【正文】 ? 式（ 322） 對(duì)應(yīng)的擴(kuò)展模板為：??????????????????111181111 （ 1） 作為二階微分， Laplace 算子對(duì)于噪聲過(guò)于敏感了。 （ 3） Laplace 算子無(wú)法確定邊界的方向。 這時(shí)，須先對(duì)圖像進(jìn)行平滑處理。 2. 高斯拉普拉斯算子 由于噪聲點(diǎn)對(duì)邊緣檢測(cè)有一定影響，所以高斯拉普拉斯算子是效果較好的的邊緣檢測(cè)器，它把高斯平滑濾波器和拉普拉斯銳化器結(jié)合了起來(lái)，先平滑掉噪聲，再進(jìn)行邊緣檢測(cè)，效果更好。 圖像的 平滑會(huì)引起邊緣的模糊。 σ值越大，噪音濾波效果越好，但同時(shí)也丟失了重要的邊緣信息，影響了邊緣檢測(cè)器的性能。大σ 值的濾波器在平滑相互鄰近的兩個(gè)邊緣時(shí)，可能會(huì)將它們連在一起，這樣只能檢測(cè)出一個(gè)邊緣。一般來(lái)說(shuō)，使用大σ值的濾波器產(chǎn)生魯棒邊緣，小σ值的濾波器產(chǎn)生精確定位的邊緣，兩者相結(jié)合，能夠檢測(cè)出圖像的最佳邊緣。 其值為： 2? [G(x,y)]= 22xG?? + 22yG?? = 41??[2222?yx ? 1]exp ( )(2 1 222 yx ???) 式（ 326） 這樣，采用 LOG 算子就有兩種方法求圖像邊緣： ? 先求圖像與高斯函數(shù)的卷積，再求卷積的拉普拉斯變換，然后再進(jìn)行過(guò)零判斷。 這兩種方法在數(shù)學(xué)上是等價(jià)的 . 常用的高斯拉普拉斯算子是的 5 5卷積模板： ????????????????????????????????24442408044824844080424442 如圖 38所示，圖像的平滑處理減少了噪聲的影響并且它的主要作用還是抵消由 Laplacian算子的二階導(dǎo)數(shù)引起的逐漸增加的噪聲影響。它是一個(gè)全面的應(yīng)用程序開(kāi)發(fā)環(huán)境，使用它 可以 充分利用具 有面向?qū)ο筇匦缘? C++ 來(lái)開(kāi)發(fā)出專業(yè)級(jí)的 Windows 應(yīng)用程序。這種層次結(jié)構(gòu)適用于所有版本的 Windows 并彼此兼容。 我設(shè)計(jì)了一個(gè)用戶界面，如圖 49 所示 圖 49 邊緣處理用戶界面 一般使用的框架是 VC++提供的 Wizard 生成的 MFC App Wizard(exe)框架，無(wú)論是多文檔還是單文檔，都存在指針獲取和操作問(wèn)題。 我先照這書(shū)上說(shuō)的在 紙上做一下用戶界面的草圖，直到對(duì)各元素感到滿意為止。下一步，是 用 C++語(yǔ)言 實(shí)現(xiàn)代碼。例如，如果用戶單擊一個(gè)按鈕時(shí)， 就應(yīng)該 有代碼來(lái)響應(yīng)。一旦應(yīng)用程序正確的響應(yīng)了所有允許的控制，它的任務(wù)也就完成了 。適用于邊緣明顯且噪聲較少的圖像分割。經(jīng)分析，由于 Robert 算子 通常會(huì)在圖像邊緣附近的區(qū)域內(nèi)產(chǎn)生較寬的響應(yīng)，故采用上述算子檢測(cè)的邊緣圖像常需做細(xì)化處理，邊緣定位的精度不是很高。 （ d）圖是經(jīng) Sobel 算子處理后的圖像： Sobel 算子和 Prewitt 算子都是加權(quán)平均，但是Sobel 算子認(rèn)為，鄰域的像素對(duì)當(dāng)前像素產(chǎn)生的影響不是等價(jià)的，所以距離不同的像素具有不同的權(quán)值，對(duì)算子結(jié)果產(chǎn)生的影 響也不同。蘇州大學(xué)本科生畢業(yè)設(shè)計(jì) 23 由于 Sobel 算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)，簡(jiǎn)單有效，因此應(yīng)用廣泛。 （ e）圖是經(jīng) Kirsch 算子處理后的圖像：與 Prewitt 算子相似，可以在 8個(gè)方向定義 Kirsch模板，它能產(chǎn)生在這些方向的估計(jì)梯度。 .，可以檢測(cè)各個(gè)方向上邊緣，減少細(xì)節(jié)丟失，但同時(shí)增加了計(jì)算量。其具有各向同性，即與坐標(biāo)軸方向無(wú)關(guān)，坐標(biāo)軸旋轉(zhuǎn)后梯度結(jié)果不變。 如（ f）圖所示，是經(jīng)高斯型拉普拉斯算子（ LOG)處理后的圖像 :它是二階導(dǎo)數(shù)是線性運(yùn)算，利用 LOG 卷積一幅圖像與首先使用高斯型平滑函數(shù)卷積改圖像 ，然后計(jì)算所得結(jié)果的拉普拉斯是一樣的。 蘇州大學(xué)本科生畢業(yè)設(shè)計(jì) 24 第五章 結(jié)論 本文僅是對(duì)圖像邊緣檢測(cè)中經(jīng)典算子做一個(gè)初步的總結(jié)與探討，要對(duì)圖像有更深刻的認(rèn)識(shí)需要學(xué)習(xí)的地方還有很多，所以以后進(jìn)一步要做的工作總結(jié)為以下兩點(diǎn)： 一．圖像邊緣檢測(cè)領(lǐng) 域有經(jīng)典邊緣算子以及很多新的經(jīng)過(guò)改進(jìn)的邊緣檢測(cè)算子，但它們都沒(méi)有絕對(duì)優(yōu)勢(shì)，在擁有某些有點(diǎn)的同時(shí)又存在其他方面的缺點(diǎn)，有的邊緣算子精度高，但抗噪聲能力差；有的解決了抗噪聲差的問(wèn)題，可檢測(cè)精度又不高；還有的在一定程度上解決了上述問(wèn)題，但算法復(fù)雜度比較大。 二．本次圖像處理只能處理 256 色位圖，也就是灰度圖，而目前彩色圖像提高用的更加普遍，它能提 供更豐富的圖像信息，能使數(shù)字圖像處理結(jié)果更準(zhǔn)確。 蘇州大學(xué)本科生畢業(yè)設(shè)計(jì) 25 參考文獻(xiàn) （ 1） （ 2） 楊枝靈 王開(kāi) 等 Visual C++數(shù)字圖像獲取處理及實(shí)踐應(yīng)用 人民郵電出版社 （ 3） 閆常友 跟我學(xué) Visual C++ 第 1版 清華大學(xué)出版社 （ 4） 王華 葉愛(ài)亮 祁立學(xué) Visual C++ 編程實(shí)例與技巧 機(jī)械工業(yè)出版社 （ 5） 左 飛 萬(wàn)晉森 劉航 Visual C++數(shù)字圖像處理開(kāi)發(fā)入門與編程實(shí)踐 第 1版 電子工業(yè)出版社 參考文獻(xiàn)： [1] 王鄭耀 .數(shù)字圖像的邊緣檢測(cè) [M].西安：西安交通大學(xué)出版社， 2021. [2] 章毓晉 .圖像處理和分析 (圖像工程上冊(cè) ) [M].北京 :清華大學(xué)出版社 .1999. [3] 張小琳 .圖像邊緣檢測(cè)技術(shù)綜述 [J].高能量密度物理 ,12(1):3740,2021. [4] 趙輝 .圖像處理與識(shí)別實(shí)用案例精選 [M].北京：人民郵電出版社， 2021. [5] 胡文錦 .圖像邊緣檢測(cè)方 法研究 [J].計(jì)算機(jī)工程 ,28(2):112114,2021. [6] 羅軍輝 ,馮平等 . 在圖像處理中的應(yīng)用 [M].北京：機(jī)械工業(yè)出版社， 2021. [7] 雷麗珍 .數(shù)字圖像邊緣檢測(cè)方法的探討 [J].測(cè)繪通報(bào) , 7(11):4446,2021. [8] 張潔 . 數(shù)字圖像邊緣檢測(cè)技術(shù)的研究 [J]. 軟件導(dǎo)刊， 9(4):4952,2021. 蘇州大學(xué)本科生畢業(yè)設(shè)計(jì) 26 致謝 經(jīng)過(guò)三個(gè)多月的學(xué)習(xí)和研究，我的畢業(yè)設(shè)計(jì)終于完成了，回首這幾個(gè)月，我在各方面都得到了鍛煉，特別是自學(xué)能力和分析能力。在畢業(yè)設(shè)計(jì)的過(guò)程中，我也遇到了許多困難，在老師和同學(xué)的耐心指導(dǎo)和我的努力下，都一一克服了?，F(xiàn)在我對(duì)數(shù)字圖像處理以及邊緣檢測(cè)的發(fā)展及最新進(jìn)展有了一定的了解，但這是遠(yuǎn)遠(yuǎn)不夠的，在以后的日子里，我會(huì)不斷總結(jié)發(fā)現(xiàn)，學(xué)習(xí)探究，讓自己的專業(yè)知識(shí)面更加寬廣。 * * 說(shuō)明 : * 該函數(shù)用指定的模板（任意大?。﹣?lái)對(duì)圖像進(jìn)行操作，參數(shù) iTempH 指定模板 * 的高度，參數(shù) iTempW 指定模板的寬度，參數(shù) iTempMX 和 iTempMY 指定模板的中心 * 元素坐標(biāo)，參數(shù) fpArray 指定模板元素， fCoef 指定系數(shù)。 HLOCAL hNewDIBBits。 // 指向要復(fù)制區(qū)域的指針 unsigned char* lpDst。 LONG j。 LONG l。 // 圖像每行的字節(jié)數(shù) LONG lLineBytes。 // 暫時(shí)分配內(nèi)存，以保存新圖像 hNewDIBBits = LocalAlloc(LHND, lLineBytes * lHeight)。 } // 鎖定內(nèi)存 lpNewDIBBits = (char * )LocalLock(hNewDIBBits)。 // 行 (除去邊緣幾行 ) for(i = iTempMY。 i++) { // 列 (除去邊緣幾列 ) for(j = iTempMX。 j++) { // 指向新 DIB 第 i 行，第 j 個(gè)象素的指針 lpDst = (unsigned char*)lpNewDIBBits + lLineBytes * (lHeight 1 i) + j。 // 計(jì)算 for (k = 0。 k++) { for (l = 0。 l++) { // 指向 DIB 第 i iTempMY + k 行，第 j iTempMX + l 個(gè)象素的指針 lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (lHeight 1 i + iTempMY k) + j iTempMX + l。 } } // 乘上系數(shù) fResult *= fCoef。 // 判斷是否超過(guò) 255 if(fResult 255) { // 直接賦值為 255 * lpDst = 255。 } } } // 復(fù)制變換后的圖像 memcpy(lpDIBBits, lpNewDIBBits, lLineBytes * lHeight)。 LocalFree(hNewDIBBits)。 } 蘇州大學(xué)本科生畢業(yè)設(shè)計(jì) 34 B 主界面程序 void CCh1_1View::OnEdgeRobert() { //Robert 邊緣檢測(cè)運(yùn)算 // 獲取文檔 CCh1_1Doc* pDoc = GetDocument()。 // 指向 DIB 象素指針 LPSTR lpDIBBits。 // 判斷是否是 8bpp 位圖（這里為了方便，只處理 8bpp 位圖的邊緣檢測(cè)，其它的可以類推） if (::DIBNumColors(lpDIB) != 256) { 蘇州大學(xué)本科生畢業(yè)設(shè)計(jì) 35 // 提示用戶 MessageBox(目前只支持 256 色位圖的運(yùn)算！ , 系統(tǒng)提示 , MB_ICONINFORMATION | MB_OK)。 // 返回 return。 // 找到 DIB 圖像象素起始位置 lpDIBBits = ::FindDIBBits(lpDIB)。 // 更新視圖 pDocUpdateAllViews(NULL)。 } // 解除鎖定 ::GlobalUnlock((HGLOBAL) pDocGetHDIB())。