毕业论文_数字图像边缘检测算法研究文档27页优秀范文 ㊣ 精品文档 值得下载

第章绪论图像处理的意义边缘检测边缘检测的意义图像边缘检测方法的研究现状数字图像及数字图像处理第二章数字图像边缘检测的基本理论图像边缘及检测的发展图像边缘概述边缘检测及其发展数字图像边缘的分类数字图像边缘检测方法的基本步骤第三章典型边缘检测算子的分析和实现差分和图像灰度定义差分边缘检测算子算子算子算子算子算子第四章边缘检测算子在苹果虫害叶片中的应用虫害叶片特征虫害叶片边缘检测的意义边缘检测对图像的实现结论第五章结束语参考文献致谢邓晓勇数字图像边缘检测算法研究数字图像边缘检测算法研究邓晓勇甘肃农业大学信息科学技术学院信管班摘要图像边缘包含了图像的位置轮廓等特征，是图像的基本特征之，常被用于较高层次的特征描述图像分割图像增强图像复原模式识别图像压缩等分析和处理中，以便对图像进行进步的分析和理解。

本文比较详细的研究了基于微分理论的几种传统的和新兴的边缘检测方法，最终研究的结果是准确的检测出了图像的边缘，通过在虫害叶片中的仿真应用，总结出了各种典型算法存在的优缺点和各方面的性能，为进步研究积累了经验。

关键词边缘检测，算子，算子，算子，算子，比较邓晓勇数字图像边缘检测算法研究引言计算机视觉包括两部分低层视觉和高层视觉。

低层视觉即为图像处理，包括图像增强噪声滤除和边缘检测等部分高层视觉包括图像分析和图像理解，主要是模拟人类对图像信息的认知和决策能力。

图像信息量巨大，而边缘信息是图像的种紧描述，是图像最基本的特征，所包含的也是图像中用于识别的有用信息。

所谓边缘或边沿是指其周围像素灰度有阶跃变化或屋顶变化的像素的集合。

它以不连续性的形式出现，通常用方向和幅度描述图像的特性。

般来讲，沿边缘走向的像素变换平缓，而垂直于边缘走向的像素变化剧烈。

基于边缘检测的基本思想是先检测图像中的边缘点，再按定策略连接成轮廓，从而构成边缘图像。

传统的边缘检测方法基于空间运算，借助空域微分算子进行，通过将算子模板与图像进行卷积合成，根据模板的大小和元素值的不同有不同的微分算子，如算子算子算子算子等，这些空域边缘算子对噪声都比较敏感，且常常会在检测边缘的同时加强噪声。

随着边缘检测被应用到各个领域，对检测算子的评价也成了目前研究热点。

邓晓勇数字图像边缘检测算法研究第章绪论图像处理的意义数字图像处理技术起源于世纪年代，当时通过海底电缆从英国伦敦到美国纽约传输了幅照片，它采用了数字压缩的技术。

在年，美国的喷气推进实验室处理了太空船徘徊者七号发回的月球照片，这标志着第三代计算机问世后数字图像处理的概念开始得到了应用。

同许多交叉学科样，图像处理涉及了光学电子学数学摄影技术计算机技术等学科，广泛的应用于商业工业医学军事遥感等领域。

当今，数字图像处理指将幅图像变为另幅经过修改改进的图像。

数字图像处理随着计算机科学的发展形成了诸如，图像分割图像增强图像复原模式识别图像压缩图像传输等分支。

通过分析和处理，可以加深我们对图像的理解，并从图像中获得更多的有用信息。

因此，图像处理在人们的生活中起着日益重要的不可替代的作用。

边缘检测边缘检测的意义在数字图像处理以及物体的识别计算机视觉人工智能生物医学遥感气象预测等诸多领域中，图像的特征提取有着举足轻重的作用。

计算机视觉处理可以看作是为了实现任务，从包含大量的不相关的变量中抽取不变的量，总之就是简化信息。

这就意味着要扔掉些不必要的信息而尽可能利用物体的不变性质。

而边缘就是最重要的不变性质。

光线的变化显著地影响了个区域的外观，但是不会改变它的边缘。

最重要的是人的视觉系统也是对边缘是最敏感的，因此，边缘检测是图像处理中的重要内容，边缘是图像的最基本特征。

图像边缘检测涉及图像中研究对象的特征提取，即怎样识别图像中物体的轮廓，它已经成为众多学者研究的重点和热点。

其间的众多结果己经得的到了广泛的应用。

在如此众多的方法中，边缘图法已经成为了主流的方法。

边缘图法主要实现物体的边缘提取，即测定各像素点和其直接邻接像素点的状态以确定该点是否在边缘上。

判定为边缘点就做出标记，当各点的灰度值符合边缘像素点的灰度值要求时，这些点构成的图像称为边缘图。

但是随着计算机硬件技术的不断发展，显示器的分辨率越来越高，必然引起边缘灰度变化带的减小，从而使得传统方法在边缘检测上出现了定的困难。

另外，传统的边缘检测算法对噪声的考虑不够全面，因此，边缘检测算法的研究成了图像处理领域中的个难点和热点。

研究出种既能准确的检测出图像的边缘，又能很好的抑制噪声的算法，成为当前图像处理领域中的首要问题。

邓晓勇数字图像边缘检测算法研究为什么要对图像进行边缘检测呢这个问题根据不同的要求和目的会有不同的回答。

在图像分割领域，人们往往仅对图像中的些部分感兴趣。

这些部分常称为目标和前景其它部分为背景，它们般对应图像中特定的具有独特性质的区域。

为了辨识和分析图像中的目标，需要将它们从图像中分离提取出来，在此基础上才有可能进步对目标进行测量和对图像进行利用，通常利用边缘检测的方法可以达到这个目的。

在图像检索领域，边缘检测可以用来确定场景中的目标物体，进而可以用在视频图像处理中，或者用于基于内容的图像检索。

此外，边缘在模式识别机器视图等中有很重要的应用。

边缘是边界检测的重要基础，也是外形检测的基础。

边缘广泛存在于物体与背景之间物体和物体之间，基元与基元之间，因此它也是图像分割所依赖的重要特征。

边缘检测对于物体的识别也是很重要的。

主要有以下几个理由。

首先，人眼通过追踪未知物体的轮廓轮廓是由段段的边缘片段组成的而扫视个未知的物体。

第二，经验告诉人们如果人们能成功地得到图像的边缘，那么图像分析就会大大简化，图像识别就会容易得多。

第三，很多图像没有具体的物体，对这些图像的理解取决于它们的纹理性质，而提取这些纹理性质与边缘检测有着及其密切的关系。

图像的边缘可从广义和狭义两个方面来理解。

广义上讲，边缘检测指在幅有个或多个物体的场景图中寻找其涉及的三维边界，如物体边界，阴影边界，表面突变点等等。

通常我们通过确定点的灰度，色度等来分辨图像中物体的边界。

狭义上讲，边缘检测是寻找并定位灰度值不连续点的过程。

无论怎样定义其技术大致分为两阶段，特征提取和边界确定。

首要的是找出图像的基本特征，而图像边缘是图像的重要特征。

边缘点角点纹理特征等等组成了图像的基本图元。

边缘点也称为图像信号的奇异点或突变点，存在于图像的不规则或不平稳的结构中，包含了图像的大量信息，这些突变点构成了图像的边缘图。

但是由于机器或技术等原因，图像中总存在和边缘点频率相近的噪声，使得提取的图像边缘总存在伪检测和漏检测，以及检测出来的边缘图不是单像素宽的情况。

如何提高边缘检测的精度，使得边缘检测算法具有更高的信噪比成为图像处理中的难题。

由于好的边缘检测算法对于进行更高层次的分析理解图像起着非常重要的作用。

因此，学者们直致力于研究如何构造出具有良好信噪比和边缘检测结果的算法。

图像边缘检测方法的研究现状边缘检测就是要检测出图像中灰度值非连续的像素点，并且确定它们在图像中的准确位置。

边缘提取是图像分析过程中必不可少的，后面的处理都要依靠它提供的信息来完成。

邓晓勇数字图像边缘检测算法研究边缘提取的好坏将直接影响到后续处理的准确性和难易程度。

由于自然景物和人类世界的复杂性，以及各种噪声源的干扰，使得图像非常复杂，想要检测出实际的边缘轮廓就变得十分困难，但在这种情况下也形成了许多边缘检测算法。

下面对这些算法进行分类介绍。

微分算子法这类方法主要从边缘点往往对应于阶微分幅值大的点，同时也对应于二阶微分的零交叉点出发，设计些阶或二阶微分算子，求得其梯度或二阶导数过零点，再选择定的阈值提取图像的边界。

例如，罗伯茨算子索贝尔算子普鲁伊特算子拉普拉斯算子等。

另外还有基于曲面拟合的各种边缘检测算法，它们的基本思想是用个平滑的曲面与待测点周围邻域内像素的灰度值进行拟合，然后计算此曲面的阶或二阶导数。

最优算子法这类方法的目的是根据信噪比求得检测边缘的最优滤波器。

马尔希尔德雷斯算子是和应用高斯函数先对图像进行平滑，然后采用拉普拉斯算子根据二阶导数过零点来检测边缘，也称为算子。

算子与视觉生理中的数学模型相容，从而在计算机视觉与视觉生理研究之间建立了联系，在机器视觉研究领域得到了广泛的应用。

另种方法是局部曲面最小二乘拟合法来考虑，其基本思想是根据最小二乘法，把图像的局部区域近似表示为组基函数的线性组合，从而达到消除噪声的效果。

从边缘检测算子的信噪比准则定位精度准则单边缘响应准则出发，提出了坎尼算子，用它来检测受高斯白噪声影响的阶跃型边缘有比较好的效果，这使得该算法应用的很广。

多尺度方法多尺度方法是随着多分辨率和小波理论的出现而逐渐发展起来的。

窗口大小或尺度的自动调整是很难的，而应用多个尺度可以对此问题给出个比较满意的解决。

多尺度信号处理的目的不仅是为了辨识出信号中的重要特征，而且能以不同细节程度来构造对信号的描述，在高层次视觉处理任务中多尺度方法有着重要的作用，是种新兴的边缘检测方法。

基于自适应平滑滤波的边缘检测方法基于自适应平滑滤波的边缘检测方法的基本思想是利用个通用算子对信号进行平滑，该算子能使其本身与信号的局部结构相适应。

利维等人提出的种加权模板算法，邓晓勇数字图像边缘检测算法研究其系数是根据窗口的中心点及其邻近点的灰度平均值来确定。

还有种方法是选择具有与中心点灰度值最接近的邻近点，利用这些邻近点灰度值的平均值取代中心点值。

种更复杂的方法是根据每点的邻域的局部统计性质来确定模板的系数。

吉曼提出利用模拟退火进行边缘检测的方法就属于自适应边缘检测方法。

自适应方法是检测效果很好的种边缘检测算法。

松弛迭代方法松弛迭代法是学者从边界增强的角度出发提出来的。

这种方法分为三步，图像的平滑边缘的获取松弛迭代。

它使用边缘点的位置梯度矢