canny边缘检测分析论文.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Canny边缘检测分析毕业论文 目录 引言 1 第一章 图像分割与边缘检测 2 1.1图像分割简介 2 1.2图像分割定义 2 1.3图像分割基本原理 3 第二章 基于边界的分割——边缘检测 6 2.1边缘的类型 6 2.2边缘的类型 6 2.3边缘的判定 7 第三章 常见边缘检测算法的研究与分析 9 3.1边缘检测过程概述 9 3.2典型一阶边缘检测算子 9 3.2.1梯度算子 10 3.2.2 Roberts边缘算子 10 3.2.3 Sobel算子 11 3.2.4 Prewitt算子 13 3.3 典型二阶边缘检测算子 14 3.3.1 Laplacian算子 14 3.3.2 LOG算子 16 3.4 各边缘检测算子的仿真结果分析 18 第四章 Canny边缘检测算子 20 4.1 Canny边缘检测基本原理: 20 4.2 Canny边缘算子评价指标: 20 4.2.1 Canny提出检测三准则【5】 20 4.2.2边缘检测滤波器对性能指标的影响【10】 22 4.2.3 尺度对性能指标的影响【10】 23 4.3 Canny边缘检测流程 24 4.4 Canny边缘检测仿真结果及分析 28 第五章 Canny算子改进 29 5.1对传统Canny算法局限性分析 29 5.2滤波改进 30 5.3阈值改进——自适应的阈值 31 5.3.1最大熵原算法过程 31 5.3.2最大熵算法的改进 32 5.4改进的Canny算法的仿真实验 33 第六章 本实验结果及展望 36 6.1 本算法的实验结果 36 6.2实验结果分析 39 6.3 展望 39 结论 40 致谢 41 参考文献 42 引言 20世纪20年代,图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量,20世纪60年代中期,随电子计算机的发展得到普遍应用。60年代末,图像处理技术不断完善逐渐成为一个新兴的学科。…,Rn。 (1)。即分割成的所有子区域的并应能构成原来的区域R。 (2)对于所有的i和j及i≠j,有 。即分割成的各子区域互不重叠。 (3)对于i=1,2,…,n;有P(Ri)=TRUE。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i≠j,有P(Ri∪Rj)=FALSE。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i=1,2,…,n;Ri是连通的区域。即同一子区域内的像素应当是连通的。 上述关于图像分割的定义也是一种比较通用的参考描述,至今也没有一个图像分割的严格、公认的定义,因为图像分割理论、技术和应用哈处在不断发展的进程中,还有很多问题尚未得到很好的认识和解决【1】。 1.3图像分割基本原理 图像分割是将图像划分成若干个互不相交的小区域的过程,小区域是某种意义下具有共同属性的像素的连通集合【3】。 如不同目标物体所占的图像区域、前景所占的图像区域等;连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径;对于离散图像而言,连通有4连通和8连通之分,如下图所示: ·4连通指的是从区域上一点出发,可通过4个方向,即上、下、左、右移动的组合,在不越出区域的前提下,到达区域内的任意像素; ·8连通方法指的是从区域上一点出发,可通过左、右、上、下、左上、右上、左下、右下这8个方向的移动组合来到达区域内的任意像素。 和所有复杂事物的分类一样,图像分割可以从不同的角度和特征进行分类,存在多种分类方法,现列举如下【1】: 1、根据分割过程中运算策略的不同,可把图像分割分为并行分割算法和串行分割算法两类。 2、根据实现技术的不同,可把图像分割分为基于图像直方图的分割技术(阈值分割、聚类等)、基于边界的分割技术(边缘检测等)、基于区域的图像分割技术(区域生长等)。 3、格局应用要求的不同,图像分割可分为粗分割、细分割两大类。 4、根据分割对象的属性不同,图像分割可分为灰度图像分割和彩色图像分割。 5、根据是否借助一定区域内像素灰度变换模式,图像分割可分为纹理图像分割和非纹理分割。 6、根据分割对象的状态不同,图像分割可分为静态图像分割和动态图像分割。 目前已经提出的图像分割方法很多,综合各种方法的实质,图像分割有三种不同的途径【4】: 1)基于边界的图像分割 这种方法先检测图像边界,再连接目标边界的轮廓线。但在边界检测前,往往采用滤波器(如高斯低通滤波器)来减少噪声影响,然后再进行边缘检测。常用的边缘检测算子有Roberts算子,Sobel算子,Prewitt算子, Laplacian算子,LOG算子等。 2)基于阈值的图像分割 这是一种较为简单、使用广泛的基于图像直方图的分割方法,经常用于背景和目标的灰度差别较大、可以较好区分的场合。图像直方图是一种像素灰度

文档评论(0)

你好世界 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档