边缘检测试验运行的的结果分析.docVIP

边缘检测试验运行的的结果分析 　　摘 要 本论文首先简要介绍了数字图像处理技术的发展历程、研究内容与应用领域，最后重点介绍了数字图像处理技术在MATLAB中的具体应用，通过边缘检测试验在MATLAB上运行程序代码得到运行结果，对比图像处理前后异同可以加深对这门课程的理解，为以后在学习和工作中应用这门理论打下坚实的基础。 　　关键词 数字图像处理技术 MATLAB程序代码 异同 　　一、数字图像处理技术简介 　　数字图像处理的发展与计算机以及硬件技术的发展是紧密联系的， 20世纪60年代到80年代中期，这个时期的图像处理系统采用机箱式结构；20世纪80年代中期～20世纪90年代初期，这个阶段的主要特点是小型化，采用插卡式，采用双屏操作方式；从20世纪90年代开始，随着运算能力很强的数字信号处理器（DSP）的问世，使现代图像处理系统进入了和计算机紧密结合的全数字阶段。 　　数字图像处理技术主要研究的内容：图像变换、图像编码压缩、图像增强和复原、图像分割、图像分类（识别）等，广泛应用在遥感探测、生物医学、交通运输、安全检测等领域。 　　二、边缘检测试验在数字图像处理技术上的具体应用 　　将数字图像处理程序代码在MATLAB软件上运行并得到运行结果，对比图像处理前后异同点，加深对数字图像处理技术理论知识的理解。下面通过实验来看一下数字图像处理技术在MATLAB上的具体应用。 　　（1）边缘检测原理简介 　　边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。 这些包括?P深度上的不连续、?Q表面方向不连续、?R物质属性变化和?S场景照明变化。边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。 　　（2）边缘检测的检测方法 　　有许多用于边缘检测的方法， 他们大致可分为两类：基于搜索和基于零交叉。 　　基于搜索的边缘检测方法首先计算边缘强度， 通常用一阶导数表示， 例如梯度模，然后，用计算估计边缘的局部方向， 通常采用梯度的方向，并利用此方向找到局部梯度模的最大值。 　　基于零交叉的方法找到由图像得到的二阶导数的零交叉点来定位边缘。 通常用拉普拉斯算子或非线性微分方程的零交叉点。 　　滤波做为边缘检测的预处理通常是必要的，通常采用高斯滤波。 　　（3）边缘检测实验代码及其运行结果 　　img=imread（C：＼Documents and Settings＼Administrator＼桌面＼5.jpg）； %读入图像 　　subplot（2，4，1）； 　　img=rgb2gray（img）； 　　imshow（img）；title（原始图像）； 　　I=im2double（img）； 　　%Roberts算子% 　　x_mask=[1 0；0 -1]； 　　y_mask=rot90（x_mask）； 　　dx=imfilter（I，x_mask）； 　　dy=imfilter（I，y_mask）； 　　grad=sqrt（dx.*dx+dy.*dy）； 　　grad=mat2gray（grad）； 　　level=graythresh（grad）； 　　BW=im2bw（grad，level）； 　　subplot（2，4，2）； 　　imshow（BW）； 　　title（Roberts算子）； 　　%Prewitt算子% 　　y_mask=[-1 -1 -1；0 0 0；1 1 1]； 　　x_mask=y_mask； 　　dx=imfilter（I，x_mask）； 　　dy=imfilter（I，y_mask）； 　　grad=sqrt（dx.*dx+dy.*dy）； 　　grad=mat2gray（grad）； 　　level=graythresh（grad）； 　　BW=im2bw（grad，level）； 　　subplot（2，4，3）； 　　imshow（BW）； 　　title（Prewitt算子）； 　　%Sobel算子% 　　y_mask=[-1 -2 -1；0 0 0；1 2 1]； 　　x_mask=y_mask； 　　dx=imfilter（I，x_mask）； 　　dy=imfilter（I，y_mask）； 　　grad=sqrt（dx.*dx+dy.*dy）； 　　grad=mat2gray（grad）； 　　level=graythresh（grad）； 　　BW=im2bw（grad，level）； 　　subplot（2，4，4）； 　　imshow（BW）； 　　title