基于数学形态学的边缘检测分析-信号与信息处理专业论文.docxVIP

- - III - 目 录 摘 要 I Abstract II 引 言 1 1 数字图像处理概述 2 1.1 数字图像 2 1.2 数字图像处理 3 1.2.1 数字图像处理 3 1.2.2 数字图像处理的应用和发展 4 1.3 边缘和边缘检测 5 1.4 边缘检测在图像处理中的意义 7 1.5 本文所作的工作和安排 7 2. 边缘检测的常见方法 9 2.1 微分运算法和常用的微分算子 9 2.1.1 微分运算法 9 2.1.2 常用的其他边界检测微分算子 10 2.2 统计判决法 13 2.3 边缘连接法 14 2.4 小波检测法 15 2.5 基于模糊学的边缘检测 16 2.6 算法仿真比较 17 3. 数学形态学的基本理论 20 3.1 二值形态学 21 3.1.1 腐蚀、膨胀、击中-未击中 22 3.1.2 开运算和闭运算 23 3.1.3 形态学运算的某些性质 24 3.2 灰度形态学 25 3.2.1 灰度图像的腐蚀和膨胀 25 - - IV - 3.2.2 灰度图像的开运算和闭运算 25 3.3 数学形态学在图像处理中的应用 26 3.3.1 图像的去噪 26 TOC \o 1-1 \h \z \u HYPERLINK \l _TOC_250002 细化（Thinning）和粗化（Thickening） 26 HYPERLINK \l _TOC_250001 骨架（Skeletionization） 26 HYPERLINK \l _TOC_250000 剪枝（Prunning） 27 4. 基于形态学的边缘检测 28 4.1 形态学边缘的定义 28 4.2 传统的形态学边缘检测算子 28 4.3 结构元素在形态学运算中的作用 33 4.3.1 单元素结构元素 33 4.3.2 直线型结构元素 33 4.3.3 块型结构元素 35 4.4 多尺度、多结构形态学边缘检测算子 40 4.4.1 修正抗噪的边缘检测算子 40 4.4.2 多尺度结构元素边缘检测算法 41 4.4.3 多结构元素边缘检测法 43 4.4.4 多尺度、多结构元素边缘检测 44 4.5 实验结果 44 结 论 47 参 考 文 献 48 作 者 简 历 50 学位论文数据集 52 - - PAGE 10 - 引 言 边缘检测是数学图像处理中的重要基础之一，检测结果的好坏直接影响着对图 像的后续处理。传统的基于一阶微分、二阶导数的边缘检测法得到的边缘会丢失很 多细节，特别是在有噪声的情况下，对检测结果影响大。现有的一些新的边缘检测 法：如统计判决、边缘连接法，小波检测法，基于模糊学的边缘检测法等。虽然这 些方法的抗噪性能得到了增强，但其应用还是存在局限性。边缘检测存的两个难点 就是漏检和信噪比低。本文深入的了研究了数学形态学在边缘检测上应用。针对边 缘检测的难点，对传统的形态学边缘检测算法加以改进，提出一种的基于多尺度、 多结构的结构元素的形态学边缘检测法。此方法对图像的边缘检测有很好的效果， 抗噪性能也较其他方法强，不论是对椒盐噪声，还是高斯噪声，效果都好。 1 数字图像处理概述 在人们的社会日常生活中，随时随地都会接触到图像。图像信息已经广泛应用在日常 生活中，例如，条形码扫描，交通监视，自动售货机钞票的识别，邮政编码的自动识别和 利用指纹、虹膜、面部等特征的身份识别等。在医学领域，早在上个世纪初就采用 X 射线 透视、显微镜照片等来诊断疾病。现在，我们所说的图像处理，一般都是指用计算机进行 数字图像的处理。视觉是人类最高级的感知器官，图像在人类的感知中扮演着最重要的角 色。然而，人类感知仅限于电磁波谱的视觉波段，而成像机器则可覆盖几乎全部电磁波谱。 它们可以对非人类习惯的那些图像源进行加工，这些图像源包括超声波、电子显微镜及计 算机产生的图像，因此使人类对世界的感知也更加广泛了，从而数字图像处理涉及各种各 样的领域。 1.1 数字图像 一幅图像可定义为一个二维函数 f (x, y) ，其中 x 和 y 是空间坐标，任何一对空间坐标 (x, y) 上的幅值 f 称为该点图像的强度或灰度。 计算机只能接收和处理数学图像，因此需要通过电视摄像机、转鼓、CCD 器件和密度 计等装置将连续变化的图像 f (x, y) 的坐标 (x, y) 及幅值 f 进行离散化，从而转化为数字图 像。其中对坐标的离散化称为取样，对幅值的离散化称为量化。一般数字图像 f (x, y) 被排 成一个 M × N 的二维矩阵，矩阵的每个元素称为像素(pixel)。用整数表示的每个元素的 函数值 f (x, y) 就是每个