sober算子邊緣檢測(cè),不用庫(kù)函數(shù)EDGE

1、1數(shù)字圖象處理介紹1.1數(shù)字圖像處理主要研究的內(nèi)容數(shù)字圖像處理主要研究的內(nèi)容有以下幾個(gè)方面：1）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，它在圖像處理中也有著廣泛而有效的應(yīng)用。2）圖像編碼壓縮圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特?cái)?shù)），以便節(jié)省圖像傳輸、處理時(shí)間和減少所占用的存儲(chǔ)器容量。壓縮可以在不失真

2、的前提下獲得，也可以在允許的失真條件下進(jìn)行。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。3）圖像增強(qiáng)和復(fù)原圖像增強(qiáng)和復(fù)原的目的是為了提高圖像的質(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。如強(qiáng)化圖像高頻分量，可使圖像中物體輪廓清晰，細(xì)節(jié)明顯；如強(qiáng)化低頻分量可減少圖像中噪聲影響。圖像復(fù)原要求對(duì)圖像降質(zhì)的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過(guò)程建立"降質(zhì)模型"，再采用某種濾波方法，恢復(fù)或重建原來(lái)的圖像。4）圖像分割圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來(lái)，其有

3、意義的特征有圖像中的邊緣、區(qū)域等，這是進(jìn)一步進(jìn)行圖像識(shí)別、分析和理解的基礎(chǔ)。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。因此，對(duì)圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點(diǎn)之一。5）圖像描述圖像描述是圖像識(shí)別和理解的必要前提。作為最簡(jiǎn)單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對(duì)于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經(jīng)開始進(jìn)行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。6）圖像分類（識(shí)別）圖像分類（識(shí)別）屬于模式識(shí)

4、別的范疇，其主要內(nèi)容是圖像經(jīng)過(guò)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。1.2MATLAB在圖像處理中的應(yīng)用MATLAB6.x提供了2O類圖像處理函數(shù)，涵蓋了圖像處理包括近期研究成果在內(nèi)的幾乎所有的技術(shù)方法，是學(xué)習(xí)和研究圖像處理的人員難得的寶貴資料和加工工具箱。這些函數(shù)按功能可分為圖像顯示、圖像文件1/0、圖像算術(shù)運(yùn)算、幾何變換、圖像登記、像素值與統(tǒng)計(jì)、圖像分析、圖像增強(qiáng)、線性濾波、線性二元濾波設(shè)計(jì)、圖像去模

5、糊、圖像變換、鄰域與塊處理、灰度與二值圖像的形態(tài)學(xué)運(yùn)算、結(jié)構(gòu)元素創(chuàng)建與處理、基于邊緣的處理、色彩映射表操作、色彩空間變換及圖像類型與類型轉(zhuǎn)換Maflab數(shù)字圖像處理工具箱函數(shù)包括以下幾類：（1）圖像顯示函數(shù)；（2）圖像文件輸入、輸出函數(shù)；（3）圖像幾何操作函數(shù)；（4）圖像像素值及統(tǒng)計(jì)函數(shù)；（5）圖像分析函數(shù)；（6）圖像增強(qiáng)函數(shù)；（7）線性濾波函數(shù)；（8）二維線性濾波器設(shè)計(jì)函數(shù)；（9）圖像變換函數(shù)；（10）圖像鄰域及塊操作函數(shù)；（11）二值圖像操作函數(shù)；（12）基于區(qū)域的圖像處理函數(shù)；（13）顏色圖操作函數(shù)；（14）顏色空間轉(zhuǎn)換函數(shù)；（15）圖像類型和類型轉(zhuǎn)換函數(shù)。2武漢理工大學(xué)<<

6、專業(yè)綜合課程設(shè)計(jì)>>說(shuō)明書3武漢理工大學(xué)<<專業(yè)綜合課程設(shè)計(jì)>>說(shuō)明書2原理與實(shí)現(xiàn)2.1基本思想圖像邊緣是一種重要的視覺信息，圖像邊緣檢測(cè)是圖像處理、圖像分析、模式識(shí)別、計(jì)算機(jī)視覺以及人類視覺的基本步驟。其結(jié)果的正確性和可靠性將直接影響到機(jī)器視覺系統(tǒng)對(duì)客觀世界的理解。實(shí)現(xiàn)邊緣檢測(cè)有很多不同的方法，也一直是圖像處理中的研究熱點(diǎn)，人們期望找到一種抗噪強(qiáng)、定位準(zhǔn)、不漏檢、不誤檢的檢測(cè)算法。經(jīng)典的算法中主要用梯度算子，最簡(jiǎn)單的梯度算子是Roberts算子，比較常用的有Prewitt算子和Sobel算子，其中Sobel算子效果較好，但是經(jīng)典Sobel算子也存在不足，其

7、邊緣具有很強(qiáng)的方向性，只對(duì)垂直與水平方向敏感，其他方向不敏感，這就使得那些邊緣檢測(cè)不到j(luò)。對(duì)后續(xù)的圖像處理有很大的影響。本文在此基礎(chǔ)提出了一種新的算法，該算子該算法提高了傳統(tǒng)Sobel檢測(cè)算子的性能，具有良好的檢測(cè)精度。2.2Sobel算子的原理索貝爾算子(Sobeloperator)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

8、別代表經(jīng)橫向及縱向邊緣檢測(cè)的圖像，其公式如下Z-10+Gx=-20+2*A(10+1<+1+2+1Gy=000A1-1一2-1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。G=、,Gx2Gy2然后可用以下公式計(jì)算梯度方向-Gy=arctan()Gx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。在邊沿檢測(cè)中，常用的一種模板是Sobel算子。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。與和相比，Sobel算子對(duì)于象素的位置的影響做了加權(quán)，因此效果更好。Sobel算子另一種形式是各向同性Sobe

9、l(lsotropicSobel)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算子和普通Sobel算子相比，它的位置加權(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。由于建筑物圖像的特殊性，我們可以發(fā)現(xiàn)，處理該類型圖像輪廓時(shí)，并不需要對(duì)梯度方向進(jìn)行運(yùn)算，所以程序并沒有給出各向同性Sobel算子的處理方法。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

10、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。4武漢理工大學(xué)<<專業(yè)綜合課程設(shè)計(jì)>>說(shuō)明書2.3算法設(shè)計(jì)針對(duì)經(jīng)典Sobel算子對(duì)邊緣具有很強(qiáng)的方向性特點(diǎn)，提出了一種在Sobel算子上改進(jìn)的算法，其主要思想是先對(duì)圖像進(jìn)行全局閾值的分割處理，因?yàn)榉指詈蟮膱D像是二值圖像，此時(shí)進(jìn)行邊緣提取，這就可以使各個(gè)方向的邊緣都可以檢測(cè)到。但也可能會(huì)丟失原本可直接用Sobel算子檢測(cè)到的邊緣。因

11、此，用處理后所得的圖像與用Sobel算子直接對(duì)原始圖像進(jìn)行邊緣檢測(cè)的圖像相加，這一步就顯得尤為重要。其理論框圖如圖1所示：圖1理論框圖迭代法求闞值：根據(jù)圖1的理論框圖，先對(duì)圖像進(jìn)行閾值處理，這里采用的是用迭代法求全局閾值的方法。其具體的步驟如下：i）為閾值T選一個(gè)初始估計(jì)值（建議初始估計(jì)值為圖像中最大亮度值和最小高度值的中間值）。ii）使用T分割圖像。這會(huì)產(chǎn)生兩組像素：亮度值T的所有像素組成的G1,高度值<T的所有像素組成的G2iii）計(jì)算G1和G2范圍內(nèi)的像素的平均亮度值u1和“2。iv）計(jì)算一個(gè)新的閾值：T=1/2（MI+M2）。v）重復(fù)步驟（i）到（iv），直到連續(xù)迭代中r的差比預(yù)

12、先指定的參數(shù)TO小為止。確定圖像最佳的閾值丁后，對(duì)分割圖像進(jìn)行二值化。本課設(shè)采用MATLA里的庫(kù)函數(shù)graythresh計(jì)算圖像的閥值。3程序設(shè)計(jì)clcclearallcloseallH=imread('2.jpg');%讀入圖像imshow(H);title('真彩圖');A=rgb2gray(H);figure,imshow(A);title('灰度圖');%VSFAT=edge(A,'sobel','vertical');%figure,imshow(VSFAT),title('垂直邊緣檢測(cè)'

13、);%VSFAT=edge(A,'sobel','horizontal');%figure,imshow(VSFAT),title('水平邊緣檢測(cè)');y_mask=-1-2-1;000;121;%建立Y方向的模板x_mask=y_mask'%建立X方向的模板I=im2double(A);%將圖像數(shù)據(jù)轉(zhuǎn)化為雙精度dx=imfilter(l,x_mask);%計(jì)算X方向的梯度分量dy=imfilter(I,y_mask);%計(jì)算Y方向的梯度分量gradh=mat2gray(dx);%水平方向的梯度圖levelh=graythresh(dx)

14、;ho=im2bw(dx,levelh);figure,imshow(ho),title('水平邊緣檢測(cè)');gradv=mat2gray(dy);%垂直方向的梯度圖levelv=graythresh(dy);ve=im2bw(dy,levelv);figure,imshow(ve),title('垂直邊緣檢測(cè)');grad=sqrt(dx.*dx+dy.*dy);%計(jì)算梯度grad=mat2gray(grad);%將梯度矩陣轉(zhuǎn)換為灰度圖像level=graythresh(grad);%計(jì)算灰度閾值BW=im2bw(grad,level);%用閾值分割梯度圖像f

15、igure,imshow(BW);%顯示分割后的圖像即邊緣圖像title('Sobel')7武漢理工大學(xué)<<專業(yè)綜合課程設(shè)計(jì)>>說(shuō)明書4結(jié)果與分析將程序文件名保存為main.m,以下為MATLAB主窗口運(yùn)行的過(guò)程與結(jié)果8武漢理工大學(xué)<<專業(yè)綜合課程設(shè)計(jì)>>說(shuō)明書#武漢理工大學(xué)<<專業(yè)綜合課程設(shè)計(jì)>>說(shuō)明書灰度圖9武漢理工大學(xué)<<專業(yè)綜合課程設(shè)計(jì)>>說(shuō)明書10武漢理工大學(xué)<<專業(yè)綜合課程設(shè)計(jì)>>說(shuō)明書水平邊緣檢測(cè)垂直邊緣檢測(cè)#武漢理工大學(xué)<<專業(yè)綜合

16、課程設(shè)計(jì)>>說(shuō)明書Sobel結(jié)果分析：在本實(shí)驗(yàn)中使用Sober算子在3個(gè)方向進(jìn)行了圖像邊緣檢測(cè)，從程序運(yùn)行結(jié)果可以看出，45度角Sober算子生成的邊緣檢測(cè)圖像呈現(xiàn)出浮雕效果，水平和垂直Sober算子檢測(cè)出的邊緣多于單個(gè)方向上檢測(cè)出的邊緣。Sober算子利用像素的上、下、左、右鄰域的灰度加權(quán)算法，根據(jù)在邊緣點(diǎn)處達(dá)到極值這一原理進(jìn)行邊緣檢測(cè)。該方法不但產(chǎn)生較好的檢測(cè)效果.而且對(duì)噪聲具有平滑作用，可以提供較為精確的邊緣方向信息。但是，在抗噪聲好的同時(shí)也存在檢測(cè)到偽邊緣，定位精度不高的缺點(diǎn)。由于Sober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。由

17、于Sober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。如果在Sober算子處理圖像之前對(duì)圖片進(jìn)行預(yù)處理，突出圖片的邊緣線條部分，那么再經(jīng)Sober算子運(yùn)算后的邊緣線條將會(huì)精確得多。11武漢理工大學(xué)<<專業(yè)綜合課程設(shè)計(jì)>>說(shuō)明書5心得體會(huì)經(jīng)過(guò)兩周的努力努力，總算把專業(yè)綜合課程設(shè)計(jì)做完了。通過(guò)該課程設(shè)計(jì)，全面系統(tǒng)的理解了數(shù)字圖像處理的一般原理和基本實(shí)現(xiàn)方法。把死板的課本知識(shí)變得生動(dòng)有趣，激發(fā)了學(xué)習(xí)的積極性。把學(xué)過(guò)的數(shù)字圖像處理基礎(chǔ)原理的知識(shí)強(qiáng)化，能夠把課堂上學(xué)的知識(shí)通過(guò)自己編寫的程序表示出來(lái)，加深了對(duì)理論知識(shí)的理解。在這次課程設(shè)計(jì)中，我先是認(rèn)

18、真閱讀課本上的相關(guān)知識(shí)，理解透后又翻閱關(guān)于matlab的書籍，學(xué)習(xí)matlab中一些函數(shù)及運(yùn)算符的用法?？傮w來(lái)說(shuō),這次課設(shè)我學(xué)到了很多。在設(shè)計(jì)過(guò)程中，加深了對(duì)可內(nèi)知識(shí)的理解就，真正懂得了學(xué)以致用，熟悉了matlab的使用，了解了matlab在數(shù)字圖像處理中的重大應(yīng)用。做課程設(shè)計(jì)我體會(huì)到了設(shè)計(jì)的艱辛的同時(shí)，更讓我體會(huì)到成功的喜悅和快樂這次數(shù)字圖像處理課程設(shè)計(jì)，雖然短暫但是讓我得到多方面的提高：首先，提高了我們的對(duì)matlab語(yǔ)言的運(yùn)用能力。以前也曾用matlab做過(guò)課程設(shè)計(jì)，但以前寫的程序既沒有人機(jī)交互功能，這次課程設(shè)計(jì)首次運(yùn)用模塊化思想，將多個(gè)功能分模塊編寫，然后通過(guò)主函數(shù)調(diào)用，并且有一定的人機(jī)交互。matlab程序設(shè)計(jì)中也有順序、選擇、循環(huán)三種結(jié)構(gòu)，這一點(diǎn)和C語(yǔ)言很像。其次，掌握了數(shù)字圖像的原理及運(yùn)用matlab進(jìn)行圖像處理的方法。通過(guò)matlab中提供的圖片讀取函數(shù)可以將一幅黑白圖片轉(zhuǎn)換為二維數(shù)組，然后運(yùn)用C語(yǔ)言里掌握的編程思想和圖像處理的原理，就能編寫出相應(yīng)程序。以前用過(guò)photoshop之類的軟件進(jìn)行過(guò)圖像處理，但未能理解數(shù)字圖像處理的本質(zhì)。通過(guò)此次課程設(shè)計(jì)，能夠自己編寫函數(shù)來(lái)進(jìn)行圖像處理，有一種成就感。最后，查閱參考書和資料的獨(dú)立思考的