，算子增强图像的边缘部分，然后通过设置阈值确定了边缘强度的像素和提取的边缘点。但由于存在噪声和图像模糊等原因，检测的边缘可能产生中断。因此，边缘检测包含以下两个部分使用边缘检测算子提取边缘点删除些边缘点并对边缘点进行补充，进行曲线拟合得到条完整的边界。般常用的边缘检测算子有微分算子算子算子和二值形态学算子等。微分算子微分算子可以突出边缘灰度的变化。运用导数算子对些灰灰度变化较大的点进行运算。通过设定阈值，把这些微分值视为边缘强度采集点。阶导数是最简单的微分算子。假设图像是函数微分算子是阶偏导数，他们代表和的灰度变化率方向。灰度变化率的方向如方程所示在连续的情况下，微分函数为，微分函数，的方向导数在时刻有最大值，这点的方向是，方向导数最大为这矢量的方向和模量称为梯度函数，即因此，算子的梯度模板方程如方程所示对于数字图像，梯度模板算子如方程所示微分算子主要包括和算子。罗伯茨算子罗伯茨算子是种利用微分算子寻找边缘的最简单的算子，它对具有陡峭边缘且含噪声少的图像处理效果是最好的。但使用罗伯茨算子提取图像的边界是很粗糙的，边缘的定位不是很准确。罗伯茨算子的定义是但在实际中绝对偏差算法通常采用方程的简化形式，如方程和。罗伯茨算子的模板如图所示图罗伯茨算子和算子在边缘检测时为了降低噪声的影响，边缘检测算子模板由增加到。使用算子不仅可以检测边缘点，也可以抑制噪声。算子具有和算子类似的功能，算子在边缘检测的应用中更广泛。假设像素数量在子域的图像如下我们定义和，那么算子如下算子的模板如图所示图算子算子可以处理图像噪声和灰度梯度。我们定义和，那么算子如下所示算子的模板如图所示图算子原始图像和用算子检测边缘后的图像，用仿真后的结果如图和图所示。图原始图像图边缘检测算子图从模拟绘制的图中我们可以知道，边缘的位置非常准确。算子边缘检测的效果是令人满意的。总之，和算子有较好的效果，例如图像灰度的逐步改变。算子算子是线性时不变的算子，它通过检测二阶微分系数为零的灰度点来检测边缘点。对于连续函数，算子在点，的定义为算子是对图像过滤和计数微分处理的过程。它利用卷积循环对称模板确定过滤器的零重叠位置输出。算子的模板如图图算子在算子的检测过程中，首先利用高斯函数对图像做平滑滤波处理，然后利用算子检测图像的边缘。最后进行二值化处理，连接边缘点。但利用算子检测边缘通常会出现虚假边缘。因此，算子通常用来判断图像明暗边界的边缘像素。算子算子是种新的边缘检测算子。它具有非常好的边缘检测性能，且应用很广泛。算子边缘检测是寻找图像梯度的局部极大值。梯度是高斯滤波器的导数。算子使用双阈值算法来分别检测强边缘和弱边缘。在强边缘与弱边缘相连时，弱边缘将包含在输出值里。算子的理论基础如方程至所示高斯函数正常边缘边缘增强最大增强对二维图像，算子可以产生边界梯度的方向和强度两个信息。算子实际上是对图像分别使用不同的模板做卷积，然后采取主要的方向。从定位准确性的角度来看，算子优于其他算子。这种方法不容易受到噪声的影响，在噪声抑制和边缘检测间得到较好的折中。它可以检测到真正的微弱边缘。二值形态学数学形态学是种适用于图像处理的新方法。基本思想是用个结构元素作为基本工具来探测和提取图像特征。因此可以完成图像的处理与分析。利用数学形态学进行边缘检测比使用微分检测效果更好，它不像微分算法对噪声那样敏感，同时，提取的边缘也比较平滑。二值图像也被称为黑白图像。可以很容易地确定物体的图像背景。因此，我们采取的结合二值图像和数学形态学来检测边缘。这就是所谓二值形态学。假设该区域显示形状设为，它的边缘为。是个适当的结构元素，它关于原点对称。首先，我们用结构元素腐蚀，记做，在这是沿向量对的翻转。内部区域用表示，并且是自然边缘，然后可以求出。提取边缘的方程记做。构建的结构元素越大，获得的边缘越宽阔。模拟结果分析为了比较这些边缘检测算子的优缺点，我们分别利用不同的算子来检测边缘，模拟结果显示在图和图。原始图像二值图像边缘提取图基于二值形态学的边缘检测原始图像罗伯茨算子算子算子坎尼算子算子图几种边缘检测算子比较从仿真结果可以得出结论用算子和二值形态学方法检测的边缘效果都比较好。因此，这两种方法都可以使用。但根据测量误差的要求，我们最终选择二值形态学的方法。四边界跟踪虽然在边缘检测之前已经进行了图像去噪，但是当进行边缘检测时仍会引入噪声。当噪声存在时，使用导数算法来检测图像的边缘，通常会产生边界不连续的现象。在这种情况下，我们需要连接边缘像素。因此，我们将介绍种通过像素梯度的大小和方向进行边缘跟踪的方法。基本思想是连接边缘的像素有定的相似性。利用梯度算法来处理图像可以得到两方面的信息。种是大小梯度，另种是方向梯度。通过在这两个方面边缘梯度像素的相似性，边缘像素是可以连接的。具体地讲，如果像素，是像素，的相邻区域，梯度大小和梯度方向必须满足和两个条件，那么像素，和像素，可以连接。如果所有的边缘像素连接起来，将得到闭合的边界。其中是幅度阈值，是角度阈值。五结论这些边缘检测算子在边缘明显和低噪声的情况下，有较好的边缘检测效果。但实际采集的图像中存在大量噪声，许多噪声被检测为边缘。为了解决这个问题，本文中用小波变换来降噪。如果这些模拟图像再次通过边缘细化和跟踪处理，其效果会更好。虽然在图像边缘检测领域中有多种边缘检测方法，但总是存在些缺点。例如，抑制噪声和保持图像细节不能同时达到最佳效果。因此，如果根据特定的实际情况选择合适的边缘检测算子，我们将获得满意的结果。致谢首先我要感谢四年来教育我的每个任课老师，你们的热心指导和严谨的教学，让我在四年种的学习生涯中收获多多，没有你们我不可能完成毕业设计。你们不仅教给我学习上的知识还教给我了做人的道理，感谢学院对我四年来的栽培，学院良好的学习环境深深的影响了我，让我从中体会到知识的力量。其次我要感谢我的指导老师沈满德老师，在这个将近五个多月的毕业论文设计中，老师给了我无数次的帮助和鼓励。严谨的治学态度，精益求精的工作作风，诲人不倦的高尚师德，严以律己宽以待人的人格魅力对我影响深远。不仅使我树立了远大的学术目标掌握了基本的研究方法，还使我明白了许多待人接物与为人处世的道理。本文是在沈老师的悉心指导下完成的，从实习的开始沈老师就总是会在百忙之中抽出空来为我在论文的疑难问题上进行解答，不管是从开始的论文方向和初步的题目形成，再到初稿的成形，和最后论文的形成，沈老师给我做了数次的审查，并指出其中的不足之处，在此，谨向沈老师表示最崇高的敬意和衷心的感谢,最后，感谢各位老师在百忙之中抽出时间来评审我的毕业设计,谢谢你们,，，