基于matlab的图像边缘检测算法和仿真介绍.doc

基于matlab的图像边缘检测算法研究和仿真 目 录 第1章 绪论1.1 序言1.2 数字图像边缘检测算法的意义第章2.1 数字图像边缘检测的现状与发展2.2 MATLAB和图像处理工具箱的背景知识2.3 数字图像边缘检测关于边缘的定义2.4 基于一阶微分的边缘检测算子2.5 基于二阶微分的边缘检测算子 7 第章第章第章第1章 绪论 §1.1 序言 理解图像和识别图像中的目标是计算机视觉研究的中心任务物体形状、物体边界、位置遮挡、阴影轮廓及表面纹理等重要视觉信息在图像中均有边缘产生。图像边缘是分析理解图像的基础它是图像中最基本的特征。在Marr的计算机视觉系统中图像边缘提取占据着非常重要位置它位于系统的最底层为其它模块所依赖。图像边缘提取作为计算机视觉领域最经典的研究课题长期受到人们的重视。 图像边缘主要划分为阶跃状和屋脊状两种类型。阶跃状边缘两侧的灰度值变化明显屋脊状边缘则位于灰度增加与减少的交界处。传统的图像边缘检测方法大多是从图像的高频分量中提取边缘信息，微分运算是边缘检测与提取的主要手段。由于传统的边缘检测方法对噪声敏感所以实际运用效果有一定的局限性。近年来越来越多的新技术被引入到边缘检测方法中如数学形态学、小波变换、神经网络和分形理论等。 Canny于1986年提出基于最优化算法的边缘检测算子得到了广泛的应用并成了与其它实验结果作比较的标准。其原因在于他最先建立了优化边缘检测算子的理论基础，提出了迄今为止定义最为严格的边缘检测的三个标准。另外其相对简单的算法使得整个过程可以在较短的时间内实现。实验结果也表明，Canny算子在处理受加性高斯白噪声污染的图像方面获得了良好的效果[1]。 §1.2 数字图像边缘检测算法的意义 数字图像处理是控制领域的重要课题数字图像边缘检测是图像分割、目标区域识别和区域形状提取等图像分析领域十分重要的基础是图像识别中提取图像特征的一个重要方法。边缘中包含图像物体有价值的边界信息这些信息可以用于图像理解和分析并且通过边缘检测可以极大地降低后续图像分析和处理的数据量。图像理解和分析的第一步往往就是边缘检测目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。 图像的边缘检测技术是数字图像处理技术的基础研究内容是物体识别的重要基础。边缘特征广泛应用于图像分割、运动检测与跟踪、工业检测、目标识别、双目立体视觉等领域。现有边缘检测技术在抑制噪声方面有一定的局限性，在阈值参数选取方面自适应能力很差有待进一步改进和提高。（1）多谱图像是图像配准技术中的一个难点传统的图像配准技术只适用于同源图像由于红外图像和可见光遥感图像的成像波段不同对于同一场景所采集到的图像的差异很大。在此课题中作者首先通过边缘检测得到红外图像与遥感可见光图像的边缘图像再通过尺度不变特征匹配就能得到红外图像与可见光遥感图像之间的透视变换关系从而成功完成了多谱图像配准[2]。（2）在“货运列车动态图像故障检测系统(TFDS,Trouble Of Moving Freight Car Detection system)中的故障识别”的课题中作者采用水平Sobel算子检测边缘,对边缘图像进行水平方向投影计算得到货运列车底部心盘螺栓大致区域的图像然后用Harris算子得到一些候选故障区域最后通过相关匹配来识别故障。（3）在“基于双目立体视觉的人体动作捕捉系统”的课题中利用图像的边缘和深度信息从视频中分割出人体前景图像。因此对图像边缘检测技术理论及其应用进行研究都有很重要的意义。 第2章 传统边缘检测方法及理论基础 §2.1 数字图像边缘检测的现状与发展 在数字图像处理中边缘特征是图像的重要特征之一是图像处理、模式识别和计算机视觉的重要组成部分之一，图像边缘检测的结果直接影响进一步图像处理、模式识别的效果。 Roberts算子、Sobel算子、Prewitt算子）和二阶微分图像边缘检测算子（如Laplacian算子、LOG算子、Canny算子）。 一般来讲，一个好的边缘检测算法应满足如下要求：（1）检测精度高；（2）抗噪能力强；3）计算简单；4）易于并行实现。其中最根本的问题是解决检测精度[3]。 §2.2 MATLAB和图像处理工具箱的背景知识 MATLAB对于技术计算来说是一种高性能语言。它以易于应用的环境集成了计算、可视化的编程，在该环境下，问题及其解以我们熟悉的数学表示法来表示。典型的应用包括如下方面[4]： （1）数学和计算 （2）算法开发 （3）数据获取 （4）建模、模拟和原型设计 （5）数据分析、研究和可视化 （6）科学和工程图形 （7）应用开发，包括图像用户界面构建 MATLAB是一种交互式系统，其基本数据元素是并不要