数字图像边缘检测及提取算法研究与分析.docVIP

目录 第1章 引言 1 第2章 图像边缘及边缘检测 2 2.1 边缘的定义及类型 2 2.2 图像的边缘检测 2 第3章 几种经典边缘检测算子的理论分析 4 3.1 Roberts算子 4 3.2 Sobel算子 4 3.3 高斯拉普拉斯算子(Laplacian of a Gaussian,LoG) 5 3.4 Canny算子 6 第4章 试验结果的比较与分析 10 总 结 12 致 谢 13 参考文献 14 数字图像边缘检测及提取算法研究与分析 摘 要：边缘检测在数字图像处理、计算机视觉中有着重要的应用。本文首先介绍了图像边缘及边缘检测的一些基本概念，然后对数字图像处理中Roberts算子，Sobel算子，LoG算子，Canny算子四种典型的边缘检测算法进行理论分析，并通过VC++编程对各种算法进行实现，通过比较得出了各自的优缺点和适用范围。这对进一步学习和寻找更好的数字图像边缘检测方法具有一定的指导意义。 ：；Roberts；Sobel；LoG；Canny第2章 图像边缘及边缘检测 2.1 边缘的定义及类型 尽管边缘在数字图像处理和分析中起着重要的作用，但是到目前为止还没有关于边缘的精确且被广泛承认的数学定义。文献[1]将边缘定义为:两个具有不同灰度的均匀图像区域的边界，即边界反映局部的灰度变化。局部边缘是图像中局部灰度级以简单（即单调的）方式作极快变化的小区域。这种局部变化可用一定窗口运算的边缘检测算子来检测。边缘通常存在于目标与背景、目标与目标、区域与区域、基元与基元之间。边缘的描述包含以下几个方面: 边缘法线方向——在某点灰度变化最剧烈的方向，与边缘方向垂直； 边缘方向——与边缘法线方向垂直，是目标边界的切线方向； 边缘位置——边缘所在的坐标位置； 边缘强度——沿边缘法线方向图像局部的变化强度的量度。 一般认为沿边缘方向的灰度变化比较平缓，而边缘法线方向的灰度变化比较剧烈。基本的灰度变化可以是阶跃形、屋顶形或脉冲形等，如图2.1所示。 (a)阶跃形 (b)屋顶形 (c)脉冲形 图2.1　理想的基本灰度变化图 2.2 图边缘检测第3章 几种经典边缘检测算子的理论分析 边缘检测算子是利用图像边缘的突变性质来检测边缘的。它主要分为以下几种类型：一种是以一阶导数为基础的边缘检测算子，在算法实现过程中，通过2×2或3×3模板作为核与图像中的每个像素点做卷积和运算，然后提取合适的阈值以提取边缘，如Roberts算子，sobel算子，Prewitt算子；一种是以二阶导数为基础的边缘检测算子，通过寻求二阶导数中的过零点来检测边缘，如Laplacian算子；Canny算子是另外一类边缘检测算子，它不是通过微分算子实现边缘检测，而是在一定约束下推导出的最优边缘检测算子。 3.1 Roberts算子Roberts算子是一种利用局部差分算子寻找边缘的算子，它由 (3-1) 式 给出： (3-1) Roberts算子是2×2算子模板，对具有灰度变化陡峭的低噪声图像响应最好，并且对边缘的定位准确，但由于2×2大小模板没有清楚地中心点所以很难使用。 用卷积模板，上式（3-） （3-2） 和由下面图3.1的模板计算： 图3.1 Roberts算子3.2 Sobel算子Sobel算子。它由（3-3） （3-3）（3-） （3-4）。 和其他的梯度算子一样，和可用图3.2中卷积模板来表示： 图3.2 Sobel算子的卷积模板 图像中的每个点都用这两个模板做卷积。一个模板对通常的垂直边缘影响最大，而另一个对水平边缘影响最大。两个卷积的最大值作为该点的输出值。运算结果是一幅边缘幅度图像。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。一般来说，距离越大，产生的影响越小。此算子对灰度渐变噪声较多的图像处理得较好。 3.3 高斯拉普拉斯算子(Laplacian of a Gaussian,LoG) 利用图像强度二阶导数的零交叉点来求边缘点的算法很容易受到噪声干扰，所以在边缘检测前滤除噪声是十分必要的。为此，Marr和Hildreth将高斯滤波和拉普拉斯边缘检测结合在一起，形成LG(Laplacian of Gaussian，LG)算法，也称之为拉普拉斯高斯算法。他的基本特征有： (1)平滑滤波器是高斯滤波器(2) 增强步骤采用二阶导数(二维拉普拉斯函数)(3) 边缘检测判据是二阶导数零交叉点并对应一阶导数的较大峰值(4) 使用线性内插方法在子象素分辨率水平上估计边缘的位置。 LG算子的输出是通过(3-5)卷积运算得到的 (3-5)