课程名称：数字图像处理
课设题目：边缘检测技术在数字图像处理中的应用专业班级：信息与计算科学2班
学号：20070810010216
学生姓名：黄斌
小组成员：詹超
指导老师：冯大一
边缘检测技术在数字图像处理中的应用
摘要:边缘检测技术是数字图像处理中的重要组成部分。本文在典型实验的基础上，对边缘检测技术中围绕几种传统微分算子展开的几种方法进行研究和演示。所采用的图片来源于网上，原图是一个小男孩，本身是彩色图片，出于处理的需要，本人通过word自带的图片处理工具将它处理成黑白的，并分别通过几种微分算子对他们进行了边缘检测的处理。从仿真结果图中可以直观的看出，Robert算子和Sobel算子及Prewitt算子的边缘图中检测出的边缘数少，欠完整，且受噪声干扰较大。LOG算子和Canny算子的边缘图中的边缘连续性很好，完整性也占优，相比之下，LOG算子边缘较粗，噪声点较多，而canny算子的边缘图中的边缘线划很细，边缘连取得很完备。因此，在实际运用时，应具体问题具体分析，根据特定情况选择最佳的边缘检测算子，可以取得令人满意的结果。
关键词:边缘检测技术数字图像处理微分算子 Sobel算子 Robert
算子 Laplacian算子 Prewitt算子
目录
1.引言 (4)
2.正文 (4)
2.1 图像边缘检测简介 (4)
2.2 传统微分算子简介 (5)
2.2.1Robert算子 (5)
2.2.2 Sobel算子 (5)
2.2.4 Laplacian算子 (6)
2.3 结果显示 (6)
3.结论 (6)
4.数字图像处理心得 (6)
5.参考文献 (8)
1引言
图像边缘检测与其他细节技术共同构成图像处理技术的整体。除了传统的微分边缘算子方法，近来还有不少改进的、更为卓越的方法不断涌现，如基于小波与分形理论的边缘检测
方法、基于形态学的边缘检测算法等等。本文着重于探讨基于传统微分算子的边缘检测技术。并下最后展示了实验的结果。本文所用的原始图片来自于网上。为免于流俗，本人没有像大家一样使用清一色的美女图片，而是使用了一个戴帽子的小男孩。以此图片为原始图片，分别用各种典型的微分算子对这个图片在matlab中进行了处理，得到的结果如最后给出的图片所示。
2 正文
2.1图像边缘检测简介
图像是人们认识客观世界的重要知识来源。科学研究表明，人类所获的信息有70％是通过人的视觉系统，也就是通过图像获得的，因此研究图像处理的重要性不言而喻.。模式识别技术中的图像识别在工农业各部门都有成功的应用。如工业加工产品的缺陷检测、农产品的分类筛选、天文图像分析、指纹鉴定等诸多领域。Matlab是近几年来在国内广泛流行的可视化科学计算软件，其语法结构简单并具有极强的数值计算、图形文字处理、数据分析、图形绘制及处理功能，使用Matlab设计模式识别应用软件将使设计者获得更大的自由，可以任意执行特殊的算法和实现复杂的操作，这是通过使用Madah工具箱中自带的程序实现的。例如，可以把神经网络工具箱中的程序和图像处理工具箱中的程序结合起来，以解决图像分类方面的问题。所以，在解决图像处理和识别的工程问题时，选择基于Matlab进行二次开发将为设计工作提供极大的灵活性和可行性。
所谓边缘，是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。两个具有不同灰度值的相邻区域之间总存在着边缘，边缘是灰度值不连续的结果。而边缘检测正是基于幅度不连续性进行图像分割的方法。这种不连续性通常可以利用求导数的方法方便地检测到，一般常用一阶导数和二阶导数来检测。边缘检测基本思想是首先利用边缘增强算子，突出图像中的局部边缘，然后定义像素中的“边缘强度”，通过设置门限的方法提取边缘点集。由于边缘、轮廓在一幅图像中常常具有任意的方向，所以需要找到一些各项同性的检测算子，它们对刘任意方向的边缘、轮廓都具有相同的检测能力。具有这些能力的检测算子有Robert 算子、Sobel算子、Prewitt算子和L0G算子等等。
边缘检测的基本问题是检测精度与抗噪性能间的矛盾．由于图象边缘和噪声均为频域中的高频分量，简单的微分运算会增加图象中的噪声，因此，在微分运算之前应采取适当的平滑滤波以减少高频分量中噪声的影响．Canny应用严格的数学方法对此问题进行了分析，提出了由四个指数函数线性组合形成的最佳边缘检测算子，其方法的实质是用一个准高斯函数作平滑运算，然后以带方向的一阶微分定位导数最大值，它可用高斯函数的梯度来近似，属于具有平滑功能的一阶微分算子．Deriche将Canny的算法作了一定的简化，并直接将Canny 的基于有限宽度的边缘检测器推广至无限宽度，从而增加了边缘检测算子的抗噪性能，但Deriche和Canny的研究是针对单边缘模型的．沈俊则从最优滤波的观点出发，推导出运算复杂性小、精度高的最优平滑滤波器，即对称双指数型滤波器．同时研究了多边缘模型的情况，为边缘检测与提取技术的发展奠定了一定的基础。
2.2 传统微分算子简介
2.2.1Robert算子
Robert算子是一种利用局部差分算子寻找边缘的算子，其模板如图1所示。
1 0 0
-1
图1 Picture1 Robert operator
Robert 算子的定义为 G[f
-f(x,y)]2+[f(x+1,y)-f(x,y+1)]2}?
由于上述算法的处理工作量很大，因此在实用上常采用绝对差算法对上式化简如下 G[f(x,y)]≈|f(x+1,y)-f(x,y)|+|f(x,y+1)-f(x,y)| 及G[f
≈|f(x+1,y+1)-f(x,y)|+|f(x,y+1)-f(x+1,y)|
Robert 算子对具有陡峭的低噪声图像效果较好
2.2.2 Sobel 算子
Sobel 算子有两个卷积计算核，如图2所示。图像中的每个点都用这两个核作卷积，第一个核通常对垂直边缘相应最大，第二个核对水平边缘相应最大。两个卷积的最大值作为该点的输出值，运算结果是一幅边缘幅度图像。 1 2 1 1 0 -1 0 0 0 2 0 -2 -1
-2
-1
1
-1
图2
Picture2 Sobel operator
Sobel 算子定义为： S=(d 2+d 2)?
d=[f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)]-[f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)] d=[f(x+1,y-1)+2f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)] 用模板表示d,d 为
Sobel 算子通常对灰度渐变和噪声较多的图像处理得较好。
2.2.3 Prewitt 算子
Prewitt 算子有两个卷积计算核，如下图3所示。 作卷积的方法和Sobel 算子的方法相似。 1 0 -1 1 1 1 1 0 -1 0 0 0 1
-1
-1
-1
-1
图3
Picture3 Prewitt operator
Prewitt 算子定义为： S=(d 2+d 2)?
0 1 -1
2.2.4 Laplacian算子
Laplacian算子是无方向性算子，用一个卷积核就
可以对图像进行处理．Laplacian算子考虑二阶差分，
其典型的卷积核如图4所示，
-1 -1 -1
-1 8 -1
-1 -1 -1
图4
Picture 4 Laplacian operator
2.3 结果显示
图5 几种边缘检测算子对BOY图像边缘检测的比较
Picture 5
Several edge detection operator on the Boy Image Edge Detection comparison
3结论
相比之下,Robert算子和Sobel算子及Prewitt算子的边缘图中检测出的边缘数少，欠完整，且受噪声干扰较大。LOG算子和Canny算子的边缘图中的边缘连续性很好，完整性也占优，相比之下，LOG算子边缘较粗，噪声点较多，而canny算子的边缘图中的边缘线划很细，边缘连取得很完备。因此，在实际运用时，应具体问题具体分析，根据特定情况选择最佳的边缘检测算子，可以取得令人满意的结果。
图象边缘检测领域其实有微分方法、基于小波与分形理论的方法和基于形态学的方法等多种检测手段，但它们都不是一种具有绝对优势的方法，有的方法边缘检测精度高，但抗噪声性能较差；有的方法解决了抗噪声性能差的问题，而检测精度又不够．还有一些算法尽管在一定程度上较好地解决了上述两者的协调问题。因而，寻求算法较简单、能较好解决边缘检测精度与抗噪声性能协调问题的边缘检测算法将一直是图象处理与分析中研究的主要问题之一，还有许多工作有待进一步研究．
而本文却专注于对传统的几种微分算子算法进行讨论，没有太大深意，无非是要强调传统方法的重要性。因为就本人的观点来说，不管科学如何发展，基础知识始终具有很强的指导性意义。有一句话叫做万变不离其宗，基于本人浅薄的科学认识，再变化多端的发展也不会只是空中楼阁，也不可能凭空产生，前人的研究成果始终对后人具有借鉴意义。
4 数字图像处理课程心得
经过几天来的辛苦及努力，终于到了拿出数字图像处理论文成品的时候了。在整个论文的酝酿过程中，实在是付出了不少，包括金钱和大量的考研复习时间。
坦白地说，因为考研的缘故，在本门课程中并没有倾注太多的精力，上课时也只是人到心未到，多数时间都是在背单词。因此在做这次报告时，不免遇到不少困难，需要借助各种手段去解决。如选题时需要将借来的资料再通览一遍，这是主要是利用了图书馆的资源；选定大题目后，希望对这方面的知识有进一步的了解，可以通过两种方法达到目的，一是通过百度、谷歌等搜索引擎下载一些常识性基础性的知识，另外是利用学院通过固定IP的方式购买的万方、维普等数据库，下载一些较为系统的知识或实验的论文，进行适当的参考和模仿，这也是一种基本的学习方法。
在实际的工作过程中确实遇到了不少困难，论文也是在不断克服困难的过程中一点点地前进。最初的困惑是如何选题。基于选题既不能太大而导致空泛、又不能太小失去探讨的意义的原则，我选择了边缘检测技术这个题，这个题目属于数字图像处理中的一个基本组成环节，既有传统的研究成果，也具有不断拓延的生命力，容易使论文操作起来言之有物。至于之后所遇到的有关电子阅览室以及电脑速度极慢中毒极深和网速极为有限的问题，也都一一克服或忍受，无甚大碍。、
总之，本次报告与之前数次实验报告得到的收获相差无几。这必将对之后的毕业设计以及其它有关本学科的学习有一定的帮助。
以上就是本人在本门课程中的心得体会。
5 参考文献
[1] 刘福生，罗鹏飞,．统计信号处理[M],国防科技大学出版社，1999,长沙
[2]Oppenheim A V，Schafer R W，Digital Signal Processing[M]，Prentice—Hall，Englewond Clifs，N J，1975
[3] 张贤达,现代信号处理[M]第2版，北京，清华大学出版社，2002
[4] Pratt W R．Digital image processing l-M]．NEWY0RK,Wiley，1977．
第一章绪论 一.选择题 1.一幅数字图像是：(B) A、一个观测系统； B、一个有许多像素排列而成的实体； C、一个2-D数组中的元素 D、一个3-D空间的场景。 提示：考虑图像和数字图像的定义 2.半调输出技术可以：(B) A、改善图像的空间分辨率； B、改善图像的幅度分辨率； C、利用抖动技术实现； D、消除虚假轮廓现象。 提示：半调输出技术牺牲空间分辨率以提高幅度分辨率 3.一幅256*256的图像，若灰度级数为16，则存储它所需的比特数是：(A) A、256K B、512K C、1M C、2M 提示：表达图像所需的比特数是图像的长乘宽再乘灰度级数对应的比特数。 4.图像中虚假轮廓的出现就其本质而言是由于：(A) A、图像的灰度级数不够多造成的； B、图像的空间分辨率不够高造成； C、图像的灰度级数过多造成的 D、图像的空间分辨率过高造成。 提示：平滑区域内灰度应缓慢变化，但当图像的灰度级数不够多时会产生阶跃，图像中的虚假轮廓最易在平滑区域内产生。 5.数字图像木刻画效果的出现是由于下列原因所产生的：（A） A、图像的幅度分辨率过小； B、图像的幅度分辨率过大； C、图像的空间分辨率过小； D、图像的空间分辨率过大； 提示：图像中的木刻效果指图像中的灰度级数很少 6.以下图像技术中属于图像处理技术的是：（AC）（图像合成输入是数据，图像分类输出 是类别数据） A、图像编码 B、图像合成 C、图像增强 D、图像分类。 提示：对比较狭义的图像处理技术，输入输出都是图像。 二.简答题 1.数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 2.什么是图像识别与理解？ 3.简述数字图像处理的至少3种主要研究内容。 4.简述数字图像处理的至少4种应用。 5.简述图像几何变换与图像变换的区别。 解答: 1. ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。
文献综述 理论背景 数字图像中的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显着的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 、图像边缘检测技术研究的目的和意义 数字图像边缘检测是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像边缘检测也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像边缘检测和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像边缘检测中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速度更快，图像特征识别更准确。早期的经典算法有边缘算子法、曲面拟合法、模版匹配法、门限化法等。 早在1959年Julez就曾提及边缘检测技术，Roberts则于1965年开始了最早期的系统研究，从此有关边缘检测的理论方法不断涌现并推陈出新。边缘检测最开始都是使用一些经验性的方法，如利用梯度等微分算子或特征模板对图像进行卷积运算，然而由于这些方法普遍存在一些明显的缺陷，导致其检测结果并不尽如人意。20世纪80年代，Marr和Canny相继提出了一些更为系统的理论和方法，逐渐使人们认识到边缘检测的重要研究意义。随着研究的深入，人们开始注意到边缘具有多分辨性，即在不同的分辨率下需要提取的信息也是不同的。通常情况下，小尺度检测能得到更多的边缘细节，但对噪声更为敏感，而大尺度检测
数字图像处理技术试题库 一、单项选择题：(本大题 小题, 2分/每小题,共 分) 1.自然界中的所有颜色都可以由（）组成 A.红蓝绿 B.红黄绿 C.红黄蓝绿 D.红黄蓝紫白 2. 有一个长宽各为200个象素，颜色数为16色的彩色图，每一个象素都用R(红)、G(绿)、B(蓝)三个分量表示，则需要（）字节来表示 A.100 B.200 C.300 D. 400 3.颜色数为16种的彩色图，R(红)、G(绿)、B(蓝)三个分量分别由1个字节表示，则调色板需要（）字节来表示 A.48 B.60 C.30 D. 40 4.下面哪一个不属于bmp 文件的组成部分 A ．位图文件信息头 B. 位图文件头 C.调色板 D. 数据库标示 5.位图中，最小分辨单元是 A.像素 B.图元 C.文件头 D.厘米 6.真彩色的颜色数为 A.888?? B. 161616?? C.128128128?? D.256256256?? 7.如果图像中出现了与相邻像素点值区别很大的一个点，即噪声，则可以通过以下方式去除 A.平滑 B.锐化 C. 坐标旋转 D. 坐标平移 8.下面哪一个选项不属于图像的几何变换() A.平移 B.旋转 C. 镜像 D. 锐化 9.设平移量为x x t t (,)，则平移矩阵为() A .1 0 00 1 0 1x y t t ?????????? B. 1 0 00 -1 0 1x y t t ??-???????? C.1 0 00 1 0 - 1x y t t ????????-?? D.1 0 00 1 0 - -1x y t t ?????????? 10.设旋转角度为a ，则旋转变换矩阵为() A ．cos() sin() 0sin() cos() 00 0 1a a a a -?????????? B ．cos() sin() 0sin() cos() 00 0 1a a a a ?????????? C ．sin() cos() 0 sin() cos() 0 0 0 1a a a a -?????????? D ．cos() sin() 0sin() cos() 00 0 1a a a a -????-?????? 11.下面哪一个选项是锐化模板 A ．-1 -1 -1-1 9 -1-1 -1 -1??????????g B ．-1 -1 -1-1 -9 -1-1 -1 -1??????????g C ．-1 -1 -1-1 8 -1-1 -1 -1??????????g D ．-1 -1 -1-1 6 -1-1 -1 -1?????????? g 12.真彩色所能表示的颜色数目是 A ．128128? B ．256256256 ?? C ．256 D ．6059
《数字图像处理》习题参考答案 第1 章概述 连续图像和数字图像如何相互转换答：数字图像将图像看成是许多大小相同、形状一致的像素组成。这样，数字图像可以 用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。图像的数字化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。 # 采用数字图像处理有何优点答：数字图像处理与光学等模拟方式 相比具有以下鲜明的特点： 1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性高。 2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。 3．数字图像处理技术适用面宽。 4．数字图像处理技术综合性强。 数字图像处理主要包括哪些研究内容答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、 编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。 ] 讨论数字图像处理系统的组成。列举你熟悉的图像处理系统并分析它们的组成和功能。 答：如图，数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的 信息系统。图像处理系统包括图像处理硬件和图像处理软件。图像处理硬件主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。软件系统包括操作系统、控制软件及应用软件等。 。 $ 图数字图像处理系统结构图 1
常见的数字图像处理开发工具有哪些各有什么特点 答．目前图像处理系统开发的主流工具为Visual C++（面向对象可视化集成工具）和MATLAB 的图像处理工具箱（Image Processing Tool box）。两种开发工具各有所长且有相互间的软件接口。 Microsoft 公司的VC++是一种具有高度综合性能的面向对象可视化集成工具，用它开发出来的Win 32 程序有着运行速度快、可移植能力强等优点。VC++所提供的Microsoft 基础类库 MFC 对大部分与用户设计有关的 Win 32 应用程序接口 API 进行了封装，提高了代码的可重用性，大大缩短了应用程序开发周期，降低了开发成本。由于图像格式多且复杂，为了减轻程序员将主要精力放在特定问题的图像处理算法上，VC++ 提供的动态链接库支持BMP、JPG、TIF 等常用6种格式的读写功能。 MATLAB 的图像处理工具箱M ATLAB 是由M athWorks 公司推出的用于数值计算的有力工具，是一种第四代计算机语言，它具有相当强大的矩阵运算和操作功能，力求使人们摆脱繁杂的程序代码。MATLAB 图像处理工具箱提供了丰富的图像处理函数，灵活运用这些函数可以完成大部分图像处理工作，从而大大节省编写低层算法代码的时间，避免程序设计中的重复劳动。MATLAB 图像处理工具箱涵盖了在工程实践中经常遇到的图像处理手段和算法，如图形句柄、图像的表示、图像变换、二维滤波器、图像增强、四叉树分解域边缘检测、二值图像处理、小波分析、分形几何、图形用户界面等。但是，MATLAB 也存在不足之处限制了其在图像处理软件中实际应用。首先，强大的功能只能在安装有M ATLAB 系统的机器上使用图像处理工具箱中的函数或自编的m文件来实现。其次，MATLAB 使用行解释方式执行代码，执行速度很慢。第三，MATLAB 擅长矩阵运算，但对于循环处理和图形界面的处理不及C++等语言。为此，通应用程序接口A PI 和编译器与其他高级语言（如C、 C++、Java 等）混合编程将会发挥各种程序设计语言之长协同完成图像处理任务。API 支持 MATLAB 与外部数据与程序的交互。编译器产生独立于M ATLAB 环境的程序，从而使其他语言的应用程序使用MATLAB。 常见的数字图像应用软件有哪些各有什么特点答：图像应用软件是可直接供用户使用的商品化软件。用户从使用功能出发，只要了解 软件的操作方法就可以完成图像处理的任务。对大部分用户来说，商品化的图像应用软件无需用户进行编程，操作方便，功能齐全，已经能满足一般需求，因而得到广泛应用。常用图像处理应用软件有以下几种： 1．PHOTOSHOP：当今世界上一流的图像设计与制作工具，其优越性能令其产品望尘莫及。PHOTOSHOP 已成为出版界中图像处理的专业标准。高版本的 PHOTOSHOP 支持多达 20 多种图像格式和TWAIN 接口，接受一般扫描仪、数码相机等图像输入设备采集的图像。PHOTOSHOP 支持多图层的工作方式，只是 PHOTOSHOP 的最大特色。使用图层功能可以很方便地编辑和修改图像，使平面设计充满创意。利用PHOTOSHOP 还可以方便地对图像进行各种平面处理、绘制简单的几何图形、对文字进行艺术加工、进行图像格式和颜色模式的转换、改变图像的尺寸和分辨率、制作网页图像等。 2．CorelDRAW：一种基于矢量绘图、功能强大的图形图像制作与设计软件。位图式图像是由象素组成的，与其相对，矢量式图像以几何、色彩参数描述图像，其内容以线条和色块为主。可见，采用不同的技术手段可以满足用户的设计要求。位图式图像善于表现连续、丰富色调的自然景物，数据量较大；而矢量式图像强于表现线条、色块的图案，数据量较小。合理的利用两种不同类型的图像表现方式，往往会收到意想不到的艺术效果。CorelDraw是 2
第31卷第3期2005年5月 光学技术 OP T ICA L T ECHN IQ U E V ol.31No.3 M ay 2005 文章编号:1002-1582(2005)03-0415-05 图像边缘检测方法研究综述 段瑞玲,李庆祥,李玉和 (清华大学精密仪器及机械学系,北京 100084) 摘 要:图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。图像分析和理解的第一步常常是边缘检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息,是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。对一些传统的边缘检测方法和近年来广泛收到关注的边缘检测算法进行了简单介绍。综述中只涉及到检测方面,而没有讨论滤波、边缘定位、算法的复杂程度和边缘检测器性能的评价。 关键词:图像处理;边缘检测;梯度算法;差分边缘检测 中图分类号:T P751 文献标识码:A Summary of image edge detection DU AN Rui_ling,LI Qin g_xiang,LI Yu_he (Department of P recisio n I nstrument and M echanology,Tsing hua University,Beijing 100084,China) Abstract:Edg e is one of the most fundamental and sig nificant features.Edge detection is alw ay s one of the most classical studying projects o f computer vision and image processing field.T he fist step of image analy sis and understanding is edg e de tec-tion.T he g oal of edge detection is to recover information about shapes and reflectance o r transmittance in an image.I t is one of the fundamental steps in image processing,mage analy sis,image patter recognition,and computer vision,as well as in human vision.T he correctness and reliability of its results affect directly the comprehension machine system made fo r objective w orld. T he summary for basic edge de tection metho ds was made.It involv ed the detection methods only but no t filtering,edge loca-tion,analy sis of algorithm complexity and functional evaluation about a detecto r. Key words:image processing;imag e detection;gradient arithmetic; 1 引 言 早在本世纪初,人类为了用图片及时传输世界各地发生的新闻事件,便开始了对图像处理技术的研究。用计算机进行图像处理,改善图像质量的有效应用开始于1964年美国喷气推进实验室对太空传回的大批月球照片进行处理,并收到了明显的效果。然而,图像处理技术的真正发展还是在上世纪60年代末,其原因一方面是由于受到航天技术发展的刺激,另一方面是作为图像处理工具的数字计算机和各种不同类型的数字化仪器及显示器的突飞猛进发展。迄今为止,数字图像作为一门崭新的学科,日益受到人们的重视,并且在科学研究、工农业生产、军事技术和医疗卫生等领域发挥着越来越重要的作用。 机器视觉主要是利用计算机实现人类的视觉功能,对客观世界的三维场景的感知、识别和理解。边缘是图像的最基本特征,边缘检测通常是机器视觉系统处理图像的第一个阶段,是机器视觉领域内经典的研究课题之一,其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。 2 图像边缘定义 图像的大部分信息都存在于图像的边缘中,主要表现为图像局部特征的不连续性,即图像中灰度变化比较剧烈的地方。因此,我们把边缘定义为图像中灰度发生急剧变化的区域边界。根据灰度变化的剧烈程度,通常将边缘划分为阶跃状和屋顶状两种类型[1]。阶跃边缘两边的灰度值变化明显,而屋顶边缘位于灰度值增加与减少的交界处。那么,对阶跃边缘和屋顶边缘分别求取一阶、二阶导数就可以表示边缘点的变化。因此,对于一个阶跃边缘点,其灰度变化曲线的一阶导数在该点达到极大值,二阶导数在该点与零交叉;对于一个屋顶边缘点,其灰 415 收稿日期:2004-06-01;收到修改稿日期:2004-10-20 E-mail:duanrl03@mails.ts https://www.doczj.com/doc/b212793521.html, 作者简介:段瑞玲(1979_),女,山西人,清华大学博士研究生,从事装配系统及微观图像处理研究。
数字图像处理技术练习
1． 图像中每个像素点的灰度值如下图所示： 分别求经过邻域平滑模板、邻域高通模板和中值滤波处理后的结果。其中不能 处理的点保持不变如果处理后的值为负数则变为0。邻域平滑模 板01011 14010H ????=??????，邻域高通模板010141010H -????=--????-?? ，中值滤波窗口取3×3矩阵，窗口中心为原点。 2． 图像中每个像素点的灰度值如下图所示： 分别求经过邻域平滑模板、邻域高通模板和中值滤波处理后的结果。其 中不能处理的点保持不变如果处理后的值为负数则变为0。邻域平滑模 板11111018111H ????=??????，邻域高通模板111181111H ---????=--????---?? ，中值滤波窗口取3×3矩阵，窗口中心为原点。 3．设有以下信源符号w1,w2,w3,w4,w5和概率P(w1)=0.3, P(w2)=0.2, P(w3)=0.2, P(w4)=0.2, P(w5)=0.1。请对此信源进行Huffman 编码，并计 算熵，平均码长和编码效率。 (log 20.3= -1.737,log 20.2= -2.322,log 20.1=-3.322) 4．设有以下信源符号w1,w2,w3,w4,w5和概率P(w1)=0.5, P(w2)=0.2, P(w3)=0.1, P(w4)=0.1, P(w5)=0.1, 请对此信源进行Huffman 编码，并计算熵，平均码
幅 4．一个灰度变换形式如下图所示，该灰度变换的作用是（ B ）。 A ．灰度反转 B ．二值化 C ．灰度均衡 D ．对比度增强 5．一个灰度变换形式如下图所示，该灰度变换的作用是（ A ）。 A ．灰度反转 B ．二值化 C ．灰度均衡 D ．对比度增强 6．一个三段线性变换如下图所示,横轴表示原始灰度，纵轴表示变换后灰度。以下关于该变换的说法错误的是（ A ）。 A ．(0,80)区间的灰度对比度增强 B ．（80，130）区间的灰度对比度增强 C ．(130,255)区间的灰度对比度降低 D ．变换后的灰度的区间还是（0，255） 7．将灰度或单一波段的图像变换为彩色图像，从而把人眼不能区分的微小的灰度差别显示为明显的彩色差异。这种处理方法称为（ C ）。 A ．真彩色增强 B ．假彩色增强 C ．伪彩色增强 D ．彩色图像灰度化 8．灰度图像的高帽变换的定义为THT()()f f f g =-，该变换的作用是0 320255
数字图像处理期末复习 zf·w 2013/12/19 一.单项选择题+填空题+判断题 1.图像与灰度直方图间的对应关系是【多对一】 2.属于图像锐化处理的有【高通滤波】 3.属于点处理/运算的有【二值化】【直方图均衡】 4.计算机显示器主要采用的彩色模型是【RGB】 5.属于图像平滑处理的有【中值滤波】【低通滤波】 6.维纳滤波器通常用于【复原图像】 7.图像方差说明了图像的【对比度】 8.属于局部处理的有【中值滤波】 9.图像锐化除了在空间域进行外，也可以在【频率域】进行 10.对于彩色图像，通常用于区别颜色的特性是【色调】【饱和度】【亮度】 11.依据图像的保真度，图像压缩可以分为【有损压缩】和【无损压缩】 12.低通滤波法是使【高频成分】受到抑制而让【低频成分】顺利通过，从而实现图像平滑（此处的“高频成分”和“低频成分”分别对应于空间域的像素灰度值/灰度分布有什么特点） 13.一般来说，采样间距越大，图像数据量【少】，质量【差】；反之亦然 14.直方图修正法包括【直方图均衡】和【直方图规定化（匹配）】 15.图像压缩系统是由【编码器】和【解码器】两个截然不同的结构块组成 16.数字图像处理即用【计算机】对图像进行处理 17.若将一幅灰度图像中的对应直方图中偶数项的像素灰度均用对应直方图中奇数项的像素灰度代替，所得到的的图像将亮度【增加】，对比度【减少】（图像亮度和对比度与图像像素灰度值分布之间的关系） 18.图像数字化包括三个步骤【采样】【量化】和【扫描】 19.在RGB彩色空间的原点上，三个基色均没有【亮度】，即原点为【黑色】，三基色都达到最高亮度时则表现为【白色】（色调，饱和度和亮度在图像上的具体表现是什么） 20.灰度直方图的横坐标是【灰度级】，纵坐标是【该灰度级出现的频率】 21.数字图像是【图像】的数字表示，【像素】是其最小的单位 22.【灰度图像】是指每个像素的信息由一个量化的灰度级来描述的图像，没有彩色信息 23.【彩色图像】是指每个像素的信息由RGB三原色构成的图像，其中RGB是由不同的灰度级来描述 24.【直方图均衡化】方法的基本思想是对图像中像素个数多灰度级进行【展宽】，对像素个数少的灰度级进行【缩减】，从而达到清晰图像的目的 25.图像锐化的目的是加强图像中景物的【细节边缘和轮廓】 26.因为图像分割的结果图像是二值图像，所以通常又称图像分割为图像的【二值化处理】 27.【腐蚀】是一种消除连通域的边界点，使边界向内收缩的处理 28.【膨胀】是将目标区域的背景点合并到该目标物中，使目标物边界向外部扩张的处理 29.对于【椒盐噪声】，中值滤波的效果比均值滤波效果好 30.图像增强按增强处理所在空间不同分为【空域】和【频域】 31.常用的彩色增强方法有【真彩色增强】【假彩色增强】和【伪彩色增强】三种 32.【灰度直方图可以反映一幅图像各灰度级像元占图形的面积比】 33.【直方图均衡和图像的二值化都是点运算】 34.【边缘检测是将边缘像元标识出来的一种图像分割技术】 二.名词解释 1.数字图像：用一个二维函数f(x,y)表示一幅图像，其中x和y是空间坐标，幅值f是在该空间坐标处的强度或灰度。当x,y和f都是有限的离散值时，我们称该图像是数字图像。 2.数字图像处理：指用计算机处理数字图像，以获得所需的数字图像。 3.图像压缩： 4.无损压缩：可精确无误地从压缩数据中恢复出原始数据。 5.中值滤波：将当前像元的窗口中所有像元灰度由小到大排序，中间值作为当前像元的输出值。 三.简答题 1.图像压缩的基本原理是什么。数字图像的冗余有哪几种表现形式？ 答：虽然表示图像需要大量的数据，但图像数据是高度相关的，或者说存在冗余信息。图像压缩就是去掉这些冗余信息而不损
图像边缘检测算法体验步骤 图像边缘检测算法体验步骤（Photoshop，Matlab）1. 确定你的电脑上已经安装了Photoshop和Matlab2. 使用手机或其他任何方式，获得一张彩色图像（任何格式），建议图像颜色丰富，分辨率比较高，具有比较明显的图像边界（卡通图像，风景图像，桌面图像）3. 将图像保存到一个能够找到的目录中，例如img文件夹（路径上没有汉字）4. 启动Photoshop，打开img文件夹中的图像5. 在工具箱中选择“矩形选择”工具，到图面上选择一个区域（如果分辨率比较高，建议不要太大，否则计算过程比较长）6. 点击下拉菜单【文件】-【新建】，新建一个与矩形选择框同样尺寸的Photoshop图像，不要求保存该图像7. 将该彩色图像转换为亮度图像，即点击下拉菜单【图像】-【模式】-【灰度】，如提示是否合并，选择“Yes”8. 将该单色的亮度图像另存为Windows的BMP文件，点击下拉菜单【文件】-【存储为】，在“存储为”窗口中，为该文件起一个名字，例如test1（保存为test1.bmp）9. 启动Matlab，将当期路径（Current Directory）定位到图像文件夹，例如这里的img文件夹10. 使用imread命令读入该图像，在命令行输入：>> f = imread(test1.bmp);11. 在Matlab中显示该图像，在命令行输入：>> figure, imshow(f)12. 然后，分别使用Matlab图像工具箱中的Edge函数，分别使用Sobel算法，高斯-拉普拉斯（Log）算法和Canny算法得到的边缘图像：在命令行输入：>> g_sobel = edge(f, sobel, 0.05); >> g_log = edge(f, log, 0.003, 2.25); >> g_canny = edge(f, canny, [0.04 0.10], 1.5);13 得到边缘图像计算结果后，显示这些边缘图像： >> figure, imshow(g_sobel) >> figure, imshow(g_log) >> figure, imshow(g_canny)14 可以用不同的图像做对比，后续课程解释算法后，可以变换不同的阈值，得到不同的边缘图像
第 42 卷增刊 1 中南大学学报(自然科学版) V ol.42 Suppl. 1 2011 年 9 月 Journal of Central South University (Science and Technology) Sep. 2011 图像边缘检测技术综述 王敏杰 1 ，杨唐文 1, 3 ，韩建达 2 ，秦勇 3 (1. 北京交通大学 信息科学研究所，北京，100044； 2. 中国科学院沈阳自动化研究所 机器人学国家重点实验室，辽宁 沈阳，110016； 3. 北京交通大学 轨道交通控制与安全国家重点实验室，北京，100044) 摘要：边缘检测是图像处理与分析中最基础的内容之一。首先介绍了几种经典的边缘检测方法，并对其性能进行 比较分析；然后，综述了近几年来出现的一些新的边缘检测方法；最后，对边缘检测技术的发展趋势进行了展望。 关键词：数字图像；边缘检测；综述 中图分类号：TP391.4 文献标志码：A 文章编号：1672?7207(2011)S1?0811?06 Review on image edge detection technologies W ANG Min-jie 1 , Y ANG Tang-wen 1,3 , HAN Jian-da 2 ,QIN Y ong 3 (1.Institute of Information Science，Beijing Jiaotong University, Beijing 100044, China? 2.State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academic of Science,Shenyang 110016, China? 3.State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044, China) Abstract: Edge detection is one of the most fundamental topics in the research area of image processing and analysis. First, several classical edge detection methods were introduced, and the performance of these methods was compared? then, several edge detection methods developed in the latest years were reviewed? finally, the trend of the research of the image edge detection in the future was discussed. Key words:digital image?edge detection?review 图像是人们从客观世界获取信息的重要来源 [1?2] 。 图像信息最主要来自其边缘和轮廓。所谓边缘是指其 周围像素灰度急剧变化的那些象素的集合，它是图像 最基本的特征。边缘存在于目标、背景和区域之 间 [3?4] ，它是图像分割所依赖的最重要的依据。边缘检 测 [5?8] 是图像处理和计算机视觉中的基本问题， 图像边 缘检测是图像处理中的一个重要内容和步骤，是图像 分割、目标识别等众多图像处理的必要基础 [9?10] 。因 此，研究图像边缘检测算法具有极其重要的意义。 边缘检测是计算机视觉和图像处理领域的一项基 本内容。准确、高效地提取出边缘信息一直是该领域 研究的重点内容 [11] 。最初的经典算法可分为边缘算子 法、曲面拟合法、模板匹配法、门限化法等。近年来， 随着数学理论和人工智能的发展，又出现了一些新的 边缘检测的算法 [12?13] ，如基于数学形态学的边缘检 测 [14] 、小波变换和小波包变换的边缘检测法 [15] 、基于 模糊理论的边缘检测法 [16?17] 、基于神经网络的边缘检 测法 [18] 、基于分形几何的边缘检测算法 [19] 、基于遗传 算法的边缘检测法 [20?21] 、漫射边缘的检测方法 [22] 、多 尺度边缘检测技术 [23] 、亚像素边缘的定位技术 [24] 、 收稿日期：2011?04?15；修回日期：2011?06?15 基金项目：轨道交通控制与安全国家重点实验室开放基金资助项目(RCS2010K02)；机器人学国家重点实验室开放基金资助项目(RLO200801)；北 京交通大学基本科研业务费资助项目(2011JBM019) 通信作者：王敏杰(1988－)， 女， 黑龙江五常人， 硕士研究生， 从事图像处理和计算机视觉研究； 电话： 010-51468132； E-mail: wangminjie1118@https://www.doczj.com/doc/b212793521.html,
数字图像处理技术现状及发展趋势 摘要现今是计算机技术、网络技术以及多媒体技术高速发展的时代，更多高科技技术正在全面发展，数字图像处理技术作为一种新式技术，如今已经广泛地应用于人们的生产生活中。数字图像处理技术的应用和发展为人们的生活发展带来了很多的便利，在遥感技术、工业检测方面发展迅速，在医学领域，气象通信领域也有很大的成就。由此，本文主要探讨数字图像处理技术的现状及发展趋势。 关键词数字图像处理技术；现状；发展趋势 现今是计算机和网络技术高速发展的时代，计算机的应用给人们的生产生活带来了很大的便利，人们应用计算机处理各种复杂的数据，将传统方式不能处理的问题以全新的技术和方式有效解决[1]。数字图像处理技术是应用较为广泛的一种技术，在具体应用过程中，能够经过增强、复原、分割等过程对数据进行处理，且具有多样性、精度高、处理量大的显著优势，本文对数字图像处理技术的现状及发展趋势进行研究和探讨。 1 数字图像处理技术发展现状 数字图像处理技术是近年来发展较为迅速的一种技术，具体是指应用计算机对图像进行一系列的处理，最终达到人们要求的水平，在具体的处理过程中，以改善图像的视觉效果为核心，最终呈现出人们想要表达的意思。笔者查阅国内外诸多文献库，发现对数字图像处理技术的研究多数集中于图像数字化、图像增强、图像还原、图像分割等领域[2]。最初数字图像处理技术产生于20世纪20年代，当时普遍将其应用于报纸业，发展至20世纪50年代，图像处理技术跟随着计算机的发展而迅速发展，也有更多的人开始关注和应用该技术，当时在各国的太空计划中发挥了巨大作用，尤其是对月球照片的处理，获得了很大的成功。发展到20世纪70年代时，数字图像处理技术的应用已经很普遍了，尤其是在计算机断层扫面（CT）等方面，该技术的应用得到了一致好评，而现今，数字图像处理技术随处可见，已广泛应用在各行各业中。 2 数字图像处理技术的特点 数字图像处理技术有以下几个特点：①图像处理的多样性特点。数字图像处理技术可以编写多样的算法，以不同的程序模式施加于数字图像技术上，根据实际需求对图像进行处理，因此最终获取的图像效果也截然不同。②图像处理精度高。应用数字图像处理技术处理的图像，其精度和再现性都提高了一个层次，尤其是在各种算法和程序的支撑下，进一步确保了计算的精度和正确性。③交叉融合了多门学科和新技术。数字图像处理的应用基础包含了众多学科和技术，其中数学和物理是关键，而通信、计算机、电子等技术则是确保其处理质量的关键技术。④数据处理量大[3]。图像本身就包含了大量的信息，数字图像处理技术可以更好地区分有用信息和冗余信息，从而获取处理的关键性信息。
《数字图像处理》复习 第一章绪论 数字图像处理技术的基本内容：图像变换、图像增强、图象恢复、图像压缩编码、图像分割、图像特征提取（图像获取、表示与描述）、彩色图像处理和多光谱及高光谱图像处理、形态学图像处理 第二章数字图像处理基础 2-1 电磁波谱与可见光 1.电磁波射波的成像方法及其应用领域： 无线电波（1m-10km）可以产生磁共振成像，在医学诊断中可以产生病人身体的横截面图像☆微波（1mm-1m）用于雷达成像，在军事和电子侦察领域十分重要 红外线（700nm-1mm）具有全天候的特点，不受天气和白天晚上的影响，在遥感、军事情报侦察和精确制导中广泛应用 可见光（400nm-700nm）最便于人理解和应用最广泛的成像方式，卫星遥感、航空摄影、天气观测和预报等国民经济领域 ☆紫外线（10nm-400nm）具有显微镜方法成像等多种成像方式，在印刷技术、工业检测、激光、生物学图像及天文观测 X射线（1nm-10nm）应用于获取病人胸部图像和血管造影照片等医学诊断、电路板缺陷检测等工业应用和天文学星系成像等 伽马射线（0.001nm-1nm）主要应用于天文观测 2-2 人眼的亮度视觉特征 2.亮度分辨力——韦伯比△I/I（I—光强△I—光照增量），韦伯比小意味着亮度值发生较小变化就能被人眼分辨出来，也就是说较小的韦伯比代表了较好的亮度分辨力 2-3 图像的表示 3. 黑白图像：是指图像的每个像素只能是黑或白，没有中间的过渡，一般又称为二值图像 （黑白图像一定是二值图像，二值图像不一定是黑白图像） 灰度图像：是指图像中每个像素的信息是一个量化了的灰度级的值，没有彩色信息。 彩色图像：彩色图像一般是指每个像素的信息由R、G、B三原色构成的图像，其中的R、B、G是由不同的灰度级来描述的。 4.灰度级L、位深度k L=2^k 5.储存一幅M×N的数字图像所需的比特 b=M×N×k 例如，对于一幅600×800的256灰度级图像，就需要480KB的储存空间（1KB=1024Byte 1Byte=8bit） 2-4 空间分辨率和灰度级分辨率 6.空间分辨率是图像中可分辨的最小细节，主要由采样间隔值决定，反映了数字化后图像的实际分辨率。一种常用的空间分辨率的定义是单位距离内可分辨的最少黑白线对数目(单位是每毫米线对数)，比如每毫米80线对。对于一个同样大小的景物来说，对其进行采样的空间分辨率越高，采样间隔就越小，图片的质量就越高。 7.灰度级分辨率是指在灰度级别中可分辨的最小变化，通常把灰度级级数L称为图像的灰度级分辨率（灰度级通常是2的整数次幂） 8.在图像空间分辨率不变的情况下，采样数越少，图像越小。同时也证实了，在景物大小不变的情况下，图像阵列M×N越小，图像的尺寸就越小； 随着空间分辨率的降低，图像大小尺寸不变，图像中的细节信息在逐渐损失，棋盘格似的粗颗粒像素点变得越来越明显。由此也说明，图像的空间分辨率越低，图像的视觉效果越差；随着灰度分辨率的降低，图像的细节信息在逐渐损失，伪轮廓信息在逐渐增加。由于伪轮
课程设计报告 设计题目：数字图像处理中的边缘检测技术学院： 专业： 班级：学号： 学生姓名： 电子邮件： 时间：年月 成绩： 指导教师：
数字图像处理中的边缘检测技术课程设计报告I 目录 1 前言:查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 (1) 1.1理论背景 (1) 1.2图像边缘检测技术研究的目的和意义 (1) 1.3国内外研究现状分析 (2) 1.4常用边缘检测方法的基本原理 (3) 2 小波变换和小波包的边缘检测、基于数学形态学的边缘检测法算法原理 (7) 2.1 小波边缘检测的原理 (7) 2.2 数学形态学的边缘检测方法的原理 (7) 3 算法实现部分：程序设计的流程图及其描述 (9) 3.1 小波变换的多尺度边缘检测程序设计算法流程图 (9) 3.2 数学形态学的边缘检测方法程序设计算法描述 (10) 4实验部分：对所给的原始图像进行对比实验，给出相应的实验数据和处理结果 (11) 5分析及结论：对实验结果进行分析比较，最后得出相应的结论 (15) 参考文献 (17) 附录：代码 (18)
1前言 查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 1.1 理论背景 图像处理就是对图像信息加工以满足人的视觉心理或应用需求的方法。图像处理方法有光学方法和电子学方法。从20世纪60年代起随着电子计算机和计算技术的不断提高和普及，数字图像处理进入了高速发展时期，而数字图像处理就是利用数字计算机或其它的硬件设备对图像信息转换而得到的电信号进行某些数学处理以提高图像的实用性。 图像处理在遥感技术，医学领域，安全领域，工业生产中有着广泛的应用，其中在医学应用中的超声、核磁共振和CT等技术，安全领域的模式识别技术，工业中的无损检测技术尤其引人注目。 计算机进行图像处理一般有两个目的：(1)产生更适合人观察和识别的图像。 (2)希望能由计算机自动识别和理解图像。数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2 图像边缘检测技术研究的目的和意义 数字图像处理是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像处理也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像处理和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像处理中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速
数字图像处理实验报告 学生姓名王真颖 学生学号L0902150101 指导教师梁毅雄 专业班级计算机科学与技术1501 完成日期2017年11月06日
计算机科学与技术系信息科学与工程学院
目录 实验一.................................................................................................. 错误!未定义书签。 一、实验目的.................................................................................................... 错误!未定义书签。 二、实验基本原理 ........................................................................................... 错误!未定义书签。 三、实验内容与要求....................................................................................... 错误!未定义书签。 四、实验结果与分析....................................................................................... 错误!未定义书签。实验总结............................................................................................... 错误!未定义书签。参考资料.. (3) 实验一图像分割与边缘检测 一．实验目的 1. 理解图像分割的基本概念； 2. 理解图像边缘提取的基本概念； 3. 掌握进行边缘提取的基本方法；
文献综述 1.1理论背景 数字图像中的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2、图像边缘检测技术研究的目的和意义 数字图像边缘检测是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像边缘检测也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像边缘检测和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像边缘检测中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处
理速度更快，图像特征识别更准确。早期的经典算法有边缘算子法、曲面拟合法、模版匹配法、门限化法等。
早在1959年Julez就曾提及边缘检测技术，Roberts则于1965年开始了最早期的系统研究，从此有关边缘检测的理论方法不断涌现并推陈出新。边缘检测最开始都是使用一些经验性的方法，如利用梯度等微分算子或特征模板对图像进行卷积运算，然而由于这些方法普遍存在一些明显的缺陷，导致其检测结果并不尽如人意。20世纪80年代，Marr和Canny相继提出了一些更为系统的理论和方法，逐渐使人们认识到边缘检测的重要研究意义。随着研究的深入，人们开始注意到边缘具有多分辨性，即在不同的分辨率下需要提取的信息也是不同的。通常情况下，小尺度检测能得到更多的边缘细节，但对噪声更为敏感，而大尺度检测则与之相反。1983年Witkin首次提出尺度空间的思想，为边缘检测开辟了更为宽广的空间，繁衍出了很多可贵的成果。随着小波理论的发展，它在边缘检测技术中也开始得到重要的应用。MALLAT造性地将多尺度思想与小波理论相结合，并与LoG, Canny算子相统一，有效地应用在图像分解与重构等许多领域中。 这些算子现在依然应用于计算几何各个现实领域中，如遥感技术、生物医学工程、机器人与生产自动化中的视觉检验、零部件选取及过程控制等流程、军事及通信等。在图像边缘检测的过程中老算法也出现了许多的问题。经过多年的发展，现在已经出现了一批新的图像边缘检测算法。如小波变换和小波包的边缘检测、基于形态学、模糊理论和神经网络的边缘检测等，这些算法扩展了图像边缘检测技术在原有领域中的运用空间，同时也使它能够适应更多的运用需要。