處理軟件被成功運(yùn)用，而且取得了不錯(cuò)的效果，這些軟件都有一個(gè)共同的特征，就是具有較高的識(shí)別精度和較快的特征提取速度。第三節(jié) 國內(nèi)外研究現(xiàn)狀一直以來，特征提取及識(shí)別都富含極高的可靠性，在國際上都具有很高的價(jià)值，被各個(gè)領(lǐng)域的專家學(xué)者廣泛探索。視頻交通流檢測(cè)和車輛識(shí)別系統(tǒng)是一種圖像邊緣檢測(cè)技術(shù)，用于實(shí)現(xiàn)計(jì)算機(jī)處理系統(tǒng)的交通目標(biāo)檢測(cè)與識(shí)別。（3）公安軍事方面的應(yīng)用，就目前來說，最廣泛的應(yīng)用就是在識(shí)別領(lǐng)域的運(yùn)用，如人臉識(shí)別，由于每個(gè)人的人臉輪廓是不同的，所以相關(guān)機(jī)關(guān)能夠通過采集城市攝像頭中的圖像來對(duì)犯罪人員的人臉進(jìn)行匹配，有助于成功抓獲犯罪分子，不僅如此，我們還可以對(duì)犯罪分子的車牌進(jìn)行匹配，成功定位到犯罪分子的活動(dòng)范圍，同樣有利區(qū)國防安全?，F(xiàn)在配備了先進(jìn)的計(jì)算機(jī)系統(tǒng)讀取圖像邊緣檢測(cè)的分析首先提取圖像邊緣，縮減了人工并增強(qiáng)了效率，還可以從圖片中獲取人工不能獲取眾多有效信號(hào)。邊緣檢測(cè)的應(yīng)用范圍相當(dāng)廣泛，其主要表現(xiàn)在以下方面： （1）航天和航空技術(shù)方面的應(yīng)用，數(shù)字圖像邊緣檢測(cè)技術(shù)在航空和航天技術(shù)應(yīng)用中，除了月球，火星，照片處理，另一方面是遙感和衛(wèi)星遙感技術(shù)的應(yīng)用在飛機(jī)。由于人的工作方式是不斷改變的，其研究了領(lǐng)域也是不斷擴(kuò)大的，所以邊緣檢測(cè)的運(yùn)用范圍也是無止境的。新興研究小波變換在時(shí)域和頻域具有良好的定位特性，它在圖像邊緣檢測(cè)也有廣泛而有效的應(yīng)用。（6）圖像變換，由于圖像陣列很大,直接處理空間領(lǐng)域的涉及大量的計(jì)算。（5）圖像分類，作為模式識(shí)別的一部分,它的主要內(nèi)容是經(jīng)過圖像預(yù)處理，圖像分割，特征提取，分類判斷。對(duì)圖像的分割可以在時(shí)空中處理，也可以在平面內(nèi)進(jìn)行。其中，圖像分割是為了對(duì)圖像進(jìn)行下一步處理。（4）圖像增強(qiáng)和復(fù)原，即采用相應(yīng)的增強(qiáng)技術(shù)對(duì)圖像鏡像操作，以便能夠直觀的觀察到圖像，并獲取圖像的對(duì)比度。大多數(shù)圖像邊緣檢測(cè)技術(shù)中都使用了某種形式的梯度算子。通常情況下，圖像分割的方式有兩種：一是將每個(gè)子圖像的灰度值進(jìn)行平均化，得到均勻變化的過程；二是充分運(yùn)用圖像中灰度的差別，搜索出不同圖像之間的輪廓。（2）圖像分割，圖像分割過程非常復(fù)雜，它是將圖像分解成若干個(gè)很小的子圖像，然后對(duì)每一個(gè)子圖像進(jìn)行測(cè)量，得到相應(yīng)的目標(biāo)。圖像邊緣檢測(cè)的主要研究內(nèi)容包括：（1）圖像獲得和抽樣，目的是通過有效的途徑來獲取圖像，并對(duì)圖像進(jìn)行抽取，首先通過圖像獲取裝置得到相應(yīng)的圖像，其次，將圖像轉(zhuǎn)換為對(duì)應(yīng)的數(shù)字化信號(hào)，并對(duì)該型號(hào)進(jìn)行采樣提取，結(jié)合圖像傳感器，對(duì)獲得的圖像進(jìn)行提取。其目的是提高質(zhì)量的相關(guān)信息,再提取有用的信息。本文正是運(yùn)用Matlab軟件對(duì)圖像的邊緣檢測(cè)算法進(jìn)行編輯，通過執(zhí)行文件，識(shí)別圖像的輪廓來得到圖形的邊界特征。Matlab中的simulink工具箱還可以通過搭建仿真模型來，使得用戶對(duì)圖形有一個(gè)直觀的了解，因此也受到了眾多學(xué)者的認(rèn)可。不僅如此，用戶漢可以認(rèn)為編寫程序，對(duì)工具包進(jìn)行擴(kuò)充處理，每個(gè)工具包中都具有相應(yīng)的測(cè)試案例方便初學(xué)者學(xué)習(xí)。Matlab指令非常簡(jiǎn)單，通俗易懂，真是因?yàn)檫@樣的優(yōu)勢(shì)，matlab在國際上得到了有效的發(fā)展，并被廣泛運(yùn)用。其是由美國的MathWorks 公司研發(fā)的集成了數(shù)值計(jì)算、符號(hào)計(jì)算等功能與一體的軟件，其最具特色的圖形可視化功能，能夠讓人直觀的對(duì)仿真結(jié)果有一個(gè)清晰的認(rèn)識(shí)，是一款世界公認(rèn)的強(qiáng)大的應(yīng)用軟件[8]。你可以說，只是邊界輪廓，是一個(gè)地方的概念，而且形狀都是，是一個(gè)一般的概念。形狀的輪廓，用數(shù)學(xué)語言對(duì)應(yīng)的亮度是二階導(dǎo)數(shù)的形成，只有線性變化的亮度不產(chǎn)生輪廓。當(dāng)我們看到一個(gè)物體的形狀，就是要看到一個(gè)輪廓，這個(gè)輪廓來區(qū)分物體和其他部分的視覺。外形是最基本的概念，它與形狀有著密切的關(guān)系。所以形狀描述涉及封閉曲線或描述的包體的輪廓描述。形狀是描述對(duì)象的一個(gè)定義特征，并描述圖像內(nèi)容的重要特征。人的第一個(gè)思想的光學(xué)系統(tǒng)是在物體的形式，可以識(shí)別許多的對(duì)象從二維圖像。圖像分類（識(shí)別）屬于模式識(shí)別的范疇，圖像是在經(jīng)過預(yù)處理后的主要內(nèi)容（經(jīng)過增強(qiáng)、恢復(fù)和壓縮）、圖像分割和特征提取，其中一個(gè)句子分類。二、圖像形狀形狀特征是圖像邊界清晰目標(biāo)的最佳表達(dá)。（5）邊緣連接：對(duì)無序邊緣進(jìn)行加工，使其變?yōu)橛行虻倪吘壉怼＃?）