【正文】 邊界應(yīng)得到最大的抑制。在兩個(gè)不同的閾值下，采用同樣的微分算子均可以提取出圖像的邊緣，但是兩者有比較大的區(qū)別。最簡(jiǎn)單的各向同性微分算子是拉普拉斯微分算子，一個(gè)二維圖像(x,y)的拉普拉斯微分算子定義如下： () = () 將（2）式代入（1）式得 () 將上式寫成圖像處理模板的形式有： () 第三章 Canny邊緣檢測(cè) Canny指標(biāo)基于微分算子的邊緣提取存在的一個(gè)比較麻煩的的問(wèn)題就是如何選擇合適的閾值，可以使邊緣從細(xì)節(jié)當(dāng)中提取出來(lái)。Priwitt算子定義如下： () () ▽= ()如果用圖像處理的模板來(lái)表示，則有 () Laplacian算子 以上的都是一階微分算子，而拉普拉斯是二階的。Sobel算子是一種奇數(shù)大小為的模板下的全方向微分算子。：這是一個(gè)的模板，用○標(biāo)識(shí)的是當(dāng)前待處理像素,則交叉微分算子定義如下： ()按照?qǐng)D像處理的模板描述形式，上式可以表示為 = = () Sobel算子前面介紹的Roberts算子可以獲得景物細(xì)節(jié)的輪廓，因?yàn)槠渥饔媚０逍。韵鄬?duì)計(jì)算量也小。 Roberts算子對(duì)于大多數(shù)的景物來(lái)說(shuō),求出其細(xì)節(jié)輪廓是一個(gè)非常重要的部分,而 往往遇到的絕大部分景物和細(xì)節(jié)是不規(guī)則的,所以需要在二維圖像的兩個(gè)方面上來(lái)考慮銳化微分的計(jì)算。第五章為總結(jié)和展望，介紹了本論文實(shí)現(xiàn)的功能，闡述本課題的現(xiàn)實(shí)意義，以及對(duì)未來(lái)各算子的展望。第四章是程序測(cè)試部分，用C語(yǔ)言實(shí)現(xiàn)并得出測(cè)試結(jié)果。第二章介紹了數(shù)字圖像處理中邊緣檢測(cè)的主要幾種簡(jiǎn)單的微分算子，以及各微分微分算子的實(shí)現(xiàn)算法。是 我們不可忽視的一項(xiàng)研究熱點(diǎn)。在文化藝術(shù)上，用于紡織工藝品設(shè)計(jì)，服裝設(shè)計(jì)與制作，發(fā)型設(shè)計(jì)，文物資料照片的復(fù)制和修復(fù)，運(yùn)動(dòng)員動(dòng)作分析和評(píng)分等等。在醫(yī)學(xué)上，邊緣檢測(cè)用于腎小球的提取，在工業(yè)和工程方面的應(yīng)用在工業(yè)和工程領(lǐng)域中，用于纖維制品的檢測(cè)，在。由于邊緣檢測(cè)還不成熟，直接影響了圖像識(shí)別的應(yīng)用，一直是圖像識(shí)別領(lǐng)域的一個(gè)研究熱點(diǎn)。Poggio在文中說(shuō)：“或許對(duì)應(yīng)著圖像中物體的邊界或許并沒有對(duì)應(yīng)著圖像中物體的邊界，但是邊緣具有十分令人滿意的性質(zhì)它能大大地減少所要處理的信息但是又保留了圖像中物體的形狀信息”。 邊緣檢測(cè)邊緣是圖像的最重要的特征。目前已投入運(yùn)行的高速公路不停車自動(dòng)收費(fèi)系統(tǒng)中的車輛和車牌的自動(dòng)識(shí)別都是圖像處理技術(shù)成功應(yīng)用的例子。其中值得一提的是研制具備視覺、聽覺和觸覺功能的智能機(jī)器人，將會(huì)給工農(nóng)業(yè)生產(chǎn)帶來(lái)新的激勵(lì)，目前已在工業(yè)生產(chǎn)中的噴漆、焊接、裝配中得到有效的利用。除了已應(yīng)用較廣泛的熵編碼、DPCM編碼、變換編碼外，目前國(guó)內(nèi)外正在大力開發(fā)研究新的編碼方法，如分行編碼、自適應(yīng)網(wǎng)絡(luò)編碼、小波變換圖像壓縮編碼。要將這樣高速率的數(shù)據(jù)實(shí)時(shí)傳送出去，必須采用編碼技術(shù)來(lái)壓縮信息的比特量。具體地講是將電話、電視和計(jì)算機(jī)以三網(wǎng)合一的方式在數(shù)字通信網(wǎng)上傳輸。此外，在X光肺部圖像增晰、超聲波圖像處理、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)用圖像處理技。（2）生物醫(yī)學(xué)工程方面的應(yīng)用數(shù)字圖像處理在生物醫(yī)學(xué)工程方面的應(yīng)用十分廣泛，而且很有成效。我國(guó)也陸續(xù)開展了以上諸方面的一些實(shí)際應(yīng)用，并獲得了良好的效果。隨著人類活動(dòng)的范圍的不斷擴(kuò)大。二是對(duì)一幅圖像中的若干個(gè)目標(biāo)物進(jìn)行識(shí)別分類后給出其特性測(cè)度。數(shù)字圖像處理又稱計(jì)算機(jī)圖像處理，它是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過(guò)程?？梢娖渲匾?。下是因?yàn)閳D像所帶給人們的直觀信息的特點(diǎn)，使得圖像處理技術(shù)隨著計(jì)算機(jī)技術(shù) 多媒體技術(shù)的飛速發(fā)展取得了長(zhǎng)足的進(jìn)步。本文就是運(yùn)用Canny算子，與其它的算子比較，得出Canny邊緣檢測(cè)的好方法。但是這些不同的領(lǐng)域之間還是存在著一些共同要求。作為研究非平穩(wěn)信號(hào)的利器，小波在邊緣檢測(cè)方面具有得天獨(dú)厚的優(yōu)。第四種是小波多尺度邊緣檢測(cè)。第三種是統(tǒng)計(jì)方法。這是因?yàn)檫吘壧幍奶荻热〉玫阶畲笾?，也是灰度圖像的拐點(diǎn)邊緣。從統(tǒng)計(jì)角度來(lái)說(shuō)，我們可以通過(guò)回歸分析得到一個(gè)曲面，然后也可以做類似的處理。而Roberts算子 Prewitt算子和Sobel算子就是比較簡(jiǎn)單而常用的例子。邊緣檢測(cè)的方法主要有以下幾種：第一種檢測(cè)梯度的最大值。然而自從1959年文獻(xiàn)上最早提出邊緣檢測(cè)，從那以后每年都會(huì)出現(xiàn)很多關(guān)于邊緣檢測(cè)的文章。第二，經(jīng)驗(yàn)告訴我們：如果我們能成功地得到圖像的邊緣，那么圖像分析就會(huì)大大簡(jiǎn)化，圖像識(shí)別就會(huì)容易得多。邊緣檢測(cè)對(duì)于物體的識(shí)別也是很重要的。邊緣是邊界檢測(cè)的基礎(chǔ)，也是外形檢測(cè)的基礎(chǔ)。邊緣反映的是圖像灰度的不連續(xù)。圖像的邊緣部分集中了圖像的大部分信息，圖像邊緣的確定與提取對(duì)整個(gè)圖像場(chǎng)景的識(shí)別與理解是非常重要的，同時(shí)也是圖像分割所依賴的重要特征，邊緣檢測(cè)主要是圖像的灰度變化的度量、檢測(cè)和定位。邊緣是圖像的最基本特征。本文詳細(xì)地分析了目前常用的幾種算法，即：Roberts交叉微分算子、Sobel微分算子、Priwitt微分算子和Laplacian微分算子以及Canny算子，用C語(yǔ)言編程實(shí)現(xiàn)各算子的邊緣檢測(cè)，并根據(jù)邊緣檢測(cè)的有效性和定位的可靠性，得出Canny算子具備有最優(yōu)邊緣檢測(cè)所需的特性。 圖像Canny邊緣檢測(cè)的程序設(shè)計(jì)II畢業(yè)設(shè)計(jì)摘 要邊緣檢測(cè)是數(shù)字圖像處理中的重要內(nèi)容，邊緣是圖像最基本的特性。在圖像邊緣檢測(cè)中，微分算子可以提取出圖像的細(xì)節(jié)信息，景物邊緣是細(xì)節(jié)信息中最具有描述景物特征的部分,也是圖像分析中的一個(gè)不可或缺的部分。 關(guān)鍵詞：圖像處理，微分算子，Canny算子，邊緣檢測(cè) Abstract Edge detection is the important contents of digital image processing ,and the edge is the most basic characteristics of the the image edge detection ,differential operator can be used to extract the details of the images,features’edge is the most detailed information describing the characteristics of the features of the image analysis, and is also an integral part of the article gives the detailed analysis of several algorithms which is monly used at present,such as Roberts crossdifferential operator、Sobel differential operator、Priwitt differential operator、Laplacian differential operator and Canny operator,and we plete with the C language procedure to e ture edge to the effectiveness of the image detection and the reliability of the orientation,we can deduced that the Canny operator have the characteristics which the image edge has. Keywords: Image processing, Canny operator, differential operator, edge detection目 錄摘要 IAbstract II第一章　緒 論 1 引言 1 數(shù)字圖像技術(shù)的概述 2 邊緣檢測(cè) 3 論文各章節(jié)的安排 4第二章 微分算子邊緣檢測(cè) 5 Roberts算子 5 Sobel算子 5 Priwitt算子 6 Laplacian算子 6第三章 Canny邊緣檢測(cè) 8 Canny指標(biāo) 8 Canny算子的實(shí)現(xiàn) 9第四章 程序設(shè)計(jì)與實(shí)驗(yàn) 12 12 實(shí)驗(yàn)結(jié)果及比較 14第五章 結(jié)論與展望 17 結(jié)論 17 展望 17致謝 18參考文獻(xiàn) 19附錄（源程序） 20 第一章　緒 論 引言 邊緣檢測(cè)是圖像處理中的重要內(nèi)容。所謂圖像的邊緣是指圖像局部區(qū)域亮度變化顯著的部分，該區(qū)域的灰度剖面一般可以看作是一個(gè)階躍，即從一個(gè)灰度值在很小的緩沖區(qū)域內(nèi)急劇變化到另一個(gè)灰度相差較大的灰度值。邊緣與圖像中物體的邊界有關(guān)，但又是不同的。邊緣在邊界檢測(cè)、圖像分割、模式識(shí)別、機(jī)器視覺等等中有很重要的作用。邊緣廣泛存在于物體與背景之間、物體與物體之間以及基元與基元之間，因此它也是圖像分割所依賴的重要特。主要有以下幾個(gè)理由：首先，人眼通過(guò)追蹤未知物體的輪廓（輪廓是由一段的邊緣片段組成的）而掃視一個(gè)未知的物體。第三，很多圖像并沒有具體的物體，對(duì)這些圖像的理解取決于他們的紋理性質(zhì)，而提取這些紋理性質(zhì)與邊緣檢測(cè)有極其密切的關(guān)系。經(jīng)過(guò)了四十多年的發(fā)展，已有許多種不同的邊緣檢測(cè)方。由于邊緣發(fā)生在圖像灰度值變化比較大的地方，對(duì)應(yīng)連續(xù)情形就是說(shuō)是函數(shù)梯度較大的地方，所以研究比較好的求導(dǎo)算子就成為一種思路。還有一種比較直觀的方法就是利用當(dāng)前像素鄰域中的一直像素值擬合一個(gè)曲面，然后求當(dāng)前像素外梯度。第二種是檢測(cè)二階導(dǎo)數(shù)的零交叉點(diǎn)。從分析學(xué)上我們知道，拐點(diǎn)處函數(shù)的二階導(dǎo)數(shù)是0。比如說(shuō)利用假設(shè)檢驗(yàn)來(lái)檢測(cè)邊緣， Marimont在其文中利用對(duì)二階零點(diǎn)的統(tǒng)計(jì)分析得到了圖像中各個(gè)像素是邊緣的概率，并進(jìn)而得到 邊緣檢測(cè)的方案。九十年代，隨著小波分析的迅速發(fā)展，小波開始用于邊緣檢測(cè)。那么多的方法，哪種比較好呢？要看一種方法好不好依賴于具體的應(yīng)用領(lǐng)域。在1986年Canny總結(jié)提出了以往理論和實(shí)踐的成果，提出了邊緣檢測(cè)Canny三準(zhǔn)則：好的檢測(cè)結(jié)果，好的定位還有對(duì)單一邊緣低重復(fù)響應(yīng)