【正文】 別的計算機處理系統(tǒng)。目前國內(nèi)常見的交通流檢測方法有人工監(jiān)測、地埋感應(yīng)線圈、超聲波探測器、視頻監(jiān)測 4 類。交通問題已經(jīng)成為城市管理工作中的重大社會問題，阻礙和制約著城市經(jīng)濟建設(shè)的發(fā)展。在軍事方面圖像邊緣檢測和識別主要用于導(dǎo)彈的精確制導(dǎo)，各種偵察照片的判讀，對不明來襲武器性質(zhì)的識別，具有圖像傳輸、存儲和顯示的軍事自動化指揮系統(tǒng)，飛機、坦克和軍艦?zāi)M訓(xùn)練系統(tǒng)等。（3）公安軍事方面的應(yīng)用，公安業(yè)務(wù)圖片的判讀分析，指紋識別，人臉鑒別，不完整圖片的復(fù)原，以及交通監(jiān)控、事故分析等。除了 CT 技術(shù)之外，還有一類是對陣用微小圖像的處理分析，如紅細胞、白細胞分類檢測，染色體邊緣分析，癌細胞特征識別等都要用到邊緣的判別。現(xiàn)在改用配備有高級計算機的圖像邊緣檢測系統(tǒng)來判讀分析首先提取出其圖像邊緣，既節(jié)省人力，又加快了速度，還可以從照片中提取人工所不能發(fā)現(xiàn)的大量有用情報。數(shù)字圖像邊緣檢測與提取處理的主要應(yīng)用領(lǐng)域有：（1）航天和航空技術(shù)方面的應(yīng)用，數(shù)字圖像邊緣檢測技術(shù)在航天和航空技術(shù)方面的應(yīng)用，除了月球、火星照片的處理之外，另一方面的應(yīng)用是在飛機遙感和衛(wèi)星遙感技術(shù)中。數(shù)字圖像邊緣檢測最早出現(xiàn)于20世紀50年代，當時的電子計算機已經(jīng)發(fā)展到一定水平，人們開始利用計算機來處理圖形和圖像信息。隨著人類活動范圍的不斷擴大，圖像邊緣檢測與提取處理的應(yīng)用領(lǐng)域也將隨之不斷擴大。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像邊緣檢測中也有著廣泛而有效的應(yīng)用。（6） 圖像變換： 由于圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。（5） 圖像分類（識別） ， 圖像分類（識別）屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理（增強、復(fù)原、壓縮）后，進行圖像分割和特征提取，從而進行判決分類。圖像增強和復(fù)原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。如果是為了進一步對圖像作數(shù)字處理，可以選擇分割（一種突出各圖像成分之間的邊界和線狀結(jié)構(gòu)的運算） 。不同的增強技術(shù)可以用于不同的目的，這取決于應(yīng)用的類型。大多數(shù)圖像邊緣檢測技術(shù)應(yīng)用某種形式的梯度算子，可應(yīng)用對水平方向、垂直方向或?qū)蔷€方向的梯度敏感的梯度算子，用它們的復(fù)合結(jié)果可檢測任意方向的邊界。主要有直方圖分割，區(qū)域生長，梯度法等。有兩類不同的圖像分割方法。圖像分割是一個十分困難的過程。圖像邊緣檢測的主要研究內(nèi)容包括：（1） 圖像獲得和抽樣，其中通過人眼觀察的視野獲取圖像的問題有：最常用的圖像獲取裝置——電視（TV）攝像機問題，對所獲得信號進行獨立的采樣和數(shù)字化就可用數(shù)字形式表達景物中全部彩色內(nèi)容；電荷耦合裝置，用作圖像傳感器，對景物每次掃描一行，或通過平行掃描獲得圖像；選擇正確的分辨力或采樣密度，一幅圖像實質(zhì)上是二維空間中的信號，所以適用于信號處理的法則同樣適用于圖像邊緣檢測，在放射學(xué)中常常需要高分辨力，要求圖像至少達到 2048 像素2048 像素；灰度量化，圖像強度也必須進行數(shù)字化，通常以 256 級（按 1 字節(jié)編碼）覆蓋整個灰度，一般一幅灰度分辨力為 8位，空間分辨力為 512 像素512 像素的圖像需 兆字節(jié)的存貯容量。其目的是提高信息的相對質(zhì)量，以便提取有用信息。在實際中邊緣點和邊緣段都稱為邊緣。（5） 邊緣連接：從無序邊緣形成有序邊緣表的過程。??ji,?（3） 輪廓：邊緣列表，或者是一條邊緣列表的曲線模型。（1） 邊緣點：圖像中灰度顯著變化的點。它們的灰度變化不是瞬間的而是跨越一定距離的。圖像灰度的不連續(xù)性可分為兩類：階躍不連續(xù)，即圖像灰度再不連續(xù)出的兩邊的像素的灰度只有明顯的差異，如圖 所示，線條不連續(xù)，即圖像灰度突然從一個值變化到另一個值，保持一個較小的行程又返回到原來的值。本為主要討論幾種典型的圖像灰度值突變的邊緣檢測方法，其原理也是用于其他特性突變的邊緣檢測。 圖像邊緣的定義所謂圖像邊緣（Edlge）是指圖像局部特性的不連續(xù)性，例如，灰度級的突變，顏色的突變，紋理結(jié)構(gòu)的突變等。近年來，圖像分析和處理緊緊圍繞理論、實現(xiàn)、應(yīng)用三方面迅速發(fā)展起來。圖像邊緣檢測處理作為一門學(xué)科已經(jīng)被美國數(shù)學(xué)學(xué)會列為應(yīng)用數(shù)學(xué)的一個研究分支。在這些應(yīng)用中，人工介入是允許的，因為處理時間的長短在這些應(yīng)用中并不是主要矛盾。但今天這項任務(wù)是以完全不同方式（采用流式白細胞計數(shù)技術(shù)）自動完成。這些應(yīng)用的特征是要求最小的人工干預(yù)，全自動完成分析工作。（2）自動化:旨在使一些日常的或繁瑣的工作自動化。感興趣的目標必須突出或者圖像各部位之間的對比度需要增強處理。數(shù)字圖像邊緣檢測處理技術(shù)在最近的 10 年發(fā)展尤為迅速，每年均有數(shù)以百計的新算法誕生，其中包括 canny 算法、小波變換等多種有相當影響的算法，這些算法在設(shè)計時大量運用數(shù)學(xué)、數(shù)字信號處理、信息論以及色度學(xué)的有關(guān)知識，而且不少新算法還充分吸取了神經(jīng)網(wǎng)絡(luò)、遺傳算法、人工智能以及模糊邏輯等相關(guān)理論的一些思想，開闊了進行數(shù)字圖像邊緣檢測處理的設(shè)計思路。第 1 章 圖像邊緣檢測與提取概述數(shù)字圖像邊緣檢測技術(shù)起源于 20 世紀 20 年代，當時受條件的限制一直沒有取得較大進展，直到 20 世紀 60 年代后期電子技術(shù)、計算機技術(shù)有了相當?shù)陌l(fā)展，數(shù)字圖像邊緣檢測處理技術(shù)才開始進入了高速發(fā)展時期。首先通過平滑來濾除圖像中的噪聲，然后進行一階微分或二階微分運算，求得梯度最大值或二階導(dǎo)數(shù)的過零點，最后選取適當?shù)拈撝祦硖崛∵吔?。而邊緣檢測算法則是圖像邊緣檢測問題中經(jīng)典技術(shù)難題之一，它的解決對于我們進行高層次的特征描述、識別和理解等有著重大的影響；又由于邊緣檢測在許多方面都有著非常重要的使用價值，所以人們一直在致力于研究和解決如何構(gòu)造出具有良好性質(zhì)及好的效果的邊緣檢測算子的問題。圖像邊緣是圖像最基本的特征之一，往往攜帶著一幅圖像的大部分信息。目 錄前 言 1第 1 章 圖像邊緣檢測與提取概述 1 圖像邊緣的定義 2 圖像邊緣檢測算 法的研究內(nèi)容 3 圖像 邊緣檢測算法的主要應(yīng)用 4 圖像邊緣檢測算法的發(fā)展前景 6第 2 章 圖像的邊緣檢 測與提取 7 引言 7 邊緣檢 測與提取過程 9 邊緣檢測與提取主要算法 10 Roberts 邊緣算子 10 Sobel 邊緣算子 11 Prewitt 邊緣算子 11 Laplacian 邊緣算子 12 Log 邊緣算子 12 Canny 邊緣算子 14第 3 章 算法的選擇和 實現(xiàn) 16 坎尼（CANNY）算法 17 高斯— 拉普拉斯（LOG）算法 18第 4 章 試驗結(jié)果的分析、比較及存在的問題 19結(jié)束語 26謝 辭 27參考文獻 28附錄 28前 言在實際圖像邊緣檢測問題中，圖像的邊緣作為圖像的一種基本特征，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中去。它在圖像識別，圖像分割，圖像增強以及圖像壓縮等的領(lǐng)域中有較為廣泛的應(yīng)用，也是它們的基礎(chǔ)。而邊緣存在于圖像的不規(guī)則結(jié)構(gòu)和不平穩(wěn)現(xiàn)象中，也即存在于信號的突變點處，這些點給出了圖像輪廓的位置，這些輪廓常常是我們在圖像邊緣檢測時所需要的非常重要的一些特征條件，這就需要我們對一幅圖像檢測并提取出它的邊緣。經(jīng)典的邊界提取技術(shù)大都基于微分運算。本文主要介紹幾種經(jīng)典的邊緣提取算法，選取兩種用 MATLAB 語言編程實現(xiàn)，對提取結(jié)果進行比較和分析。經(jīng)過幾十年的發(fā)展，數(shù)字圖像邊緣檢測處理技術(shù)目前己經(jīng)廣泛應(yīng)用于工業(yè)、微生物領(lǐng)域、醫(yī)學(xué)、航空航天以及國防等許多重要領(lǐng)域，多年來一直得到世界各科技強國的廣泛關(guān)注。現(xiàn)代數(shù)字圖像邊緣檢測處理的目標有三：可視化、自動化和定量化：（1）可視化:當圖像被采集并顯示時，這些圖像通常需要改善以便觀察者更容易解釋它們。自從像 CT 和MRI 等三維成像手段問世以來，可視化，特別是三維結(jié)構(gòu)的可視化受到極大的關(guān)注。例如，根據(jù)一個染色體分布的顯微圖像自動確定染色體核型的系統(tǒng)，從一個血液涂片自動生成白細胞分類計數(shù)報告的系統(tǒng)。關(guān)于白細胞分類計數(shù)應(yīng)用，市售系統(tǒng)是在 1970 年開發(fā)成功的。（3）定量化:有關(guān)定量化的圖像邊緣檢測的例子有：測量動脈狹窄的程序以及用電子顯微鏡觀察組織切片中特殊成分的定位和定量（如血色素沉著癥中的鐵元素）。數(shù)字圖像邊緣檢測處理，即用計算機對圖像的邊緣進行處理，這一技術(shù)是隨著計算機技術(shù)發(fā)展而開拓出來的一個新的應(yīng)用領(lǐng)域，匯聚了光學(xué)、電子學(xué)、數(shù)學(xué)、攝影技術(shù)、計算機技術(shù)等學(xué)科的眾多方面。在其短暫的發(fā)展歷史中，已經(jīng)被成功的應(yīng)用在幾乎所有與成像有關(guān)的領(lǐng)域。它以眾多的學(xué)科領(lǐng)域為理論基礎(chǔ)，其成果又滲透到眾多的學(xué)科中，成為理論實踐并重，在高新技術(shù)領(lǐng)域中占有重要地位的新興學(xué)科分支。邊緣廣泛存在于目標與目標、物體與背景、區(qū)域與區(qū)域（含不同色彩）之間，它是圖像分割所依賴的重要特征。圖像的邊線通常與圖像灰度的一階導(dǎo)數(shù)的不連續(xù)性有關(guān)。在實際中，階躍和線條邊緣圖像是較少見的，由于空間分辨率（尺度空間）、圖像傳感器等原因會使階躍邊緣變成斜坡形邊緣，線條邊緣變成房頂形邊緣。 階躍型 房頂型 突圓型 圖 邊緣灰度變化 在討論邊緣檢測方法之前，首先介紹一些術(shù)語的定義。（2） 邊緣段：邊緣點坐標 及方向 的總和，邊緣的方向可以是梯度角。（4） 邊緣檢測器：從圖像抽取邊緣（邊緣點或邊線段）集合的算法。（6） 邊緣跟蹤：一個用來確定輪廓圖像（指濾波后的圖像）的搜索過程。 圖像邊緣檢測算法的研究內(nèi)容圖像邊緣檢測和分析可定義為應(yīng)用一系列方法獲取、校正、增強、變換、檢測或壓縮可視圖像的技術(shù)。圖像邊緣檢測中的變換屬于圖像輸入圖像輸出模式，圖像邊緣檢測是一種超越具體應(yīng)用的過程，任何為解決某一特殊問題而開發(fā)的圖像邊緣檢測新技術(shù)或新方法，幾乎肯定都能找到其他完全不同的應(yīng)用領(lǐng)域。（2） 圖像分割，目的是把一個圖像分解成它的構(gòu)成成分，以便對每一目標進行測量。但其測量結(jié)果的質(zhì)量卻極大地依賴于圖像分割的質(zhì)量。一種方法是假設(shè)圖像各成分的強度值是均勻的并利用這種均勻性；另一種方法尋找圖像成分之間的邊界，因而是利用圖像的不均勻性。（3） 邊界查索，用于檢測圖像中線狀局部結(jié)構(gòu)，通常是作為圖像分割的一個預(yù)處理步驟。（4） 圖像增強和復(fù)原，用于改進圖像的質(zhì)量。如果打算直接觀察圖像，可以增強對比度。該技術(shù)可以是整體的或局部的，也可以在某個頻域或者空間域中進行。圖像增強不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。圖像分類常采用經(jīng)典的模式識別方法，有統(tǒng)計模式分類和句法（結(jié)構(gòu)）模式分類，近年來新發(fā)展起來的模糊模式識別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識別中也越來越受到重視。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進行數(shù)字濾波處理） 。 圖像邊緣檢測算法的主要應(yīng)用圖像是人類獲取和交換信息的主要來源，因此，圖像邊緣處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面。數(shù)字圖像邊緣檢測(Digital Image Processing)又稱為計算機圖像邊緣檢測，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機對其進行處理的過程。數(shù)字圖像邊緣檢測中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像邊緣檢測處理方法有圖像增強、銳化、復(fù)原、編碼、壓縮、提取等。從60 年代末以來，美國及一些國際組織發(fā)射了資源遙感衛(wèi)星(如 LANDSAT 系列)和天空實驗室(如 SKYLAB),由于成像條件受飛行器位置、姿態(tài)、環(huán)境條件等影響，圖像質(zhì)量總不是很高。（2） 生物醫(yī)學(xué)工程方面的應(yīng)用，數(shù)字圖像邊緣檢測在生物醫(yī)學(xué)工程方面的應(yīng)用十分廣泛，而且很有成效。此外，在 X 光肺部圖像增強、超聲波圖像邊緣檢測、心電圖分析、立體定向放射治療等醫(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像邊緣分析處理技術(shù)。目前己投入運行的高速公路不停車自動收費系統(tǒng)中的車輛和車牌的自動識別（主要是汽車牌照的邊緣檢測與提取技術(shù)）都是圖像邊緣檢測技術(shù)成功應(yīng)用的例子。 （4）交通管理系統(tǒng)的應(yīng)用，隨著我國經(jīng)濟建設(shè)的蓬勃發(fā)展，城市的人口和機動車擁有量也在急劇增長，交通擁擠堵塞現(xiàn)象日趨嚴重,交通事故時有發(fā)生。因此要解決城市交通問題，就必須準確掌握交通信息。其中，視頻監(jiān)測方法比其他方法更具優(yōu)越性。通過對道路交通狀況信息與交通目標的各