人脸识别matlab教程解读.doc

目录 第一章 摘要 2 1.1前言 2 1.2显微图像的特点 2 第二章边缘检测 3 2.1边缘检测的定义 3 2.2 细胞图像边缘检测算法的研究内容 4 第三章边缘检测算子 6 3.1 Sobel算子 6 3.2 Canny算子 8 第四章基于Matlab的实验结果与分析 11 4.1实验程序 11 4.2实验结果 12 4.3结果分析 13 参考文献 14 第一章 摘要 根据血液细胞边缘附近的灰度分布梯度较大的特性，运用Sobel算子、Canny算子对血细胞进行图像的边缘提取。实验结果表明，Canny算子进行边缘提取算法对于血细胞图像边缘提取有很好的效果。 1.1前言 长期以来细胞和组织形态特征的分析一直是研究生物细胞学和病理学的主要手段观察和计算血细胞的体积表面积 细胞及细胞核的形态仍然是许多血液疾病临床和病理的常规检查目前图像分析已经成为细胞学定量分析研究的有力工具已用于细胞分类细胞计数肿瘤细胞的识别等各个方面 。不仅大大减轻了人的劳动 而且为临床诊断提供了定量客观的依据然而要得到好的识别效果有赖于细胞图像分割及边缘提取的准确性即边缘提取是细胞图像识别的第一步也是关键的一步本文根据细胞图像的特点边缘提取方法相比较验证了对细胞图像边缘提取的显微图像的特点显微图像是指将组织胞制成染色切片或涂片在显微镜下所看到的图像本文以缺铁性贫血的血液涂片为研究对象缺铁性贫血是贫血中最常见的一种是机体对铁的需要增加摄入不足或丢失过多等造成体内铁的缺乏影响血红蛋白的合成而致的贫血其典型血象为低色素小细胞性贫血血红蛋白的减少比红细胞的减少更为明显在染色的血涂片上可见红细胞的体积一般较小大小和形态不一 由于每个红细胞内所含的血红蛋白很少红细胞表现为中心浅染区较大一幅染色显微血液图像中有红细胞各种白细胞血小板同时还可能含有杂质细胞形状不固定细胞之间可能会有交叠也可能因光照不均而使亮度分布不均匀 因此在作血液细胞图像识别时要能区分出图像中的红细胞白细胞血小板及杂质和交叠的细胞对于白细胞还应当能够正确分割出它的细胞核此外由于缺铁性贫血的红细胞的中心浅染区较大因此进行细胞边缘检测时需要正确找到红细胞的中心浅染区的边缘edge）是指图像局部特征的不连续性。灰度或结构信息的突变称为边缘，例如：灰度级的突变、颜色的突变、纹理结的突变。边缘是一个区域的结束，也是另一个区域的开始，利用该特可以分割图像。 当人们看一个有边缘的物体时，首先感觉到的便是边缘，如 一条理想的边缘应该具有如图2.1(a) 所示模型的特性。每个像素都处在灰度级跃变的一个垂直的台阶上（例如图形中所示的水平线通过图像的灰度剖面图）。 而实际上，诸如图像采集系统的性能、采样频率和获得图像的照明条件等因素的影响，得到的边缘往往是模糊的，边缘被模拟成具有“斜坡面”的剖面，如图 2.1(b) 所示，在这个模型中不再有细线（宽为一个像素的线条），而是出现了边缘的点包含斜坡中任意点的情况。由此可以看到：模糊的边缘使边缘的“宽度” 较大，面清晰的边缘使由此可以看到：模糊的边缘使边缘的“宽度”较大，面清晰的边缘使边缘的宽度较小。 图像的边缘有方向的幅度两个属性，沿边缘方向像素变化平缓垂直于边缘方向像素变化剧烈。边缘上的这种变化可以用微分算子检测出来，通常用一阶导数或二阶导数来检测边缘，认为最大值对应边缘位置，而二阶导数以过零点对应边缘位置。实际不同的是一阶导数上，对于图像中的任意方向上的边缘都可以进行类似的分析。图像边缘检测中对任意点的一阶导数可以利用该点梯度的幅度来获得，二阶导数可以用拉普拉斯算子得到。 2.2 细胞图像边缘检测算法的研究内容 细胞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。 细胞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