圖像邊緣檢測(cè)課設(shè)

1、 通信工程課程設(shè)計(jì)題 目 圖像邊緣檢測(cè)算法研究與仿真 學(xué)生姓名 學(xué)號(hào) 所在院(系) 陜西理工學(xué)院物理與電信工程學(xué)院 專業(yè)班級(jí) 通 信 工 程 專 業(yè) 110 1 班 指導(dǎo)教師 候 寶 生 完成地點(diǎn) 陜西理工學(xué)院物理與電信工程學(xué)院實(shí)驗(yàn)室2014年 12 月 13 日目錄一 摘要3二 前言4三 邊緣檢測(cè)于算子53.1邊緣檢測(cè)的定義53.2圖像邊緣檢測(cè)算法的研究?jī)?nèi)容6四 邊緣檢測(cè)算子94.1 Sobel算子94.2 Canny算子11五 設(shè)計(jì)過程155.1 Roberts 算子155.2 Prewitt 算子165.3 Sobel算子175.4 Canny算子185.5 Log算子19六 結(jié)果分析2

2、0七 心得體會(huì)22一 摘要【摘要】邊緣是圖像最基本的特征，包含圖像中用于識(shí)別的有用信息，邊緣檢測(cè)是數(shù)字圖像處理中基礎(chǔ)而重要的內(nèi)容。該課程設(shè)計(jì)具體考察了五種最常用的邊緣檢測(cè)算子并運(yùn)用MATLAB進(jìn)行圖像處理比較。梯度算子簡(jiǎn)單有效，LOG算法和canny邊緣檢測(cè)器能產(chǎn)生較細(xì)的邊緣。 關(guān)鍵詞：MATLAB、邊緣檢測(cè)、圖像處理二 前言在實(shí)際圖像邊緣檢測(cè)問題中，圖像的邊緣作為圖像的一種基本特征，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中去。它在圖像識(shí)別，圖像分割，圖像增強(qiáng)以及圖像壓縮等的領(lǐng)域中有較為廣泛的應(yīng)用，也是它們的基礎(chǔ)。圖像邊緣是圖像最基本的特征之一，往往攜帶著一幅圖像的大部分信息。而邊緣存在于圖像的不規(guī)則

3、結(jié)構(gòu)和不平穩(wěn)現(xiàn)象中，也即存在于信號(hào)的突變點(diǎn)處，這些點(diǎn)給出了圖像輪廓的位置，這些輪廓常常是我們?cè)趫D像邊緣檢測(cè)時(shí)所需要的非常重要的一些特征條件，這就需要我們對(duì)一幅圖像檢測(cè)并提取出它的邊緣。而邊緣檢測(cè)算法則是圖像邊緣檢測(cè)問題中經(jīng)典技術(shù)難題之一，它的解決對(duì)于我們進(jìn)行高層次的特征描述、識(shí)別和理解等有著重大的影響；又由于邊緣檢測(cè)在許多方面都有著非常重要的使用價(jià)值，所以人們一直在致力于研究和解決如何構(gòu)造出具有良好性質(zhì)及好的效果的邊緣檢測(cè)算子的問題。該課程設(shè)計(jì)具體考察了兩種最常用的邊緣檢測(cè)算子并運(yùn)用MATLAB進(jìn)行圖像處理比較。三 邊緣檢測(cè)于算子3.1邊緣檢測(cè)的定義圖像邊緣是圖像最基本的特征，邊緣在圖像分析中

4、起著重要的用。所謂邊緣（edge）是指圖像局部特征的不連續(xù)性。灰度或結(jié)構(gòu)信息的突變稱為邊緣，例如：灰度級(jí)的突變、顏色的突變、紋理結(jié)的突變。邊緣是一個(gè)區(qū)域的結(jié)束，也是另一個(gè)區(qū)域的開始，利用該征可以分割圖像。 當(dāng)人們看一個(gè)有邊緣 的物體時(shí)，首先感覺到的便是邊緣，如一條理想的邊緣應(yīng)該具有如圖2.1(a) 所示模型的特性。每個(gè)像素都處在灰度級(jí)躍變的一個(gè)垂直的臺(tái)階上（例如圖形中所示的水平線通過圖像的灰度剖面圖）。 而實(shí)際上，諸如圖像采集系統(tǒng)的性能、采樣頻率和獲得圖像的照明條件等因素的影響，得到的邊緣往往是模糊的，邊緣被模擬成具有“斜坡面”的剖面，如圖2.1(b) 所示，在這個(gè)模型中不再有細(xì)線（寬為一個(gè)像

5、素的線條），而是出現(xiàn)了邊緣的點(diǎn)包含斜坡中任意點(diǎn)的情況。由此可以看到：模糊的邊緣使邊緣的“寬度”較大，面清晰的邊緣使邊緣的寬度較小。圖像的邊緣有方向的幅度兩個(gè)屬性，沿邊緣方向像素變化平緩，垂直于邊緣方向像素變化劇烈。邊緣上的這種變化可以用微分算子檢測(cè)出來(lái)，通常用一階導(dǎo)數(shù)或二階導(dǎo)數(shù)來(lái)檢測(cè)邊緣，不同的是一階導(dǎo)數(shù)認(rèn)為最大值對(duì)應(yīng)邊緣位置，而二階導(dǎo)數(shù)以過零點(diǎn)對(duì)應(yīng)邊緣位置。實(shí)際上，對(duì)于圖像中的任意方向上的邊緣都可以進(jìn)行類似的分析。圖像邊緣檢測(cè)中對(duì)任意點(diǎn)的一階導(dǎo)數(shù)可以利用該點(diǎn)梯度的幅度來(lái)獲得，二階導(dǎo)數(shù)可以用拉普拉斯算子得到。 3.2圖像邊緣檢測(cè)算法的研究?jī)?nèi)容圖像邊緣檢測(cè)和分析可定義為應(yīng)用一系列方法獲取、校正、

6、增強(qiáng)、變換、檢測(cè)或壓縮可視圖像的技術(shù)。其目的是提高信息的相對(duì)質(zhì)量，以便提取有用信息。圖像邊緣檢測(cè)中的變換屬于圖像輸入-圖像輸出模式，圖像邊緣檢測(cè)是一種超越具體應(yīng)用的過程，任何為解決某一特殊問題而開發(fā)的圖像邊緣檢測(cè)新技術(shù)或新方法，幾乎肯定都能找到其他完全不同的應(yīng)用領(lǐng)域。圖像邊緣檢測(cè)的主要研究?jī)?nèi)容包括：（1） 圖像獲得和抽樣，其中通過人眼觀察的視野獲取圖像的問題有：最常用的圖像獲取裝置電視（TV）攝像機(jī)問題，對(duì)所獲得信號(hào)進(jìn)行獨(dú)立的采樣和數(shù)字化就可用數(shù)字形式表達(dá)景物中全部彩色內(nèi)容；電荷-耦合裝置，用作圖像傳感器，對(duì)景物每次掃描一行，或通過平行掃描獲得圖像；選擇正確的分辨力或采樣密度，一幅圖像實(shí)質(zhì)上是

7、二維空間中的信號(hào)，所以適用于信號(hào)處理的法則同樣適用于圖像邊緣檢測(cè)，在放射學(xué)中常常需要高分辨力，要求圖像至少達(dá)到2048像素2048像素；灰度量化，圖像強(qiáng)度也必須進(jìn)行數(shù)字化，通常以256級(jí)（按1字節(jié)編碼）覆蓋整個(gè)灰度，一般一幅灰度分辨力為8位，空間分辨力為512像素512像素的圖像需0.25兆字節(jié)的存貯容量。（2） 圖像分割，目的是把一個(gè)圖像分解成它的構(gòu)成成分，以便對(duì)每一目標(biāo)進(jìn)行測(cè)量。圖像分割是一個(gè)十分困難的過程。但其測(cè)量結(jié)果的質(zhì)量卻極大地依賴于圖像分割的質(zhì)量。有兩類不同的圖像分割方法。一種方法是假設(shè)圖像各成分的強(qiáng)度值是均勻的并利用這種均勻性；另一種方法尋找圖像成分之間的邊界，因而是利用圖像的不

8、均勻性。主要有直方圖分割，區(qū)域生長(zhǎng)，梯度法等。（3） 邊界查索，用于檢測(cè)圖像中線狀局部結(jié)構(gòu)，通常是作為圖像分割的一個(gè)預(yù)處理步驟。大多數(shù)圖像邊緣檢測(cè)技術(shù)應(yīng)用某種形式的梯度算子，可應(yīng)用對(duì)水平方向、垂直方向或?qū)蔷€方向的梯度敏感的梯度算子，用它們的復(fù)合結(jié)果可檢測(cè)任意方向的邊界。（4） 圖像增強(qiáng)和復(fù)原，用于改進(jìn)圖像的質(zhì)量。不同的增強(qiáng)技術(shù)可以用于不同的目的，這取決于應(yīng)用的類型。如果打算直接觀察圖像，可以增強(qiáng)對(duì)比度。如果是為了進(jìn)一步對(duì)圖像作數(shù)字處理，可以選擇分割（一種突出各圖像成分之間的邊界和線狀結(jié)構(gòu)的運(yùn)算）。該技術(shù)可以是整體的或局部的，也可以在某個(gè)頻域或者空間域中進(jìn)行。圖像增強(qiáng)和復(fù)原的目的是為了提高圖像

9、的質(zhì)量，如去除噪聲，提高圖像的清晰度等。圖像增強(qiáng)不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。（5） 圖像分類（識(shí)別）， 圖像分類（識(shí)別）屬于模式識(shí)別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理（增強(qiáng)、復(fù)原、壓縮）后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分類。圖像分類常采用經(jīng)典的模式識(shí)別方法，有統(tǒng)計(jì)模式分類和句法（結(jié)構(gòu)）模式分類，近年來(lái)新發(fā)展起來(lái)的模糊模式識(shí)別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識(shí)別中也越來(lái)越受到重視。（6） 圖像變換： 由于圖像陣列很大，直接在空間域中進(jìn)行處理，涉及計(jì)算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換

10、域處理，不僅可減少計(jì)算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進(jìn)行數(shù)字濾波處理）。目前新興研究的小波變換在時(shí)域和頻域中都具有良好的局部化特性，它在圖像邊緣檢測(cè)中也有著廣泛而有效的應(yīng)用。四 邊緣檢測(cè)算子4.1 Sobel算子 索貝爾算子（Sobel operator）是圖像處理中的算子之一，主要用作邊緣檢測(cè)。在技術(shù)上，它是一離散性差分算子，用來(lái)運(yùn)算圖像亮度函數(shù)的梯度之近似值。在圖像的任何一點(diǎn)使用此算子，將會(huì)產(chǎn)生對(duì)應(yīng)的梯度矢量或是其法矢量.該算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。如果以A代表原始圖像，Gx及Gy分別代表經(jīng)

11、橫向及縱向邊緣檢測(cè)的圖像，其公式如下: 圖像的每一個(gè)像素的橫向及縱向梯度近似值可用以下的公式結(jié)合，來(lái)計(jì)算梯度的大小。然后可用以下公式計(jì)算梯度方向。在以上例子中，如果以上的角度等于零，即代表圖像該處擁有縱向邊緣，左方較右方暗。Sobel 算子有兩個(gè)，一個(gè)是檢測(cè)水平邊沿的 ；另一個(gè)是檢測(cè)垂直平邊沿的 。 Sobel算子另一種形式是各向同性Sobel(Isotropic Sobel)算子，也有兩個(gè)，一個(gè)是檢測(cè)水平邊沿的 ，另一個(gè)是檢測(cè)垂直平邊沿的 。各向同性Sobel算子比普通Sobel算子的位置加權(quán)系數(shù)更為準(zhǔn)確，在檢測(cè)不同方向的邊沿時(shí)梯度的幅度一致。 由于Sobel算子是濾波算子的形式，用于提取邊

12、緣，可以利用快速卷積函數(shù)， 簡(jiǎn)單有效，因此應(yīng)用廣泛。美中不足的是，Sobel算子并沒有將圖像的主體與背景嚴(yán)格地區(qū)分開來(lái)，換言之就是Sobel算子沒有基于圖像灰度進(jìn)行處理，由于Sobel算子沒有嚴(yán)格地模擬人的視覺生理特征，所以提取的圖像輪廓有時(shí)并不能令人滿意。 在觀測(cè)一幅圖像的時(shí)候，我們往往首先注意的是圖像與背景不同的部分，正是這個(gè)部分將主體突出顯示，基于該理論，我們給出了下面閾值化輪廓提取算法，該算法已在數(shù)學(xué)上證明當(dāng)像素點(diǎn)滿足正態(tài)分布時(shí)所求解是最優(yōu)的。Sobel邊緣算子的卷積和圖3.2所示,圖像中的每個(gè)像素都用這兩個(gè)核做卷積。這兩個(gè)核分別對(duì)垂直邊緣和水平邊緣響應(yīng)最大，兩個(gè)卷積的最大值作為該點(diǎn)的

13、輸出位。運(yùn)算結(jié)果是一幅邊緣幅度圖像。-1-2-1000121-101-202-101圖3.2Sobel邊緣算子Sobel算子認(rèn)為鄰域的像素對(duì)當(dāng)前像素產(chǎn)生的影響不是等價(jià)的，所以距離不同的像素具有不同的權(quán)值，對(duì)算子結(jié)果產(chǎn)生的影響也不同。一般來(lái)說，距離越大，產(chǎn)生的影響越小。4.2 Canny算子檢測(cè)階躍邊緣的基本思想是在圖像中找出具有局部最大梯度幅值的像素點(diǎn)。圖像邊緣檢測(cè)必須滿足兩個(gè)條件：一是必須能有效地抑制噪聲；二是必須盡量精確確定邊緣的位置。既要提高邊緣檢測(cè)算子對(duì)邊緣的敏感性，同時(shí)也提高了對(duì)噪聲的敏感。1.Canny邊緣檢測(cè)基本原理：(1)具有既能濾去噪聲又保持邊緣特性的邊緣檢測(cè)最優(yōu)濾波器，其采

14、用一階微分濾波器。采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像卷積進(jìn)行濾波；然后對(duì)濾波后的圖像尋找圖像梯度的局部最大值，以此來(lái)確定圖像邊緣。根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子。這就是Canny邊緣檢測(cè)算子。(2)類似與Marr（LOG）邊緣檢測(cè)方法，也屬于先平滑后求導(dǎo)數(shù)的方法。2.Canny邊緣檢測(cè)算法：step1:用高斯濾波器平滑圖象；step2:用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度的幅值和方向；step3:對(duì)梯度幅值進(jìn)行非極大值抑制；step4:用雙閾值算法檢測(cè)和連接邊緣。其數(shù)學(xué)描述如下：step1:二維為高斯函數(shù)為：= 在某一方向n上是的一階方向?qū)?shù)為：=

15、 nn= =式中：n式方向矢量，是梯度矢量。將圖像與作卷積，同時(shí)改變n的方向，*取得最大值時(shí)的n就是正交于檢測(cè)邊緣的方向。step2: = ， =*= 反映了圖像(x,y)點(diǎn)處的邊緣強(qiáng)度，是圖像(x,y)點(diǎn)處的法向矢量。step3:僅僅得到全局的梯度并不足以確定邊緣，因此為確定邊緣，必須保留局部梯度最大的點(diǎn)，而抑制非極大值。（non-MaxiMa suppression,NMS）解決方法：利用梯度的方向。圖示-非極大值抑制四個(gè)扇區(qū)的標(biāo)號(hào)為0到3，對(duì)應(yīng)3*3鄰域的四種可能組合。在每一點(diǎn)上，鄰域的中心像素M與沿著梯度線的兩個(gè)像素相比。如果M的梯度值不比沿梯度線的兩個(gè)相鄰像素梯度值大，則令M=0。s

16、tep4:減少假邊緣段數(shù)量的典型方法是對(duì)G(x,y)使用一個(gè)閾值。將低于閾值的所有值賦零值。但問題是如何選取閾值？解決方法：雙閾值算法進(jìn)行邊緣判別和連接邊緣。首先是邊緣判別： 凡是邊緣強(qiáng)度大于高閾值的一定是邊緣點(diǎn)；凡是邊緣強(qiáng)度小于低閾值的一定不是邊緣點(diǎn)；如果邊緣強(qiáng)度大于低閾值又小于高閾值，則看這個(gè)像素的鄰接像素中有沒有超過高閾值的邊緣點(diǎn)，如果有，它就是邊緣點(diǎn)，如果沒有，它就不是邊緣點(diǎn)。其次是連接邊緣： 雙閾值算法對(duì)非極大值抑制圖像作用兩個(gè)閾值1和2，且212，從而可以得到兩個(gè)閾值邊緣圖像G1(x,y)和G2(x,y)。由于G2(x,y)使用高閾值得到，因而含有很少的假邊緣，但有間斷(不閉合)。

17、雙閾值法要在G2(x,y)中把邊緣連接成輪廓，當(dāng)?shù)竭_(dá)輪廓的端點(diǎn)時(shí)，該算法就在G1(x,y)的8鄰點(diǎn)位置尋找可以連接到輪廓上的邊緣，這樣，算法不斷地在G1(x,y)中收集邊緣，直到將G1(x,y)連接起來(lái)為止。實(shí)際上，還有多種邊緣點(diǎn)判別方法，如：將邊緣的梯度分為四種：水平、豎直、45度方向、135度方向。各個(gè)方向用不同的鄰接像素進(jìn)行比較，以決定局部極大值。若某個(gè)像素的灰度值與其梯度方向上前后兩個(gè)像素的灰度值相比并不是最大的，那么將該像素置為零，即不是邊緣。此外，在實(shí)際應(yīng)用中，檢測(cè)效果還與濾波模板大小有關(guān)，當(dāng)時(shí)有較好的檢測(cè)效果。Canny算子檢測(cè)方法的優(yōu)點(diǎn)：低誤碼率，很少把邊緣點(diǎn)誤認(rèn)為非邊緣點(diǎn)；高

18、定位精度，即精確地把邊緣點(diǎn)定位在灰度變化最大的像素上；抑制虛假邊緣。在這幾種算法中除Roberts算子外都使用了圖像模板，模板運(yùn)算是圖像的一種處理手段鄰域處理，有許多圖像增強(qiáng)效果都可以采用模板運(yùn)算實(shí)現(xiàn)，如平滑效果，中值濾波，油畫效果，圖像的凹凸效果等等。在模板運(yùn)算中，首先定義一個(gè)模板，模板的大小以3*3的較常見，也有2*2, 5*5或更大尺寸的。運(yùn)算時(shí)，把模板中心對(duì)應(yīng)到圖像的每一個(gè)像素位置，然后按照模板對(duì)應(yīng)的公式對(duì)中心像素和它周圍的像素進(jìn)行數(shù)學(xué)運(yùn)算，算出的結(jié)果作為輸出圖像對(duì)應(yīng)像素點(diǎn)的值。這些經(jīng)典的邊緣提取算子，雖然各自不同，有不同的長(zhǎng)處，但是它們也有共同的特點(diǎn):每種算子對(duì)應(yīng)的預(yù)定義的邊緣是它們

19、最適合使用的情形，也就是說它們有針對(duì)性。這一點(diǎn)在應(yīng)用中是有優(yōu)越性的，它們的針對(duì)性可以幫助我們完成特定的任務(wù)。同時(shí)這也是算子的局限性，對(duì)于一般的問題或者情況未知的問題，預(yù)定義邊緣的方法可能不會(huì)達(dá)到最佳效果。五 設(shè)計(jì)過程利用edge函數(shù)實(shí)現(xiàn)I=imread(E:aaa.jpg);%讀取圖像K=rgb2gray(I);BW1 = edge(K,roberts,0.08);%進(jìn)行Roberts 算子邊緣檢測(cè)，門限值采用默認(rèn)值BW2 = edge(K,prewitt, 0.05);%進(jìn)行Prewitt 算子邊緣檢測(cè)，門限值采用默認(rèn)值BW3 = edge(K,sobel, 0.04);%進(jìn)行 Sobel算

20、子邊緣檢測(cè)，門限值采用默認(rèn)值BW4 = edge(K,canny,0.03);BW4 = edge(K,log,0.01);figure,imshow(BW1,),title(Roberts 算子圖像);figure,imshow(BW2,),title(Prewitt 算子圖像);figure,imshow(BW3,),title(Sobel算子圖像);figure,imshow(BW4,),title(canny算子圖像);figure,imshow(BW4,),title(log算子圖像);利用模版處理5.1 Roberts 算子I=imread(fabric.png);K=rgb2gr

21、ay(I);BW1=1,0;0,-1;BW2=0,1;-1,0;J1=filter2(BW1,K);J2=filter2(BW2,K);K1=double(J1);K2=double(J2);M=(abs(K1) +abs(K2);figure,imshow(uint8(M) 5.2 Prewitt 算子I=imread(fabric.png);K=rgb2gray(I);BW1=-1,-1,-1;0,0,0;1,1,1;BW2=-1,0,1;-1,0,1;-1,0,1;J1=filter2(BW1,K);J2=filter2(BW2,K);K1=double(J1);K2=double(J2

22、);M=(abs(K1) +abs(K2);figure,imshow(uint8(M)5.3 Sobel算子I=imread(fabric.png);K=rgb2gray(I);BW1=-1,-2,-1;0,0,0;1,2,1;BW2=-1,0,1;-2,0,2;-1,0,1;J1=filter2(BW1,K);J2=filter2(BW2,K);K1=double(J1);K2=double(J2);M=(abs(K1) +abs(K2);figure,imshow(uint8(M)5.4 Canny算子程序代碼： a = imread(tuxing,tif);%讀取圖像 a = imno

23、ise(a, salt & pepper,0.005); b = edge(a,canny,0.03,0.06);% edge(I,canny,thresh,sigma),sigma默認(rèn)為1 c = edge(a,canny,0.05,0.1); % =3 d = edge(a,canny,0.05,0.1,2); subplot(2,2,1),imshow(a); subplot(2,2,2),imshow(b);title(canny 雙閾值=0.03,0.06 =1) subplot(2,2,3),imshow(c);title(canny 雙閾值=0.05,0.1 =1) subplo

24、t(2,2,4),imshow(d);title(canny 雙閾值=0.05,0.1 =2) 5.5 Log算子 a = imread(tuxing,tif);%讀取圖像 a = imnoise(a, salt & pepper,0.005); b = edge(a,log,0.002,1.7); % 根據(jù)所指定的敏感度閾值thresh和標(biāo)準(zhǔn)偏差sigma()，用LOG算子進(jìn)行邊緣檢測(cè)，默認(rèn)時(shí)=2 c = edge(a,log,0.007,1.7); % =3 d = edge(a,log,0.002,3); subplot(2,2,1),imshow(a); subplot(2,2,2),

25、imshow(b);title(LOG 閾值=0.002 =1.7) subplot(2,2,3),imshow(c);title(LOG 閾值=0.007 =1.7) subplot(2,2,4),imshow(d);title(LOG 閾值=0.002 =3)六 結(jié)果分析1,sobel算子根據(jù)像素點(diǎn)上下、左右鄰點(diǎn)灰度值加權(quán)值，在邊緣處打到極大值這一現(xiàn)象檢測(cè)邊緣。對(duì)噪聲具有平滑作用，提供較為精確的邊緣方向信息，邊緣定位精度不夠高。當(dāng)對(duì)精度要求不是很高的時(shí)候，是一種較為常用的邊緣檢測(cè)的方法。由于Sobel算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)，簡(jiǎn)單有效，因此應(yīng)用廣泛。美中不足的是，Sobel算子并沒有將圖像的主體與背景嚴(yán)格地區(qū)分開來(lái)，換言之就是Sobel算子沒有基于圖像灰度進(jìn)行處理，由于Sobel算子沒有嚴(yán)格地模擬人的視覺生理特征，所以提取的圖像輪廓有時(shí)并不能令人滿意。2.canny算子是邊緣檢測(cè)中最具有代表的一種局部極值邊緣檢測(cè)無(wú)論從視覺效果還是客觀評(píng)價(jià)來(lái)看，canny算子提取的邊緣線性連接程度較好，對(duì)此類的邊緣提取的比較完整，邊緣細(xì)膩Canny算子檢測(cè)方法的優(yōu)點(diǎn)：低誤碼率，很少把邊緣點(diǎn)誤認(rèn)為非邊緣點(diǎn)；高定位精度，即精確地把邊緣點(diǎn)定位在灰度變化最大的像素上；抑制虛