【正文】 濾波器來改善與噪聲有關的邊緣檢測器的性能。因此增強邊緣和降低噪聲之間需要折中。(3)檢測 在圖像中有許多點的梯度幅值比較大,而這些點在特定的應用領域中并不都是邊緣,所以應該用某種方法來確定哪些點是邊緣點。(4)定位 如果某一應用場合要求確定邊緣位置,則邊緣的位置可在子像素分辨率上來估計,邊緣的方位也可以被估計出來。在大部分情況下,都是把圖像的邊緣全部看作是階梯形邊緣, 然后求得檢測這種邊緣的各種最優(yōu)濾波器,用于實踐中。有很多種不同的邊緣檢測方法,同一種方法使用的濾波器也不盡相同。檢測出的邊緣并不等于實際目標的真實邊緣。這就需要我們根據(jù)不同類型的圖像,來選取合適的邊緣檢測算子?；A邊緣檢測算子Roberts微分算子Sobel微分算子Prewitt微分算子Laplace微分算子Wallis算子Kirsch算子Log算子Dog算子二階導數(shù)過零點Canny算子 數(shù)字圖像邊緣檢測算子分類 Roberts邊緣檢測算子理論基礎[3]Roberts邊緣算子采用的是對角方向相鄰的兩個像素之差。Roberts邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子，它有下式給出。是具有整數(shù)像素坐標的輸入圖像，平方根運算使該處理類似于在人類視覺系統(tǒng)中發(fā)生的是過程。卷積時使用的權用一個很小的矩陣來表示，矩陣的大小是奇數(shù)，而且與使用的區(qū)域的大小相同。比如，對于一個33的區(qū)域p與卷積核k卷積后，區(qū)域p的中心像素p5表示如下： (3—4)其中 (3—5)卷積核中各元素叫做卷積系數(shù)。大多數(shù)常用的卷積核都是33的，所有的卷積核的行、列都是奇數(shù)。當在圖像上逐個移動卷積核時，只要卷積核移動到了圖像邊界，即卷積核懸掛在圖像邊界上時，就會出現(xiàn)計算上的問題。解決這個問題的兩個簡單方法是：或者忽略圖像邊界數(shù)據(jù)，或者在圖像的四周復制圖像的邊界數(shù)據(jù)。邊緣檢測算子的中心與中心像素相對應，進行卷積運算。運算結果是一幅邊緣幅度圖像。 (3—9) Prewitt邊緣檢測算子理論基礎以下兩個卷積核形成了Prewitt邊緣檢測算子。Prewitt邊緣檢測算子也產(chǎn)生一幅邊緣增強圖像。第三章 Visual C++圖像編程 Visual C++概述 VC++是微軟公司開發(fā)的一個IDE(集成開發(fā)環(huán)境),換句話說,就是使用C++的一個開發(fā)平臺。采用VC++來實現(xiàn)圖像編程的主要原因是，與Java和C等現(xiàn)代編程語言相比，C++在程序運行的效率、內(nèi)存使用的可控性和編程的靈活性上具有優(yōu)勢。C++代碼被編譯成匯編語言，可以直接在處理器上運行，效率很高。C++直接控制內(nèi)存的分配和釋放，這雖然很繁瑣，而且容易出錯，但卻能有效地控制內(nèi)存的使用。 VC++的特點本文介紹的Visual C++是數(shù)字圖像處理運動檢測系統(tǒng)的開發(fā)工具，本運動檢測系統(tǒng)是以VC++為軟件平臺建立起來的。從功能上來看，還增加了以下新的特性：全面支持文件的Open、Save和Save As等菜單項，并且采用了最近才使用的文件列表形式。支持滾動窗口和切分窗口（Splitter Window）。能夠方便地實現(xiàn)上下文相關幫助（Context Sensitive Help）。實現(xiàn)OLE的接口更加簡單、方便。 VC++的組成Visual C++包含了兩套完整的Windows應用開發(fā)系統(tǒng)。(2)App Studio資源編輯器：堪稱是Windows應用，同時它本身就是通過使用Visual C++工具及類庫編寫而成的，可以對自身的資源進行編輯。(4)連接器：為了生成EXE文件，Visual C++的連接器需要對編譯器所生成的OBJ文件進行處理。(6)調(diào)試器：為了能夠?qū)Τ绦蜻M行調(diào)試，在創(chuàng)建程序時必須設置編譯器和連接器相應的選項以便產(chǎn)生相應的可調(diào)試信息。(8)ClassWizard:能夠給出原型、函數(shù)體以及將消息同應用框架相聯(lián)系的相應代碼。(10)聯(lián)機幫助：有關WindowsSDK參考手冊及類庫參考手冊的全部內(nèi)容都包含在Visual C++的聯(lián)機幫助中。結束開始編譯源代碼編譯編譯錯誤鏈接鏈接錯誤運行程序運行時錯誤？是否是是否否 VC++運行流程圖 VC++與matlab的比較Matlab比較適合于做研究，因為它提供了大量的算法庫，只用寫簡簡單單的幾句代碼就可以完成某一算法或者某一功能，因此對于算法研究它具有較好的優(yōu)勢。但是，如果你要寫應用程序的話，最好用VC，不要用Matlab，也不要和Matlab集成，然后自己完成所有的算法，這樣便于后續(xù)的擴展，在構建應用程序的時候也非常方便，而且還可以不斷升級以適應更加復雜的情況，使用起來也更加靈活。缺點就是開發(fā)進度比較慢，特別是對于初學者來說，需要一段時間來適應VC的開發(fā)環(huán)境和開發(fā)理念，如果以后要跨平臺了，實現(xiàn)起來也是很容易的。本次畢業(yè)設計主要用VC來實現(xiàn)數(shù)字圖像邊緣檢測算法，原因主要有二：一是VC使用C++語言來實現(xiàn)的，C++語言與Java和C相比在程序運行效率、內(nèi)存使用可控性、編程靈活性上都具有優(yōu)勢；二是VC是注重應用的，這將為今后的工作在項目的研發(fā)上打下良好的基礎。 程序運行界面每種算子都是在此界面下進行功能實現(xiàn)的，左半邊顯示原圖，右半邊實現(xiàn)邊緣檢測的實現(xiàn)結果。編程實現(xiàn)：函數(shù)名稱：Roberts()函數(shù)類型：void功能：用羅伯特算子對圖像進行邊緣檢測void BianYuanJianCedib::Robert{ LPBYTE p_data。 //原圖高、寬 int i,j。 // Roberts算子p_data=thisGetdata()。height=thisGetheight()。 //新圖像緩沖區(qū)//設定新圖像初值為255Memset(temp,255, wide*height)//由于使用22的模板，為防止越界，所以不處理最下邊兩行和最右邊的兩列像素for(j=0。j++)for(i=0。i++){//生成Roberts算子pixel[0]=p_data[j*wide+i]。pixel[2]=p_data[(j+1)*wide+i]。//處理當前像素temp[j*wide+i]=(int)sqrt((pixel[0]pixel[3])*(pixel[0]pixel[3])+(pixel[1]pixel[2])*(pixel[1]pixel[2]))}//將緩沖區(qū)中的數(shù)據(jù)復制到原圖數(shù)據(jù)區(qū)memcpy(p_data,temp, wide*height)。 CDibNew1Robert()。}實現(xiàn)結果： Robert算子實現(xiàn)結果 Sobel算子程序及結果實現(xiàn)步驟：（1）取得原圖像的數(shù)據(jù)區(qū)指針（2）開辟兩個和原圖相同大小的圖像緩沖區(qū)，將原圖復制到兩個緩沖區(qū)（3）分別設置Sobel邊緣檢測算子的兩個模板，調(diào)用Templat（）模板函數(shù)分別對兩個緩沖區(qū)的圖像進行卷積運算；（4）兩個緩沖圖像每個像素依次循環(huán)，取兩個緩沖中各個像素灰度值較大者（5）將緩沖區(qū)的圖像復制到原圖數(shù)據(jù)區(qū)編程實現(xiàn)：卷積：函數(shù)名稱：Templat(BYTE *m_pdata,int wide,int height,int tempH,int tempW,int tempMX,int tempMY,float *fpArray,float fCoef)函數(shù)類型：void參數(shù)：BYTE*m_pdata,指向DIB圖像指針 int wide, 原圖像寬度 int height,原圖像高度 int tempH, 模板高度 int tempW, 模板寬度 int tempMX,模板的中心元素X坐標（tempW1）int tempMY, 模板的中心元素Y坐標（tempH1）float*fpArray,指向模板數(shù)組的指針float fCoef,模板系數(shù)返回值：處理成功返回true；處理失敗返回flase功能：用指定模板對圖像進行操作void BianYuanJianCedib:: Templat(BYTE *m_pdata,int wide,int height,int tempH,int tempW,int tempMX,int tempMY,float *fpArray,float fCoef){ int i,j,k,l。 //新圖像緩沖區(qū)