數(shù)字圖像邊緣檢測(cè)算法的分析實(shí)現(xiàn)畢業(yè)答辯

班級(jí)：答辯人：指導(dǎo)教師：論文題目：圖像邊緣檢測(cè)算法的分析與實(shí)現(xiàn)圖像邊緣檢測(cè)算法的分析與實(shí)現(xiàn)

一、研究背景及意義二、主要內(nèi)容及工作經(jīng)典邊緣檢測(cè)算法的研究soble改進(jìn)算子各種邊緣檢測(cè)算子的MATLAB實(shí)現(xiàn)及分析一、研究背景及意義背景意義：視覺(jué)是人類最重要的感知手段，圖像又是視覺(jué)的基礎(chǔ)。而圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。圖像邊緣檢測(cè)技術(shù)起源于20世紀(jì)20年代，60年代后期快速發(fā)展成為一門(mén)新興學(xué)科。圖像理解和分析的第一步往往就是邊緣檢測(cè)。目前它已成為機(jī)器視覺(jué)研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。二、主要內(nèi)容及工作

經(jīng)典邊緣檢測(cè)算子邊緣檢測(cè)：邊緣檢測(cè)的實(shí)質(zhì)是采用某種算法來(lái)提取出圖像中對(duì)象與背景間的交界線。邊緣定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界。圖像灰度的變化情況可以用圖像灰度分布的梯度來(lái)反映，因此我們可以用局部圖像微分技術(shù)來(lái)獲得邊緣檢測(cè)算子。二、主要內(nèi)容及工作經(jīng)典邊緣檢測(cè)算子梯度的幅值和方向:梯度方向就是函數(shù)增大時(shí)的最大變化率方向：梯度是圖像對(duì)應(yīng)二維函數(shù)的一階導(dǎo)數(shù)：梯度是灰度f(wàn)（x，y）在xy坐標(biāo)方向上的導(dǎo)數(shù)、表示灰度f(wàn)(x，y)在xy坐標(biāo)方向上的變化率，梯度為方向矢量1Roberts算子Roberts算子是一種利用局部差分算子尋找邊緣的算子，對(duì)于邊界陡峭且噪比較小的圖像檢測(cè)效果比較好，它在2×2鄰域上計(jì)算對(duì)角導(dǎo)數(shù)，通過(guò)1范數(shù)衡量梯度的幅值。

兩個(gè)卷積核分別為100-1

01-10roberts算子實(shí)驗(yàn)結(jié)果分析優(yōu)點(diǎn)：檢測(cè)精度比較高，對(duì)水平和垂直方向的邊緣檢測(cè)性能好于斜線方向。缺點(diǎn)：易丟失一部分邊緣對(duì)噪聲敏感。以下組圖分別為原圖和不含噪聲的檢測(cè)圖及含有高斯噪聲的檢測(cè)圖2Sobel算子傳統(tǒng)的Sobel圖像邊緣檢測(cè)方法，是在圖像空間利用兩個(gè)方向模板與圖像進(jìn)行鄰域卷積來(lái)完成的。這兩個(gè)方向模板一個(gè)檢測(cè)垂直邊緣，一個(gè)檢測(cè)水平邊緣。Sobel算子為：

Gx=(z7+2z8+z9)-(z1+2z2+z3)Gy=(z3+2z6+z9)-(z1+2z4+z7)采用數(shù)衡量梯度值：

|f||Gx|+|Gy|Gy2-201-101-10000-1-1-2112Gxz2z8z5z3z9z6z1z7z42Sobel算子soble算子實(shí)驗(yàn)結(jié)果分析優(yōu)點(diǎn)：產(chǎn)生的邊緣效果較好，對(duì)噪聲具有平滑作用。缺點(diǎn)：存在偽邊緣，定位精度不高3Laplacian算子Laplacian算子：拉普拉斯算子是二階導(dǎo)數(shù)的二維等效式。函數(shù)f(x,y)的拉普拉斯算子公式為：

使用差分方程對(duì)x和y方向上的二階偏導(dǎo)數(shù)近似，就成為能用來(lái)近似拉普拉斯算子的卷積模板：Laplacian算子實(shí)驗(yàn)結(jié)果分析優(yōu)點(diǎn)：利用二階導(dǎo)數(shù)零交叉特性檢測(cè)邊緣，對(duì)圖像中的階躍性邊緣點(diǎn)定位準(zhǔn)確缺點(diǎn)：對(duì)噪聲非常敏感，丟失一部分邊緣的方向信息，造成一些不連續(xù)的檢測(cè)邊緣，不能得到邊緣的方向等信息。4log算子log算子：先用高斯函數(shù)對(duì)圖像進(jìn)行濾波，然后對(duì)濾波后的圖像進(jìn)行拉普拉斯運(yùn)算，算得的值等于0的點(diǎn)認(rèn)為是邊界點(diǎn)。

log濾波器4log算子

Log算子雖然能夠有效地檢測(cè)圖像的邊緣，但存在兩個(gè)問(wèn)題：一是Log算子其會(huì)產(chǎn)生虛假邊界，二是定位精度不高。為了能夠得到最佳的檢測(cè)效果，在實(shí)際應(yīng)用中要充分考慮的選取、模板尺度N的確定、邊緣強(qiáng)度和方向、提取邊界的精度。其中的大小很對(duì)于Log算子來(lái)說(shuō)非常重要，具有控制平滑的作用。log算子實(shí)驗(yàn)結(jié)果分析該算子較之Laplacian算子，噪聲抑制能力有所改善，但仍舊不滿意，存在大量噪聲，還會(huì)將原有的比較尖銳的邊緣平滑點(diǎn)，無(wú)法檢測(cè)尖銳邊緣。5canny算子基本步驟：1

用高斯濾波器平滑圖像。2

再計(jì)算濾波后的梯度幅值和方向。

3對(duì)梯度幅值應(yīng)用非極大值抑制。4用雙閾值算法檢測(cè)和連接邊緣。canny算子方向圖像的邊緣點(diǎn)即為在方向上使取得局部極大值的點(diǎn)canny算子實(shí)驗(yàn)結(jié)果分析優(yōu)點(diǎn)：采用高斯函數(shù)對(duì)圖像進(jìn)行平滑處理，因此具有較強(qiáng)的噪聲抑制能力；同樣該算子也將一些高頻邊緣平滑掉，造成邊緣丟失，采用了雙閾值算法檢測(cè)和連接邊緣，邊緣的連續(xù)性較好。針對(duì)Sobel算子存在的一些不足，例如：數(shù)字圖像邊緣定位精度不高，噪聲抑制力不高等，提出了改進(jìn)的soble算法。改進(jìn)的soble算法在原有水平和垂直模板的基礎(chǔ)上新增6個(gè)方向模板以確保提高定位精度，并在此基礎(chǔ)上確定一個(gè)最佳閾值從而實(shí)現(xiàn)對(duì)soble算子的改進(jìn)。二、主要內(nèi)容及工作soble改進(jìn)算子（二）、soble改進(jìn)算子為了提高抗噪能力提高對(duì)疊加噪聲圖像的邊緣檢測(cè)效果，在多方向Sobel算子的基礎(chǔ)上設(shè)定一個(gè)閾值來(lái)與經(jīng)過(guò)Sobel算子檢測(cè)后的邊緣值進(jìn)行比較。比較滿足以下兩點(diǎn)：當(dāng)該閾值小于其幅值時(shí)定義為邊緣，反之取為零。如下4-1所示： 現(xiàn)在本文給出一種閾值的選擇方法：經(jīng)過(guò)Sobel算子檢測(cè)后的圖像假設(shè)可以表示成：是原始圖像的邊緣部分，是均值為0，方差為的高斯白噪聲。經(jīng)過(guò)Sobel算子檢測(cè)后的邊緣為圖像的高頻分量，服從拉普拉斯分布，其概率密度函數(shù)為：

基于式以上提出的信號(hào)模型，得到軟門(mén)限去噪法：假定圖像大小為MXM,中值法估算得到soble改進(jìn)算子實(shí)驗(yàn)結(jié)果分析沒(méi)有添加高斯噪聲時(shí)soble算子與soble改進(jìn)算子的檢測(cè)圖加入高斯噪聲后soble算子與soble改進(jìn)算子的檢測(cè)圖加入高斯噪聲后soble算子與soble改進(jìn)算子的檢測(cè)圖加入椒鹽噪聲后soble算子與soble改進(jìn)算子的檢測(cè)圖優(yōu)點(diǎn)：一、Sobel改進(jìn)算子較之soble，roberts等幾種算子具有更強(qiáng)的噪聲抑制能力。二、提高了檢測(cè)清晰度和連續(xù)性，檢測(cè)信息也比較完整。相比原來(lái)的soble算子和其他幾類算子，So