图像边缘检测的方法

维普资讯 视频应用／ＡＰＰ　ＬｌＥＤ　ＶＩＤＥＯ　ＴＥＣＨＮＯＬＯＧＹ　Ｄ都是边界上的点（如图３所示），那么经过第一次　扫描后边缘Ｂ会被漏判，这就需要用同样的方法进　行第二次扫描，通过考察图像ｆ（ｘ，），）每一行的各列　像素确定边缘点。同样为了观察效果，把边界点的　灰度值写成零，非边界点的灰度值写成２５５。　门限法提取边缘的结果如图４所示。从图上可　以看出，门限法比较真实的反映出图像轮廓，图像　边界被十分完整的检测出来，而且整个过程需要的　时间也有限，因此，对于这类图像，门限法是一个非　常可取的提取边缘的方法。　

图３门限法提取边缘　

２．３边缘跟踪法　虽然门限法具有很大的优越性，但是如果出现　染色体内部也存在灰度值大于２２４的像素点时（虽　然出现这种像素点的概率非常小），门限法将把这　些点的四周也勾画成边缘。而且在提取边缘的两次　扫描过程中，记录边缘８的同时，Ａ点会再一次被　记录为边缘，这也需要时间。因此，门限法也存在不　足之处，经过反复研究，作者提出了边缘跟踪算法。　经过平滑图像后，背景已为纯白色（灰度＝　２５５），同时染色体图案（包括极个别噪声）灰度小于　２２４。根据这个规律，边缘跟踪可以这样进行：　（１）扫描整帧图像，记录发现的首个灰度不为　２５５的像素，作为该条染色体的起始点，记作（　，Ｙ），　并令其灰度为零（边缘）；　（２）从起始点（　，），）按图５所示顺序查询周围　８个邻接点，其中必然会有一点是边界上的点（孤立　的点状噪声除外），寻找其中既不是背景（灰度不为　２５５）又不是边缘（灰度不为零）的像素，认为是下一　个边缘点（暂设为Ａ）赋其灰度为零，并作为查询下　一像素的起点，停止对（　，），）邻接点的查询。到底应　该从Ａ的哪个邻接点开始搜索下一个边界点所需　时间最少，又能正确的找到边界应该遵循以下规　律，按图５找到的新边界点Ａ与前一个搜索点比　较，有４种情况：　①若纵坐标相同，横坐标大ｌ，则从图中位置　５开始顺时针查询；　②若横坐标相同，纵坐标大１，则从图中位置　７开始顺时针查询；　③若纵坐标相同，横坐标小１，则从图中位置　ｌ开始顺时针查询；　④若横坐标相同，纵坐标小ｌ，则从图中位置　３开始顺时针查询。　（３）依次查询直至重新回到起始点，此时该条　染色体寻找完毕。　其中在第二步应注意：　（１）为了尽量缩短程序运行时间，在每一条染　色体边缘跟踪完毕后，记录该条染色体的起始点，　作为扫描下一条染色体的起始点，并开始提取这条　染色体内部的信息；　（２）染色体图像提取是以单条染色体为单位，　所以在记录染色体像素的同时还必需把该点灰度　写白，从而保证扫描整帧染色体图像时只有当前染　色体和没有扫描到的染色体，而其余染色体在各自　提取完毕后都已被清除；　（３）为了减少不必要的运算，染色体个体图像　提取的同时，需要记录该染色体个体图像包含的像　素点数，如果总点数少于５０点，那么不足以构成一　条染色体，把它作为噪音忽略。　由图６可见边缘跟踪法用于提取染色体边缘　与门限法相比毫不逊色，每条染色体的边缘像素全　都被记录下来，并能同时提取染色体个体图像的内　部信息，它还克服了门限法的缺点，不会把染色体　内个别灰度值大于２２４的像素点记录成边缘点。　

目录

摘要 ..................................................................................................................................... 1

引言 ..................................................................................................................................... 2

第一章绪论 ........................................................................................................................ 3

1.1 课程设计选题的背景及意义 ............................................................................. 3

1.2 图像边缘检测的发展现状 ................................................................................. 4

第二章边缘检测的基本原理 ........................................................................................... 5

2.1 基于一阶导数的边缘检测 ................................................................................. 8

边缘检测算子

图像配准的方法

7.4.1 基于特征的图像配准

基于特征的图像配准首先提取图像信息的特征，然后以这些特征为模型进行配准。特征提取的结果是一含有特征的表和对图像的描述，每个特征由一组属性表示，对属性的进一步描述包括边缘的定向和弧度、区域的大小等。局部特征之间存在着相互关系，如几何关系、辐射度量关系、拓扑关系等。可以用这些局部特征之间的关系描述全局特征。通常基于局部特征配准大多都是基于点、线或边缘的，而全局特征的配准则是利用局部特征之间的关系进行配准的方法。

由于图像的特征点比图像的像素点要少很多，因此大大减少了配准过程的计算量，但特征提取方法的计算代价通常较大，不便于实时应用。特征点的配准度量值对位置的变化比较敏感，可以大大提高配准的精确程度。对于纹理较少的图像区域提取的特征的密度通常比较稀少，局部特征的提取就比较困难。特征点的提取过程可以减少噪声的影响，对灰度变化、图像形变和遮挡等都有较好的适应能力。因此，在图像配准领域得到了广泛应用。基于特征的图像配准方法有两个重要环节：特征提取和特征配准。

7.4.2 基于互信息的图像配准

医学图像配准技术从基于特征的配准方法发展到基于统计的配准方法有其突破性的意义。与基于特征的配准方法相比，基于统计的配准方法的突出优点为鲁棒性好、配准精度高、人工干预少。基于统计的配准方法通常是指最大互信息的图像配准方法。

基于互信息的图像配准是用两幅图像的联合概率分布与完全独立时的概率分布的广义距离来估计互信息，并作为多模态医学图像配准的测度。当两幅基于共同的解剖结构的图像达到最佳配准时，它们的对应像素的灰度互信息应为最大。由于基于互信息的配准对噪声比较敏感，首先，通过滤波和分割等方法对图像进行预处理。然后进行采样、变换、插值、优化从而达到配准的目的。

基于互信息的配准技术属于基于像素相似性的方法。它基于图像中所有的像素进行配准，基于互信息的图像配准引入了信息论中的概念，如熵、边缘熵、联合熵和互信息等，可使配准精度达到亚像素级的高精度。

Ｃｏｍｐｕ￣ｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用　

彩色图像ＳＵＳＡＮ边缘检测方法　

曾　俊，李德华　

ＺＥＮＧ　Ｊｕｎ，ＬＩ　Ｄｅｈｕａ　

华中科技大学图像　别与人工智能研究所，武汉４３００７４　

Ｉｎｓｔｉｔｕｔｅ　ｆｏｒ　Ｐａａｅｍ　Ｒｅｃｏｇｎｉｔｉｏｎ　ａｎｄ　Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ，Ｈｕａｚｈｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ　４３００７４，Ｃｈｉｎａ　

ＺＥＮＧ　Ｊｕｎ，ＬＩ　Ｄｅｈｕａ．ＳＵＳＡＮ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ｍｅｔｈｏｄ　ｆｏｒ　ｃｏｌｏｒ　ｉｍａｇｅ．Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　ＡｐｐＨｃａｆｉｏｎｓ，２０１１，４７　

（１５）：１９４－１９６．　

Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｍｅｔｈｏｄｓ　ｏｆ　ｃｏｌｏｒ　ｉｍａｇｅ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ａｒｅ　ｍａｉｎｌｙ　ｂａｓｅｄ　ｏｎ　ｇｒａｙ　ｉｍａｇｅｓ．Ｃｏｌｏｒ　ｉｍａｇｅ　ｉｓ　ｃｏｎｖｅｎｅｄ　

ｔｏ　ｇｒａｙ　ｉｍａｇｅ，ｔｈｅｎ　ｅｄｇｅｓ　ａｒｅ　ｄｅｔｅｃｔｅｄ　ｂｙ　ｇｒａｙｓｃａｌｅ　ｅｄｇｅ　ｄｅｔｅｃｔｏｒ．Ｔｈｅｓｅ　ｍｅｔｈｏｄｓ　ｍａｋｅ　Ｂｓｅ　ｏｆ　ｌｕｍｉｎａｎｃｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｔｏ　ｄｅ－　

ｔｅｃｔ　ｅｄｇｅｓ，ｂｕｔ　ｄｏｎ’ｔ　ｔａｋｅ　ｉｎｔｏ　ａｃｃｏｕｎｔ　ｔｈｅ　ｃｈｒｏｍａ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　ｃｏｌｏｒ　ｉｍａｇｅ．Ｔｈｅｒｅｆｏｒｅ．ｓｏｍｅ　ｅｄｇｅｓ　ｃａｎｎｏｔ　ｂｅ　ｄｅｔｅｃｔｅｄ．Ｉｎ　

ｔｈｉｓ　ｐａｐｅｒ，ａ　ｍｅｔｈｏｄ　ｏｆ　ＳＵＳＡＮ　ｃｏｌｏｒ　ｉｍａｇｅ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ＣＩＥＬＡＢ　ｓｐａｃｅ　ｉｓ　ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ　ＲＧＢ　ｃｏｌｏｒ　ｉｍａｇｅ　ｉｓ