飛機(jī)邊界提取與疊加論文

飛機(jī)邊界提取與疊加摘要：本論文首先接收數(shù)字圖像處理技術(shù)的背景和意義。然后介紹基于VC++的所完成的圖像處理的應(yīng)用軟件VisualStudio和OpenCV具有相當(dāng)強(qiáng)大的運算和操作功能，OpenCV函數(shù)庫提供了豐富的圖像處理函數(shù)，靈活運用這些函數(shù)幾乎可以完成所有的圖像處理工作，大大節(jié)省編寫低層

算法代碼的時間，避免程序設(shè)計中的重復(fù)勞動，達(dá)到事半功倍的效果。采用opencv及c++實現(xiàn)將RGB圖像轉(zhuǎn)換成灰度模式圖像，再將其進(jìn)行二值化，所得圖像進(jìn)行閉運算，去掉暗點和圓角，最后對圖像進(jìn)行邊界提取并疊加在原圖上。顯示所有的圖像，對經(jīng)過處理后的圖像和未作處理后的圖像進(jìn)行對比分析。關(guān)鍵詞：邊界提??；OpenCV;C++;圖像疊加中圖分類號：(無)文獻(xiàn)標(biāo)識碼：A數(shù)字圖像處理技術(shù)是指通過計算機(jī)對圖像進(jìn)行去除噪聲，增強(qiáng)或者復(fù)原以及分割和提取的技術(shù)。該技術(shù)伴隨計算機(jī)技術(shù)的發(fā)展，在農(nóng)業(yè)，軍事，環(huán)境等行業(yè)得到了廣泛的應(yīng)用。論文首先論述數(shù)字圖像處理技術(shù)現(xiàn)狀和發(fā)展，然后簡要討論了該技術(shù)在醫(yī)學(xué)圖像進(jìn)行偽彩色圖像處理問題上的應(yīng)用。最后介紹了在車牌識別方面的應(yīng)用的相關(guān)原理。

數(shù)字圖像處理技術(shù)是自60年代以來，隨著半導(dǎo)體集成電路技術(shù)和計算機(jī)技術(shù)的發(fā)展而產(chǎn)生和發(fā)展的一門新型學(xué)科，并且在近三十年來取得了巨大的發(fā)展，在理論上和實際應(yīng)用中都取得了很大的成就。

早期的圖像處理的目的是改善圖像的質(zhì)量,以人為對象,以改善人的視覺效果為目的,首次獲得實際成功應(yīng)用的是美國噴氣推進(jìn)實驗室(

JPL)[1],并對航天探測器徘徊者

7

號在

1964

年發(fā)回的幾千張月球照片使用了圖像處理技術(shù)

,并考慮了太陽位置和月球環(huán)境的影響,由計算機(jī)成功地繪制出月球表面地圖,隨后又對探測飛船發(fā)回的近十萬張照片進(jìn)行了更為復(fù)雜的圖像處理

,以致獲得了月球的地形圖、

彩色圖及全景鑲嵌圖,為人類登月創(chuàng)舉奠定了堅實的基礎(chǔ)

,也推動了數(shù)字圖像處理這門學(xué)科的誕生.數(shù)字圖像處理取得的另一個巨大成就是在醫(yī)學(xué)上獲得的成果,1972年英國EMI公司工程師Ho

usfield發(fā)明了用于頭顱診斷的

X射線計算機(jī)斷層攝影裝置即CT(Computer

Tomograph)。

1975年EMI公司又成功研制出全身用的

CT裝置,獲得了人體各個部位鮮明清晰的斷層圖像。1979年這項無損傷診斷技術(shù)獲得了諾貝爾獎

,說明它對人類做出了劃時代的貢獻(xiàn)。隨著圖像處理技術(shù)的深入發(fā)展,從70年代中期開始

,隨著計算機(jī)技術(shù)和人工智能、

思維科學(xué)研究的迅速發(fā)展

,數(shù)字圖像處理向更高、更深層次發(fā)展.人們已開始研究如何用計算機(jī)系統(tǒng)解釋圖像

,實現(xiàn)類似人類視覺系統(tǒng)理解外部世界.很多國家,特別是發(fā)達(dá)國家投入更多的人力、

物力到這項研究

,取得了不少重要的研究成果.其中代表性的成果是70年代末MIT的

Marr提出的視覺計算理論[

3],這個理論成為計算機(jī)視覺領(lǐng)域其后多年的主導(dǎo)思想。

圖像理解雖然在理論方法研究上已取得不小的進(jìn)展,但它本身是一個比較難的研究領(lǐng)域

,存在不少困難,因人類本身對自己的視覺過程還了解甚少

,因此計算機(jī)視覺是一個有待人們進(jìn)一步探索的新領(lǐng)域.正因為如此,圖像處理理論和技術(shù)受到各界的廣泛重視,當(dāng)前圖像處理面臨的主要任務(wù)是研究新的處理方法,構(gòu)造新的處理系統(tǒng),開拓更廣泛的應(yīng)用領(lǐng)域。1數(shù)字圖像處理的背景

1.1

數(shù)字圖像概述

進(jìn)行去除噪聲、

增強(qiáng)、復(fù)原、分割、提取特征等理論、

方法和技術(shù)稱為數(shù)字圖像處理（DIP,

Digital

Image

Processing）。數(shù)字圖像處理起源于20世紀(jì)20年代。當(dāng)時，人們通過Bartlane海底電纜圖片傳輸系統(tǒng)，從倫敦到紐約傳輸了一幅經(jīng)過數(shù)字壓縮后的照片，從而把傳輸時間從一周多減少到不到3小時。使用技術(shù)：在傳輸圖片時，首先在圖片傳輸端進(jìn)行圖像編碼，然后在接收端利用特殊的打印設(shè)備重構(gòu)出該圖片。該應(yīng)用已經(jīng)包含了數(shù)字圖像處理的知識，但還稱不上真正意義的數(shù)字圖像處理，因為它沒有涉及到計算機(jī)。經(jīng)過幾十年的研究與發(fā)展，數(shù)字圖像處理的理論和方法進(jìn)一步完善，應(yīng)用范圍更加廣闊，已經(jīng)成為一門新興的學(xué)科，并在向更高級的方向發(fā)展。

特點：1、易于控制處理效果2、處理精度高，再現(xiàn)性好3、圖像數(shù)據(jù)量龐大，處理費時4、處理的多樣性5、圖像處理技術(shù)綜合性強(qiáng)，掌握難度較大。

1.2

數(shù)字圖像處理的目的和主要內(nèi)容

數(shù)字圖像處理的目的：1.提高圖像的視感質(zhì)量，

以達(dá)到賞心悅目的目的。

2.提取圖像中所包含的某些特征或特殊信息，便于計算機(jī)分析。

3.對圖像數(shù)據(jù)進(jìn)行變換、編碼和壓縮，便于圖像的存儲和傳輸。

圖像處理系統(tǒng)平臺多為Microsoft

Windows，開發(fā)的主流工具為Microsoft公司的VB和VC。這是因為VB和VC是具有高度綜合性能的軟件開發(fā)工具，

用它開發(fā)出來的程序有著運行速度快、可移植能力強(qiáng)等優(yōu)點。

1.3

數(shù)字圖像處理的應(yīng)用

數(shù)字圖像處理技術(shù)在20世紀(jì)60年代末和20世紀(jì)70年代初開始廣泛應(yīng)用于醫(yī)學(xué)圖像、地球遙感監(jiān)測和天文學(xué)等領(lǐng)域。其后，軍事、氣象、環(huán)境、交通等學(xué)科領(lǐng)域的發(fā)展也推動了圖像處理技術(shù)迅速發(fā)展。

圖像處理的發(fā)展將圍繞HDTV（高清晰度電視）的研制，

開展實時圖像處理的理論及技術(shù)研究，向著高速、高分辨率、

立體化、多媒體化、

智能化和標(biāo)準(zhǔn)化方向發(fā)展。圖像、圖形相結(jié)合，朝著三維成像或多維成像的方向發(fā)展。硬件芯片研究。把圖像處理的眾多功能固化在芯片上，

使之更便于應(yīng)用。新理論與新算法研究。

1.3

數(shù)字圖像處理的應(yīng)用

數(shù)字圖像處理技術(shù)在20世紀(jì)60年代末和20世紀(jì)70年代初開始廣泛應(yīng)用于醫(yī)學(xué)圖像、地球遙感監(jiān)測和天文學(xué)等領(lǐng)域。其后，軍事、氣象、環(huán)境、交通等學(xué)科領(lǐng)域的發(fā)展也推動了圖像處理技術(shù)迅速發(fā)展。

圖像處理的發(fā)展將圍繞HDTV（高清晰度電視）的研制，開展實時圖像處理的理論及技術(shù)研究，向著高速、高分辨率、

立體化、多媒體化、

智能化和標(biāo)準(zhǔn)化方向發(fā)展。圖像、圖形相結(jié)合，朝著三維成像或多維成像的方向發(fā)展。硬件芯片研究。把圖像處理的眾多功能固化在芯片上，

使之更便于應(yīng)用。新理論與新算法研究。

1.4

數(shù)字圖像處理基礎(chǔ)

1.4.1圖像的數(shù)字化包括采樣和量化兩個過程圖像數(shù)字化后，

用二維數(shù)組表示。采樣：圖像在空間上的離散化稱為采樣。用空間上部分點的灰度值代表圖像，這些點稱為采樣點。

(a)正方形網(wǎng)格;

(a)正方形網(wǎng)格;(b)正六角網(wǎng)格量化：模擬圖像經(jīng)過采樣后，離散化為像素。但像素值（即灰度值）仍是連續(xù)量。把采樣后所得的各像素的灰度值從模擬量到離散量的轉(zhuǎn)換稱為圖像灰度的量化。1.4.2數(shù)字圖像文件的類型靜態(tài)圖像可分為矢量圖和位圖。矢量圖用數(shù)學(xué)公式描述的圖像。矢量圖形指由代數(shù)方程定義的線條或曲線構(gòu)成的圖形。如:表示一個圓形，矢量圖像保存了一個畫圓的命令、圓心的坐標(biāo)、半徑的長度等等。欲顯示該圓，矢量繪圖軟件則根據(jù)圓的坐標(biāo)、半徑等信息，經(jīng)過方程式計算，將圓“畫”在屏幕上。優(yōu)點：文件數(shù)據(jù)量很??；圖像質(zhì)量與分辨率無關(guān)，這意味著無論將圖像放大或縮小了多少次，圖像總是以顯示設(shè)備允許的最大清晰度顯示。缺點：不易制作色調(diào)豐富或色彩變化太多的圖像，而且繪出來的圖像不是很逼真，同時也不易在不同的軟件間交換文件。1.4.3數(shù)字圖像類型位圖（點位圖）的基本構(gòu)圖單位是像素。位圖是通過許多像素點表示一幅圖像，每個像素具有顏色屬性和位置屬性。包含不同色彩信息的像素的矩陣組合構(gòu)成了千變?nèi)f化的圖像。位圖可以從傳統(tǒng)的相片、幻燈片上制作出來或使用數(shù)字相機(jī)得到。位圖分成如下四種：單色圖像、灰度圖像、索引圖像和真彩色圖像。2邊緣檢測原理及算子邊緣是圖像最基本的特征。圖像的邊緣是指圖像信號強(qiáng)度發(fā)生急劇變化的位置，即在灰度級上發(fā)生急劇變化的區(qū)域。圖像的邊緣點主要有三種（如圖1-1）：第一種是階梯型邊緣，該邊緣兩側(cè)的灰度值有明顯的變化；第二種是屋脊型邊緣，該邊緣中間的灰度值與兩邊的灰度值有明顯的差異。第三種是線性型邊緣，該邊緣中間的灰度值與兩邊得灰度值差異很大，它與屋脊邊緣的差別在于，屋脊邊緣從側(cè)邊到中間灰度值的變化是逐漸變化的，而線性邊緣從側(cè)邊到中間灰度值的變化是瞬間變化的。

邊緣檢測是數(shù)字圖像處理與模式識別中最基礎(chǔ)的內(nèi)容之一，邊緣提取與檢測在數(shù)字圖像處理中占有很重要的地位，其算法的優(yōu)劣直接影響所研究產(chǎn)品的性能。它的主要內(nèi)容就是對圖像灰度值的度量、檢測和定位。現(xiàn)在，局部技術(shù)邊緣檢測的方法主要有一次微分（Roberts算子、Sobel算子、Prewitt算子、Kirsch算子等）和Marr-Hildre算子（也稱拉普拉斯高斯算子）和canny邊緣檢測算子。同時，近年來迅速發(fā)展起來的小波理論，其中，小波變換是檢測灰度值變化強(qiáng)有力的工具，能很好的判斷灰度變化的位置。2.1

邊緣與導(dǎo)數(shù)的關(guān)系

邊緣的一階導(dǎo)數(shù)在圖像由暗變亮的突變位置有一個正的峰值，而在圖像由亮變暗的位置有一個負(fù)的峰值，而在其他位置都為零。這表明可用一階導(dǎo)數(shù)的幅值來檢測邊緣的存在，幅度峰值對應(yīng)的一般就是邊緣的位置。同理，可用二階導(dǎo)數(shù)的過零點檢測圖像邊緣的存在。

邊緣檢測可基本上分為兩步：

1、對圖像中的每一個像素施以檢測算子；

2、根據(jù)事先確定的準(zhǔn)則對檢測算子的輸出進(jìn)行判定，確定該像素點是否為邊緣點。

圖2-1

邊緣與導(dǎo)數(shù)（微分）的關(guān)系

2.2

梯度的概念

在圖像處理中，一階導(dǎo)數(shù)是通過梯度來實現(xiàn)的，因此，利用一階導(dǎo)數(shù)檢測邊緣點的方法就成為梯度算子法。連續(xù)函數(shù)f(x,y)在(x,y)處的梯度是通過一個二維向量來定義的：（2-1）這個向量的幅值和方向角分別為：（2-2）（2-3）梯度的幅度代表邊緣的強(qiáng)度，梯度方向(x,y)與邊緣的方向垂直。在離散空間，微分用差分實現(xiàn)，兩個差分模板如下：（2-4）其中、分別代表水平及垂直方向上的梯度模板。利用模板對圖像處理相當(dāng)于模板與圖像的卷積，因此，水平和垂直方向的梯度為：（2-5）故水平和垂直方向的梯度可以定義為：（2-6）實際濾波中常只用的幅度（即矢量的模），矢量的?？杀硎救缦拢海?-7）（2-8）（2-9）根據(jù)不同圖像需要來選用上述三種梯度幅度公式，所得結(jié)果即為梯度圖像。2.3Robert算子Robert算子是一種局部差分算子，它采用的是2×2模板對圖像的邊緣進(jìn)行檢測（如圖2-2）。Robert算子采用的是對角相鄰的兩個像素之差來尋找邊緣，找到邊緣之后，計算出每一個像素的向量，然后求絕對值。其水平方向和垂直方向的梯度定義為：（2-10）根據(jù)梯度幅度公式（2-8）得到表達(dá)式為：（2-11）其中，f(i,j)表示處理前某點的灰度值，G(i,j)表示處理后該點的灰度值。100-101-10圖2-2Roberts算子模板2.4Sobel算子Sobel算子也是一種一階微分算子，只不過由原來Robert算子的2×2模板擴(kuò)大到3×3模板（如圖2-3）來檢測圖像邊緣，圖像中的每個點都是用這兩個點做卷積。Sobel算子還是一組方向算子，分別從四個方向（0度，45度，90度，135度）來檢測邊緣，它不再只是簡單的求平均再差分，而是加強(qiáng)了中心像素上下左右四個方向的權(quán)重，削弱了4個對角近鄰像素的權(quán)重，導(dǎo)致在水平和垂直方向出現(xiàn)強(qiáng)烈的邊緣。其水平及垂直方向的梯度定義為：（2-12）跟據(jù)梯度幅度公式（2-8）得到表達(dá)式為：（2-13）其中，f(i,j)表示處理前某點的灰度值，G(i,j)表示處理后該點的灰度值。-101-202-101121000-1-2-1圖2-3Sobel算子模板2.5Prewitt算子Prewitt算子與Sobel算子的方程完全一樣，不同之處在于模版的不同（如圖2-4）。另外，Prewitt算子是平均濾波，Sobel算子是加權(quán)平均濾波且檢測的圖像邊緣可能大于兩個像素。它與Sobel算子一樣是一組方向算子，分別從四個方向（0度，45度，90度，135度）來檢測邊緣，對于四個方向來說，每一個方向都能將邊緣很好的檢測出來。-1-1-100011110-110-110-1圖2-4Prewitt算子模板2.6Kirsch算子Kirsch算子由以下8個3×3模板（如圖2-5）所組成，代表著Kirsch分別從八個方向來獲取圖像邊緣的信息。采用這樣的模板是為了使邊緣點檢測算法既能抑制噪聲，又能很好地保持邊緣細(xì)節(jié)。對于圖像f(x,y)，模塊為(k=1,2,.......,8)，則邊緣強(qiáng)度在點(x，y)處為：（2-14）-3-35-305-3-35-3-3-3-305-355555-30-3-3-3-3-355-305-3-3-35-3-350-35-3-355-350-3-3-3-3-3-3-3-30-3555-3-3-350-355-3圖2-5Kirsch算子模板2.7Marr-Hildreth算子Marr-Hildreth算子即稱拉普拉斯高斯算子，也稱LOG算子。該算子結(jié)合了拉普拉斯和高斯兩種算子，它把高斯平滑濾波器和拉普拉斯銳化器結(jié)合起來，充分利用了高斯函數(shù)具有良好的濾波性能的作用，能對圖像進(jìn)行很好的濾波，去除噪聲，再進(jìn)行邊緣檢測。因此，結(jié)合了這兩種算子的Marr-Hildre算子是一種同時具有圖像平滑功能和邊緣增強(qiáng)功能的二階微分算法。二維高斯函數(shù)為：（2-15）對于圖像f(x,y)，拉普拉斯高斯算子邊緣檢測算子的定義為：（2-16）式中，，，是標(biāo)準(zhǔn)差。常用的5×5模板的Marr-Hildreth算子為：-2-4-4-4-2-4080-4-48248-4-4080-4-2-4-4-4-2圖2-6Marr-Hildreth算子模板2.8Canny算子傳統(tǒng)的一次微分算子（Robert算子，Sobel算子，Prewitt算子，Kirsch算子等），二次微分算子（LOG算子等），其中大部分為局域窗口梯度算子。它們的抗噪性能一向都很差，所以在現(xiàn)實生活中處理圖像時并不是很實用?；诖嗽颍芏嘌芯空卟捎煤芏喾椒?，例如，二階導(dǎo)數(shù)零交叉點定位邊緣的檢測，利用局部極大值判斷邊緣，很多方法，說到底無非就是檢測灰度值的突變而形成的邊緣。其中，只有Canny在1986年提出的Canny算子很快得到了普及并運用。Canny算子是一種相對來說比較優(yōu)質(zhì)的邊緣算子，它不僅抗噪性能較好，而且獲取到邊緣的梯度幅值和方向，處理效率較高。但Canny算子在獲取較好的邊緣效果時，同時也丟失一些有用的信息。2.8.1Canny準(zhǔn)則Canny算子之所以迅速得到普及的原因，在于它不僅能更精確的檢測到邊緣，同時也比其他算子的抗噪性能強(qiáng)。Canny算子的優(yōu)勢體現(xiàn)在以下三條準(zhǔn)則：1、信噪比準(zhǔn)則：Canny算子在檢測邊緣的時候不會漏掉真實存在的邊緣點，同時也不會把根本不存在的邊緣點作為邊緣檢測出來。這方面，在相比其他算子檢測邊緣來說，保持了較低的失誤率，使得其輸出的信噪比最大。2、定位精度準(zhǔn)則：Canny算子在檢測邊緣的時候檢測出算子的位置距離真實邊緣的位置相比其他算子檢測出的位置較近。這也就是說Canny算子邊緣檢測的精確度較高，使得輸出圖像效果較好。3、單邊緣響應(yīng)準(zhǔn)則：Canny算子在檢測邊緣的時候檢測出來的邊緣點與真實存在的邊緣點是一一對應(yīng)的，不會出現(xiàn)以下情況：一個真實的邊緣點在經(jīng)過算子檢測之后，出現(xiàn)多個邊緣點。以上是Canny算子三條準(zhǔn)則基本概念，以下是三條準(zhǔn)則的數(shù)學(xué)表達(dá)式：1、信噪比準(zhǔn)則：信噪比越大，Canny算子提取邊緣的質(zhì)量越高，信噪比SNR定義如下：（2-17）其中，f（x）是邊緣為[-w,+w]的濾波器的脈沖響應(yīng)；G（-x）代表邊緣函數(shù)；是高斯噪聲的均方差，信噪比越大，提取的邊緣質(zhì)量越高。2、定位精度準(zhǔn)則：Canny算子獲取的邊緣點與真實邊緣點的關(guān)系就稱為定位精度，精度越高，獲取邊緣的質(zhì)量越好。定位精度Localization的定義如下：（2-18）其中，和分別表示G（-x）及f（x）得一階導(dǎo)數(shù)，Localization值越大，說明定位精度越高。3、單邊緣響應(yīng)準(zhǔn)則：該準(zhǔn)則的目的是保證每一個真實邊緣在Canny算子的檢測下只能有一個邊緣點與之對應(yīng)。要保證單邊緣只有一個像素響應(yīng)，則檢測算子的脈沖響應(yīng)導(dǎo)數(shù)的零交叉點的平均距離應(yīng)滿足：（2-19）將Canny的以上三個準(zhǔn)則結(jié)合，可以獲取到最優(yōu)的邊緣檢測算子。2.8.2Canny算法Canny算子是現(xiàn)在所發(fā)現(xiàn)的最優(yōu)化的邊緣檢測算子，采用了高斯噪聲的平滑處理，所以其擁有較強(qiáng)的抗噪性能，同時Canny采用了雙閾值算法檢測和連接邊緣，所以經(jīng)過該算子處理的圖像邊緣連續(xù)性較好。Canny算子具體算法（如圖2-7）如下：1、在圖像進(jìn)行處理之前，Canny算子先利用高斯平滑濾波器來去除噪聲，即是利用高斯平滑濾波器與圖像做卷積，公式如下：（2-20）其中，f(i,j)為圖像處理前某點的灰度值，G(i,j;)為高斯平滑濾波器函數(shù)；是高斯函數(shù)的散布參數(shù)，它控制圖像平滑的程度。2、利用導(dǎo)數(shù)算子（如Prewitt算子、Sobel算子）找到圖像灰度的沿著兩個方向的偏導(dǎo)數(shù)，求出梯度的幅值和方向，公式如下：平滑后S(i,j)的梯度可以采用以下2×2大小的模板作為對x方向和y方向偏微分的一階近似：（2-21）由此可得：（2-22）梯度的幅值為：（2-23）梯度的方向為：（2-24）上式中，M(i,j)反映了圖像上(i,j)點處的邊緣強(qiáng)度，a(i,j)是圖像(i,j)點處的法向方向。使得M(i,j)取得局部極大值時的方向a(i,j)，就得到了邊緣的方向。3、對梯度幅值進(jìn)行非極大值抑制。經(jīng)過平滑處理后的圖像，僅僅得到其全局的梯度并不足以確定邊緣。因此為了確定圖像的邊緣，必須保留局部梯度最大的點。所以，非極大值抑制是一種能夠獲取邊緣的有效方法。非極大值抑制的方法是：通過抑制梯度方向上所有非屋脊峰值的幅值以達(dá)到細(xì)化邊緣的目的。4、用雙閾值算法檢測。圖像經(jīng)過非極大值抑制處理之后，再對抑制后的幅值進(jìn)行閾值化，得到的是一個圖像的邊緣矩陣，但得到的矩陣仍然有假邊緣的存在，此時選擇一個合適的閾值是一件困難的事情。因此，最有效的方法是用雙閾值去檢測。設(shè)經(jīng)過非極大值抑制后的圖像為N(i,j)，兩個閾值分別是N1和N2。首先采用最優(yōu)閾值法得到其中一個閾值N2：（2-25）其中，和分別是目標(biāo)區(qū)域的平均灰度值，和分別是均值的均方差，和分別是目標(biāo)區(qū)域灰度值的先驗概率。其次，取最優(yōu)閾值法得到的閾值N2的40%得到閾值N1，即N1=40%N2。此時，對非極大值抑制圖像N(i,j)分別使用閾值N1和N2，將梯度小于閾值的像素灰度值變?yōu)榱悖謩e得到兩個閾值邊緣圖像T1(i,j)和T2(i,j)。圖像T2(i,j)是由高閾值N2得到的，所以圖像的假邊緣很少。因此，把閾值圖像T2(i,j)作為標(biāo)準(zhǔn)，而把圖像T1(i,j)作為輔助，由此而獲取較為完整的邊緣。5、邊緣連接。由于圖像T2(i,j)是由高閾值N2得到的，則圖像的假邊緣很少，但同時也損失了一些邊緣信息。T1(i,j)雖然假邊緣相對較多，但也因此保留相對較多的邊緣信息。所以，邊緣連接是以圖像T2(i,j)作為標(biāo)準(zhǔn)，T1(i,j)作為輔助來進(jìn)行的。邊緣連接的過程：對圖像T2(i,j)進(jìn)行掃描，掃描到非零灰度值的像素時，跟蹤該像素到輪廓的端點A，此時，Canny算法找到該端點在圖像T1(i,j)中對應(yīng)的點，然后在的8鄰域?qū)ふ铱梢赃B接到輪廓的像素，然后對應(yīng)到圖像T2(i,j)中的像素B，再將像素A與B連接。循環(huán)往復(fù)，Canny算法不斷地在圖像T1(i,j)中收集邊緣，直到將圖像T2(i,j)連接起來為止。圖2-7算法流程圖4結(jié)論通過此次數(shù)字圖形處理課程我又熟悉了一種新的知識。由于時間比較匆忙，雖然掌握的不夠深刻但是從中也學(xué)習(xí)到了不少的知識，通過這門課程大致了解了圖像的基本成元素及圖像處理的基本方法、算法和一些技巧性的處理方法。當(dāng)然從中也收獲了很多樂趣，自己慢慢摸索、不斷嘗試各種方法和新的思路最終在老師原有的基礎(chǔ)上圓滿完成了此次的設(shè)計。在這次設(shè)計過程中遇到了很多難以預(yù)料的事情，從軟件的安裝到設(shè)計再到最后的調(diào)試。每一步都顯得那么艱難，但是到最后滿滿熟練了以后就輕車熟路了，因此在設(shè)計的過程中也加入了自己的一些想法。

參考文獻(xiàn)[1]章毓晉.圖像分割[M].北京:科學(xué)出版社,2000:79-80.[2]章毓晉.圖像處理與分析[M].北京:清華大學(xué)出版社,1999:50-52[3]朱虹.數(shù)字圖像處理基礎(chǔ)[M].北京:科技出版社,2005:109-110.[4]關(guān)琳琳,孫媛.圖像邊緣檢測方法比較研究[J].現(xiàn)代電子技術(shù),2008,31(22):96-98.[5]馬艷,張治輝.幾種邊緣檢測算子的比較[J]工礦自動化,2004,(1):54-57.[6]李安安.幾種圖像邊緣檢測算法的比較與展望[J].大眾科技,2009,(12):45-47[7]侯西梅,賈曉輝.數(shù)字圖像處理的邊緣檢測技術(shù)研究[J].中原工學(xué)院報,2007,18(3):64-66.[8]史長瓊,易昂.基于Canny準(zhǔn)則的顆粒圖像邊緣檢測算法[J].計算機(jī)工程與科學(xué)2004,26(3):52-54.[9]董漢莉.Marr-Hildreth算子邊緣檢測精確定位與研究[J].鄭州工業(yè)大學(xué)報,1999,20(2):36~38.[10]李牧,閆繼紅,李戈,趙杰.自適應(yīng)Canny算子邊緣檢測技術(shù)[J].哈爾濱工程大學(xué)學(xué)報2007,28(9):1003-1007.[11]程正興.小波分析算法與應(yīng)用[M].西安:西安交通大學(xué)出版社,1998:86~87.[12]郭立智,趙金環(huán).基于小波變換的邊緣檢測[J].青島理工大學(xué)學(xué)報,2007,28(2):78~80.[13]蔣加伏,陳藹祥,唐賢瑛.基于小波變換的分形圖像去噪與邊緣檢測[J].長沙交通學(xué)院計算技術(shù)與自動化,2003,22(4):52-53Theextractandsuperpositionofairplane’sconfineWenqiZhao(AnhuiPolytechnicUniversity)Keywords：theextractofsomethingsconfine;OpenCV;C++;thesuperpositionofimagesAbstract：ImageMeasurementTechniqueisbasedonmodernoptics,integratedwithmodernmeasuringtechnologysuchasphotoelectricity,informationprocessing,computervisionetc.Itistomeasuretargetobjectsbyusingimagestotransmitinformation,Itspurposeistodrawtheusefulinformationfromtheimages.ImageMeasuringTechniqueincludesvediometrics,opticalmeasuringandsensormeasuring,whichusedinmanyfieldssuchasappearancemeasuring,ndustrymeasuringandbiomedicineetc.Thissubjectismainlytomeasurelinedistanceminutelybyprocessingandanalyzi