彩色图像的边缘检测.docVIP

摘要 视觉是人类从大自然获取信息的主要来源。据统计在人类获取的信息当中，视觉信息约占60%，图像正是人类获取视觉信息的主要途径。边缘是图像最基本的特征之一。Poggio说：“边缘具有十分令人满意的性质，它能大大的减少所要处理的信息但是又保留了图像中物体的形状信息”。 边缘检测作为一个初级视觉处理过程，有着很长的研究历史，学术思想非常活跃，新方法、新理论不断涌现。其原因一方面是由于课题本身的重要性，另一方面也反映了这个课题的深度和难度。至今发展的有关边缘检测的理论和方法很多，但都是各有各的优点，均有待进一步的改进和发展。 本文主要是针对彩色图像的边缘检测进行研究及其实现手段。 关键词：MATLAB SOBEL算子 边缘检测 输出融合 第一章 绪论 1.1引言 视觉是人类从大自然获取信息的主要来源。据统计在人类获取的信息当中，视觉信息约占60%，图像正是人类获取视觉信息的主要途径。边缘是图像最基本的特征之一。Poggio说：“边缘具有十分令人满意的性质，它能大大的减少所要处理的信息但是又保留了图像中物体的形状信息”。 边缘检测作为一个初级视觉处理过程，有着很长的研究历史，学术思想非常活跃，新方法、新理论不断涌现。其原因一方面是由于课题本身的重要性，另一方面也反映了这个课题的深度和难度。至今发展的有关边缘检测的理论和方法很多，但都是各有各的优点，均有待进一步的改进和发展。 边缘检测的发展可以追溯到二十世纪六十年代，Roberts在1965年提出的基于梯度的边缘检测是迄今为止仍然适用的一种有效的算法，二十世纪七十年代的Prewitt算子，Kirsh算子，Robinson算子等。这些传统的边缘检测算子大部分为局域窗口梯度算子，由于它们对噪声很敏感，所以对实际图像的处理效果并不尽如人意。近二十年来很多学者采用了不同的方法研究图像边缘检测及其抑噪效果。其中1986年Canny提出的最佳边缘检测算子，以其在处理受高斯白噪声污染的图像方面的良好效果而成为其它边缘检测算子性能评价的标准。 从边缘检测研究进程来看，可以看到对边缘检测的研究有几个明显趋势：一是对原有算法的不断改进，而是新方法、新概念的引入和多种方法的有效综合运用。人们逐渐意识到现有的任何一种单独的边缘检测算法都难以得到令人满意的边缘图像，因而很多人在把新方法和新概念不断的引入边缘检测领域的同时，也更加重视把各种方法综合起来运用。在新出现的检测方法中，基于小波变换的边缘检测方法就是一种很好的方法。三是交互式检测研究的深入。四是对特殊图像边缘检测的研究越来越得到重视。五是对图像边缘检测评价的研究和对评价系数的研究越来越得到关注。相信随着研究的不断深入，存在的问题会很快得到圆满的解决。 本文主要是针对彩色图像的边缘检测进行研究及其实现手段。 1.2课题研究目的和意义 彩色图像比灰度图像多了颜色信息。在实际生活中，当寻找物体、人、纹理或者边缘等时，一般情况下，第一点就是理解图像的内容，在此过程中往往忽略图像的颜色，这也是当前大部分计算机视觉应用仅仅基于亮度的原因。那么，彩色图像中的颜色信息到底有什么用处？ 其实现实生活中很多例子都可以证明颜色信息的重要性，比如色盲无法正确的区分某些颜色物体，如果失去了颜色信息，交通灯也就无法发生任何作用，人们也就有可能把物体的影子当成实际存在的物体等。其实在一个有颜色的世界中，颜色提供了远比亮度更为丰富的信息，就本文而言，颜色扮演了一个非常重要的角色。主要体现在如下三个方面： 1.与灰度边缘检测算法相比，彩色图像边缘检测算法能够提供更多的边缘信息。特别是对于有些物体边缘，亮度相同而颜色不同，用传统的灰色图像边缘检测算法将失去作用，见图1.1，其中1.1（a）的square原图是亮度相同而颜色不同的正方格形图案，1.1（b）为彩色Canny边缘检测结果，1.1（c）为灰度Canny边缘检测结果，由检测结果可以看到，彩色边缘检测法能检测到灰度图像不能检测到的边缘。研究发现，灰度边缘检测算法能得到90%的彩色图像边缘信息，但仍然剩下10%的边缘信息需要利用颜色信息才能得到。因此非常有必要寻找更加有效的边缘检测算法以提高质量的边缘信息。 2.能够利用彩色图像中的颜色信息区分各种不同类型的边缘，而在灰度图像中，基本不可能完成此区分任务，这也是彩色图像相对于灰度图像的一大优势。各种不同类型的边缘如图1.2所示。在计算机视觉等应用中，必须区分这些边缘。比如在立体视觉中，只需要对物体边缘、反射物边缘和照边度边缘进行匹配即可。在物体检测中，只需要知道物体边缘和遮挡边缘即可。 3.边缘检测和分类最好能够模拟人类视觉处理机制，这样则可得到最好的结果。而人类视觉倾向于用色调、饱和度（颜色信息）和亮度共同描述彩色物体，所以颜色信息不