得出这样结论：.FIS系统实施呈现了对比度和采光变化上更大鲁棒性，除了避免获取双边缘。.它在线条流畅性，直线直线性和曲线圆度性上给出了永久影响。同时，边角更加锐化，并且可以很容易定义。外文原文二：EdgeDetectioninDigitalImagesUsingFuzzyLogicTechniqueAbdallahA.Alshennawy,andAymanA.AlyAbstract—Thefuzzytechniqueisanoperatorintroducedinordertosimulateatamathematicallevelthecompensatorybehaviorinprocessofdecisionmakingorsubjectiveevaluation.Thefollowingpaperintroducessuchoperatorsonhandofcomputervisi像处理主要力量是中间步骤(隶属度值修改)。当图像数据从灰度平面转换成隶属度平面(模糊)，通过模糊技术修改隶属度。这可以是一个模糊聚类，一个基于规则模糊方法，模糊积分方法等[]。B模糊集与模糊隶属函数系统实施考虑了一些情况，模糊化后得到输入图像和输出图像都是位量化；这种方法中，它们灰度水平总是处于到之间。模糊集被创建出来代表每个变量强度；这些集相当于语言学变量“黑”，边和“白”。模糊集对应输入，三角形对应输出，隶属函数因此起作用，如图.图函数模糊隶属度与输入和输出有关图五模糊图像处理步骤该功能被采用去实施“与”和“或”运作，分别是最小和最大功能。推理方法被选择作为去模糊程序，这意味着模糊集是通过应用输入数据每个推理规则得到，而输入数据是通过添加功能加入；系统输出是作为结果隶属函数部分计算出来。输出三个隶属函数值被设计去分离图像中黑，白和边缘值。C推理规则定义推理规则取决于八个相邻灰度像素权重，是否相邻权重是黑色或白色。这些规则强大之处是能直接提取处理图像中所有边缘。本研究是通过研究每个像素每个邻居来测定处理图像中所有像素。每个像素条件取决于使用浮点伪装时可以扫描所有灰度。在这个位置，一些需要规则被解释。如果灰色在一行中代表黑色，并且残余灰色是白，然后检测过像素是边(图-a)，那么前四个规则处理伪装中被选中或中心像素垂直和水平方向灰度值。第二个四规则处理八邻居也取决于灰度权重值，如果四个连续像素权重是黑并且剩下四邻居是白，那么中心像素代表边缘(图-b)。介绍了规则和另一组规则是用来检测边缘，白和黑像素。剩下图像有助于轮廓，黑色和白色区域。从模糊结构边得知，输入灰度是介于-灰度强度之间，并且根据所需规则，灰度被转换为隶属函数值，如图所示。根据去模糊化得到FIS输出被呈现介于-之间。然后黑，白和边缘被检测出来。从这次研究中检测图像经验中，被得到最好结果是黑介于-，并且白权重介于-。三．实验该系统通过不同图像来进行测试，它性能被拿来与Sobel算子和FIS方法进行比较。当图像中提取边如图所示，我们使用这幅图像作为古典Sobel算子和FIS方法对比模型，我们调整与启动顺序相关模糊规则来取得更好结果。原始图像显示在图部分上。基于Sobel算子边缘检测使用MATLAB上处理工具箱，如b部分所示。图片中白色像素表明边缘，从而将保持平滑。显然，边缘图像上还留有一些噪音，并且有一些边缘已损坏。运用图像上新FIS来检测它边，结果发现，修改后边缘图片有更少噪音和更少损坏，如图-c所示。为了分割任务，一个薄边缘更好，因为我们只想要保持边缘而不是附近细节。边缘图值是正常间隔或来代表急躁隶属度值。原始捕捉图像显示在图-a。我们观察，在b部分，在图像二进制值里阀值自动估计Sobel算子不允许边缘在低对比度区域被检测。在两边产生结果被发现(双边缘)在b部分左边。反过来，FIS系统甚至允许在低对比度区域检测边缘，如c部分说明。这是由于在不同对比度区域，模糊规则所给出不同待遇，并且为了避免包括不属于连续线上输出图像像素，该规则被制定。图-a测试三角边原始捕获图像图-b使用经典算子检测出来边缘图-c用模糊推理规则检测提取出来边在图中，测量对象一个合成图像和它边缘分离成黑色，如a部分所示。当Sobel算子被应用于这一图像，一个断开边缘出现在左边。模糊规则采用被专门设立用来避免获取单边图像双边缘结果，然而FIS系统被应用于相同图像(c)。它给出了线上永久流畅度和直线性。为了表现出边缘检测上性能优化，图通过齿轮不同灰度图像来显示。我们模糊技术产生结果图像似乎在平坦地区更加平滑并且噪音更低，并且紧张地区比用传统Sobel算子得来更加尖锐。图-a为检测圆形和矩形图-b使用经典算子得出边边而拍摄原始图像图-c：通过FIS系统得到边缘图-c：为测试齿轮边捕获原始图像图-b：使用Sobel算子出边图-c：FIS系统得到边四．结论由于不确定性存在于图像处理许多方面，模糊处理是可取。这些不确定性包括低水平图像处理上附加和非附加噪音，假设算法不精确性，以及在高水平图像处理上含糊不清解释。为了边缘检测同步处理，通常把边作为强度脊模型。然而在实践中，这一假设只有近似，导致了这些算法一些缺陷。模糊图像处理是一个专家知识边缘上强大工具形式表述，和不同来源上得来不精确信息。设计模糊规则是一个有吸引力方案，他能尽可能提高边缘质量。这种算法缺陷是它们需要大量计算。这些结果是我们得出这样结论：.FIS系统实施呈现了对比度和采光变化上更大鲁棒性，除了避免获取双边缘。.它在线条流畅性，直线直线性和曲线圆度性上给出了永久影响。同时，边角更加锐化，并且可以很容易定义。外文原文二：EdgeDetectioninDigitalImagesUsingFuzzyLogicTechniqueAbdallahA.Alshennawy,andAymanA.AlyAbstract—Thefuzzytechniqueisanoperatorintroducedinordertosimulateatamathematicallevelthecompensatorybehaviorinprocessofdecisionmakingorsubjectiveevaluation.ThefollowingpaperintroducessuchoperatorsonhandofcomputervisiiddoubleedgesresultsinobtaininganimagewithsingleedgeswhentheFISsystemisappliedtothesameimage(c).Itisgaveapermanenteffectinthelinessmoothnessandstraightness.Todemonstratetheenhancementoftheperformanceontheedgedetection,withdifferentgraylevelimageofthegeartoothareshowninFig..TheresultingimagesofourfuzzytechniqueseemtobemuchsmootherwithlessnoiseintheflatareasandsharperintheedgyregionsthantheconventionalSobeloperator.Fig.-a.Originalcapturedpicturefortestofcircularandrectangularedges.Fig.-b.Edgemapdetected-c.EdgesdetectedbytheFISsystemwhereusingclassicalSobeloperator.Fig.thesamedesignedrulesareused.Fig.-a.OriginalcapturedpicturefortestofgeartoothedgesFig.-b.EdgemapdetectedusingSobeloperatorinMatlabFig.-c.EdgesdetectedbytheproposedFISsystemIV.CONCLUSIONBecauseoftheuncertaintiesthatexistinmanyaspectsofimageprocessing,fuzzyprocessingisdesirable.Theseuncertaintiesincludeadditiveandnon-additivenoiseinlowlevelimageprocessing,imprecisionintheassumptionsunderlyingthealgorithms,andambiguitiesininterpretationduringhighlevelimageprocessing.Forthecommonprocessofedgedetectionusuallymodelsedgesasintensityridges.Nevertheless,inpracticethisassumptiononlyholdsapproximately,leadingtosomeofthedeficienciesofthesealgorithms.Fuzzyimageprocessingisapowerfultoolformformulationofexpertknowledgeedgeandthecombinationofimpreciseinformationfromdifferentsources.Thedesignedfuzzyrulesareanattractivesolutiontoimprovethequalityofedgesasmuchaspossible.Onepastdrawbackofthistypeofalgorithmwasthattheyrequiredextensivecomputation.Theseresultsallowustoconcludethat:TheimplementedFISsystempresentsgreaterrobustnesstocontrastandlightingvariations,besidesavoidingobtainingdoubleedges.Itisgaveapermanenteffectinthelinessmoothnessandstraightnessforthestraightlinesandforthecurvedlinesitgavegoodroundness.Inthesametimethecornersgetsharperandcanbedefinedeasily.像处理主要力量是中间步骤(隶属度值修改)。当图像数据从灰度平面转成隶属度平面(模糊)，通过模糊技术修改隶属度。这可以是一个模糊聚类，一个基于规则模糊方法，模糊积分方法等[]。B模糊集与模糊隶属函数系统实施考虑了一些情况，模糊化后得到输入图像和输出图像都是位量化；这种方法中，它们灰度水平总是处于到之间。模糊集被创建出来代表每个变量强度；这些集相当于语言学变量“黑”，边和“白”。模糊集对应输入，三角形对应输出，隶属函数因此起作用，如图.图函数模糊隶属度与输入和输出有关图五模糊图像处理步骤该功能被采用去实施“与”和“或”运作，分别是最小和最大功能。推理方法被选择作为去模糊程序，这意味着模糊集是通过应用输入数据每个推理规则得到，而输入数据是通过添加功能加入；系统输出是作为结果隶属函数部分计算出来。输出三个隶属函数值被设计去分离图像中黑，白和边缘值。C推理规则定义推理规则取决于八个相邻灰度像素权重译文二：基于模糊逻辑技术图像上边缘检测[]摘要：模糊技术是经营者为了模拟在数学水平代偿行为过程决策或主观评价而引入。下面介绍经营商已经完成了计算机视觉应用。本文提出了一种基于模糊逻辑推理战略为基础新方法，它被建议使用在没有确定阈值数字图像边缘检测上。这种方法首先将用浮点二进制矩阵将图像分割成几个区域。边缘像素被映射到一个属性值与彼此不同范围。该方法鲁棒性所得到不同拍摄图像将与线性Sobel运算所得到图像相比较。并且该方法给出了直线线条平滑度、平直度和弧形线条良好弧度这些永久效果。同时角位可以更清晰并且可以更容易定义。关键词：模糊逻辑，边缘检测，图像处理，电脑视觉，机械部位，测量.引言在过去几十年里，对计算机视觉系统兴趣，研究和发展已经增长了不少。如今，它们出现在各个生活领域，从停车场，街道和商场各角落监测系统到主要食品生产分类和质量控制系统。因此，引进自动化视觉检测和测量系统是有必要，特别是二维机械对象[,]。部分原因是由于那些每天产生数字图像大幅度增加(比如，从X光片到卫星影像)，并且对于这样图片自动处理有增加需求[,,]。因此，现在许多应用例如对医学图像进行计算机辅助诊断，将遥感图像分割和分类成土地类别(比如，对麦田，非法大麻种植园鉴定，以及对作物生长估计判断)，光学字符识别，闭环控制，基于目录检索多媒体应用，电影产业上图像处理，汽车车牌详细记录鉴定，以及许多工业检测任务(比如，纺织品，钢材，平板玻璃等缺陷检测)。历史上许多数据已经被生成图像，以帮助人们分析(相比较于数字表之类，图像显然容易理解多了)[]。所以这鼓励了数字分析技术在数据处理方面使用。此外，由于人类善于理解图像，基于图像分析法在算法发展上提供了一些帮助(比如，它鼓励几何分析)，并且也有助于非正式确认结果。虽然计算机视觉可以被总结为一个自动(或半自动)分析图像系统，一些变化也是可能[,]。这些图像可以来自超出正常灰度和色彩照片，例如红外光，X射线，以及新一代高光谱[]AbdallahA.Alshennawy,AymanA.Aly.EdgeDetectioninDigitalImagesUsingFuzzyLogicTechniqueJ.WorldAcademyofScience,EngineeringandTechnology,,:-.卫星数据集。其次，许多不同计算技术在计算机视觉系统上已经被采用，如标准优化方法，人工智能搜索策略，退火模拟，遗传算法[,,]。具体线性时间不变过滤器使用是最常见应用到边缘检测问题程序，并且计算量最小。在第一阶滤波器情况下，边缘被解释为两个相邻像素灰度值突然变化。在这种情况下目标是确定图像中第一个派生灰度点，它将起到很大重要性。通过应用新输出图像门槛，边缘在任意方向都可以被检测到。在其他方面，边缘检测滤波器输出是多边形逼近技术输入，多边形逼近技术提取将要被检测特征[]。被确认为具有特殊属性特征点以及像素在图像分析中扮演了一个非常重要角色。特征点包括由著名最优秀边缘发现者PreWitt,Sobel,Marr,andCanny测定边缘像素[:]。最近许多人对由一些运算子产生特征点恢复了兴趣，比如Plessey“角”运算子，或者是Motavec介绍兴趣点运算子[,]。古典算子定义了一个像素作为特征点特殊类。古典算子在图像研究区域是高对比情况下运作良好。事实上，在一些可以将图像通过简单阀值转换成二进制图像区域上，古典算子运作十分良好，如图一所示。同时要明确古典算子不足：古典边缘检测对标记边缘像素效果不佳，就算是明确边缘，也只代表小小灰度跳跃。但往往这样边缘人眼都能清晰可辨。总之，特征点是通过窗口上像素值之间关系来特征化。阈值灰度图二进制图图测量物体灰度和二进制图像输入图像模糊图像模糊推理系统图像去模糊结果图像专家知识库模糊逻辑模糊集理论图二模糊图像处理一般结构最近研究发现可以使用神经模糊功能开发边缘检测，在一个相对较小原型边缘设置上训练之后，再用古典边缘检测在样品图像中进行分类。这项工作是Bezdek等人开创，他们训练一个神经网络去像正规Sobel算子一样给出相同模糊结果。然而，通过笔者和合作者工作已表明训练神经网络去分类脆值是个更有效Bezdek计划变体。神经模糊边缘检测优势甚至超过传统边缘检测。在[,]系统中描述，模糊推理系统输入是通过向原始图像申请高通滤波器，Sobel算子和低通滤波器而获得。然后整个结构转换成对比增强滤波器起作用，另一个问题是，转换成输入类里指定数量部分图像。为数字图像上边缘检测，一种新型基于模糊逻辑推理策略FIS方法已经准备好了，而不是确定阀值或需要训练算法。这种提出方法通过将图像分割成浮动*二进制区域开始。一个直接模糊推理系统测绘一个从浮动矩阵上得到不同值范围来检测边缘。A模糊图像处理模糊图像处理是所有方法集合，包括理解，描绘或处理作为模糊集段或特征图像。描绘或处理取决于选定模糊技术或需要解决问题。模糊图像处理有三个主要阶段：图像模糊化，隶属度值修改，以及必要是图像去模糊化，如图所示。模糊化和去模糊化步骤归咎于我们不具备硬件模糊。因此，图像数据编码(模糊)和对结果解码(去模糊化)使通过模糊技术处理图像变为可能。模糊图像处理主要力量是中间步骤(隶属度值修改)。当图像数据从灰度平面转换成隶属度平面(模糊)，通过模糊技术修改隶属度。这可以是一个模糊聚类，一个基于规则模糊方法，模糊积分方法等[]。B模糊集与模糊隶属函数系统实施考虑了一些情况，模糊化后得到输入图像和输出图像都是位量化；这种方法中，它们灰度水平总是处于到之间。模糊集被创建出来代表每个变量强度；这些集相当于语言学变量“黑”，边和“白”。模糊集对应输入，三角形对应输出，隶属函数因此起作用，如图.图函数模糊隶属度与输入和输出有关图五模糊图像处理步骤该功能被采用去实施“与”和“或”运作，分别是最小和最大功能。推理方法被选择作为去模糊程序，这意味着模糊集是通过应用输入数据每个推理规则得到，而输入数据是通过添加功能加入；系统输出是作为结果隶属函数部分计算出来。输出三个隶属函数值被设计去分离图像中黑，白和边缘值。C推理规则定义推理规则取决于八个相邻灰度像素权重，是否相邻权重是黑色或白色。这些规则强大之处是能直接提取处理图像中所有边缘。本研究是通过研究每个像素每个邻居来测定处理图像中所有像素。每个像素条件取决于使用浮点伪装时可以扫描所有灰度。在这个位置，一些需要规则被解释。如果灰色在一行中代表黑色，并且残余灰色是白，然后检测过像素是边(图-a)，那么前四个规则处理伪装中被选中或中心像素垂直和水平方向灰度值。第二个四规则处理八邻居也取决于灰度权重值，如果四个连续像素权重是黑并且剩下四邻居是白，那么中心像素代表边缘(图-b)。介绍了规则和另一组规则是用来检测边缘，白和黑像素。剩下图像有助于轮廓，黑色和白色区域。从模糊结构边得知，输入灰度是介于-灰度强度之间，并且根据所需规则，灰度被转换为隶属函数值，如图所示。根据去模糊化得到FIS输出被呈现介于-之间。然后黑，白和边缘被检测出来。从这次研究中检测图像经验中，被得到最好结果是黑介于-，并且白权重介于-。三．实验该系统通过不同图像来进行测试，它性能被拿来与Sobel算子和FIS方法进行比较。当图像中提取边如图所示，我们使用这幅图像作为古典Sobel算子和FIS方法对比模型，我们调整与启动顺序相关模糊规则来取得更好结果。原始图像显示在图部分上。基于Sobel算子边缘检测使用MATLAB上处理工具箱，如b部分所示。图片中白色像素表明边缘，从而将保持平滑。显然，边缘图像上还留有一些噪音，并且有一些边缘已损坏。运用图像上新FIS来检测它边，结果发现，修改后边缘图片有更少噪音和更少损坏，如图-c所示。为了分割任务，一个薄边缘更好，因为我们只想要保持边缘而不是附近细节。边缘图值是正常间隔或来代表急躁隶属度值。原始捕捉图像显示在图-a。我们观察，在b部分，在图像二进制值里阀值自动估计Sobel算子不允许边缘在低对比度区域被检测。在两边产生结果被发现(双边缘)在b部分左边。反过来，FIS系统甚至允许在低对比度区域检测边缘，如c部分说明。这是由于在不同对比度区域，模糊规则所给出不同待遇，并且为了避免包括不属于连续线上输出图像像素，该规则被制定。图-a测试三角边原始捕获图像图-b使用经典算子检测出来边缘图-c用模糊推理规则检测提取出来边在图中，测量对象一个合成图像和它边缘分离成黑色，如a部分所示。当Sobel算子被应用于这一图像，一个断开边缘出现在左边。模糊规则采用被专门设立用来避免获取单边图像双边缘结果，然而FIS系统被应用于相同图像(c)。它给出了线上永久流畅度和直线性。为了表现出边缘检测上性能优化，图通过齿轮不同灰度图像来显示。我们模糊技术产生结果图像似乎在平坦地区更加平滑并且噪音更低，并且紧张地区比用传统Sobel算子得来更加尖锐。图-a为检测圆形和矩形图-b使用经典算子得出边边而拍摄原始图像图-c：通过FIS系统得到边缘图-c：为测试        译文二：1基于模糊逻辑技术图像上边缘检测[2]摘要：模糊技术是经营者为了模拟在数学水平的代偿行为过程的决策或主观评价而引入的。
        下面介绍经营商已经完成了的计算机视觉应用。
        本文提出了一种基于模糊逻辑推理战略为基础的新方法，它被建议使用在没有确定阈值的数字图像边缘检测上。
        这种方法首先将用33的浮点二进制矩阵将图像分割成几个区域。
   &nb