图像边缘检测与提取算法的比较毕业设计论文.docx

图像边缘检测与提取算法的比较毕业设计论文.docx

《图像边缘检测与提取算法的比较毕业设计论文.docx》由会员分享，可在线阅读，更多相关《图像边缘检测与提取算法的比较毕业设计论文.docx（39页珍藏版）》请在冰豆网上搜索。

图像边缘检测与提取算法的比较毕业设计论文

毕业设计论文

图像边缘检测与提取算法的比较

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：

前言

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去。

它在图像识别，图像分割，图像增强以及图像压缩等的领域中有较为广泛的应用，也是它们的基础。

图像边缘是图像最基本的特征之一，往往携带着一幅图像的大部分信息。

而边缘存在于图像的不规则结构和不平稳现象中，也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。

而边缘检测算法则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；又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好的效果的边缘检测算子的问题。

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。

本文主要介绍几种经典的边缘提取算法，选取两种用MATLAB语言编程实现，对提取结果进行比较和分析。

第1章图像边缘检测与提取概述

数字图像边缘检测技术起源于20世纪20年代，当时受条件的限制一直没有取得较大进展，直到20世纪60年代后期电子技术、计算机技术有了相当的发展，数字图像边缘检测处理技术才开始进入了高速发展时期。

经过几十年的发展，数字图像边缘检测处理技术目前己经广泛应用于工业、微生物领域、医学、航空航天以及国防等许多重要领域，多年来一直得到世界各科技强国的广泛关注。

数字图像边缘检测处理技术在最近的10年发展尤为迅速，每年均有数以百计的新算法诞生，其中包括canny算法、小波变换等多种有相当影响的算法，这些算法在设计时大量运用数学、数字信号处理、信息论以及色度学的有关知识，而且不少新算法还充分吸取了神经网络、遗传算法、人工智能以及模糊逻辑等相关理论的一些思想，开阔了进行数字图像边缘检测处理的设计思路。

现代数字图像边缘检测处理的目标有三：

可视化、自动化和定量化：

（1）可视化:

当图像被采集并显示时，这些图像通常需要改善以便观察者更容易解释它们。

感兴趣的目标必须突出或者图像各部位之间的对比度需要增强处理。

自从像CT和MRI等三维成像手段问世以来，可视化，特别是三维结构的可视化受到极大的关注。

（2）自动化:

旨在使一些日常的或繁琐的工作自动化。

例如，根据一个染色体分布的显微图像自动确定染色体核型的系统，从一个血液涂片自动生成白细胞分类计数报告的系统。

这些应用的特征是要求最小的人工干预，全自动完成分析工作。

关于白细胞分类计数应用，市售系统是在1970年开发成功的。

但今天这项任务是以完全不同方式（采用流式白细胞计数技术）自动完成。

（3）定量化:

有关定量化的图像边缘检测的例子有：

测量动脉狭窄的程序以及用电子显微镜观察组织切片中特殊成分的定位和定量（如血色素沉着症中的铁元素）。

在这些应用中，人工介入是允许的，因为处理时间的长短在这些应用中并不是主要矛盾。

数字图像边缘检测处理，即用计算机对图像的边缘进行处理，这一技术是随着计算机技术发展而开拓出来的一个新的应用领域，汇聚了光学、电子学、数学、摄影技术、计算机技术等学科的众多方面。

图像边缘检测处理作为一门学科已经被美国数学学会列为应用数学的一个研究分支。

在其短暂的发展历史中，已经被成功的应用在几乎所有与成像有关的领域。

近年来，图像分析和处理紧紧围绕理论、实现、应用三方面迅速发展起来。

它以众多的学科领域为理论基础，其成果又渗透到众多的学科中，成为理论实践并重，在高新技术领域中占有重要地位的新兴学科分支。

1.1图像边缘的定义

所谓图像边缘（Edlge）是指图像局部特性的不连续性，例如，灰度级的突变，颜色的突变，纹理结构的突变等。

边缘广泛存在于目标与目标、物体与背景、区域与区域（含不同色彩）之间，它是图像分割所依赖的重要特征。

本为主要讨论几种典型的图像灰度值突变的边缘检测方法，其原理也是用于其他特性突变的边缘检测。

图像的边线通常与图像灰度的一阶导数的不连续性有关。

图像灰度的不连续性可分为两类：

阶跃不连续，即图像灰度再不连续出的两边的像素的灰度只有明显的差异，如图1.1所示，线条不连续，即图像灰度突然从一个值变化到另一个值，保持一个较小的行程又返回到原来的值。

在实际中，阶跃和线条边缘图像是较少见的，由于空间分辨率（尺度空间）、图像传感器等原因会使阶跃边缘变成斜坡形边缘，线条边缘变成房顶形边缘。

它们的灰度变化不是瞬间的而是跨越一定距离的。

阶跃型房顶型突圆型

图1.1边缘灰度变化

在讨论边缘检测方法之前，首先介绍一些术语的定义。

（1）边缘点：

图像中灰度显著变化的点。

（2）边缘段：

边缘点坐标及方向的总和，边缘的方向可以是梯度角。

（3）轮廓：

边缘列表，或者是一条边缘列表的曲线模型。

（4）边缘检测器：

从图像抽取边缘（边缘点或边线段）集合的算法。

（5）边缘连接：

从无序边缘形成有序边缘表的过程。

（6）边缘跟踪：

一个用来确定轮廓图像（指滤波后的图像）的搜索过程。

在实际中边缘点和边缘段都称为边缘。

1.2图像边缘检测算法的研究内容

图像边缘检测和分析可定义为应用一系列方法获取、校正、增强、变换、检测或压缩可视图像的技术。

其目的是提高信息的相对质量，以便提取有用信息。

图像边缘检测中的变换属于图像输入-图像输出模式，图像边缘检测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边缘检测新技术或新方法，几乎肯定都能找到其他完全不同的应用领域。

图像边缘检测的主要研究内容包括：

（1）图像获得和抽样，其中通过人眼观察的视野获取图像的问题有：

最常用的图像获取装置——电视（TV）摄像机问题，对所获得信号进行独立的采样和数字化就可用数字形式表达景物中全部彩色内容；电荷-耦合装置，用作图像传感器，对景物每次扫描一行，或通过平行扫描获得图像；选择正确的分辨力或采样密度，一幅图像实质上是二维空间中的信号，所以适用于信号处理的法则同样适用于图像边缘检测，在放射学中常常需要高分辨力，要求图像至少达到2048像素×2048像素；灰度量化，图像强度也必须进行数字化，通常以256级（按1字节编码）覆盖整个灰度，一般一幅灰度分辨力为8位，空间分辨力为512像素×512像素的图像需0.25兆字节的存贮容量。

（2）图像分割，目的是把一个图像分解成它的构成成分，以便对每一目标进行测量。

图像分割是一个十分困难的过程。

但其测量结果的质量却极大地依赖于图像分割的质量。

有两类不同的图像分割方法。

一种方法是假设图像各成分的强度值是均匀的并利用这种均匀性；另一种方法寻找图像成分之间的边界，因而是利用图像的不均匀性。

主要有直方图分割，区域生长，梯度法等。

（3）边界查索，用于检测图像中线状局部结构，通常是作为图像分割的一个预处理步骤。

大多数图像边缘检测技术应用某种形式的梯度算子，可应用对水平方向、垂直方向或对角线方向的梯度敏感的梯度算子，用它们的复合结果可检测任意方向的边界。

（4）图像增强和复原，用于改进图像的质量。

不同的增强技术可以用于不同的目的，这取决于应用的类型。

如果打算直接观察图像，可以增强对比度。

如果是为了进一步对图像作数字处理，可以选择分割（一种突出各图像成分之间的边界和线状结构的运算）。

该技术可以是整体的或局部的，也可以在某个频域或者空间域中进行。

图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。

图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。

（5）图像分类（识别），图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。

图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。

（6）图像变换：

由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。

因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。

目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像边缘检测中也有着广泛而有效的应用。

1.3图像边缘检测算法的主要应用

图像是人类获取和交换信息的主要来源，因此，图像边缘处理的应用领域必然涉及到人类生活和工作的方方面面。

随着人类活动范围的不断扩大，图像边缘检测与提取处理的应用领域也将随之不断扩大。

数字图像边缘检测（DigitalImageProcessing）又称为计算机图像边缘检测，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。

数字图像边缘检测最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。

数字图像边缘检测中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像边缘检测处理方法有图像增强、锐化、复原、编码、压缩、提取等。

数字图像边缘检测与提取处理的主要应用领域有：

（1）航天和航空技术方面的应用，数字图像边缘检测技术在航天和航空技术方面的应用，除了月球、火星照片的处理之外，另一方面的应用是在飞机遥感和卫星遥感技术中。

从60年代末以来，美国及一些国际组织发射了资源遥感卫星（如LANDSAT系列）和天空实验室（如SKYLAB）,由于成像条件受飞行器位置、姿态、环境条件等影响，图像质量总不是很高。

现在改用配备有高级计算机的图像边缘检测系统来判读分析首先提取出其图像边缘，既节省人力，又加快了速度，还可以从照片中提取人工所不能发现的大量有用情报。

（2）生物医学工程方面的应用，数字图像边缘检测在生物医学工程方面的应用十分广泛，而且很有成效。

除了CT技术之外，还有一类是对阵用微小图像的处理分析，如红细胞、白细胞分类检测，染色体边缘分析，癌细胞特征识别等都要用到边缘的判别。

此外，在X光肺部图像增强、超声波图像边缘检测、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像边缘分析处理技术。

（3）公安军事方面的应用，公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。

目前己投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别（主要是汽车牌照的边缘检测与提取技术）都是图像边缘检测技术成功应用的例子。

在军事方面图像边缘检测和识别主要用于导弹的精确制导，各种侦察照片的判读，对不明来袭武器性质的识别，具有图像传输、存储和显示的