基于matlab的牦牛图像边缘检测研究.docVIP

基于matlab的牦牛图像边缘检测研究 　　摘 要：牦牛图像边缘检测是牦牛线性体型评定的基础。为此，介绍了牦牛数字图像检测的步骤。首先将RGB图像灰度化处理，而后对图像平滑降噪，再用高斯拉普拉斯算子对这一系列操作后的图像探测目标物体的边缘，检测出预想的目标图像。结果表明，经过一系列的预处理以后，检测出的牦牛图像边缘明显，便于后续计算区域内的牦牛数量以及判断区域是否过度放牧等实际问题。 　　关键词：图像处理；中值滤波；高斯拉普拉斯算子 　　引言 　　牦牛是高寒地区的特有牛种，不同类型的牦牛体型特征不同。经长期的研究和实践发现，具备标准功能体型的牦牛市场好，销量高，经济收益高。该题目的研究和实现可以直接利用直接应用于青藏高原牦牛的养殖，针对目前高原地区的传统老旧的皮尺测量体标的方式，通过人眼辨别能力去统计牦牛数量的过时方式等等，该算法的研究与应用可以实现自动化，智能化，数字化的管理。具有重要的研究价值和应用意义。 　　基于牦牛的图像分割算法进行研究，可以提取出牦牛的整体轮廓，方便为后续的牦牛体型的三维图像的重建，饲养机械设备，生理指标的动态监测，体型体尺、体重、性别等指标参数，牦牛等级划分和种类识别提供便利，有着巨大的研究价值和实用性。 　　1 图像预处理 　　图像在转换或传送中，因为存在有光学系统的失真、数字化过程数据丢失或者噪声污染等因素，会使图像质量会受到一定水平的干扰，甚至淹没图像的特征。这为后续的边缘检测、分割、分析判断等操作造成了不必要的困扰。那么在图像进行后续处理之前，为了改善图像的视觉效果、方便人机化操作，突出图像的特性便于计算机处理，对图像进行预处理操作就很有必要了。 　　图像预处理，顾名思义就是对图像进行特征抽取等预先操作，包括图像的点运算、几何变换、直方图均衡化、降噪、平滑、锐化、增强、复原等步骤。 　　2 系统流程 　　2.1 数字图像的读取和灰度 　　首先，利用imread（）函数将原牦牛图像存入matlab的Workspace空间。然后再利用rgb2gray（）函数将原牦牛RGB图像转换为灰度图像，为后续步骤中查看图像直方图信息提供便利。 　　2.2 图像平滑滤波 　　因为图像中存在着诸多不良噪声，或多或少会干扰到后续的分割与提取。所以，为后续操作提供便利，对图像的平滑滤波操作就显得尤为重要了。 　　中值滤波，作为常用的平滑滤波器中的一种，滤波后产生的模糊较少，代价付出得少，边缘也保持得较好。其原理是，首先将确定好的模板中心元素放入图像中从左至右进行遍历，处于模板中的元素从小到大依此排列，若元素数为基数，那么该点的像素值就为中间值；若元素数为偶数，那么排序像素中位于中间两像素值的平均数就置为该点的像素值。由于传统的中值滤波器存在一定的缺陷，对图像中的像素进行遍历是，无法对图像边界元素进行操作，因此，本研究中选用改进型中值滤波对图像进行平滑滤波，将未被操作的像素点的像素值置为相邻的被操作后的新产生的像素值。这样，能减少一定的误差。 　　2.3 图像增强 　　本题目选用空间域法对牦牛数字图像进行操作。频率域法是图像增强的方法，除此之外，空间域法也是对图像进行增强的另一类方式。而基于直方图的对比增强是习见的一种空间域法的途径。 　　直方图呈现的是图像中每一种灰度级的概率的统计结果。图像中各像素点的灰度级分布情况，在直方图中我们都可以很清楚的找到。而直方图均衡化是将均匀以后的直方图作为输出，保证输出的图像灰度级从黑到白，且变化的范围一致，从而达到对比度增强的效果，提高图像质量。 　　2.4 边缘检测 　　高斯拉普拉斯算子（Laplace of Gaussian Operator），作为一种二阶微分算子对噪声相当敏感，常产生双边缘。其工作原理是是将高斯平滑滤波器和拉普拉斯锐化滤波器联合起来，先平滑掉噪声，再进行边沿检测。因为拉普拉斯滤波器易被噪声影响产生假边缘，因此，先通过高斯滤波器来平滑抑制噪声，以减轻噪声对拉普拉斯算子的影响，再进行拉普拉斯运算，通过检测其过零点来确定边沿位置。LOG函数的定义为： 　　3 仿真结果 　　可以清楚的看到，使用Laplace of Gaussian算子后，牦牛的边缘可以被较精准的检测出来，检测出的边缘越发清晰，数量可以很直观的计算出来，为后续判断区域内是否存在过度放牧等实际问题打下基础。 　　4 结束语 　　文章通过对牦牛数字图像的平滑降噪，直方图均衡化，最后采取LOG算子对牦牛数字图像进行边缘检测，结果表明，此检测算子能够有效地抑制噪声，滤除掉绝大部分的外部环境干扰，较完整地显示出牦牛的边缘，为后续牦牛体型线性评定奠定了良好的基础。 　　参考文献 　　[1]李婷娇，蔡振江，王文娣，等.基于MATLAB的奶牛数字图像边缘的