qdu内容式参考1.docVIP

本科课程设计报告 题 目： 图像边缘检测方法的研究与实现 学 院： 自动化工程学院 专业班级： 2008级电子信息工程3班 姓 名： 王丹丹 指导教师： 王汉萍、庄晓东 2011年 12 月 23 摘 要: 边缘检测是在图像的局部区域上针对像素点的一种运算，在计算机视觉、图像理解等应用中扮演着重要的角色，同时也是图象分析与模式识别的重要环节。因为图像的边缘包含了模式识别的有用信息，所以边缘检测是图像分析和模式识别中特征提取的主要手段，也使得边缘检测在计算机视觉的一些预处理算法中有着重要的地位。另外，随着科技日新月异的发展，边缘检测技术也逐渐运用到生产和生活中。因此，对边缘检测的研究也有很重要的实际应用价值。本文介绍了边缘检测的一般步骤，对灰度图像的几种边缘检测算法，作简单的介绍。 关键词: 边缘检测；图像处理；边缘检测；Roberts算子；Sobel算子；Prewitt算子；Krisch算子；高斯-拉普拉斯算子；log 算子 一 绪论 边缘检测是图像处理中最常见的一种技术；图像与其他信息载体相比更生动更只管记录的信息量也更大，随着最近几年技术的发展对图像处理的需求越来越被凸显出来，边缘信息是图像的一种紧描述，是图像最基本的特征，因此边缘检测技术也就至关重要。 所谓图像边缘（Edlge）是指图像局部特性的不连续性，例如，灰度级的突变，颜色的突变，纹理结构的突变等。边缘广泛存在于目标与目标、物体与背景、区域与区域（含不同色彩）之间，它是图像分割所依赖的重要特征。由于边缘是图像上灰度变化最剧烈的地方，传统的边缘检测就是利用了这个特点，对图像各个像素点进行微分或求二阶微分来确定边缘像素点。一阶微分图像的峰值处对应着图像的边缘点；二阶微分图像的过零点处对应着图像的边缘点。根据数字图像的特点，处理图像过程中常采用差分来代替导数运算，对于图像的简单一阶导数运算，由于具有固定的方向性，只能检测特定方向的边缘，所以不具有普遍性。为了克服一阶导数的缺点，我们定义图像的梯度为梯度算子，它是图像处理中最常用的一阶微分算法。图像梯度的最重要性质是梯度的方向是在图像灰度最大变化率上，它恰好可以反映出图像边缘上的灰度变化 二 图像的边缘检测与提取 2.1 设计目的 1. 了解什么是边缘检测、边缘检测算子如何分类 2.编程实现各种边缘检测算子 4.对添加噪声的图像进行边缘检测并考虑如何消除边缘检测对添加噪声的影响 2.2 设计思路 通过查阅资料了解边缘检测的定义以及现阶段边缘检测算子有那些及其分类方法。通过对各种边缘检测算子的分析编写相关实现程序，对比各种边缘检测算子对添加的噪声的图像的效果，并于理论结合分析各种算子的优缺点、使用范围。通过对各种边缘检测算子的分析找到消除边缘检测对添加噪声的影响的方法。 三 方案论证和分析 3.1 常用边缘检测算法及分类 经典的边缘检测算法主要有微分法和最优算子法，微分法是通过利用经典的微分算子检测图像的边缘，主要包括Roberts算子、Sobel算子、Prewitt算子、Kirsch算子和Laplacian算子等，最优算子法则是微分算子发展和优化，主要有LOG算子和Canny算子等。几种经典的算法速度比较如下表2.1所示. 表2.1 经典算子运算速度比较 加法运算P 乘法运算M Roberts算子 3*N2 0 Sobel算子 11*N2 2*N2 Prewitt算子 11*N2 0 Lapalacian算子 4*N2 0 微分法的基本工具是微分算子，它是最原始、最基本的边缘检测算法，检测原理基于灰度图像边缘处的一阶导数有极值，二阶导数存在过零点。在对边缘求导时，需要对每个位置的像素进行计算，在实际检测中常常用模板卷积的方法来近似计算。最优算子法是在微分算子法的基础上发展起来的边缘检测算子，根据信噪比求得边缘的最优滤波器，常见有LOG算子和Canny算子。 3.2 边缘检测算法论证 边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。 3.2.1 Roberts边缘算子 由于图像的边缘对应着图像灰度的不连续性。显然图像的边缘很少是从一个灰度跳到另一个灰度这样的理想状况。真实图像的边缘通常都具有有限的宽度呈现出陡峭的斜坡状。 边缘的锐利程度由图像灰度的梯度决定。梯度是一个向量，?f指出灰度变化最快的方向和变化量。