【正文】 度上進(jìn)一步提高，盡量避免檢測出較為粗糙的邊緣曲線，要“精益求精”。(5)抗燥能力較好。(3)邊緣檢測響應(yīng)越少越好，最好是唯一響應(yīng)。對于圖像的邊緣檢測來說，一般在檢測過程中有如下的要求:(l)能夠較為正確地檢測出圖像大致邊緣。邊緣檢測最早在1959年被提出，1965年，Roberts等人開始系統(tǒng)的研究邊緣檢測技術(shù)，從20世紀(jì)70年代起，邊緣檢測技術(shù)開始引起人們的廣泛關(guān)注。在處理區(qū)域中最有意義的特征如下:形狀特征，紋理特征。圖像的預(yù)處理就是減少與目標(biāo)無關(guān)的信息和加強與目標(biāo)相關(guān)的信息，常用的圖像預(yù)處理方法有去噪，圖像加強等。圖像邊緣檢測技術(shù)一般先經(jīng)過圖像的預(yù)處理，然后再對邊緣進(jìn)行提取和判斷。傳統(tǒng)的邊緣檢測算法一般通過求一階、二階導(dǎo)數(shù)來表示邊緣點的變化。邊緣一般包括兩類，即階躍狀邊緣和和屋脊?fàn)钸吘?階躍狀邊緣通常是指像素點的灰度值變化比較顯著的一些點的集合。邊緣廣泛存在于物體與物體、物體與背景之間。為了減少傳輸圖像時所需花費的代價，最好采用合適的方法對圖像進(jìn)行壓縮和編碼，以便于圖像的傳輸和存儲。圖像分析是我們通過檢測結(jié)果，分析圖像的幾何特性等信息，并將其應(yīng)用于生活實踐。（3）圖像分析：為達(dá)到研究圖像的目的，我們要借助于一些數(shù)學(xué)算法來獲取圖像特定信息。（2）圖像增強：圖像再生產(chǎn)、傳輸過程中往往會失真，所得圖像和原圖像有某種差別。數(shù)字圖像處理的研究內(nèi)容主要包括:（1）圖像變換：主要是對原始圖像的加工處理，使得圖像的大小、幾何形狀、像素值等發(fā)生變化，常見的有時域變換和頻域變換。數(shù)字圖像處理(Digital Image Processing)將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機對其進(jìn)行處理,隨著數(shù)字化時代的到來，數(shù)字圖像處理與分析方面的研究工作顯得十分重要。 morphology。 image analysis and image understanding is the main content of the highlevel vision research, mainly is the simulation of biological for image information perception and the ability to apply the puter. Contains abundant information of image, the image edge detection is very important in image processing, is the basis and pillar of image and graphics.Mathematical morphology referred morphology, it is the use of set theory to analyze the geometry of the method, the idea of breaking the traditional numerical modeling, a nonlinear signal analysis theory. Different structural elements of the image signal detection, we get is different from the image analysis, which is due to the size and shape of the structural elements and picture structure information.Keywords: Image processing。相異的結(jié)構(gòu)元素對圖像信號進(jìn)行探測，我們得到的是不同的圖像分析，這是由于結(jié)構(gòu)元素的尺寸和形狀與圖像結(jié)構(gòu)的信息有關(guān)。圖像里含有的信息量較多，圖像邊緣檢測是圖像處理技術(shù)中很重要的一環(huán)，是圖像圖形學(xué)賴以研究的基礎(chǔ)和支柱。低層視覺和高層視覺是計算機視覺研究的主要內(nèi)容?；叶鹊淖兓畔⒎Q為階躍信息，一般來說，像素點灰度值從一個很小值急劇過渡到另一個灰度較大的值即形成了邊緣。數(shù)字圖像處理廣泛地應(yīng)用于工業(yè)、農(nóng)業(yè)、交通、金融、地質(zhì)、海洋、氣象、生物醫(yī)學(xué)、軍事、公安、電子商務(wù)、衛(wèi)星遙感、機器人視覺、目標(biāo)跟蹤、自主車導(dǎo)航、多媒體信息網(wǎng)絡(luò)通信等領(lǐng)域，取得了顯著的社會效益和經(jīng)濟(jì)效益。 日I摘要摘要圖像處理的研究內(nèi)容主要包含邊緣檢測、圖像分割、模式識別等。 年 月（保密的學(xué)位論文在解密后遵守此規(guī)定） 日關(guān)于論文使用授權(quán)的說明學(xué)位論文作者完全了解云南民族大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬云南民族大學(xué)。 年本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。碩 士 學(xué) 位 論 文基于canny和形態(tài)學(xué)的邊緣檢測技術(shù)研究Research of Image Edge Detection Based On Cannyamp。 Mathematical Morphology 原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨立進(jìn)行研究工作所取得的成果。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。論文作者簽名：簽字日期： 月學(xué)校有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許學(xué)位論文被查閱和借閱；學(xué)?？梢怨紝W(xué)位論文的全部或部分內(nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存、匯編學(xué)位論文。學(xué)位論文作者簽名：簽字日期： 年 日導(dǎo) 師 簽 名：簽字日期： 月隨著數(shù)字化時代的到來，數(shù)字圖像處理與分析方面的研究工作顯得十分重要。圖像中灰度信息變化較明顯的地方稱為圖像的邊緣。圖像邊緣含有豐富的圖像信息，較圖像其它部分應(yīng)用價值很大，這是因為基于此我們可以進(jìn)一步進(jìn)行識別、分割等方面的研究。圖像處理就屬于低層視覺部分，它主要包括圖像的信息增強、除躁和邊緣檢測信息檢測、圖像濾波等；圖像分析和圖像理解即為高層視覺研究的主要內(nèi)容，主要是通過計算機模擬生物對于圖像信息的感知和運用能力。 數(shù)學(xué)形態(tài)學(xué)簡稱形態(tài)學(xué)，是運用集合論來分析幾何形狀的方法，打破了傳統(tǒng)數(shù)值建模的思想，是非線性信號分析理論的一種。關(guān)鍵詞：圖像處理；邊緣檢測；數(shù)學(xué)形態(tài)學(xué)；AbstractAbstractImage processing research includes edge detection, image segmentation, and pattern recognition. With the ing of the digital age, digital image processing and analysis of the research is being very important. Digital image processing is being widely used in the field of industry, agriculture, transportation, finance, geology, oceanography, meteorology, biology, medicine, military, public security, emerce, satellite remote sensing, robot vision, object tracking, autonomous vehicle navigation, multimedia information network munication, etc. It has made a significant society and economic benefits.The gray information changed obviously local image is called image edge. Change information of gray called Yue information, order in general, pixel gray value from a very small value of a sharp transition to another gray large value that the formation of the edge. Image edge image which contains rich information, pared with other parts of image of great application value, because it is based on this we can further research on recognition, segmentation.Lowlevel and highlevel vision is the main research content of the puter vision. Image processing belong to the lowlevel vision part, it mainly includes image information enhancement, in addition to noise and edge detection information detection, image filtering。 edge detection。III目錄目錄第1章 概論 1 數(shù)字圖像處理概論及其應(yīng)用 2 邊緣檢測技術(shù)簡介及評價標(biāo)準(zhǔn) 3 現(xiàn)存邊緣檢測技術(shù)存在的問題 4 論文主要研究內(nèi)容和結(jié)構(gòu)安排 3第2章 傳統(tǒng)邊緣檢測方法 6 邊緣檢測原理 6 傳統(tǒng)邊緣檢測方法 7 Roberts邊緣檢測 7 Sobel邊緣檢測 7 Prewitt邊緣檢測 8 Log邊緣檢測 9 Canny邊緣檢測 10 以上幾種算法仿真分析 12第3章 形態(tài)學(xué)邊緣檢測 14 形態(tài)學(xué)基本理論 14 幾種形態(tài)學(xué)邊緣檢測算法 14 一般形態(tài)學(xué)邊緣檢測算子 14 基于輪廓的結(jié)構(gòu)元素（CB）形態(tài)學(xué)邊緣檢測算子 15第4章 本文改進(jìn)的邊緣檢測算法 改進(jìn)的形態(tài)學(xué)邊緣檢測算法 17 改進(jìn)的復(fù)合CB形態(tài)學(xué)濾波 17 改進(jìn)的多尺度CB形態(tài)學(xué)算法 18 仿真分析 19 改進(jìn)的自適應(yīng)canny形態(tài)學(xué)算法 27 傳統(tǒng)canny算法局限性分析 27 本文改進(jìn)的自適應(yīng)canny形態(tài)學(xué)算法 28 仿真分析 31 改進(jìn)的形態(tài)學(xué)邊緣檢測算法 33第5章 本文算法的應(yīng)用實踐 34 對癌癥細(xì)胞的邊緣檢測 34 癌癥研究的必要性 34 癌癥細(xì)胞邊緣獲得 35第6章 總結(jié)和展望 37 論文總結(jié) 37 展望 37參考文獻(xiàn) 39附錄 41發(fā)表的學(xué)術(shù)論文成果 44致謝 455第1章 緒論第1章 緒論 數(shù)字圖像處理概論及其應(yīng)用 圖像處理的研究內(nèi)容主要包含邊緣檢測、圖像分割、模式識別等。數(shù)字圖像處理廣泛地應(yīng)用于工業(yè)、農(nóng)業(yè)、交通、金融、地質(zhì)、海洋、氣象、生物醫(yī)學(xué)、軍事、公安、電子商務(wù)、衛(wèi)星遙感、機器人視覺、目標(biāo)跟蹤、自主車導(dǎo)航、多媒體信息網(wǎng)絡(luò)通信等領(lǐng)域，取得了顯著的社會效益和經(jīng)濟(jì)效益 。例如，傅里葉變換可使處理分析在頻域中進(jìn)行，使運算簡單；而使用離散余弦變換（DCT）則可壓縮數(shù)據(jù)，從而便于圖像傳輸和存儲。人們可以估計出使圖像降質(zhì)的一些可能原因，針對這些原因采取簡單易行的方法，改善圖像質(zhì)量。這些數(shù)學(xué)算法中的參數(shù)值和矩陣算子是依據(jù)待檢測圖像而設(shè)置的。（4）圖像壓縮：多媒體和互聯(lián)網(wǎng)的發(fā)展，使得圖像的傳輸越來越重要。 邊緣檢測技術(shù)簡介及評價標(biāo)準(zhǔn)圖像的邊緣包含了圖像大部分信息，其中大量的信息是由不連續(xù)的，這主要是由于像素點灰度值的階躍造成的，因此，我們將圖像中灰度產(chǎn)生較大耀變的區(qū)域定義為邊緣。邊緣檢測的對象是灰度變化較為劇烈的部分。而屋脊?fàn)钸吘壱话闶腔叶戎翟黾优c減少的邊界。傳統(tǒng)邊緣檢測算法通過構(gòu)造檢測算子來提取邊緣，然而邊緣和噪聲在空間域上灰度值大小表現(xiàn)出較大的差落，這也給邊緣檢測帶來了挑戰(zhàn)。很多研究者在圖像預(yù)處理和邊緣提取兩個方面，已經(jīng)提出了很多方法。第二步就是從已經(jīng)處理過的圖像中提取特征和用一定決策方法來判斷。在提取特征的前提下，可以用如下的決策算法來對圖像的目標(biāo)區(qū)域進(jìn)行檢測:距離函數(shù)，貝葉斯決策，神經(jīng)網(wǎng)絡(luò)，支持向量機和模糊函數(shù)等。由于圖像邊緣檢測是圖像處理中的一項關(guān)鍵技術(shù)，在圖像處理和計算機視覺等領(lǐng)域占有重要地位，再加上圖像邊緣檢測本身的難度和深度，邊緣檢測技術(shù)一直以來都受到人們的重視，并為此進(jìn)行了大量研究，迄今為止人們已提出了很多類型的邊緣檢測算法。(2)邊緣定位精確，模糊邊緣較少。(4)適應(yīng)性較強，并盡可能降低誤檢率和漏檢率。 現(xiàn)存邊緣檢測技術(shù)存在的問題邊緣檢測技術(shù)主要是為了獲取原圖像的邊緣信息。實際中，圖像不可避免地會受到噪聲污染，如油漬、光照、灰塵等，這都加大了檢測出原圖像真實邊緣的難度，為了努力還原圖像邊緣的真實面目，學(xué)者們不斷為之奮斗。傳統(tǒng)的邊緣檢測方法存在的諸多問題：（1） 噪聲處理效果不佳。對邊緣具體點的確定不能“一針見血”，不能僅保留住有效的邊緣點信息，或多或少總會摻雜一些冗余噪聲信息，造成了提取的邊緣部分較為模糊；而且，傳統(tǒng)的邊緣檢測方法的定位精度一般只能達(dá)到像素級，但在實際應(yīng)用中，對定位的精度要求甚至達(dá)到亞像素級。實際中，圖像的邊緣產(chǎn)生在不同尺度內(nèi)，因此，我們需要利用多尺度的邊緣檢測算子對不同尺度的邊緣進(jìn)行檢測?，F(xiàn)在的邊緣檢測算法雖多，但每種算法基本都存在適用環(huán)境的局限，例如經(jīng)典坎尼算子僅對高斯噪聲干擾的圖像有較好地檢測結(jié)果，而對椒鹽噪聲圖像，邊緣檢測效果很差，不能濾除大部分噪聲，造成了得到的圖像灰度階躍