基于VC的图像边缘检测算法的研究与比较本科毕业设计文档格式.docx

基于VC的图像边缘检测算法的研究与比较本科毕业设计文档格式.docx

《基于VC的图像边缘检测算法的研究与比较本科毕业设计文档格式.docx》由会员分享，可在线阅读，更多相关《基于VC的图像边缘检测算法的研究与比较本科毕业设计文档格式.docx（35页珍藏版）》请在冰豆网上搜索。

　　　　　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：

摘要

图像的边缘是图像最基本的特征，它是灰度不连续的结果。

图像分析和理解的第一步是边缘检测，因此边缘检测在图像处理中有着重要的作用。

图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。

本文介绍了三种经典的图像边缘检测算子,并且运用强大的VC软件通过一个图像边缘检测的例子比较了它们的检测效果,分析了它们各自的特点,对学习边缘检测和具体工程应用具有很好的参考价值。

关键词:

图像处理,边缘检测,算子,比较研究,VC

ComparisonAndAnalysisForImageEdgeDetectionAlgorithmsBasedOnVC

Abstract

Edgeisthemostbasicfeatureoftheimage,itistheresultofdiscontinuousgray.Thefirststepinimageanalysisandunderstandingisedgedetection,soedgedetectionplaysanimportantroleinimageprocessing.Imageedgedetectionsignificantlyreducestheamountofdataandremovesirrelevantinformation,retainstheimportantstructuralpropertiesofimages.

Thisarticledescribesthreetypesofclassicaledgedetectionoperators,andtheusethepowerfulsoftwarecalledVCtodotheedgedetectionthroughacomparisonofexamplesoftheeffectoftheirdetection,analysisthecharacteristics,thisisgoodreferencevaluefortheirlearningedgedetectionandapplicationofspecificprojects.

KeyWords:

Imageprocessing,Edgedetection,Operator,ComparativeStudy,VC

第一章绪论

1.1数字图像基础

1.1.1数字图像概述

人眼能识别的自然景象或图像原也是一种模拟信号，为了使计算机能够记录和处理图像、图形，必须首先使其数字化。

数字化后的图像、图形称为数字图像、数字图形，一般也简称为图像、图形。

数字图像可以看成一个矩阵，或一个二维数组，这是在计算机上表示的方式。

一幅M×

N个像素的数字图像，其像素灰度值可以用M行、N列的矩阵[G]表示：

（1—1）

在存储数字图像时，一幅M行、N列的数字图像（M×

N个像素），可以用一个M×

N的二维数组T表示。

图像的各个像素灰度值可按一定顺序存放在数组T中[1]。

1.1.2数字图像处理

数字图像处理（DigitalImageProcessing）是利用计算机的计算功能，实现与光学系统模拟处理相同效果的过程。

数字图像处理具有如下特点：

（1）处理精度高，再现性好。

利用计算机进行图像处理，其实质是对图像数据进行各种运算。

由于计算机技术的飞速发展，计算精度和计算的正确性都毋庸置疑；

另外，对同一图像用相同的方法处理多次，也可得到完全相同的效果，具有良好的再现性。

（2）易于控制处理效果。

在图像处理程序中，可以任意设定或变动各种参数，能有效控制处理过程，达到预期处理效果。

这一特点在改善图像质量的处理中表现更为突出。

（3）处理的多样性。

由于图像处理是通过运行程序进行的，因此，设计不同的图像处理程序，可以实现各种不同的处理目的。

（4）图像数据量庞大。

图像中包含有丰富的信息，可以通过图像处理技术获取图像中包含的游泳的信息，但是，数字图像的数据量具大，一幅数字图像是由图像矩阵中的像素组成的，通常每个像素用红、绿、蓝三种颜色表示，每种颜色用8bit表示灰度级。

则一幅1024×

1024不经压缩的真彩色图像，数据量达3MB（即1024×

1024×

8bit×

3=24Mb）。

如此庞大的数据量给存储、传输和处理都带来巨大的困难。

如果精度及分辨率再提高，所需处理时间将大幅度增加。

（5）处理费时。

由于图像数据量大，因此处理比较费时。

特别是处理结果与中心像素邻域有关的处理过程花费时间更多。

（6）图像处理技术综合性强。

数字图像处理涉及的技术领域相当广泛，如通信技术、计算机技术、电子技术、电视技术等，当然，数学、物理学等领域更是数字图像处理的基础。

1.2边缘检测介绍

图像的边缘对人的视觉具有重要意义,一般而言,当人们看见一个有边缘的物体的时候,首先感觉到的便是边缘。

边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合,灰度或结构等信息的突变处成为边缘。

边缘或许对应着图像中物体（的边界）或许并没有对应着图像中物体（的边界）,但是边缘具有十分令人满意的性质,它能大大地减少所要处理的信息但是又保留了图像中物体的形状信息，边缘是图像的最基本特征。

边缘在边界检测、图像分割、模式识别、机器视觉等中有很重要的作用。

边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。

图像属性中的显著变化通常反映了属性的重要事件和变化。

这些包括（i）深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。

边缘检测是图像处理和计算机视觉中,尤其是特征提取中的一个研究领域。

第二章图像边缘检测

2.1边缘检测

2.1.1边缘检测概念

通过计算一阶导数或者二阶导数可以方便检测出图像中每个像素在其领域内的灰度变化，从而检测出边缘。

图像中具有不同灰度的相邻区域之间总存在边缘。

常见的边缘类型有斜坡型、线状型和屋顶型。

阶跃型边缘是一种理想的边缘，由于采样等缘故，边缘处总有一些模糊，因而边缘处会有灰度斜坡，形成了斜坡边缘。

斜坡边缘的坡度与被模糊的程度成反比，模糊程度高的边缘往往表现为厚边缘。

线状型边缘有一个灰度突变，对应图像中的细线条；

而屋顶型边缘两侧的灰度坡度相对平缓，对应粗边缘[2]。

2.1.2微分算子

图2.1给出了几种典型的边缘及其相应的一阶导数和二阶导数。

对于斜坡型边缘，在灰度斜坡的起点和终点，其一阶导数均有一个阶跃，在斜坡处为常数，其它地方为零；

其二阶导数在斜坡起点产生一个向上的脉冲，在终点产生一个向下的脉冲，其它地方为零，在两个脉冲之间有一个过零点，可以确定边缘的中心位置。

对应线状型边缘，在边缘的起点和终点处，其一阶导数都有一个阶跃，分别对应极大值和极小值；

在边缘的起点与终点处，其二阶导数都对应一个向上的脉冲，在边缘中心对应一个向下的脉冲，在边缘中心两侧存在两个过零点。

因此，通过检测二阶差分的两个过零点，就可以确定线状型边缘的范围；

检测二阶差分的极小值，可以确定边缘中心位置。

屋顶型边缘的一阶导数和二阶导数与线状型类似，通过检测其一阶导数的过零点可以确定屋顶的位置。

由上述分析可以得出以下结论：

一阶导数的幅度值可以用来检测边缘的存在；

通过检测二阶导数的过零点可以确定边缘的中心位置；

利用二阶导数在过零点附近的符号可以确定边缘像素位于边缘的暗区还是亮区。

另外，一阶导数和二阶导数对噪声非常敏感，尤其是二阶导数。

因此，在边缘检测之前应考虑图像平滑，减弱噪声的影响。

在数字图像处理中，常利用差分近似微分来求取导数。

边缘检测可借助微分算子在空间域通过模板卷积来实现。

2.2边缘检测基本思想

边缘检测的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,然后定义像素的“边缘强度”,通过设置阈值的方法提取边缘点集。

但是由于噪声和图像模糊的原因,检测到的边界可能会有间断的情况发生,所以边缘检测包含2个内容:

（1）用边缘算子提取边缘点集。

（2）在边缘点集合中去除某些边缘点并填充一些边缘点,将得到的边缘点集连接为线。

2.3边缘检测算法

2.3.1边缘检测算法步骤

边缘检测算法包含有以下四个步骤:

（1）滤波边缘检测算法主要是基于图像强度的一阶和二阶导数,但导数的计算对噪声很敏感,因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。

需要指出,大多数滤波器在降低噪声的同时也导致了边缘强度的损失。

因此增强边缘和降低噪声之间需要折中。

（2）增强增强边缘的基础是确定图像各点邻域强度的变化值,增强算法可以将邻域（或局部）强度值有显著变化的点显现出来,边缘增强一般是通过计算梯度幅值来完成的。

（3）检测在图像中有许多点的梯度幅值比较大,而这些点在特定的应用领域中并不都是边缘,所以应该用某种方法来确定哪些点是边缘点。

最简单的边缘检测判据是梯度幅值阈值判据。

（4）定位如果某一应用场合要求确定边缘位置,则边缘的位置可在子像素分辨率上来估计,边缘的方位也可以被估计出来。

2.3.2边缘检测算法流程图

边缘检测流程图比较形象直观地描述了边缘检测的步骤，通过滤波、增强、检测、定位来达到边缘检测的目的。

2.4边缘检测算法中算子的分类

在大部分情况下,都是把图像的边缘全部看作是阶梯形边缘,然后求得检测这种边缘的各种最优滤波器,用于实践中。

边缘检测主要是（图像的）灰度变化的度量、检测和定位。

有很多种不同的边缘检测方法,同一种方法使用的滤波器也不尽相同。

边缘检测就是研究更好的边缘检测方法和检测算子。

检测出的边缘并不等于实际目标的真实边缘。

由于图像数据是二维的,而实际物体是三维的,从三维到二维的投影必然会造成信息的丢失,再加上成像过程中的光照不均和噪声等原因的影响,使得有边缘的地方不一定能被检测出来,而检测出来的边缘也不一定代表实际边缘。

这就需要我们根据不同类型的图像,来选取合适的边缘检测算子。

就一些经典的边缘检测算子分类,如图2.3。

2.5经典边缘检测算子

2.5.1Roberts边缘检测算子

1、理论基础[3]

Roberts边缘算子采用的是对角方向相邻的两个像素之差。

从图像处理的实际效果来看，边缘定位准，对噪声敏感。

Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子，它