辟两个和原图相同大小的图像缓冲区，分别设置边缘检测算子的两个模板，调用模板函数分别对两个缓冲区的图像进行卷积运算两个缓冲图像每个像素依次循环，取两个缓冲中各个像素灰度值较大者将缓冲区的图像复制到原图数据区编程实现函数名称函数类型功能用算子对图像进行边缘检测原图数据区指针原图高宽循环变量模板高度模板宽度模板系数模板中心元素坐标模板中心元素坐标模板数组新图像缓冲区新图像缓冲区复制原图像到缓冲图像，设置模板参数，调用函数设置模板函数调用函数求两幅缓冲图像的最大值复制处理后的图像，调用程序调用算子检测处理函数实现结果图算子实现结果结果分析与比较原图算子算子算子图算子实现结果比较在数字图像处理中，对边缘检测主要要求就是运算速度快，边缘定位准确，噪声抑制能力强，我们利用编程分别对上面几种算法进行分析，各个算法的实验结果如图所示。从检测效果图可以看出，算子检测出的图像轮廓边缘很细，连续性较差，边缘信息有定丢失，出现的噪点比较多。和两个算子检测出的边缘效果几乎致，比算子的检测结果要好，边缘较为连续，对噪声不敏感，但是线条稍粗，出现了些伪边缘。从实验结果中我们可以发现，由于算子利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失部分边缘，同时由于没经过图像平滑计算，因此不能抑制理算法是系统的核心部分。由此可见，边缘检测技术将在粮虫检测方面发挥更大的作用，保障我国的粮食在粮虫方面的危害降到最低。图像边缘检测技术在电厂中的应用电厂锅炉燃烧的稳定性直接影响到电厂的安全和经济运行。为了能及时可靠地检测到炉内燃烧工况，防止故障的产生，电厂锅炉必须配备功能齐全性能可靠的炉膛安全监视系统。对于系统重要组成部分的火焰检测系统，个重要的发展方向是将燃烧可视化技术和计算机图像处理相结合。锅炉图像火检技术是世纪年代出现的种跨学科技术，是将现代计算机技术数字图像处理技术与燃烧学等相结合应用的结果。它将检测燃烧器出口火焰图像特征作为判断火焰的判据，采用二维火焰图像取代常规火检的亮度频率测量，运用火焰图像处理燃烧可视化研究从火焰图像中获取有用的特征，预报火焰，提供火焰特征量进行燃烧指导。火焰图像提供了大量的关于炉内运行工况的原始信息。利用计算机进行数字处理可以方便地提取火焰亮度均值燃烧中心和火焰锋面位置等参数，从而能对炉内燃烧的整体水平火焰中心位置和火焰充满程度等进行描述。亮度均值用于预报炉内燃烧程度和发展趋势，通常采用简单可靠迅速的滑动平均算法进行报警计算。火焰的形心坐标反映炉内燃烧的形状，有助于防止火焰偏斜和防止结焦的发生。火焰图像中存在着像素灰度分布最陡，变化最大的位置，即火焰锋面，可将其作为火焰的着火判据。更为重要的是，借助普郎克辐射预处理去噪增强边缘检测算法特征选择摄像机构在线粮样获取结构特征提取形状纹理等分类器决策种类害虫密度等系统决策机构粮虫数字图像图在线粮库虫情检测系统定律可以从火焰数字图像处理中重建二维三维温度场，为定量分析炉内燃烧工况提供坚实的基础。除此之外，边缘检测还广泛应用于医学细胞检测方面产品外观检测方面等，已渗透到我国的各个行业当中。结语本文对经典的边缘检测算法进行了较为详细的分析和阐述并对它们的检测结果进行了比较。要根据不同的系统，针对不同的环境条件和要求，选择合适的算子来对图像进行边缘检测。在图像边缘检测领域中有许多经典的边缘检测算子，但它们都不是具有绝对优势的方法，在图像的抗噪声图像边缘的定位情况图像部分边缘是否可以检测出和算法运行的速度等方面，各自存在优缺点。可见，无论哪种边缘检测算法在解决定问题的同时也存在不同类型的缺陷。通过对上述各种边缘检测算法的对比分析，为今后选择合适的检测算法提供定依据。对于进步学习和寻找更好的数字图像边缘检测方法具有定的指导意义。参考文献何斌，马大予，于运坚，朱红莲数字图像处理北京人民邮电出版社余松煜，周源华，张瑞数字图像处理上海交通大学出版社杨淑莹，边奠英图像处理程序设计第版清华大学出版社周长发精通图像处理编程电子工业出版社何小海滕奇志图像通信西安电子科技大学出版社曾欢，王浩图像边缘检测算法的性能比较与分析中南民族大学学报崔屹数字图象处理技术与应用北京电子工业出版社，何晓燕，杨耀权，何文庭图像边缘检测算法及在电厂中的应用周龙，卢亚玲储粮害虫图像边缘检测算法研究计算机应用研究，致谢本文是在王华夏老师的精心指导下完成的。论文的成稿凝聚着导师的关怀和心血。在论文研究和撰写期间王老师给予了我精心的指导和帮助，在此我对王老师给予我的关怀和帮助表示深深的感谢。同时，感谢电子信息工程学院的各位老师四年多来从各方面给予我热心的帮助和关怀，感谢我的同学在论文撰写过程中给予我的帮助。噪声，该算子对具有陡峭的低噪声图像响应最好，如图算子和算子都是对图像进行差分和滤波运算，差别只是平滑部分的权值有些差异，因此对噪声具有定的抑制能力，但不能完全排除检测结果中出现伪边缘，同时这两个算子边缘定位比较准确和完整，但容易出现边缘变宽，该类算子对灰度渐变和具有噪声的图像处理的较好，如图和通过以上对经典边缘检测算子的分析和实际结果的验证，得出以下结论相同的是它们都是阶微分算子算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。对水平和垂直方向检测定位精度高，但对噪声敏感。算子根据像素点上下，左右邻点灰度加权差，在边缘处达到极值这现象检测边缘。它对噪声具有平滑作用，提供较为精确的边缘方向信息，但边缘定位精度不够高。算子利用像素点上下左右邻点灰度差，在边缘处达到极值检测边缘。它对噪声也具有平滑作用，但定位精度不够高。表边缘检测算子对比算子特点适用范围定位精度高，但对噪声敏感低噪声图像采用平均滤波，边缘较宽，间断点较多灰度渐变低噪声图像采用加权滤波，边缘较宽，间断点较多灰度渐变低噪声图像通过对上述各种边缘检测算法的对比分析，为今后选择合适的检测算法提供定依据。对于进步学习和寻找更好的数字图像边缘检测方法具有定的指导意义。第五章边缘检测技术的发展及应用边缘检测技术是图像处理和计算机视觉等领域最基本的技术，如何快速精确的提取图像边缘信息直是国内外研究的热点，然而边缘检测又是图像处理中的个难题。早期经典算法包括边缘算子法曲面拟合法模板匹配法门限化法等。近年来随着数学理论及人工智能的发展，又涌现出许多新的边缘检测方法，如小波变换和小波包的边缘检测法基于数学形态学模糊理论和神经网络的边缘检测法。新的边缘检测方法小波变换和小波包的边缘检测方法近年来，小波分析成为应用数学和工程学科中迅速发展的个新领域，小波变换就是时域频域的局部变换，因此能够更有效地从信号中提取有用信息。在图像工程中，需要分析的图像往往结构复杂形态各异，提取的图像边缘不仅要反映目标的整体轮廓，目标的局部细节也不能够忽视，这就需要多尺度的边缘检测，而小波变换具有天然的多尺度特征，通过伸缩平移运算对信号进行细化分析，达到高频处时间细分，低频处频率细分。所以，小波变换非常适合复杂图像的边缘检测。幅图像中，图像的能量大部分集中在低频和中频部分，图像的边缘和噪声对应于高频部分。基于小波包的边缘检测原理是利用了小波函数对图像的分解作用，在小波变换中只对图像的低频子带进行分解，并未对图像的高频子带进行分解。小波包变换不仅对图像的低频子带进行分解，还对图像的高频子带进行分解，选择的小波包尺度越大，小波系数对应的空间分辨率就越低。因此，小波包分解是种更为精细的分解方法，可以满足不同分辨率下对局部细节进行边缘提取需要，尤其对于含噪图像，在提取图像边缘时对噪声的抑制效果更好。基于数学形态学的边缘检测方法数学形态学是图像处理和模式识别领域中的门新兴学科，具有严格的数学理论基础，现己在图像工程中得到了广泛应用。基本思想是用具有定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。获得的图像结构信息与结构元素的尺寸和形状都有关系，构造不同的结构元素，便可完成不同的图像分析。数学形态学包括二值形态学灰度形态学和彩色形态学基本变换包括膨胀腐蚀开启闭合四种运算，并由这四种运算演化出了开闭薄化厚化等，从而完成复杂的形态变换。目前随着二值形态法的应用越来越成熟，灰度和彩色形态学在边缘检测中的应用也越来越引起人们的关注并逐渐走向成熟。随着时代的发展，边缘检测技术已应用到各个领域中并发挥着重要的作用。边缘检测技术的应用边缘检测在储粮害虫方面的应用我国是农业大国，粮食产后储藏期间，储粮害虫造成的危害十分严重并且，近年来储粮害虫的种类和密度呈上升趋势，致使储粮损失更加严重。为了有效防治害虫，就要预测它们的发生趋势数量种群动态及潜在危害，而且也要评估各项防治措施和策略所得到的不同预期结果。传统的粮虫检测方法常规抽样的方法取样及诱捕存在的突出问题是国内粮情测控系统不能测虫，国外粮虫声音检测技术无法实现害虫数量监测。针对这种情况，我们发现近年来发展迅猛的机器视觉技术可以解决这问题。在我们研究的在线粮库虫情测报系统中，机器视觉系统采用照相机摄取粮仓害虫检测图像，并转换为数字信号，再采用先进的计算机硬件与软件技术，运用数字信号处理技术计算机图像处理与分析技术模式识别等技术，结合数学形态学的些技术手段和专家系统技术，通过对储粮粮虫的图像采集图像数字转化性状识别和分析，使计算机能自动提取粮仓害虫的形态性状智能识别害虫种类，并能对害虫的数量自动计数，从而可以输出数据发出指令，构成科学保粮专家系统的主要部分。系统结构如图所示，与其他粮情测控系统相比，基于机器视觉的在线