外文翻譯---圖像的邊緣檢測(cè)

1、<p><b>　　附：英文資料翻譯</b></p><p><b>　　圖像的邊緣檢測(cè)</b></p><p>　　To image edge examination algorithm research academic report </p><p><b>　　Abstract</b>

2、;</p><p>　　Digital image processing took a relative quite young discipline, is following the computer technology rapid development, day by day obtains the widespread application.The edge took the image one k

3、ind of basic characteristic, in the pattern recognition, the image division, the image intensification as well as the image compression and so on in the domain has a more widespread application.Image edge detection metho

4、d many and varied, in which based on brightness algorithm, is studies the time to be</p><p>　　對(duì)圖像邊緣檢測(cè)算法的研究學(xué)術(shù)報(bào)告 摘 要</p><p>　　數(shù)字圖像處理作為一門相對(duì)比較年輕的學(xué)科, 伴隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展, 日益得到廣泛的 應(yīng)用. 邊緣作為圖像的一種基本特征, 在圖像識(shí)別,圖

5、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.圖像邊緣提取的手段多種多樣,其中基于亮度的算法,是研究時(shí)間最久,理論發(fā)展最成熟的方法, 它主要是通過一些差分算子, 由圖像的亮度計(jì)算其梯度的變化, 從而檢測(cè)出邊緣, 主要有 Robert, Laplacian, Sobel, Canny, LOG 等算子. 首先從總體上介紹了數(shù)字圖像處理及邊緣提取的概況, 列舉了幾種目前常用的邊緣提取技術(shù)和 算法,并選取其中兩種使用 Visual

6、 C++語言編程實(shí)現(xiàn),通過對(duì)兩種算法所提取圖像結(jié)果的比較,研 究探討它們的優(yōu)缺點(diǎn).</p><p>　　First chapter introduction</p><p>　　§1.1 image edge examination introduction</p><p>　　The image edge is one of image most bas

7、ic characteristics, often is carrying image majority of informations.But the edge exists in the image irregular structure and in not the steady phenomenon, also namely exists in the signal point of discontinuity place, t

8、hese spots have given the image outline position, these outlines are frequently we when the imagery processing needs the extremely important some representative condition, this needs us to examine and to withdraw its edg

9、e to an image. But th</p><p><b>　　第一章 緒論</b></p><p>　　§1.1 圖像邊緣檢測(cè)概論</p><p>　　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

10、 廓常常是我們?cè)趫D像處理時(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)算法則是圖像處理問題中經(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.在通常情況下,我們可以將信號(hào)中 的奇異點(diǎn)和突變點(diǎn)認(rèn)為是圖像中的邊緣點(diǎn)

11、,其附近灰度的 變化情況可從它相鄰像素灰度分布的梯度來反映.</p><p>　　根據(jù)這一特點(diǎn),我們提出了多種邊緣檢測(cè)算子:如 Robert 算子,Sobel 算子,Prewitt 算子, Laplace 算子等.這些方法多是以待處理像素為中心的鄰域作為進(jìn)行灰度分析的基礎(chǔ),實(shí)現(xiàn)對(duì)圖像 邊緣的提取并已經(jīng)取得了較好的處理效果. 但這類方法同時(shí)也存在有邊緣像素寬, 噪聲干擾較嚴(yán)重 等缺點(diǎn),即使采用一些輔助的方法加以去噪

12、,也相應(yīng)的會(huì)帶來邊緣模糊等難以克服的缺陷.隨著小 波分析的出現(xiàn), 其良好的時(shí)頻局部特性被廣泛的應(yīng)用在圖像處理和模式識(shí)別領(lǐng)域中, 成為信號(hào)處理 中常用的手段和有力的工具. 通過小波分析, 可以將交織在一起的各種混合信號(hào)分解成不同頻率的 塊信號(hào),而通過小波變換進(jìn)行邊緣檢測(cè),可以充分利用其多尺度和多分辨率的性質(zhì),真實(shí)有效的表 達(dá)圖像的邊緣特征.當(dāng)小波變換的尺度減小時(shí),對(duì)圖像的細(xì)節(jié)更加敏感;而當(dāng)尺度增大時(shí),圖像的 細(xì)節(jié)將被濾掉,檢測(cè)的邊緣只是粗

13、輪廓.該特性在模式識(shí)別中非常有用,我們可以將此粗輪廓稱為 圖像的主要邊緣.如果能將一個(gè)圖像的主要邊緣清晰完整的提取出來,這將對(duì)目標(biāo)分割,識(shí)別等后 續(xù)處理帶來極大的便利.總的說來,以上方法都是基于圖像的亮度信息來作的工作. 在眾</p><p>　　§1.2 image edge definition</p><p>　　The image majority main inform

14、ation all exists in the image edge, the main performance for the image partial characteristic discontinuity, is in the image the gradation change quite fierce place, also is the signal which we usually said has the stran

15、ge change place. The strange signal the gradation change which moves towards along the edge is fierce, usually we divide the edge for the step shape and the roof shape two kind of types (as shown in Figure 1-1).In the st

16、ep edge two side grey levels h</p><p>　　§1.3 paper selected topic theory significance</p><p>　　The paper selected topic originates in holds the important status and the function practical a

17、pplication topic in the image project.The so-called image project discipline is refers foundation discipline and so on mathematics, optics principles, the discipline which in the image application unifies which accumulat

18、es the technical background develops.The image project content is extremely rich, and so on divides into three levels differently according to the abstract degree and the research techni</p><p>　　§1.2 圖

19、像邊緣的定義</p><p>　　圖像的大部分主要信息都存在于圖像的邊緣中, 主要表現(xiàn)為圖像局部特征的不連續(xù)性, 是圖像 中灰度變化比較劇烈的地方, 也即我們通常所說的信號(hào)發(fā)生奇異變化的地方. 奇異信號(hào)沿邊緣走向 的灰度變化劇烈,通常我們將邊緣劃分為階躍狀和屋頂狀兩種類型(如圖 1-1 所示).階躍邊緣中 兩邊的灰度值有明顯的變化; 而屋頂狀邊緣位于灰度增加與減少的交界處. 在數(shù)學(xué)上可利用灰度的 導(dǎo)數(shù)來刻畫邊緣點(diǎn)

20、的變化,對(duì)階躍邊緣,屋頂狀邊緣分別求其一階,二階導(dǎo)數(shù). 對(duì)一個(gè)邊緣來說,有可能同時(shí)具有階躍和線條邊緣特性.例如在一個(gè)表面上,由一個(gè)平面變化 到法線方向不同的另一個(gè)平面就會(huì)產(chǎn)生階躍邊緣; 如果這一表面具有鏡面反射特性且兩平面形成的 棱角比較圓滑,則當(dāng)棱角圓滑表面的法線經(jīng)過鏡面反射角時(shí),由于鏡面反射分量,在棱角圓滑表面 上會(huì)產(chǎn)生明亮光條, 這樣的邊緣看起來象在階躍邊緣上疊加了一個(gè)線條邊緣. 由于邊緣可能與場(chǎng)景中物體的重要特征對(duì)應(yīng),所以它是很

21、重要的圖像特征.比如,一個(gè)物體的輪廓通常產(chǎn)生階躍邊緣, 因?yàn)槲矬w的圖像強(qiáng)度不同于背景的圖像強(qiáng)度.</p><p>　　§1.3 論文選題的理論意義</p><p>　　論文選題來源于在圖像工程中 占有重要的地位和作用的實(shí)際應(yīng)用課題.所謂圖像工程學(xué)科是 指將數(shù)學(xué),光學(xué)等基礎(chǔ)學(xué)科的原理,結(jié)合在圖像應(yīng)用中積累的技術(shù)經(jīng)驗(yàn)而發(fā)展起來的學(xué)科.圖像工 程的內(nèi)容非常豐富,根據(jù)抽象程度和研究方法等

22、的不同分為三個(gè)層次:圖像處理,圖像分析和圖像 理解.如圖 1-2 所示,在圖中,圖像分割處于圖像分析與圖像處理之間,其含義是,圖像分割是 從圖像處理進(jìn)到圖像分析的關(guān)鍵步驟,也是進(jìn)一步理解圖像的基礎(chǔ).</p><p>　　圖像分割對(duì)特征有重要影響. 圖像分割及基于分割的目標(biāo)表達(dá), 特征提取和參數(shù)測(cè)量等將原始 圖像轉(zhuǎn)化為更抽象更緊湊的形式, 使得更高層的圖像分析和理解成為可能. 而邊緣檢測(cè)是圖像分割 的核心內(nèi)容, 所