邊緣檢測(cè)技術(shù)在數(shù)字圖像處理技術(shù)中的應(yīng)用

1、邊緣檢測(cè)技術(shù)在數(shù)字圖像處理中的應(yīng)用姓名吳凱亮學(xué)號(hào)2012190430026專業(yè)電子信息工程制作日期2013-12-13指導(dǎo)教師申功邁引言目前，數(shù)字圖像處理技術(shù)越來(lái)越多的應(yīng)用于人們?nèi)粘９ぷ鳌W(xué)習(xí)和生活中，和傳統(tǒng)圖像處理相比，它具有精度高、再現(xiàn)性好、通用性和靈活性強(qiáng)等特點(diǎn)。數(shù)字圖象處理是一門新興的技術(shù)，它是五十年代數(shù)字計(jì)算機(jī)發(fā)展到相當(dāng)水平后開拓出來(lái)的計(jì)算機(jī)應(yīng)用新領(lǐng)域。它把圖像轉(zhuǎn)換成數(shù)據(jù)矩陣存放于計(jì)算機(jī)中，并對(duì)其進(jìn)行濾波、增強(qiáng)、刪除等處理，包括圖像輸入輸出技術(shù)、圖像分析、變換與處理技術(shù)以及圖象識(shí)別與特征提取等方面。六十到七十年代，數(shù)字圖象處理技術(shù)的理論和方法更加完善，其精確性、靈活性和通用性逐步提高

2、。數(shù)字圖象處理是針對(duì)性很強(qiáng)的技術(shù)，根據(jù)不同的應(yīng)用、不同的要求采用不同的方法。采用的方法是綜合各學(xué)科較為先進(jìn)的成果而成的，如數(shù)學(xué)、物理、心理學(xué)、醫(yī)學(xué)、計(jì)算機(jī)科學(xué)、通信理論、信號(hào)分析、控制論和系統(tǒng)工程等。各個(gè)學(xué)科互相補(bǔ)充、互相滲透才使數(shù)字圖象處理技術(shù)飛速發(fā)展。一、 圖像邊緣檢測(cè)簡(jiǎn)介圖像是人們認(rèn)識(shí)客觀世界的重要知識(shí)來(lái)源。模式識(shí)別技術(shù)中的圖像識(shí)別在工農(nóng)業(yè)各部門都有成功的應(yīng)用。如工業(yè)加工產(chǎn)品的缺陷檢測(cè)、農(nóng)產(chǎn)品的分類篩選、天文圖像分析、指紋鑒定等諸多領(lǐng)域。Matlab是近幾年來(lái)在國(guó)內(nèi)廣泛流行的可視化科學(xué)計(jì)算軟件，其語(yǔ)法結(jié)構(gòu)簡(jiǎn)單并具有極強(qiáng)的數(shù)值計(jì)算、圖形文字處理、數(shù)據(jù)分析、圖形繪制及處理功能，使用Matla

3、b設(shè)計(jì)模式識(shí)別應(yīng)用軟件將使設(shè)計(jì)者獲得更大的自由，可以任意執(zhí)行特殊的算法和實(shí)現(xiàn)復(fù)雜的操作，這是通過(guò)使用Madah工具箱中自帶的程序?qū)崿F(xiàn)的。例如，可以把神經(jīng)網(wǎng)絡(luò)工具箱中的程序和圖像處理工具箱中的程序結(jié)合起來(lái)，以解決圖像分類方面的問(wèn)題。所以，在解決圖像處理和識(shí)別的工程問(wèn)題時(shí)，選擇基于Matlab進(jìn)行二次開發(fā)將為設(shè)計(jì)工作提供極大的靈活性和可行性。邊緣，是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在著邊緣，邊緣是灰度值不連續(xù)的結(jié)果。而邊緣檢測(cè)正是基于幅度不連續(xù)性進(jìn)行圖像分割的方法。這種不連續(xù)性通?？梢岳们髮?dǎo)數(shù)的方法方便地檢測(cè)到，一般常用一階導(dǎo)數(shù)和二階導(dǎo)數(shù)

4、來(lái)檢測(cè)。邊緣檢測(cè)基本思想是首先利用邊緣增強(qiáng)算子，突出圖像中的局部邊緣，然后定義像素中的“邊緣強(qiáng)度”，通過(guò)設(shè)置門限的方法提取邊緣點(diǎn)集。由于邊緣、輪廓在一幅圖像中常常具有任意的方向，所以需要找到一些各項(xiàng)同性的檢測(cè)算子，它們對(duì)劉任意方向的邊緣、輪廓都具有相同的檢測(cè)能力。具有這些能力的檢測(cè)算子有Robert算子、Sobel算子、Prewitt算子和L0G算子等等。 邊緣檢測(cè)的基本問(wèn)題是檢測(cè)精度與抗噪性能間的矛盾由于圖象邊緣和噪聲均為頻域中的高頻分量，簡(jiǎn)單的微分運(yùn)算會(huì)增加圖象中的噪聲，因此，在微分運(yùn)算之前應(yīng)采取適當(dāng)?shù)钠交瑸V波以減少高頻分量中噪聲的影響Canny應(yīng)用嚴(yán)格的數(shù)學(xué)方法對(duì)此問(wèn)題進(jìn)行了分析，提出了

5、由四個(gè)指數(shù)函數(shù)線性組合形成的最佳邊緣檢測(cè)算子，其方法的實(shí)質(zhì)是用一個(gè)準(zhǔn)高斯函數(shù)作平滑運(yùn)算，然后以帶方向的一階微分定位導(dǎo)數(shù)最大值，它可用高斯函數(shù)的梯度來(lái)近似，屬于具有平滑功能的一階微分算子Deriche將Canny的算法作了一定的簡(jiǎn)化，并直接將Canny的基于有限寬度的邊緣檢測(cè)器推廣至無(wú)限寬度，從而增加了邊緣檢測(cè)算子的抗噪性能，但Deriche和Canny的研究是針對(duì)單邊緣模型的沈俊則從最優(yōu)濾波的觀點(diǎn)出發(fā)，推導(dǎo)出運(yùn)算復(fù)雜性小、精度高的最優(yōu)平滑濾波器，即對(duì)稱雙指數(shù)型濾波器同時(shí)研究了多邊緣模型的情況，為邊緣檢測(cè)與提取技術(shù)的發(fā)展奠定了一定的基礎(chǔ)。二、 傳統(tǒng)微分算子簡(jiǎn)介1、Robert算子 Robert算

6、子是一種利用局部差分算子尋找邊緣的算子，其模板如圖1所示。1 0 0 -10 1 -1 0圖1Robert算子的定義為：Gf -f(x,y)²+f(x+1,y)-f(x,y+1)²½，由于上述算法的處理工作量很大，因此在實(shí)用上常采用絕對(duì)差算法對(duì)上式化簡(jiǎn)如下 Gf(x,y)|f(x+1,y)-f(x,y)|+|f(x,y+1)-f(x,y)| 及Gf |f(x+1,y+1)-f(x,y)|+|f(x,y+1)-f(x+1,y)| Robert算子對(duì)具有陡峭的低噪聲圖像效果較好。2、Sobel算子 Sobel算子有兩個(gè)卷積計(jì)算核，如圖2所示。圖像中的每個(gè)點(diǎn)都用這兩個(gè)核

7、作卷積，第一個(gè)核通常對(duì)垂直邊緣相應(yīng)最大，第二個(gè)核對(duì)水平邊緣相應(yīng)最大。兩個(gè)卷積的最大值作為該點(diǎn)的輸出值，運(yùn)算結(jié)果是一幅邊緣幅度圖像。 1 2 1 0 0 0 -1 -2 -1 1 0 -1 2 0 -2 1 0 -1圖2Sobel算子定義為： S=(d²+d²)½ d=f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)-f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1) d=f(x+1,y-1)+2f(x+1,y)+f(x+1,y+1)-f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1) 用模板表示d,d為 Sobel算子通常對(duì)灰

8、度漸變和噪聲較多的圖像處理得較好。3、Prewitt算子 Prewitt算子有兩個(gè)卷積計(jì)算核，如下圖3所示。 作卷積的方法和Sobel算子的方法相似。 1 1 1 0 0 0 -1 -1 -1 1 0 -1 1 0 -1 1 0 -1圖3Prewitt算子定義為： S=(d²+d²)½ 。4、Laplacian算子 Laplacian算子是無(wú)方向性算子，用一個(gè)卷積核就 可以對(duì)圖像進(jìn)行處理Laplacian算子考慮二階差分， 其典型的卷積核如圖4所示。 -1 -1 -1 -1 8 -1 -1 -1 -1圖4三、結(jié)論 相比之下,Robert算子和Sobel算子及Pre

9、witt算子的邊緣圖中檢測(cè)出的邊緣數(shù)少，欠完整，且受噪聲干擾較大。LOG算子和Canny算子的邊緣圖中的邊緣連續(xù)性很好，完整性也占優(yōu)，相比之下，LOG算子邊緣較粗，噪聲點(diǎn)較多，而canny算子的邊緣圖中的邊緣線劃很細(xì)，邊緣連取得很完備。因此，在實(shí)際運(yùn)用時(shí)，應(yīng)具體問(wèn)題具體分析，根據(jù)特定情況選擇最佳的邊緣檢測(cè)算子，可以取得令人滿意的結(jié)果。 圖象邊緣檢測(cè)領(lǐng)域其實(shí)有微分方法、基于小波與分形理論的方法和基于形態(tài)學(xué)的方法等多種檢測(cè)手段，但它們都不是一種具有絕對(duì)優(yōu)勢(shì)的方法，有的方法邊緣檢測(cè)精度高，但抗噪聲性能較差；有的方法解決了抗噪聲性能差的問(wèn)題，而檢測(cè)精度又不夠還有一些算法盡管在一定程度上較好地解決了上述

10、兩者的協(xié)調(diào)問(wèn)題。因而，尋求算法較簡(jiǎn)單、能較好解決邊緣檢測(cè)精度與抗噪聲性能協(xié)調(diào)問(wèn)題的邊緣檢測(cè)算法將一直是圖象處理與分析中研究的主要問(wèn)題之一。四 學(xué)習(xí)心得經(jīng)過(guò)幾天來(lái)的辛苦及努力，終于到了拿出數(shù)字圖像處理論文成品的時(shí)候了，在整個(gè)論文的醞釀過(guò)程中，實(shí)在是付出了不少，包括大量的精力與學(xué)習(xí)時(shí)間。坦白地說(shuō)，因?yàn)檎夜ぷ鞯脑颍诒鹃T課程中確實(shí)沒有投入太多的精力，上課也只是人到心未到，多數(shù)時(shí)間用來(lái)準(zhǔn)備英語(yǔ)考試上。因此在制作報(bào)告時(shí)，遇到不少困難和障礙，需要通過(guò)各種手段去解決。如選題時(shí)需要把借來(lái)的資料通讀一遍，這是主要利用了圖書館的資源。選定大題后，希望對(duì)這方面的知識(shí)有進(jìn)一步的了解，可以通過(guò)兩種方法達(dá)到目的，一是通過(guò)網(wǎng)頁(yè)搜索獲取一些基礎(chǔ)性的知識(shí)，二是通過(guò)一些特定網(wǎng)站比如中國(guó)知網(wǎng)下載一些論文，當(dāng)作參考資料，這樣可以節(jié)省一些時(shí)間。在實(shí)際的工作過(guò)程中確實(shí)遇到了不少的困難，論文也是在克服困難的過(guò)程中不斷的前進(jìn)。最初的困惑是如何選題，基于選