空间数据结构论文.doc

图像分割中边缘检测算法研究 摘要 图像分割是一种重要的图像分析技术。在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部分常称为目标或前景（其他部分称为背景）。它们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析图像中的目标，需要将它们从图像中分离提取出来，在此基础上才有可能进一步对目标进行测量，对图像进行利用。图像分割就是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。本文介绍了图像分割中的边缘检测算法。 关键字：图像分割，边缘检测，拉普拉斯高斯算子，Canny算子，一阶微分算子 一、 图像分割的定义 在图像的研究和应用中，人们往往只对一幅图像中的某些部分感兴趣，这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域（可以对应单个区域，也可以对应多个区域），称之为目标或前景；而其它部分称为图像的背景。为了辨识和分析目标，需要把目标从一幅图像中孤立出来，这就是图像分割要研究的问题。所谓图像分割，从广义上来讲，是根据图像的某些特征或特征集合（包括灰度、颜色、纹理等）的相似性准则对图像像素进行分组聚类，把图像平面划分成若干个具有某些一致性的不重叠区域。这使得同一区域中的像素特征是类似的，即具有一致性；而不同区域间像素的特征存在突变，即具有非一致性。 从集合的角度出发，图像分割定义如下： 设R ， ，… ，。 (1)即分割成的所有子区域的并应能构成原来的区域R。 (2)对所有的i和j及i j，有即分割成的各子区域互不重叠。 (3)对于；。即分割得到的属于同一区域的像素应具有某些相同的特性。 (4)对于，有。即分割得到的属于不同区域的像素应具有不同的性质。 (5)对于；是连通的区域。即同一子区域的像素应当是连通的。 二、 边缘检测算法研究 数字图像的边缘检测是图像风格、目标区域的识别、区域形状提取等图像分析领域中十分重要的基础。边缘检测技术在数字图像处理中非常重要，因为边缘是图像中所要提取的目标和背景的分界线，只有提取出了边缘才能将背景和目标区域分开来。 两个既有不容灰度值的相邻区域之间总存在边缘，边缘是灰度值不连续的结果这种不连续通常可以利用求倒数的方法方便的检测到。一般常用一阶导数和二阶导数来检测边缘。 边缘检测的基本思想首先是利用边缘增强算子，突出图像中的局部边缘，然后定义系那个数的“边缘强度”，通过设值阈值的方法提取边缘点集。但是优于噪声和图像模糊的愿意，检测到的边界可能会有间断的情况发生。所以边缘检测包含两个内容： (1)用边缘算子提取边缘点集； (2)在边缘点集中取出某些边缘点，填充一些边缘点，再将得到的边缘点集连接为线。 常用的检测算子有微风算子、log算子和canny算子。 在MATLAB图像出了工具箱中，提供了edge函数利用以上算子来检测灰度图形的边缘。 函数：edge。 功能：利用各个算子来做边缘算检测。 语法格式： BW=edge(I,method) BW=edge(I,method,thresh) BW=edge(I,method,thresh,direction) 说明： I是输入图像。Method是使用算子的类型，“sobel”是其默认值，表示用导数的sobel近似值检测边缘，那些梯度最大点返回边缘；为“prewitt”时表示用导数的prewitt近似值检测边缘；为“roberts”时表示用导数的roberts近似值检测边缘；为“log”时表示使用高斯滤波器的拉普拉斯运算对I进行滤波，通过寻找0相交检测边缘；为“zerocross”时表示使用指定的滤波器的拉普拉斯运算对I进行滤波，通过寻找0相交检测边缘；为“canny”时表示用拉普拉斯算子检测边缘。Thresh是指定的阈值，所有不强于thresh的边都被忽略。diredtion是对于“sobel”和“prewitt”方法制定方向。diredtion是字符串，为“horizontal”表示水平方向，为“vertical”表示垂直方向，为“both”表示两个方向（默认值）。BW是返回的二进制图像。在二进制图像中，数值1代表找到的边缘，数值0代表其他像素。 edge函数提供的最有效的边缘检测方法。该方法的优点在于，使用两种不同的阈值分别检测强边缘和弱边缘，并且仅当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。因此，这种方法不容易被噪声“填充”，更容易检测出真正的弱边缘。) 基于边缘检测的分割方法可以说是人们最早研究的方法，基于在区域边缘上的像素灰度值的变化往往比较剧烈，它试图通过检测不同区域间的边缘来解决图像分割问题。 边缘检测技术可以按照处理的顺序分为串行边缘检测以及并行边缘检测。在串行边缘检测技术中。当前像素点是否属丁欲检测的边缘，取决于先前像素的验证结果;而