1、“.....中值滤波效果很好。简单边缘检测算子由于边缘是图像上灰度变化比较剧烈的地方，在灰度突变处进行微分，将产生高值，因此在数学上可用灰度的导数来表示变化。最早的边缘检测方法都是基于像素的数值导数的，在数字图像中应用差分代替导数。边缘检测可借助空域微分算子卷积完成。,,,上式可见，导数运算简单易行，但有方向性，只适用于种方向上的边缘。梯度算子梯度对应着阶导数，梯度是图像处理中最为常用的次微分方法。对于个连续函数它在位置,的梯度可表示为个矢量......”。

2、“.....以上三式中的偏导数需要对每个像素计算，实际应用时常用小区域模板卷积来近似计算。对各用个模板，两个模板组合起来以构成个梯度算子。在图像边缘检测中，还经常用到梯度算子和算子检测边缘。算子采用的是对角方向相邻两像素之差，即,,梯度是以,为中心的，在这个中心点上连续梯度的近似。从效果上看用该算子检测边缘较好。梯度算子实现做加权平均，然后再微分，即,......”。

3、“.....是有两个的模板组成，算子是由两个的模板组成，如图所示。算子算子图常用梯度模板四川理工学院本科毕业设计论文拉普拉斯算子拉普拉斯算子是种不依赖于边缘方向的二阶微分算子，它是标量而不是矢量，而且具有旋转不变即各向同性的性质，在图像处理中经常被用来提取图像的边缘，表达式数字图像的近似式为函数的拉普拉斯变换也可借助各种模板来实现。模板的基本要求是对应中心像素的系数为正，对应中心像素临近像素的值为负，且他们的和应为。模板如图所示......”。

4、“.....所以对图像中的噪声相当敏感。另外它常产生双像素的边缘，而且也不能检测边缘方向的信息。由于上述原因，拉普拉斯算子很少直接用于检测边缘，而主要是用于已知边缘像素后确定该像素是在图像的暗区或明区边。边缘检测方法存在较大噪声的场合，由于微分运算会起到放大噪声的作用，因此，梯度算子和拉普拉斯算子对噪声比较敏感。这种改进的方法实现对噪声的平滑，以抑制噪声，然后再进行微分或者，先对图像进行局部线性拟合，然后再用拟合所得的光滑函数的导数来替代直接的数值导数。这里介绍边缘检测是用前种第章车牌图像的边缘检测方法......”。

5、“.....但是实际实现时却碰到很大困难，其根本原因是，实际信号都是有噪声的。当用阶导数最大值或二阶导数过零点的方法检测边缘点，检测出来的都是噪声引起的假的边缘点，这是因为噪声般是高频信号，在噪声的前沿或后沿，噪声信号的导数般要高于边缘点处信号的导数。解决这难题的办法是先对信号进行平滑滤波，以滤去噪声。如平滑滤波器的冲激响应函数表示，可对信号先滤波，滤波后的信号为表示卷积运算，然后再对求阶或二阶导数以检测边缘点。由于滤波运算与卷积运算次序有以下互换关系可以将先平滑后微分的两部分运算合并......”。

6、“.....因此，边缘检测的基本方法是设计个平滑滤波器，检测的局部最大值或的过零点。边缘检测算法就是先用高斯函数进行平滑，然后采用拉普拉斯算子来检测边缘，这样可以减少计算量。设,是原图像，,是平滑后的图像，是高斯函数，即检测边缘用二阶导数即拉普拉斯算子其中为滤波器，就是所提出的边缘检测算子。本章介绍的几种边缘检测中，前边两种边缘检测算法都属于阶微分方法，他们都通过计算图像的梯度值来增强图像，通过对梯度按阈值取舍的方法检测边缘的。而算子是用差分运算代替微分运算......”。

7、“.....但是容易丢失些边缘。而算子是根据所用算子尺度的不同可以得到图像在不同分辨率上的描述，其结构复杂，不容易实现。因此我们提出种也属于高斯函数阶微分的算子，它能在噪声抑制和边缘检测之间取得较好的平衡，并能产生较细的边缘效果。且计算简单，容易实现，速度快等优点。第章边缘检测算法应用及仿真第章边缘检测算法应用及仿真坎尼边缘检测坎尼边缘检测法是高斯函数的阶微分,它能在噪声抑制和边缘检测之间取得较好的平衡。算法步骤用高斯滤波器来对图像滤波,以去除图像中的噪声对每个像素,计算其梯度的大小和方向......”。

8、“.....各个区有不同的邻近像素用来进行比较,以决定局部极大值。这个区及其相应的比较方向如图所示图非极大印制比较方向模板例如,如果中心像素的梯度方向属于第区,则把的梯度值与它的左上和右下相邻像素的梯度值比较,看的梯度值是否是局部极大值。如果不是,四川理工学院本科毕业设计论文就把像素的灰度设为。这个过程叫作非极大抑制。对梯度取两次阈值用两个阈值和,。我们把梯度值小于的像素的灰度设为,得图。然后我们把梯度值小于的像素的灰度设为,得到图。由于图的阈值较高......”。

9、“.....而图的阈值较低,保留了较多信息。因此我们可以以图为基础,以图为补充来连接图像的边缘。边缘连接扫描图,当我们遇到个非零灰度的像素时,跟踪以为开始点的轮廓线,直到该轮廓线的终点。在图中,考察与图中点位置对应的点的邻近区域。如果在点的邻近区域中有非零像素存在,则将其包括到图中,作为点。从开始,重复第步,直到我们在图和图中都无法继续为止。我们已经结束了对包含的轮廓线的连接,将这条轮廓标记为已访问过。回到第步,，,徐慧数字图像实用工程案例精选北京人民邮电出版社，章毓晋图象工程上册图象处理和分析第版北京清华大学出版社，四川理工学院本科毕业设计论文袁晓辉,李久贤......”。