【正文】 方面迅速發(fā)展起來。圖像邊緣識(shí)別與在實(shí)際中有很重要的應(yīng)用，一直是圖像邊緣檢測(cè)中的熱點(diǎn)和難點(diǎn)，迄今已有許多邊緣檢測(cè)方法，其中 Robert 算子、Sobel 算子、Prewitt 算子、Laplace 算子、Prewitt 算子、Krisdl 算子、Canny 算子、Gauss 邊緣檢測(cè)算子及輪廓提取或輪廓跟蹤、利用平滑技術(shù)提取圖像邊緣、利用差分技術(shù)提取圖像邊緣、利用小波分析技術(shù)提取圖像邊緣等方法是常用的方法，但各種算法結(jié)果差異很大。并且這兩種算法的效果也是較好的，原因如下： 坎尼（Canny）算法檢測(cè)階躍邊緣的基本思想是在圖像中找出具有局部最大梯度幅值的像素點(diǎn)。其 Matlab 程序編寫如下：（第一部分圖）I=imread(39。)。title(39。)。Canny39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW1)。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。BW2= edge(I,39。,) 。title( 39。)。Canny39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW20)。閾值為 的 Canny 算子邊緣檢測(cè)圖像39。BW21= edge(I,39。,) 。title( 39。)。Canny39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW22)。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。（第二部分圖）I=imread(39。)。title(39。)。Canny39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW1)。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。BW11= edge(I,39。,) 。title( 39。)。Canny39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW2)。閾值為 的 Canny 算子邊緣檢測(cè)圖像39。BW20= edge(I,39。,) 。title( 39。)。Canny39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW21)。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。BW22= edge(I,39。, )。title( 39。)。39。BW1=edge(I,39。,)。title(39。)。log39。figure,imshow(BW11)。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。BW2= edge(I,39。,)。title(39。)。log39。figure,imshow(BW21)。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。BW22= edge(I,39。,)。title(39。)。39。BW1=edge(I,39。,)。title(39。)。log39。figure,imshow(BW11)。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。BW2= edge(I,39。,)。title(39。)。log39。figure,imshow(BW20)。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。BW22= edge(I,39。,)。title(39。)。log39。figure,imshow(BW23)。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。第 4 章 試驗(yàn)結(jié)果的分析、比較及存在的問題兩種算法都分別實(shí)現(xiàn)了對(duì) bmp 格式的數(shù)字圖像的邊緣提取，但實(shí)現(xiàn)方法不同， Canny算法采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像卷積進(jìn)行濾波；然后對(duì)濾波后的圖像尋找圖像梯度的局部最大值，以此來確定圖像邊緣。而高斯拉普拉斯算子只需要一個(gè)模板，故算法中可省略求兩幅緩存圖像中最大值的部分，而且它把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來，先平滑掉噪聲，再進(jìn)行邊緣檢測(cè)。①Canny 算法提取圖像： 圖 原始圖像 圖 閾值為 0 圖 閾值為 圖 閾值為 圖 閾值為 圖 閾值為 結(jié)果分析：如圖所示采用的閾值越大則圖像的邊緣處理效果越清晰，且邊緣點(diǎn)條理顯著。且當(dāng)閾值超過 時(shí)圖像邊緣的有效信息已經(jīng)完全丟失如圖 所示，失去了圖像的邊緣點(diǎn)判斷的有效性！再取原始圖像，仍照上述方法進(jìn)行處理，結(jié)果如圖所示。，但是仍能進(jìn)行邊緣的判斷?、蹸anny算法提取圖像： 結(jié)果分析：如圖所示采用的閾值越小則圖像的邊緣處理效果越模糊不清，且邊緣分界點(diǎn)無法判斷，變得模糊不清?？梢钥闯鐾瑯拥拈撝颠x擇，這兩種算子各有自己優(yōu)勢(shì)和特點(diǎn)。這樣，通過找圖像強(qiáng)度的二階導(dǎo)數(shù)的零交叉點(diǎn)就能找到更精確的邊緣點(diǎn)?？梢钥闯鯟anny算子的邊緣檢測(cè)效果更好。采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像卷積進(jìn)行濾波；然后對(duì)濾波后的圖像尋找圖像梯度的局部最大值，以此來確定圖像邊緣。除以上兩種效果較好的算法外前面介紹的幾種算法的效果圖如下所示：⑤Roberts算子效果圖： Sobel 算子效果圖： Prewitt 算子效果圖： 結(jié)果分析比較：首先，有三種算法的圖樣效果看它們的效果相差不是很大，但與Canny算子和Log算子的效果要差一點(diǎn)。、其邊緣點(diǎn)不夠銳利和明確，線邊緣檢測(cè)要好于點(diǎn)邊緣檢測(cè)。主要是受噪聲影響較小。⑥現(xiàn)給出一幅灰度圖像，其圖像灰度變化較大，邊緣變化明顯但也同時(shí)存在著噪聲較大。因?yàn)閷?duì)于有噪聲的圖像，它的具有既能濾去噪聲又保持邊緣特性的優(yōu)點(diǎn)保留了有效信息的完整性。而其他算子則由于對(duì)噪聲較敏感，又無法進(jìn)行濾波，因此噪點(diǎn)比較多，虛產(chǎn)生的假邊緣也過多。因此效果較好，但是閾值的選擇范圍較小，無法較細(xì)致的進(jìn)行邊緣點(diǎn)檢測(cè)。:若要提高檢測(cè)精度，則會(huì)檢測(cè)到噪聲產(chǎn)生偽邊緣，從而導(dǎo)致不合理的輪廓。實(shí)際圖像都含有噪聲，并且噪聲的分布、方差等信息也都是未知的，同時(shí)噪聲和邊緣都是高頻信號(hào)，雖然平滑濾波運(yùn)算可消除噪聲，但它導(dǎo)致一些邊緣模糊，檢測(cè)出的邊緣往往移位。事實(shí)上，邊緣檢測(cè)作為視覺的初級(jí)階段，通常認(rèn)為是一個(gè)非良態(tài)問題，因而很難從根本上解決。相對(duì)于以上所說的種種經(jīng)典的邊緣檢測(cè)方法，許多學(xué)者基于對(duì)理想邊緣檢測(cè)的分析和對(duì)邊緣特性某一方面的改進(jìn)，提出了很多卓有成效的新的邊緣檢測(cè)方法，取得了較好的效果。在程序的編譯過程中，產(chǎn)生了找不到工具箱函數(shù)、句法錯(cuò)誤等錯(cuò)誤，經(jīng)仔細(xì)檢查和運(yùn)行，才順利通過。上面所述幾種方法存在有邊緣像素單元寬、噪聲干擾較嚴(yán)重等缺點(diǎn)，即使采用一些輔助的方法去噪，也相應(yīng)的會(huì)帶來邊緣模糊等難以克服的缺陷。因而對(duì)于有噪聲圖像來說，一種好的邊緣檢測(cè)方法應(yīng)該具有良好的噪聲抑制能力，同時(shí)又有完備的邊緣保持特性,而這些優(yōu)點(diǎn)正式Canny算子所具備的。隨著人們對(duì)圖像信息需求的增加，圖像邊緣的重要性得到人們?cè)絹碓蕉嗟年P(guān)注。一般來講一個(gè)好的算法應(yīng)滿足計(jì)算精度高，抗噪聲能力強(qiáng)，計(jì)算簡(jiǎn)單等特點(diǎn)。邊緣檢測(cè)作為數(shù)字圖像分割的一個(gè)重要內(nèi)容一直是人們研究的熱點(diǎn)。以及前面提及的現(xiàn)階段我國(guó)的視頻交通流檢測(cè)及車輛識(shí)別系統(tǒng)已在中國(guó)某些大城市交通流量的檢測(cè)中應(yīng)用，效果良好。它的目標(biāo)就是用計(jì)算機(jī)視覺技術(shù)，通過分析攝像機(jī)拍攝的交通圖像序列來對(duì)車輛、行人等交通目標(biāo)的運(yùn)動(dòng)進(jìn)行邊緣檢測(cè)作、定位、識(shí)別和跟蹤，并對(duì)檢測(cè)、跟蹤和識(shí)別的交通運(yùn)動(dòng)目標(biāo)的交通行為進(jìn)行分析和判斷，特別是在車牌定位、字符車牌分割和車牌字符識(shí)別技術(shù)上的特殊貢獻(xiàn)巨大，從而既完成各種交通流數(shù)據(jù)的采集，又進(jìn)行與交通管理有關(guān)的各種日常管理和控制，形成一個(gè)全方位立體化的數(shù)字交通監(jiān)控網(wǎng)，真正實(shí)現(xiàn)交通管理智能化。本文主要研究基本的邊緣提取技術(shù)，歸納總結(jié)了傳統(tǒng)的邊緣檢測(cè)算子的主要原理、方法，對(duì)邊緣提取的基礎(chǔ)理論知識(shí)進(jìn)行了系統(tǒng)的闡述。謝 辭回首我在青島大學(xué)的四年學(xué)習(xí)生活，現(xiàn)在滿懷感激之情，我非常榮幸能夠來到青島這個(gè)優(yōu)美的海濱城市生活和學(xué)習(xí)。首先我要感謝我的導(dǎo)師王漢萍老師。感謝王老師在學(xué)習(xí)上給予我的悉心指導(dǎo)，提供我一個(gè)很好的學(xué)習(xí)環(huán)境以及實(shí)踐鍛煉機(jī)會(huì)。在此，謹(jǐn)向大學(xué)本科期間一直培養(yǎng)、幫助和關(guān)懷我的導(dǎo)師致以由衷的敬意和誠(chéng)摯的謝意。衷心感謝所有在學(xué)習(xí)期間給予我?guī)椭椭С值膸熼L(zhǎng)和朋友，謝謝他們?cè)诟鞣矫娴膸椭?，很高興能和他們一起分享學(xué)習(xí)和生活的快樂。最后，向所有關(guān)心，幫助，理解和愛護(hù)過我的老師，同學(xué)，家人表示深深地感謝!謹(jǐn)以此論文作為對(duì)他們的回報(bào)。39。 %讀原始圖像J=imnoise(I,39。, )。 %定義鄰域?yàn)?5x5I2=imfilter(J,H)。imshow(J)。imshow(I2)。39。imshow(I)。原始圖像39。BW1=edge(I, 39。,)。title( 39。)。Roberts 39。 %edge 調(diào)用 Roberts 為檢測(cè)算子判別閾值為 figure,imshow(BW10)。閾值為 的 Roberts 算子邊緣檢測(cè)圖像39。BW11=edge(I,39。,)。title( 39。)。Roberts 39。 %edge 調(diào)用 Roberts 為檢測(cè)算子判別閾值為 figure,imshow(BW12)。閾值為 的 Roberts 算子邊緣檢測(cè)圖像39。BW2=edge(I, 39。,)。 title( 39。)。sobel 39。 %edge 調(diào)用 sobel 為檢測(cè)算子判別閾值為 figure,imshow(BW20)。閾值為 的 sobel 算子邊緣檢測(cè)圖像39。BW21=edge(I, 39。,)。 title( 39。)。sobel 39。 %edge 調(diào)用 sobel 為檢測(cè)算子判別閾值為 figure,imshow(BW22)。閾值為 的 sobel 算子邊緣檢測(cè)圖像39。BW3=edge(I,39。,)。title( 39。)。Prewitt 39。 %edge 調(diào)用 Prewitt 為檢測(cè)算子判別閾值為 figure,imshow(BW31)。閾值為 的 Prewitt 算子邊緣檢測(cè)圖像39。BW32=edge(I,39。,)。title( 39。)。Prewitt 39。 %edge 調(diào)用 Prewitt 為檢測(cè)算子判別閾值為 figure,imshow(BW33)。閾值為 的 Prewitt 算子邊緣檢測(cè)圖像39。I=imread(39。)。Canny39。%edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW4)。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。BW40= edge(I,39。,) 。title( 39。)。Canny39。%edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW41)。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。BW42= edge(I,39。,) 。title( 39。)。39。BW1=edge(I,39。,)。title(39。)。log39。figure,imshow(BW11)。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。BW2= edge(I,39。,)。title(39。)。log39。figure,imshow(BW22)。閾值為 的 LOG 算子邊緣檢測(cè)圖像39。④Canny 的邊緣檢測(cè)算法：I=imread(39。)。title(39。)。Canny39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW1)。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。BW2= edge(I,39。,) 。title( 39。)。Canny39。 %edge 調(diào)用 Canny 為檢測(cè)算子判別閾值為 figure,imshow(BW21)。閾值為 的 Canny 算子邊緣檢測(cè)圖像 39。BW22= edge(I,39。,) 。title( 39