数字图像边缘检测算法的研究和实现.docx

数字图像边缘检测算法的研究和实现.docx

《数字图像边缘检测算法的研究和实现.docx》由会员分享，可在线阅读，更多相关《数字图像边缘检测算法的研究和实现.docx（48页珍藏版）》请在冰豆网上搜索。

数字图像边缘检测算法的研究和实现

毕业设计

题目：

数字图像边缘检测算法的研究和实现

学院：

计算机与通信学院

毕业设计（论文）任务书

题目：

数字图像边缘检测算法的研究和实现

一、基本任务及要求：

（1）撰写开题报告。

（2）研究方案：

首先了解数字图像处理的主要技术及其应用；然后，熟悉和掌握数字图像边缘检测算法的基本原理和实现方法，并在此基础上掌握用MATLAB实现该算法。

（3）主要任务：

a．学习和掌握数字图像边缘检测算法的基本原理和技术方案

b．熟练掌握MATLAB软件在通信中的应用

c．使用MATLAB软件对数字图像边缘检测算法进行防真与分析

二、进度安排及完成时间：

第1周老师集中指导，分析并明确课题任务与要求，学习资料收集检索方法，并搜索收集所需中英文资料。

第2~3周阅读资料、书籍，学习所需知识，撰写文献综述。

第4~5周毕业实习、完成毕业实习报告撰写。

第6周建立毕业设计实验环境；初步拟订设计方案；完成开题报告。

第7周完成总体设计。

第8~13周具体设计、调试、修改、实现。

第14~15周撰写毕业论文（说明书），完成毕业答辩资格审查、毕业答辩准备。

第16周完成毕业答辩资格审查、毕业答辩准备。

第17周毕业答辩。

目录

前言3

第1章绪论5

1.1数字图像的相关定义5

1.2数字图像边缘检测的相关分析7

1.2.1“边缘点”定义7

1.2.2边缘检测“两难”问题8

1.2.3边缘分类及性能分析8

1.3数字图像中的滤波11

1.3.1中值滤波11

1.3.2维纳滤波12

1.4数字图像边缘检测的主要应用13

1.5数字图像边缘检测的发展前景13

第2章边缘检测的经典方法15

2.1基于一阶微分的边缘检测算法15

2.1.1Roberts算子15

2.1.2Prewitt算子16

2.1.3Kirsch算子17

2.1.4Sobel算子18

2.2基于二阶微分的边缘检测算法19

2.2.1Laplacian算子19

2.2.2LoG算子21

2.2.3Canny算子23

第3章一种改进的Sobel边缘检测算法25

3.1MATLAB概述25

3.2边缘检测中的形态学操作26

3.3一种Sobel改进算法28

3.4边缘检测算法的仿真29

3.5边缘检测算法的分析45

第4章总结和展望48

参考文献50

致谢52

数字图像边缘检测算法的研究和实现

摘要：

数字图像边缘检测技术是图像分割、目标识别、区域形态提取等图像分析领域中十分重要的基础。

本文首先讲述了数字图像处理的相关概念及边缘检测研究的背景、意义、应用等。

然后对各种经典边缘检测算法进行了分析与实现，研究了各算子的特点。

最后针对Sobel算子对噪声抑制力不足的缺点提出了一种Sobel改进算法，结合图像滤波和形态学处理，并通过仿真实验比较了改进算法与传统算法各自的优缺点及适用性，进而完成了数字图像边缘检测算法的分析实现。

关键词：

数字图像处理；边缘检测；Sobel改进算子；滤波；形态学

Researchandimplementationofthedigitalimageedgedetectionalgorithm

Abstract：

Digitalimageedgedetectionisimagesegmentation,targetrecognition,regionalshapeextractionisveryimportantinthefieldofimageanalysis.Thispapertellsthestoryoftherelatedconceptsofdigitalimageprocessingandedgedetectionresearchbackground,significance,applicationandsoon.Thenanalysesallkindsofclassicaledgedetectionalgorithmandimplementation,studythecharacteristicsofeachoperator.FinallybasedonSobeloperatorfornoisesuppressionofdisadvantagesputforwardanimprovedalgorithmofSobel,combiningwiththeimagefilterandmorphologicalprocessing,andthroughthesimulationexperimentcomparesthemeritsanddemeritsoftheimprovedalgorithmandtraditionalalgorithmandapplicability,andthencompletetheanalysisoftheimplementationofdigitalimageedgedetectionalgorithm.

Keywords：

Digitalimageprocessing;Edgedetection;MproveSobeloperator;Filtering;Morphology.

前言

图像是人类获取和交换信息的主要来源。

因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。

近几年来，图像处理和识别技术得到了迅速的发一展。

边缘是图像的重要特征之一，早在1959年Julez[5]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。

边缘检测作为图像分割、目标区域识别等图像分析领域的重要基础而受到人们的广泛关注，自从边缘检测的提出年到现在，在五十多年的发展中，国内外的众多专家学者都致力于边缘检测的研究，并相继提出了成百上千种不同类型的边缘检测算法。

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。

但由于以下原因:

（1）图像自身的复杂性；

（2）边缘与噪声难以区分；

（3）阴影纹理等干扰因素同样表现出边缘的性质；

（4）不同的研究者对边缘的定义也不尽相同等等。

使得边缘检测直到现在仍然难以很好的得到解决。

另外，由于边缘本身就是一个很模糊的定义，理想化的边缘模型与实际情形相差甚远，因此也很难找到具有普遍适应性的检测方法。

虽然现在边缘检测技术已经得到了长足的发展，出现了很多活跃的新兴方法，如基于形态学、统计学、神经网络、模糊理论、遗传算法及特征分形的边缘检测方法等等，但是20世纪70年代到80年代提出的基于梯度的方法仍然还保持着一定的竞争力。

总的说来，在众多科研工作者的努力下，取得了很好的效果。

尽管如此，边缘检测的研究一直是图像技术研究中热点和焦点，而且人们对其的关注和投入不断提高。

因此，本课题首先了解数字图像处理的主要技术及其应用；然后，熟悉和掌握数字图像边缘检测算法的基本原理和实现方法，并在此基础上掌握用MATLAB实现该算法。

本课题的详细工作如下：

（1）本文对图像边缘检测做了一个概要的说明，并说明了进行图像边缘检测的重要意义。

（2）系统的介绍了比较经典的基于一阶微分的图像边缘检测算子及其具体的实现原理，为介绍基于二阶微分的图像边缘检测算子做铺垫，以便于大家的理解。

（3）系统介绍了比较经典的基于二阶微分的图像边缘检测算子及其具体的实现原理。

（4）介绍了一种基于Sobel算子的改进型算法，此方法的最大优点是：

在去噪的同时有效地保留了图像的真实边缘，即给出了边缘检测的最佳结果。

（5）对上述的算法用Matlab为工具进行仿真，并对其仿真结果进行分析，分析各种算法的特点。

因此，针对本课题的研究内容，主要解决了Sobel算子抗造能力差，方向模板少使得对边缘的干扰大，检测不精确的问题，并取得了优异的效果。

第1章绪论

1.1数字图像的相关定义

一幅照片、一张海报、一幅画都是图像。

然而“图像”一词主要来自西方艺术史译著[5]，通常指image、icon、picture和它们的衍生词，也指人对视觉感知的物质再现。

图像可以由光学设备获取，如照相机、镜子、望远镜、显微镜等；也可以人为创作，如手工绘画。

图像可以记录与保存在纸质媒介、胶片等对光信号敏感的介质上。

随着数字采集技术和信号处理理论的发展，越来越多的图像以数字形式存储。

因而，有些情况下，“图像”一词实际上是指数字图像[5]。

数字图像（或称数码图像）是指以数字方式存储的图像。

将图像在空间上离散，量化存储每一个离散位置的信息，这样就可以得到最简单的数字图像。

这种数字图像一般数据量很大，需要采用图像压缩技术以便能更有效地存储在数字介质上。

数字图像的载体是计算机的硬盘、光盘、U盘等数字存储器[1]。

每个图像的像素通常对应于二维空间中一个特定的“位置”，并且有一个或者多个与那个点相关的采样值组成数值[2]。

根据这些采样数目及特性的不同数字图像可以划分为：

（1）二值图像（BinaryImage）：

图像中每个像素的亮度值（Intensity）仅可以取自0到1的图像，如图1-1所示：

图1-1二值图像

（2）灰度图像（GrayScaleImage），也称为灰阶图像：

图像中每个像素可以由0（黑）到255（白）的亮度值表示。

0-255之间表示不同的灰度级。

如图1-2所示：

图1-2灰度图像

（3）彩色图像（ColorImage）：

每幅彩色图像是由三幅不同颜色的灰度图像组合而成，一个为红色，一个为绿色，另一个为蓝色，如图1-3所示：

图1-3彩色图像

（4）伪彩色图像（false-color）：

图像的每个像素值实际上是一个索引值或代码，该代码值作为色彩查找表CLUT（ColorLook-UpTable）中某一项的入口地址，根据该地址可查找出包含实际R、G、B的强度值。

（5）立体图像（StereoImage）：

立体图像是一物体由不同角度拍摄的一对图像，通常情况下我们可以用立体像计算出图像的深度信息，如图1-4所示：

图1-4立体图像

（6）三维图像（3DImage）：

三维图像是由一组堆栈的二维图像组成。

每一幅图像表示该物体的一个横截面。

1.2数字图像边缘检测的相关分析

1.2.1“边缘点”定义

平滑后图像的边缘检测通常通过求导数来实现。

这里，以一维信号为例，来讨论边缘点的定义。

设

为经高斯函数平滑后的信号，将

在

处做Taylor级数展开[4]：

（1-1）

其中，

与

分别是信号

在x=a处的一阶导数和二阶导数，当

时，信号

在x=a处存在极值点，当

在x=a处改变符号时，则x=a为信号

的拐点。

对于一维信号：

当

=0，

，边缘点定义为局部极小值点；

当

=0，

，边缘点定义为局部极大值点；

当

，边缘点定义为拐点。

图1-5边缘与导数（微分）的关系

1.2.2边缘检测“两难”问题

边缘是灰度不连续的结果，是图像中灰度的急剧变化。

边缘检测的定义有很多种，其中最常用的一种定义为[6]：