毕业论文(设计)
题目: 图像处理中的边缘提取算
法及其实现
原创性声明
本人郑重声明：本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。毕业论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集体，均已在文中以明确方式标明。
本声明的法律责任由本人承担。
论文作者签名：日期：
关于毕业论文使用授权的声明
本人在指导老师指导下所完成的论文及相关的资料（包括图纸、试验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属XXX。本人完全了解XXX有关保存、使用毕业论文的规定，同意学校保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文被查阅和借阅；本人授权XXX可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存和汇编本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为XXX。本人离校后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为XXX。
论文作者签名：日期：
指导老师签名：日期：
XXX本科毕业设计
毕业设计（论文）原创性声明和使用授权说明
原创性声明
本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。
作者签名：日期：
指导教师签名：日期：
使用授权说明
本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。
作者签名：日期：
图像处理中的边缘提取算法及实现
图像处理中的边缘提取算法及实现
摘要
数字图像边缘检测是图像分割、目标区域识别和区域形状提取等图像分析领域十分重要的基础，是图像识别中提取图像特征的一个重要方法。边缘中包含图像物体有价值的边界信息，这些信息可以用于图像理解和分析，并且通过边缘检测可以降低后续图像分析和处理的数据量。
本文主要阐述基于Matlab的图像边缘检测技术。以Matlab为开发平台和编程语言，设计出图像边缘检测软件，并且设计了图形用户界面GUIDE，在图形用户界面中添加了与各种算子相对应的处理程序，以及图形文件的获取、保存等功能，完成了图像边缘检测软件。最终图形界面可实现打开图片并对其进行边缘处理，并可以将处理好的图片保存。全文内容安排组织如下：第一章，对图像边缘处理的意义进行了概述；第二章，对软件平台的选择及其特点做了简要的介绍；第三章，叙述了几种常用的边缘检测算子的原理；第四章，通过实例分析了各种算子的定位性以及稳定性；第五章，借助Matlab中的GUI功能设计了图像边缘检测的图形用户界面，并在GUI界面中完成了对各种算子的调用，完成了基于MATLAB的图形化图像边缘检测软件；第六章，对已经完成的图像检测软件进行测试。
本文写作的主要目的是对常用的图像边缘提取算法进行研究和对比，了解常用边缘提取算法的原理及其特点，为以后深入学习图像分析领域的其它知识打下基础。
关键词：图像边缘处理，MATLAB，GUI，Log算子，Canny算子
XXX本科毕业设计
Edge extraction algorithm in image processing and
its implementation
Abstract
Digital image edge detection plays an import part in image analysis, such as image segmentation, interested region recognition and region shape extraction.And it’s an import method in image feature extraction of image recognition.The edge includes the valuable infotmation of the image which can be use in image understanding and analysis.And through edge detection,we can reduce the calculation of image analysis and processing in the following step.
This article discusses the Matlab-based image edge detection .Discussed in Matlab as the development platform and programming language, designed edge detection software , the design of the graphical user interface GUIDE , combining the portrait maps ,text maps, fractal images to illustrate the positioning of these operators; combined increase noise images to illustrate the stability of the operator .Add in the graphical user interface with a variety of operators corresponding to the processing procedures, and graphics files for the acquisition, preservation and other functions the completion of the image edge detection software. The final graphical interface allows the edge to open the picture and its treatment, and may well save the picture processing. Arrangement of this paper is as follows：The first chapter introduces the significance of the image edge processing. The second chapter introduces the software platform of choice in this paper .The third chapter introduces some common principle of marginal operator. The fourth chapter, by example, analysis of the various algorithms’s relocatability and stability; The fifth chapter, resort to GUI inside Matlab, design the image edge detection interface, and completion of the various algorithm is invoked by GUI, eventually completed the graphical edge detection software based on Matlab; The sixth chapter, testing the finished software of image edge detection.
In this paper，the main purpose of writing is that studying of the commonly used edge extraction algorithm, understand principle of edge extraction algorithm and whose characteristic. To studying image analysis field of other knowledge to lay the foundation.
Keywords: Edge Treatment , MATLAB, GUI, Log operator, Canny operator
图像处理中的边缘提取算法及实现
目录
第一章绪论------------------------------------------------------------------- 2
1.1 数字图像简介 ------------------------------------------------------------------------------------------- 2
1.2 数字图像的处理 ---------------------------------------------------------------------------------------- 3
1.3 图像边缘处理的意义---------------------------------------------------------------------------------- 4
1.4 本章小结-------------------------------------------------------------------------------------------------- 4 第二章开发平台的选择--------------------------------------------------------- 5
2.1 开发平台的选择 ---------------------------------------------------------------------------------------- 5
2.2 Matlab简介 ----------------------------------------------------------------------------------------------- 5
2.3 本章小结-------------------------------------------------------------------------------------------------- 6 第三章常用的图像边缘检测算法------------------------------------------------- 7
3.1 引言-------------------------------------------------------------------------------------------------------- 7
3.2 边缘检测与提取过程---------------------------------------------------------------------------------- 8
3.3 边缘检测与提取常用算法---------------------------------------------------------------------------- 9
3.3.1 Roberts边缘算子----------------------------------------------------------------------------- 9
3.3.2 Sobel边缘算子------------------------------------------------------------------------------ 10
3.3.3 Prewitt边缘算子--------------------------------------------------------------------------- 10
3.3.4 Log边缘算子--------------------------------------------------------------------------------- 11
3.3.5 Canny边缘算子------------------------------------------------------------------------------ 12
3.4 本章小结------------------------------------------------------------------------------------------------- 14 第四章常用算法的实现与比较-------------------------------------------------- 15
4.1 常用算法的Matlab实现----------------------------------------------------------------------------- 15
4.2 算子之间的比较 --------------------------------------------------------------------------------------- 19
4.1.1算子的定位性---------------------------------------------------------------------------------- 19
4.1.2算子的稳定性---------------------------------------------------------------------------------- 20
4.3 本章小结------------------------------------------------------------------------------------------------- 23 第五章图像边缘提取的GUI设计------------------------------------------------ 24
5.1 主要函数的介绍 --------------------------------------------------------------------------------------- 24
5.2 GUI的实现 ---------------------------------------------------------------------------------------------- 25
5.3 本章小结------------------------------------------------------------------------------------------------- 31 第六章系统测试-------------------------------------------------------------- 32
6.1 打开图像模块测试 ------------------------------------------------------------------------------------ 32
6.2 保存图像模块 ------------------------------------------------------------------------------------------ 32
6.3 执行模块测试 ------------------------------------------------------------------------------------------ 32
6.4 本章小结------------------------------------------------------------------------------------------------- 33 结论 ------------------------------------------------------------------------ 34参考文献--------------------------------------------------------------------- 35致谢 ------------------------------------------------------------------------ 36
第一章绪论
在实际图像边缘检测问题中，图像的边缘作为图像的一种基本特征，经常被应用到较高层次的图像应用中，它在图像识别、图像分割、图像增强以及图像压缩等领域中有较为广泛的应用。
图像的边缘是图像最基本的特征之一。边缘往往携带着一幅图像的大部分信息，它存在于图像的不规则结构和不平稳现象中，即存在于信号的突变点处。这些点给出了图像轮廓的位置，这些轮廓常常是我们在图像边缘检测时所需要的非常重要的一些特征条件，这就需要我们对一幅图像检测并提取出它的边缘。边缘检测算法是图像边缘检测问题中经典技术难题之一，它的解决对于我们进行高层次的特征描述、识别和理解等有着重大的影响[1]。由于边缘检测在许多方面都有着非常重要的使用价值，所以人们一直在致力于研究和解决如何构造出具有良好性质及效果的边缘检测算子的问题。
1.1 数字图像简介
在我们的生活中，可以说，数字图像无处不在，每个人都是满身的数字装备，MP3、MP4、PSP、PPC、手机、数码相机、笔记本电脑，这些设备的使用都离不开对数字图像的支持。
从广义上来说，图像是自然界景物的客观反映，是人类认识世界和自身的重要源泉[1]。照片、绘画、影视画面无疑属于图像，照相机、显微镜或望远镜的取景器上的光学成像也是图像，此外，汉字也可以说是图像的一种，因为汉字起源于象形文字，所以可以当作是一种特殊的图像。图像也可以理解为介于文字和绘图之间的一种形式。总之，凡是人类视觉上能够感受到的信息，都可以称之为图像。
随着计算机技术的发展，人们可以人为地创造出色彩斑斓千姿百态的各种图像。概括的讲，图像包含视频、图形、动画、符号文字等主要内容。
1.2 数字图像的处理
一幅图像可以定义为一个二维函数f (x , y)，这里的x和y是空间坐标，而且在任何一对空间坐标（x , y）上的幅值f被称为该点图像的强度或灰度。当x，y和幅值f为有限离散的数值时，称该图像为数字图像[2]。数字图像的处理是指用计算机处理数字图像，值得提及的是数字图像是由有限的元素组成的，每个元素都有一个特定的位置和幅值，这些元素被称为图像元素、画面元素或像素。
视觉是人类最高级的感知器官，所以，毫无疑问，图像在人类感知中扮演着非常重要的角色。然而，人类感知只是限于电磁波谱的视觉波段，而成像机器则可覆盖几乎全部电磁波谱，他们可以对那些非人类习惯的那些图像源进行加工，这些图像源包括超声波、电子显微镜及计算机所产生的图像。因此，数字图像处理涉及很多应用领域。
图像处理和分析可定义为应用一系列方法获取、校正、增强、变换或压缩可视图像的技术，其目的是提高信息的相对质量以便获取信息。
现在已经有很多的图像生成技术，但是，除了图像恢复技术以外，图像处理技术在很大程度上与图像形成的过程无关。当图像已被采集且已对获取过程中产生的失真进行了校正，那么所有可用图像处理技术在本质上是通用的。因此图像处理是一种超越具体应用的过程：任何为解决某一特殊问题而开发的图像处理新技术或新方法，几乎肯定能找到其他完全不同的应用领域。
图像处理技术分为：灰度量化、图像恢复、图像增强、边缘检测、图像分割、图像测量、图像压缩、图像配准、可视化、图像存档。本文着重讨论图像边缘检测的问题。
边缘是图像最基本的特征，所谓边缘，就指周围灰度强度有反差变化的那些像素的集合，是图像分割所依赖的重要基础，也是纹理分析和图像识别的重要基础。
要做好边缘检测，首先，要清楚待检测的图像特征变化的形式，从而使用相应的检测方法；其次，要知道特性变化总是发生在一定的空间范围内，不能期望用一种检测算子就能最佳检测出发生在图像上的所有特征变化。当需要提取多空间范围内的变化特征时，要考虑多算子的综合应用；第三，要考虑噪声的影响，
其中一个办法就是滤除噪声，这有一定的局限性，再就是考虑信号加噪声的条件检测，利用统计信号分析或通过对图像区域的建模进一步使检测参数化；第四，可以考虑各种方法的组合，如先利用LOG找出边缘，然后在其局部利用函数近似的方法获得高精度定位；第五，在正确检测边缘的基础上，要考虑精确定位的为题。经典的边缘检测方法是构造对像素灰度级阶跃变化敏感的微分算子，如Roberts梯度算子、Sobel梯度算子等，其边缘检测速度快，但得到的往往是断续的、不完整的结构信息，这类方法对噪声较为敏感，为了有效抑制噪声，一般都首先对原图像进行平滑处理然后再进行边缘检测，就能成功的检测到真正的边缘。
1.3 图像边缘处理的意义
图像处理是自动化学科的一个分支，在工程技术领域有着广泛的应用，而边缘检测技术又是图形处理中的重要部分。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十分重要的基础，图像理解和分析的第一步往往就是边缘检测，目前它已经成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。
边缘检测对物体的识别也是很重要的，主要有以下几个理由：首先，人眼通过追踪未知物体的轮廓而扫视一个未知的物体；其次，如果我们能成功的得到图像的边缘，那么图像分析就会大大简化，图像识别就会容易的多；最后，很多图像并没有具体的物体，对这些图像的理解取决于它们的纹理性质，而提取这些纹理性质与边缘检测有极其密切的关系。
1.4 本章小结
本章介绍了什么是数字图像，什么是数字图像处理，在此基础上详细的介绍了图像边缘处理的应用及其意义，下一章将介绍实现图像边缘处理的软件开发平台的选择。
第二章开发平台的选择
2.1 开发平台的选择
现在可用于图像处理编程的软件有很多，基本上主流的编程工具软件都可以，但对于我们要完成毕业设计的大学生而言，要在很短的时间内将图像处理程序给编写出来的话，用那些专业的编程软件是比较困难的。因为要浪费大量的时间在基础代码上，而不能花足够的时间在算法的研究上。所以应选一款编程效率较高的编程软件来完成本次的设计课题。
Matlab图像处理程序开发的特点是上手容易，开发周期短，见效快，和VB、VC等专业级编程工具相比，在Matlab平台上开发图像处理软件程序代码编写量明显较小[3]。这是因为Matlab有专门的图像处理工具箱，有很多实现某种图像处理功能的函数，而专业级的编程工具并没有专门为图像处理而编写的函数，很多图像处理函数需要开发者自己编写。因此，图像处理工作采用Matlab编程是非常合适的。
2.2 Matlab简介
Matlab是美国MathWorks公司出品的商业化数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级计算语言和交互式环境，主要包括Matlab和Simulink两大部分。
Matlab是矩阵实验室（MatrixLaboratory）的简称，和Mathematica、Maple 并称为三大数学软件[4]。它在数学类科技应用软件中，在数值计算方面首屈一指。Matlab可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理于通讯、图像处理、信号检测、金融建模设计与分析等领域。
Matlab的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用Matlab来解决问题要比用C、FORTRAN等语言完成相同的事情
简捷的多，并且Mathwork也吸收了像Maple等软件的优点，使Matlab成为一个强大的数学软件。
Matlab不仅仅是一门编程语言，还是一个集成的软件平台，它包含以下几个部分：
1.Matlab语言
2.Matlab集成工作环境
3.Matlab图形系统
4.Matlab数学函数库
5.Sumlink交互式仿真环境
6.Matlab编译器
7.应用程序接口API
8.Matlab工具箱
9.Notebook工具
本文主要用到的是Matlab的图像处理功能。
Matlab图形处理研究的主要问题有：
·图像变换：通过图像的变换，改变图像的表示域以及表示数据。
·图像增强：改善图像质量。
·图像分析：为了更好的研究与分析图像，往往需要从图像中提取一些信息来反应图像的主要特征。
·图像压缩：便于图像的传输和存储。
本文主要使用到图像分析中的图像边缘检测功能。
2.3 本章小结
本章先说明了为什么选择Matlab作为本课题的开发平台，简要的介绍了Matlab软件的特点及其功能，下一章将从数学的角度介绍常用的边缘检测算子的实现原理。
第三章常用的图像边缘检测算法
3.1 引言
物体的边缘是以图像局部的不连续性的形式出现的，例如，灰度值的突变、颜色的突变、纹理结构的突变等。从本质上说，边缘常常意味着一个区域的终结和另一个区域的开始。图像边缘信息在图像分布和人的视觉中都是十分重要的，是图像识别中提取图像特征的一个重要属性。
图像边缘检测和计算机视觉都是新兴学科分支，近几十年来，取得了许多重大的成果。随着研究的深入和应用的需要，新概念、新思想、新方法不断产生，它们正朝着智能化、系统化的方向发展[5]。作为图像边缘检测和计算机视觉最基本的技术——图像边缘提取技术，也突破了其狭义的概念，成为一个内容丰富的领域。本文写作的目的是探索和研究几种经典的图像边缘提取算法。
利用计算机进行图像边缘检测有两个目的：一是产生更适合人观察和识别的图像；二是希望能由计算机自动识别和理解图像。无论为了哪种目的，图像边缘检测中关键的一步就是对包含有大量信息的图像进行分解。图像的边缘是图像的最基本特征。所谓边缘（或边沿）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。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间，因此，它是图像分割所依赖的重要特征。
在通常情况下，我们可以将信号中的奇异点和突变点认为是图像中的边缘点，其附近灰度的变化情况可从它相邻像素灰度分布的梯度来反映。根据这一特点，提出了多种边缘检测算子：如Robert算子、Sobel 算子、Prewitt 算子、LoG 算子，Canny算子等。这些方法多是以待处理像素为中心的邻域作为进行灰度分析的基础，实现对图像边缘的提取并已经取得了较好的处理效果。
图像的边缘是待识别类型之间的界线，它是指图像中像素单元灰度有阶跃变化或屋顶状变化的那些像素单元的集合[6]。边缘检测在图像分割、纹理特征提取、形状特征提取和图像识别等方面起着重要的作用。图像边缘对图像识别和计算机分析十分有用，边缘能勾划出目标物体，使观察者一目了然；边缘蕴含了丰富的
内在信息，是图像识别中抽取图像特征的重要属性。从本质上说，图像边缘是图像局部特性不连续性的反应，它标志着一个区域的终结和另一个区域的开始。边缘提取首先检出图像局部特性的不连续性，然后再将这些不连续的边缘像素连成完备的边界。图像中灰度变化剧烈的区域即强度的非连续性对应着边缘。边缘提取就是既要检测出强度的非连续性，又能确定它们在图像中的精确位置。在图像中边缘区域的灰度在空间上的变化形式一般可分为三个类型：阶跃型、房顶型和凸缘型，如图3-1所示：
阶跃型房顶型突圆型
图3-1 三个类型
3.2 边缘检测与提取过程
从人的直观感受来说，边缘对应于物体的几何边界。图像上灰度变化剧烈的区域比较符合这个要求，我们一般会以这个特征来提取图像的边缘，但在遇到包含纹理的图像上，如，图像中的人穿了黑白格子的衣服，我们往往不希望提取出来的边缘包括衣服上的方格，这就又涉及到纹理图像的处理等方法。一般认为边缘提取是要保留图像的灰度变化剧烈的区域，这从数学上看，最直观的方法就是微分(对于数字图像来说就是差分)，在信号处理的角度来看，也可以说是用高通滤波器，即保留高频信号。用于图像识别的边缘提取往往需要输出的边缘是二值图像，即只有黑白两个灰度的图像，其中一个灰度代表边缘，另一个代表背景。此外，还需要把边缘细化成只有一个像素的宽度。
图像边缘检测的基本步骤：
1）滤波：边缘检测主要基于导数计算，会受到噪声的影响，可以通过设计
滤波器来降低噪声，但滤波器在降低噪声的同时也会导致边缘精度的损失。
2）增强：增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度幅值来完成。
3）检测：在有些图像中梯度幅值较大的并不是边缘点。最简单的边缘检测是梯度幅值阈值判定。
4）定位：精确确定边缘的位置。
特征提取作为图像边缘检测的一个重要内容，发展了众多的方法。这些方法经过实践的检验，成为了经典的内容。经典的边缘检测算子包括：Roberts 算子、Prewitt 算子、Sobel 算子、Log 算子、Canny 算子等[7]，这些经典的边缘提取算子在使用时都是使用预定义的边缘模型去匹配。
3.3 边缘检测与提取常用算法
边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线，也就是提取图像中灰度发生急剧变化区域的边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此可以用局部图像微分技术来获得边缘检测算子。
经典的边界提取技术大都基于微分运算，首先通过平滑来滤除图像中的噪声，然后进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阈值来提取边界。
3.3.1 Roberts 边缘算子
Roberts 算子是一种利用局部差分算子寻找边缘的算子，由下式给出： g(x,y)={[),(y x f -)1,1(++y x f ]2+[),(y x f - )1,1(++y x f ]2}21
其中f(x,y)是具有整数像素坐标的输入图像，平方根运算使该处理类似于在人类视觉系统中发生的过程。
Roberts 算子边缘定位精确度比较高，但是对噪声敏感，容易丢失一部分边缘，因此，该算子适用于边缘明显而且噪声较少的图像检测，在应用中经常用Roberts 算子来提取道路。
3.3.2 Sobel边缘算子
Sobel边缘算子的卷积核如图3-2所示，图像中的每个像素都用这两个核做卷积，这两个核分别对垂直边缘和水平边缘响应最大，两个卷积的最大值作为该点的输出位。
Sobel算子认为邻域的像素对当前像素产生的影响不是等价的，所以距离不同的像素具有不同的权值，对算子结果产生的影响也不同。该算子对噪声具有一定的抑制能力，但不能完全排除检测结果中出现虚假边缘，虽然该算子的定位效果不错，但检测的边缘容易出现多像素宽度。
3.3.3 Prewitt边缘算子
Prewitt边缘算子的卷积核如图3-3所示，图像中的每个像素都用这两个核做卷积，取最大值作为输出，从而产生一幅边缘幅度图像。
Prewitt算子在一个方向求微分，而在另一个方向求平均，因而对噪声相对不敏感，有抑制噪声作用，但是像素平均相当于对图像的低通滤波，所以Prewitt 算子对边缘的定位不如Roberts算子。
3.3.4 Log 边缘算子
由于利用图像强度二阶导数的零交叉点来求边缘点的算法对噪声十分敏感，所以要在边缘检测前滤除噪声，为此，马尔（Marr ）和希尔得勒斯（Hildreth ）根据人类视觉特性提出了一种边缘检测的方法，该方法将高斯滤波和拉普拉斯检测算子结合在一起进行边缘检测的方法，故称为Log （Laplacian of Gassian ）算法，也称之为高斯-拉普拉斯算子，该算法的主要思路和步骤如下：
（1）滤波：首先对图像f(x,y)进行平滑滤波，其滤波函数根据人类视觉特性选为高斯函数，即：
⎪⎭⎫ ⎝⎛+-=)(21e x p 21
),(2222y x y x G πσπσ 其中，G （x ，y ）是一个圆对称函数，其平滑的作用是可通过σ来控制的。将图像),(y x G 与),(y x f 进行卷积，可以得到一个平滑的图像，即：
),(*),(),(y x G y x f y x g =
（2）增强：对平滑图像),(y x g 进行拉普拉斯运算，即：
()),(*),(),(2y x G y x f y x h ∇=
（3）检测：边缘检测判据是二阶导数的零交叉点（即0),(=y x h 的点）并对应一阶导数的较大峰值。
这种方法的特点是图像首先与高斯滤波器进行卷积，这样既平滑了图像又降低了噪声，孤立的噪声点和较小的结构组织将被滤除，但是由于平滑会造成图像边缘的延伸，因此边缘检测器只考虑那些具有局部梯度最大值的点为边缘点。这一点可以用二阶导数的零交叉点来实现。拉普拉斯函数用二维二阶导数的近似，是因为它是一种无方向算子。在实际应用中为了避免检测出非显著边缘，应选择一阶导数大于某一阈值的零交叉点作为边缘点。由于对平滑图像),(y x g 进行拉普拉斯运算可等效为),(y x G 的拉普拉斯运算与),(y x f 的卷积，故上式变为：
),(y x h = ),(*),(2y x G y x f ∇
式中),(2y x G ∇称为LOG 滤波器，其为：
),(2y x G ∇=22x G ∂∂ + 22y G ∂∂ = ⎪⎪⎭⎫ ⎝⎛-+1212224δπδy x ()
⎪⎭⎫ ⎝⎛+-22221exp y x δ 这样就有两种方法求图像边缘：
①先求图像与高斯滤波器的卷积，再求卷积的拉普拉斯的变换，然后再进行过零判断。
②求高斯滤波器的拉普拉斯的变换，再求与图像的卷积，然后再进行过零判断。
这就是马尔和希尔得勒斯提出的边缘检测算子（简称M -H 算子）,又称为墨西哥草帽算子。
高斯--拉普拉斯算子把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好。
3.3.5 Canny 边缘算子
坎尼算子是一类最优的边缘算子，它在许多图像领域得到了广泛的应用。该算子的基本思想是：先对处理的图像选择一定的高斯滤波器进行平滑处理，抑制图像的噪声，然后采用一种称之为“非极值抑制”的技术，细化平滑后的图像梯度幅值矩阵，寻找图像中的可能的边缘点，最后利用双门限检测通过双阈值递归寻找图像的边缘点，实现边缘提取。
Canny 方法也使用拉普拉斯算子，该方法与其他边缘检测方法不同之处在于，它使用2种不同的阈值分别检测强边缘和弱边缘，并且仅当弱边缘与强边缘相连时才将弱边缘包含在输出图像中，因此这种方法容易检查出真正的弱边缘。 Canny 边缘检测算法：
step1:用高斯滤波器平滑图象；
step2:用一阶偏导的有限差分来计算梯度的幅值和方向；
step3:对梯度幅值进行非极大值抑制；
step4:用双阈值算法检测和连接边缘。
其数学描述如下：
step1:
二维为高斯函数为：
),(y x G =221
πδ()⎪⎪⎭
⎫ ⎝⎛+-2222exp δy x 在某一方向n 上是),(y x G 的一阶方向导数为：
n G =n
G ∂∂= n ▽G n=⎥⎦⎤⎢⎣⎡θθsin cos G ∇=⎥⎥⎥⎥⎦
⎤⎢⎢⎢⎢⎣⎡∂∂∂∂y G x G 式中：n 式方向矢量，▽G 是梯度矢量。
将图像),(y x f 与n G 作卷积，同时改变n 的方向，n G *),(y x f 取得最大值时的n 就是正交于检测边缘的方向。
step2:
X E =*x G ∂∂),(y x f ， y E =y
G ∂∂*),(y x f ),(y x A =22Y X E E + ⎪⎪⎭
⎫ ⎝⎛=Y X
E E Arc tan θ ),(y x A 反映了图像(x,y)点处的边缘强度，θ是图像(x,y)点处的法向矢量。 step3:
仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。
解决方法：利用梯度的方向。
图3-6 非极大值抑制
四个扇区的标号为0到3，对应3*3邻域的四种可能组合。在每一点上，邻域的中心像素M 与沿着梯度线的两个像素相比。如果M 的梯度值不比沿梯度线的两个相邻像素梯度值大，则令M=0。
step4:
减少假边缘段数量的典型方法是对G(x,y)使用一个阈值。将低于阈值的所有值赋零值。理论上是可行的，问题是如何选取阈值。
解决方法：双阈值算法进行边缘判别和连接边缘。
首先进行边缘判别，凡是边缘强度大于高阈值的一定是边缘点；凡是边缘强度小于低阈值的一定不是边缘点；如果边缘强度大于低阈值又小于高阈值，则看这个像素的邻接像素中有没有超过高阈值的边缘点，如果有，它就是边缘点，如果没有，它就不是边缘点。
然后进行边缘连接，双阈值算法对非极大值抑制图像作用两个阈值τ1和τ2，且2τ1≈τ2，从而可以得到两个阈值边缘图像G1(x,y)和G2(x,y)。由于G2(x,y)使用高阈值得到，因而含有很少的假边缘，但有间断(不闭合)。双阈值法要在G2(x,y)中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在G1(x,y)的8邻点位置寻找可以连接到轮廓上的边缘，这样，算法不断地在G1(x,y)中收集边缘，直到将G1(x,y)连接起来为止。
以上介绍了五种常用边缘检测算子的实现步骤及其优缺点。由于在边缘检测中，边缘定位能力和噪声抑制能力是一对矛盾体，有的算法边缘定位能力比较强，有的抗噪声能力比较好，所以，在实际应用的过程中，要有针对性的选取算子对图像进行处理。
3.4 本章小结
本章介绍了边缘检测中五种比较有代表性的算法，从数学的角度讲述了各算子的实现步骤，下一章将介绍各种算法在Matlab中的实现。
毕业论文(设计) 题目: 图像处理中的边缘提取算 法及其实现
原创性声明 本人郑重声明：本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。毕业论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集体，均已在文中以明确方式标明。 本声明的法律责任由本人承担。 论文作者签名：日期：
关于毕业论文使用授权的声明 本人在指导老师指导下所完成的论文及相关的资料（包括图纸、试验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属XXX。本人完全了解XXX有关保存、使用毕业论文的规定，同意学校保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文被查阅和借阅；本人授权XXX可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存和汇编本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为XXX。本人离校后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为XXX。 论文作者签名：日期： 指导老师签名：日期：
XXX本科毕业设计 毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
基于红外图像的边缘特征提取 摘要：对红外图像的边缘特征进行提取时需进行预处理，其作用是将获取的红外图像进行加工恢复增强图像中有用的信息，弱化去除图像中没有用的干扰信息，提高红外图像质量为图像特征的提取做准备，提高特征提取的精度。红外图像的特征提取是指采用人工或自动的方法检测图像中的不变特征。根据不同的特征用不同的算子进行图像特征的提取。本文对现有代表性的各种图像边缘提取方法进行了介绍，对比、分析了各自的优缺点。 关键词：红外图像；边缘特征，特征提取；算子 Based on the Edge of Infrared Image Feature Extraction Shen Dong-sheng,College of Physics and Electronic Information Abstract:The edge feature of infrared images were extracted when the need for pretreatment, and its role is to infrared image will obtain the image enhancement processing recovery of useful information,weakening the removal of no interference with the information in the image,improve the quality of the infrared images to extract the image features for prepare, improve the accuracy of feature extraction. Feature extraction of infrared image refers to the use of the method of manual or automatic detection of invariant features in the image. Extraction according to the different
数字图像处理中的边缘检测与提取技术 数字图像处理是一门极为重要的技术，在现代化的科技时代中，其广泛性和应 用性已经远远超越人们的想象。因此，数字图像处理技术也得到了越来越多的研究和应用。在这些技术中，边缘检测与提取技术无疑占据了很大的比重。本文就来深入探讨数字图像处理中的边缘检测与提取技术。 一、数字图像的边缘概述 在数字图像中，边缘指的是图像由一个物体和另一个物体之间的边界。在物理 世界中，边界就是物体的边界。在数字图像中，边界则是不同区域之间颜色或亮度发生变化的地方。在实际应用中，数字图像的边缘检测非常重要。例如，在计算机视觉中，它是对象检测和跟踪的关键。 二、数字图像的边缘提取方法 数字图像的边缘检测与提取一直是数字图像处理中的研究热点之一。为了准确 地检测和提取图像的边缘特征，现有许多不同的边缘检测和提取方法。其主要的方法有： 1. 基于梯度的边缘检测方法 基于梯度的边缘检测方法通常使用Sobel、Prewitt或Roberts等算子来计算梯度。这些算子可以对图像中每个像素的灰度值进行微分，以寻找灰度变化的最大值，以确定边界的位置。虽然这种方法在大多数情况下能够有效地检测出边缘，但它对边缘噪声非常敏感。因此，需要结合其他滤波器，如高斯滤波器或中值滤波器，对原始图像进行滤波。 2. 基于模板的边缘检测方法
基于模板的边缘检测方法，也称为基于Laplace算子的边缘检测方法，通常使 用Laplace算子将图像的高斯平滑滤波结果与模板相乘，以检测图像中的边界。此外，也可以采用另一种常用的算子Canny算子。 3. 基于阈值的边缘检测方法 基于阈值的边缘检测方法是最常见的边缘检测方法之一。为了提取图像中的边缘，该方法使用预先定义的阈值将灰度值低于阈值的像素识别为背景像素，将灰度值高于阈值的像素视为边缘像素。但是，这种方法通常对于灰度不稳定的图像效果不好，需要将阈值与其他滤波器结合使用，如先进行对比度增强。 三、数字图像的边缘检测算法的评价 边缘检测算法被广泛用于许多领域的数字图像处理中。但是，如何评价一种边 缘检测算法的优劣，是较为主观的问题。一般来说，评价边缘检测算法需要考虑到以下三个因素：检测率、误检率和亚像素精度。 检测率是指边缘检测算法检测到的真正的边缘占所有边缘的比例。误检率是指 算法错误地将非边缘区域检测为边缘区域的比例。亚像素精度是指边缘检测的定位精度是否达到亚像素级别。 四、数字图像的边缘检测算法应用案例 数字图像的边缘检测技术已广泛应用于许多领域，如计算机视觉、图像识别、 医学和军事等领域。其中，以计算机视觉技术为例，数字图像的边缘检测技术被广泛应用于人脸识别、图像分类和物体检测等方面。例如，在人脸识别领域，数字图像的边缘检测能够帮助识别人脸特征如眼睛、鼻子和嘴巴等。在图像分类领域，数字图像的边缘检测可以帮助分类图像，如将自然场景的图像区分为山、海、草地等。在物体检测领域，边缘检测能够检测出对象的边缘，使得物体在图像中更加清晰地呈现出来。 五、总结
毕业论文（设计） 题目：数字图像处理系统的设计与实现姓名： 学院：理学与信息科学学院 专业：计算机科学与技术 班级： 学号： 指导教师： 完成时间：
数字图像处理系统的设计与实现 摘要：随着信息技术的蓬勃发展，尤其是计算机技术的日新月异，为数字图像处理的发展提供了广阔的空间。该数字图像处理系统是基于Windows平台的图像处理系统，实现了对灰度级图像的编辑，可以进行图像导入和导出，视图设置，可以调整图片尺寸，旋转和翻转图片，图片增强优化，图像边缘检测与分割，图像编码以及打印输出图片。 本文主要介绍了数字图像处理系统的设计和实现过程，系统设计运用MFC的设计思想，通过VC++实现系统框架，简化了软件的开发，提高了软件系统的灵活性、可扩展性和重用性。同时系统所有的操作设计得十分简单方便，无需具备有专业的知识，也能对图片完成编辑操作。 关键词：VC++；MFC；灰度级图像；图像编辑
The Design and Implementation of Digital Image Processing System Abstract：With the rapid development of information technology, especially in the progress of computer technology, it provides wide space to the application of Digital Image Processing. Digital image processing system is an image processing system based on the Windows platform. To realize the image editor of gray level, import and export images, view settings, you can adjust picture size, rotate and flip images Enhance the optimization and print output picture. The analysis and the implementation procedure of Digital Image Processing System were introduced in this paper. The design idea of MFC was used and the system structure was implemented by VC++. So the development of software can be predigested and flexibility, expansibility and reusability of software system can be improved. Keywords: VC++; MFC; Grayscale image; Image edit
基于图像处理技术的边缘检测算法研究与实 现 随着计算机视觉技术的快速发展，图像处理已经成为了一个重要的领域。其中，边缘检测是图像处理中最重要的基础技术之一，它可以帮助我们在处理图像时快速准确地分离出图像中的物体和背景，为后续的图像分析和处理提供了重要的依据。 图像边缘是指图像中不同区域之间强度或颜色变化比较明显的部分，它是图像 中最重要的特征之一。在图像处理中，必须首先进行边缘检测，然后才能进行目标识别、分割等更高级的图像处理。 近年来，随着计算机硬件和软件的不断更新和发展，图像处理技术已经发展到 了一个新的高度。图像处理技术的快速发展，也带动了边缘检测算法的不断更新和发展。目前，边缘检测算法分为多种，例如基于灰度变化、方向梯度、二阶导数等方法，每种方法都有其适用场合。本文将以Canny算法为例，对基于图像处理技 术的边缘检测算法进行研究与实现。 一、Canny算法概述 Canny算法是一种基于灰度变化的边缘检测算法，被广泛应用于图像处理领域。Canny算法以边缘位置最大值的概率为判定方法，通过多轮计算，将图像中的边缘 检测出来。Canny算法的主要步骤包括四个部分：高斯滤波、计算图像梯度、非极 大值抑制和双阈值处理。 二、Canny算法的实现 1、高斯滤波
Canny算法的第一步是高斯滤波。高斯滤波是一种线性平滑滤波器，可以去噪 声的同时保留图像的主要特征。高斯滤波器是一个由多个值组成的核，该核函数越接近于高斯分布，滤波器去噪的效果越好。 2、计算图像梯度 图像梯度可以用于刻画边缘的方向和变化强度。在Canny算法中，使用的是Sobel算子，它是一种常见的边缘检测算子，既能检测垂直边缘，又能检测水平边缘。 3、非极大值抑制 非极大值抑制是用来消除图像中的所有非极大值点，只保留与边缘方向相同的 极大值点。这样可以保证边缘线更加的细腻。 4、双阈值处理 双阈值处理是Canny算法的最后一步，主要用于边缘的提取。具体地，将图像 中所有像素点的梯度计算出来，并将其按照大小排序。然后根据设定的高低阈值，将像素点分为三类：较低阈值以下、较高阈值以上和两个阈值之间。当像素点大于高阈值时，其为强边缘点；当像素点在两个阈值之间时，其为弱边缘点；当像素点小于低阈值时，其则被视为噪声点，应该被忽略。 三、总结 Canny算法是一种非常有效和广泛应用的边缘检测算法。Canny算法的优点在 于可以有效地去除噪声并提取出细节丰富的边缘信息。在实际生活中，边缘检测技术已被广泛应用于火灾侦测、人脸识别、智能交通系统、机器人视觉等各个领域中，为人们的生活和工作带来了很多便利。
图像处理边缘提取与分割实验报告附源码 实验一数字图像处理实例 专业:模式识别与智能系统姓名：XXX学号：************* 边缘提取与图像分割 理论、算法、源码与实例 1）理论 一、边缘检测的基本方法： 各种差分算子，主要有： 差分边缘检测方法 Roberts梯度模算子 前两种对垂直，水平，对角检测好。 Prewitt算子，Robinson算子（算八个方向的梯度最大值）Sobel算子（利用上下左右加权，可平滑噪声）； Kirsch算子 Rosenfeld算子 Laplace算子（二阶导数算子，一般不用于检测，用于之后判别暗区与明区。）
LOG算子，（XXX平滑后求导提取边界。） 主要思路用高斯函数对图像平滑滤波，然后再对图像进行拉普拉斯运算，算得的值等于零的点认为是边界点。 该算法高斯函数方差取值很重要，过大会导至精度不高。还容易产生虚假边界。但可以用一些准备去除虚假边界。对于灰度渐变图的效果也不太好。但大部份图片边缘提取效果还好。Canny边界检测算子 二、拟合曲面求导提取边界。 主要思路为在点的邻域各点拟合一个曲面，由曲面的求导代替离散点求差分，这种方法对于噪声比较不敏感。 三、统计判决法提取边界 以误判几率最小化设置门限，对边界检测算子作用后的每一个像点判别/。统计判决法依赖于先验知识。 四、分裂—合并算法 按一定的均一化标准，将图片分成子图。合并满足均一性准则的子图。 实验一数字图像处理实例 专业:模式识别与智能系统姓名：陈光磊学号：*************五、跟踪技术 1）区域跟踪，基于区域的图像分割方法。
应用于直接提取区域。检测满足跟踪准则的点，找到这样的点，检测其所有邻点，把满足跟踪准则的任合邻点合并再重复。直到没有邻点满足检测准则。 2）曲线跟踪，基于边界的图像分割方法。 对整幅图扫描，对所有“目前点”的邻点检测，周围没有满足跟踪条件的点时，返回到上一个最近的分支处，掏出另一个满足跟踪原则的目前点。重复根踪。 6、模型化与统计检验法检测边界 开始步骤为对图像划分成多块子图，每块子图进行曲面拟合。并应用误差的分析，构造F统计量，判断此区域是否有边界的存在。 七、匹配检测技术 基于区域的一种支解办法。 1）归一化互相关测度匹配 类似于求相关系数。可是这种办法实用时不太理想，因为匹配模板的尺寸跟图上的尺寸差异，造成操纵很难。 2）匹配滤波器 基于最大信噪比准则。
目录 摘要 (1) ABSTRACT (2) 1 绪论 (3) 1.1 研究背景 (3) 1.2 研究现状和发展方向 (4) 1.3 研究目的和意义 (6) 2 图像边缘检测概述 (7) 2.1 边缘的定义及类型 (8) 2.2 常用的边缘检测方法 (10) 2.3 其他边缘检测方法 (15) 2.3.1 基于小波变换的边缘检测 (15) 2.3.2 基于数学形态学的边缘检测 (16) 2.4 传统边缘检测的不足 (17) 3 蚁群算法 (17) 3.1 蚁群算法的基本原理 (18) 3.2 基于蚁群算法的图像边缘检测 (21) 4 实验结果及分析 (22) 4.1 基于蚁群算法的图像边缘检测流程 (22) 4.2 实验结果与性能分析 (26) 4.2.1 参数对边缘检测的影响 (29) 4.2.2 与传统方法的比较 (35) 5 总结与展望 (37) 参考文献 (39) 附录 .................................................. 错误!未定义书签。
摘要 边缘是最基本和重要的特征，其包括用于图像识别的所有主要信息中的一个的数字图像。因此，图像的检测和边缘提取在图像处理、计算机视觉等应用中有着不容小觑的作用，具有非常高的实际应用价值。长期以来，如何提高边缘检测算法的精度一直都是国内外许多学者的研究课题。 蚁群算法是最近开发出来的一种概率搜索算法，是一种利用人工蚂蚁自己找到最优路径的新型仿生优化算法，该算法具有强鲁棒性、正反馈性、并行性、启发性和分布式处理功能。本文通过分析基本原理和蚁群算法的特征点，提出了一种基于蚁群算法的图像边缘检测方法，并对该方法的性能和检测结果进行了深入探讨。随后，针对该方法的缺陷和不足，进行调测和改进，并进行仿真，使其能够更好的检测出图像边缘。最后通过与传统边缘检测算子相对比，已表明了该算法能够更好地检测图像边缘。实验证明，蚁群算法的研究对于图像边缘检测具有很强的理论意义和现实价值。 关键词：图像处理，边缘检测，蚁群算法
本科毕业论文（设计、创作） 题目：数字图像边缘检测算法设计与实现 学生姓名：学号：********** 所在院系：信息与通信技术系专业：电子信息工程 入学时间：2010 年9 月导师姓名：职称/学位：讲师/博士 导师所在单位： 完成时间：2014 年 5 月 安徽三联学院教务处制
数字图像边缘检测算法设计与实现 摘要：图像有很多最基本的特征，边缘是其中之一，所以图像处理的主要内容中也有图像的边缘检测，图像的边缘检测也是图像测量技术中的热点。本篇论文是来研究图像边缘检测，图像处理技术已经有很广阔的应用域，图像的边缘检测最主要的意思是将图像的边缘提取出来。本文首先简要的介绍了什么是边缘检测，和边缘检测的一些基本知识和原理，然后回顾了一些经典的边缘检测算法。最后在已有的经典算法基础上进行编程仿真来提取图像的边缘。 关键词：图像处理；边缘检测；Hough变换；轮廓跟踪
Design and implementation the algorithm of digital image edge detection Abstract：Images have a lot of the most basic features, edge is one of them. So the image edge detection is one of the main content for image processing, the image edge detection has been the hot point in image measurement technology. This paper is to study the image edge detection. Image processing technology has very broad application field. The main mean of image edge detection is to detect image edge. In this article, first, briefly introduced what is edge detection, and some basic knowledge and principle of edge detection. Then reviews some of the classical edge detection algorithm. Finally, extracting image edge programming simulation on the basis of the existing classic algorithms. Key words: Image Processing, Edge Detection, Hough manipulation, contour tracing
基于细胞神经网络的图像边缘提取算法研究毕业设计天津职业技术师范大学 Tianjin University of Technology and Education 专业: 班级学号: 学生姓名: 指导教师: 二?一二年六月 天津职业技术师范大学本科生毕业设计 基于细胞神经网络的图像边缘提取算法研究 Research algorithm on edge extraction of images using cellular neural network method 专业班级: 学生姓名: 指导教师: 系别: 2012年6月 摘要 图像的边缘提取是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础，在工程应用中占有十分重要的地位。细胞神经网络(CNN)是一种并行处理器，细胞神经网络技术在图像模型识别上的应用使系统具有更高的识别率。
首先,详细说明了用 CNN 提取图像边缘的有关理论和分析，给出了所设计的二值图像算法的流程图，将其用于检测二值图像边缘。再在此基础上，改进了前人提出的分 8 层的算法，实现对灰度图像的边缘提取。 然后,将此方法与传统边缘提取方法roberts、sobel、prewitt、log和canny 等相比较可知，该方法的有效性。并且由于细胞神经网络能够高速并行计算，处理速度与图像大小无关，同时便于硬件的实现，这使得它在图像实时处理方面还有很大的发展潜力可以发掘。 关键词:图像处理;边缘提取;CNN;算法 I ABSTRACT Image edge extraction is image segmentation, the target area recognition, regional shape extraction from image analysis area very important basis in engineering application in an important position. Cellular neural network (CNN) is a kind of parallel processor and cellular neural network technology in the application of image model identification system are higher recognition rate. Firstly, detailed description of the image edge extraction with CNN the theory and analysis, then we give the binary image design flow chart of the algorithm for testing of the binary image edge. And on the basis of this, the improvement on previous proposed points of eight layer arithmetic, realize to the gray image edge extraction. Then, the method and the traditional edge extraction methods, for instance, Roberts, Sobel, Prewitt and log compared, etc, it is known that the effectiveness of the method. And because the cellular neural
摘要 边缘检测在图像理解，分析识别领域中是十分重要的研究课题，边缘检测的效果将直接影响到图像理解和识别的性能。 在图像处理领域，边缘是图像的基本特征。所谓边缘是指图像周围像素灰度有阶跃变化或屋顶状变化的像素的集合，它存在于目标和背景，目标与目标，区域与区域，基元与基元之间。边缘具有方向和幅度两个特征，沿边缘走向，像素值变化比较平缓；垂直于边缘走向，像素值变化比较剧烈，可能呈现阶跃状，也可能呈现斜坡状。 Canny算子提取算法采用二维高斯函数任一方向上的一阶方向导数为噪声滤波器，通过卷积运算对图像滤波，然后寻找滤波后图像梯度的局部极大值，以确定图像边缘。Canny算子提取算法得到的目标图像，具有信噪比大和检测精度高的优点，因此得到广泛的应用。动态阈值Canny算法根据图像的具体情况而选择阈值，该方法具有更广的自适应能力，保证了图像边界提取的准确性。 关键词：边缘检测，Canny算子，动态阈值
ABSTRACT Edge detection is an important topic in image understanding and identifies areas. The effect of edge detection will directly affect the image understanding and performance recognition. Edge is the most basic features of image. The so-called edge is around the pixel grayscale image with a step change or roof-like changes in the set of pixels. It exists in target and background, goals and objectives, regional and regional, unit and unit. There are two characteristic of edge, which are direction and magnitude. Along with edge, changes of pixel value are small, and in another direction changes are dramatically large. Sometimes it may shows step-like and sometimes it may be presented sloping. Canny edge detection employs 2-dimentional Gaussian filter function to eliminate noise. And then find out the maximal value of filtered image in local. There was high signal- noise ratio and accurate location of edges detected by Canny. So it is widely used in the world. Dynamic threshold of Canny method selects the threshold by every image, so it has a more adjustable and accurately. KEY WORDS:edge detection, canny operator, dynamic threshold
图像边缘提取方法研究 摘要图像边缘检测一直以来都是图像处理与分析领域的研究热点。边缘提取是图像处理的基础工作，如何精确、有效地提取边缘是图像处理领域相关学者讨论的热点问题，由此产生的各种边缘检测算法层出不穷并且得到了广泛的应用。该文对传统的具有代表性的各种图像边缘提取方法进行了阐述、对比和分析了各自的优缺点，为了更清楚地看出各种算法的效果，给出了一些常用算法对同一副标准测试图像进行边缘提取的实验结果。本文对现代的一些边缘检测方法如小波分析、形态学等也作了简要的介绍，重点分析了以上各种算法在图像边缘检测中的发展状况和优缺点。最后提出在实践中要根据待解决的问题的特点和要求决定采取何种方法。 关键词图像处理,小波变换,图像边缘检测 ABSTRACT Image edge detection is always study focus in the field of image processing and analysis. Edge extraction is foundation work of image processing, how accurate and efficient extract edge is heated discussed by the scholars who are related to image processing area , and various of edge detection methods emerge endlessly and got very wide application . The representative traditional methods in old days for image edge detection have been presented and the advantages and disadvantages of every method are contrasted and analized in this paper. In order
摘要 数字图像的轮廓提取是数字图像处理中的一个重要方面，目的是在一幅图像中提取对象的外部轮廓，为下一步的形状分析和目标识别做准备，是许多有关图像研究的重要中间环节。 本文讲述了怎样对数字图像进行简单的轮廓提取, 包括图像的预处理过程和轮廓提取的一般方法。首先要对原始图像进行预处理，处理方法主要有图像平滑、中值滤波、梯度锐化和拉普拉斯锐化等。图像平滑处理能去除部分噪声干扰，但同时也弱化了图像的边缘轮廓，而中值滤波处理去除噪声的效果相对来说要好。梯度锐化、拉普拉斯锐化等处理方法能增强图像的边缘轮廓，也相对的弱化了噪声对轮廓提取的干扰。通过对图像进行一些预处理后，就可以用不同的边缘检测算法检测出不同图像的边缘轮廓，然后通过软件实现掏空目标区域的内部点，来提取出图像的轮廓。 从图像中提取出来的轮廓可以用于进一步的图像识别、数学特征计算等研究。它的应用是很广泛的，比如医学图像、电影、电视、出版物、摄影等等。 本文是基于Visual C++环境实现的数字图像的轮廓提取，所用编程工具为Visual Studio 2005，它能帮助用户直观的、可视地设计程序的用户界面，可以方便的编写和管理各种类，维护程序源代码，因此能有效的提高开发效率。
关键词:图像预处理；边缘检测；轮廓提取 Abstract Digital image processing contour extraction is an important aspect in Digital Image Processing.It’s purpose is to extract objects in an image of the external contour. Preparing for the next shape analy sis and object recognition. It’s the image of many of the important intermediate links. This article describes how to extract the contour of digital images simply. Including image pre-processing process,and the general contour extraction method. First of all is the original image pre-processing. Treatment methods have Image smoothing, median filtering, gradient sharpening and Laplacian sharpening etc.Image smoothing could remove part of the noise, But it also weakened the image edges,and median filtering can remove noise better. Gradient sharpening and Laplacian sharpening can enhance the image edges, they also have a relative weakening of the interference noise on the contour extraction.After some pre-processings to the digital image, we can use different edge detection algorithms to detect different egde of images,then empting the internal point of the target area to extract the contour of images. Contours extracted from the feature can be used for further image recognition, mathematical calculation of characteristic. Its application is very broad, such as medical images, movies, television, publications, photography, etc. This article is based on Visual C++ implementation of the digital image contour extraction. Programming tool used to Visual Studio 2005. They can help to design the user interface of a process intuitive and visually, to preparate and manage classes easily,and to maintain the program source.Therefore,to improve the development efficiency effectively.
本科毕业论文 数字图像边缘检测研究 RESEARCH ON EDGE DETECTION OF DIGITAL IMAGE
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部容。 作者签名：日期：
学位论文原创性声明 本人重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日
毕业设计论文 图像边缘检测算法探究及实现
目录 引言 (1) 第1章绪论 (2) 1.1课题的研究背景及意义 (2) 1.2课题的发展现状 (3) 1.3论文的主要工作和背景 (5) 1.4论文的总体结构 (5) 第2章经典边缘检测算法的实现 (7) 2.1图像平滑处理 (7) 2.1.1平滑方法 (7) 2.1.23×3均值滤波 (8) 2.1.3产生噪声 (9) 2.2边缘检测 (10) 2.2.1边缘检测概述 (10) 2.2.2梯度 (11) 2.3梯度边缘检测算子 (12) 2.3.1Roberts算子 (13) 2.3.2Prewitt算子 (13) 2.3.3Sobel算子 (14) 2.4拉普拉斯算子 (14) 2.5LoG算子 (15) 2.6几种经典边缘检测方法的实现与结果 (16) 第3章图像描述 (20) 3.1模拟图像的描述 (20) 3.2数字图像的描述 (20) 3.3数字图像的颜色表示方法 (21) 第4章彩色图像边缘检测 (23) 4.1彩色边缘检测的定义 (23) 4.2基于Sobel算子的彩色图像边缘检测 (24) 4.2.1彩色边缘检测 (24) 4.2.2彩色模型 (25) 4.3RGB与YUV (27) 结论 (29) 致谢 (30) 参考文献 (1)
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
毕业设计（论文） 基于DSP器件的图像边缘检测的分析研究
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
基于DSP器件的图像边缘检测的分析研究 摘要：边缘检测是图像处理与分析中最基础的内容之一，是至今仍没有得到圆满解决的一类问题，也一直是图像处理与分析技术领域中的研究热点。本文分析研究了梯度、Roberts、Prewitt、Sobel、Kirsch、Laplacian、Marr等算法，同时还给出了一种新型的边缘检测算法。文中各边缘检测算法均在DSP软件仿真工具CCS中进行了仿真实现，并根据仿真结果对各算法加以了比较。本文正是考虑到DSP器件特有的稳定性、可重复性、高速性，尤其是可编程性和易于实现自适应处理等优点，才采用这一新颖的方法。此外，文中还介绍了一种最基本的模式识别算法-模板匹配，并对该算法进行了CCS仿真实现。 关键词：边缘检测 DSP CCS 模板匹配 Analysis of Image Edge Detection Based on DSP Devices
摘要 自从Mandelbrot提出分形的概念以来，分形学已发展成为一门横跨自然科学和社会科学各研究领域的新兴学科。分形学的基本思想是：客观事物具有自相似的层次结构，局部与整体在形态、功能、信息、时间、空间等方面具有统计意义上的相似性，即自相似性。自相似性原理的引入使分形理论成为研究和处理自然与工程中不规则图形的有力工具。广义而言，任何物体表面都可以看作是由某种纹理特征的表面构成，故任何图像都包含了若干种纹理区域的灰度表面。在这些不同纹理灰度表面之间灰度起伏变化显著，外在就表现为边缘。大多数纹理图像都可以用分形模型进行描述，而纹理特征的变化包含了图像的边缘信息。目前运用分形理论进行图像边缘检测已成为分形图形学的一种重要应用。 本文在图像分形模型—分数布朗随机场的基础上，通过分析图像的分形参数，提出一种新的边缘检测特征度量，并根据边缘分形特征计算出自适应阈值，实现图像的边缘检测，并且将利用该算法提取的边缘图像与用传统的微分算子提取的边缘图像进行了比较以证明本文提出的方法是一种更有效的边缘检测算法。在此基础上，本人提出了两种改进算法，改进算法可以大大节省程序运行的时间，提高了程序的执行效率，同时改进算法也可以达到很好的边缘检测效果。对此算法在实际中的应用本文用专门的篇章进行了详细的讨论。 本文首先介绍了分形产生的背景以及近年来发展的状况，在此基础上提出了一种基于计算纹理图像的分形特征进行边缘检测的算法，证明了该算法优于传统的微分算子的方法，进而又提出了两种改进算法，即分形与图像扫描技术相结合的算法。最后将该分形算法应用于医学图像处理中，取得了良好的效果，并提出了一些改进建议。 关键词：分形理论、分形维数、分数布朗运动、毯子算法