數(shù)字圖像處理課程設計

1、<p><b>　　引言</b></p><p>　　人類視覺系統(tǒng)認識目標的過程分為兩步:首先，把圖象邊緣與背景分離出來;然后 ,才能知覺到圖象的細節(jié),辨認出圖象的輪廓。計算機視覺正是模仿人類視覺的這個過程。因此在檢測物體邊緣時 ,先對其輪廓點進行粗略檢測 ,然后通過鏈接規(guī)則把原來檢測到的輪廓點連接起來 , 同時也檢測和連接遺漏的邊界點及去除虛假的邊界點。</p>&

2、lt;p>　　圖象的邊緣是圖象的重要特征,是計算機視覺、模式識別等的基礎 ,因此邊緣檢測是圖象處理中一個重要的環(huán)節(jié)。然而 ,邊緣檢測又是圖象處理中的一個難題 ,由于實際景物圖象的邊緣往往是各種類型的邊緣及它們模糊化后結果的組合,且實際圖象信號存在著噪聲。噪聲和邊緣都屬于高頻信號 ,很難用頻帶做取舍。</p><p><b>　　2 邊緣檢測</b></p><p&g

3、t;　　邊緣檢測的基本思想首先是利用邊緣增強算子，突出圖像中的局部邊緣，然后定義象素的邊緣強度，通過設置閾值的方法提取邊緣點集。由于噪聲和模糊的存在，監(jiān)測到的邊界可能會變寬或在某點處發(fā)生間斷。因此，邊界檢測包括兩個基本內容：</p><p>　　用邊緣算子提取出反映灰度變化的邊緣點集。</p><p>　　在邊緣點集合中剔除某些邊界點或填補邊界間斷點，并將這些邊緣連接成完整的線。</

4、p><p>　　常用的邊緣檢測算子有：roberts算子,sobel算子，prewitt算子，LoG算子，canny算子。</p><p>　　2.1 Roberts算子</p><p>　　Roberts算子是一種梯度算子，它用交叉的差分表示梯度，是一種利用局部差分算子，對具有陡峭的低噪聲的圖像效果最好。</p><p><b>　　

5、（2.1.1）</b></p><p><b>　　模板如圖：</b></p><p>　　圖2.1 roberts算子模板</p><p>　　2.2 Sobel算子</p><p>　　Sobel算子是濾波算子的形式來提取邊緣。X,Y方向各用一個模板，兩個模板組合起來組成一個梯度算子。X方向模板對垂直邊緣

6、影響最大，Y方向模板對水平邊緣影響最大。</p><p><b>　?。?.2.1）</b></p><p><b>　　模板如圖：</b></p><p>　　圖2.2 Sobel算子模板</p><p>　　2.3 Prewitt算子</p><p>　　Prewitt算

7、子是加權平均算子，對噪聲有抑制作用，但是像素平均相當于對圖像進行濾波，所以prewitt算子對邊緣的定位不如Roberts算子。</p><p><b>　?。?.3.1）</b></p><p><b>　　模板如圖：</b></p><p>　　圖2.3 Prewitt算子模板</p><p>

8、<b>　　2.4 LoG算子</b></p><p>　　LoG算子，即高斯型的拉普拉斯算子，它把的Gauss平滑濾波器和Laplacian銳化濾波器結合了起來，先平滑掉噪聲，再進行邊緣檢測，所以效果會更好。</p><p><b>　?。?.4.1）</b></p><p><b>　　模板如圖：</b

9、></p><p>　　圖2.4 LoG算子模板</p><p>　　LoG算子有以下特點：</p><p>　　通過圖像平滑，消除了一切尺度小于的圖像強度變化。</p><p>　　若用其它微分方法，需要計算不同方向的微分，而它無方向性，因此可以節(jié)省計算量。</p><p>　　它定位精度高，邊緣連續(xù)性好，可以

10、提取對比度較弱的邊緣點。</p><p>　　LoG算子也有它的缺點：當邊緣的寬度小于算子寬度時，由于過零點的斜坡融合將會丟失細節(jié)。</p><p>　　2.5 Canny算子</p><p>　　Canny算子是一階算子，其方法的實質是用一個準高斯函數(shù)做平滑運算</p><p><b>　?。?.5.1）</b><

11、;/p><p>　　然后以帶方向的一階微分算子定位導數(shù)最大值。</p><p>　　平滑后的梯度可以使用2×2一階有限差分近似式：</p><p><b>　　（2.5.2）</b></p><p><b>　?。?.5.3）</b></p><p>　　在這個2

12、15;2正方形內求有限差分的均值，便于在圖像中的同一點計算x和y的偏導數(shù)梯度。幅值和方向角可以用直角坐標到極坐標的坐標轉化來計算：</p><p><b>　?。?.5.4）</b></p><p><b>　　（2.5.5）</b></p><p>　　反映了圖像的邊緣強度，反映了邊緣的方向，使得取得局部最大值的方向角，

13、就反映了邊緣的方向。</p><p>　　Canny算子也可用高斯函數(shù)的梯度來近似，在理論上很接近4個指數(shù)函數(shù)的線性組合形成的最佳邊緣算子。實際應用中的編程較為復雜且運算較慢。</p><p>　　3 MATLAB程序及運行結果</p><p>　　以下為MATLAB邊緣檢測程序：</p><p><b>　　clear</b

14、></p><p>　　I=imread('test.jpg');% 提取圖像</p><p>　　BW1=edge(I,'sobel',0.05); %用SOBEL算子進行邊緣檢測</p><p>　　BW2=edge(I,'roberts',0.05);%用Roberts算子進行邊緣檢測</p>

15、<p>　　BW3=edge(I,'prewitt',0.05); %用prewitt算子進行邊緣檢測</p><p>　　BW4=edge(I,'log'); %用log算子進行邊緣檢測</p><p>　　BW5=edge(I,'canny'); %用canny算子進行邊緣檢測</p><p>　　s

16、ubplot(2,3,1), imshow(BW1);</p><p>　　title('sobel edge check');</p><p>　　subplot(2,3,2), imshow(BW2);</p><p>　　title('roberts edge check');</p><p>　　sub

17、plot(2,3,3), imshow(BW3);</p><p>　　title('prewitt edge check');</p><p>　　subplot(2,3,4), imshow(BW4);</p><p>　　title('log edge check');</p><p>　　subplot

18、(2,3,5), imshow(BW5);</p><p>　　title('canny edge check');</p><p>　　subplot(2,3,6), imshow(I);</p><p>　　title('原圖');</p><p><b>　　程序運行結果如下：</b>

19、;</p><p>　　圖3.1 MATLAB邊緣檢測程序運行結果</p><p><b>　　4 幾種算子的比較</b></p><p>　　Roberts算子檢測方法對具有陡峭的低噪聲的圖像處理效果較好，但是提取邊緣的結果是邊緣比較粗，因此邊緣的定位不是很準確。</p><p>　　Sobel算子檢測方法對灰度漸變和

20、噪聲較多的圖像處理效果較好，但是對邊緣的定位不是很準確，圖像的邊緣不只一個像素。</p><p>　　Prewitt算子檢測方法對灰度漸變和噪聲較多的圖像處理效果較好，但邊緣較寬，而且間斷點多。</p><p>　　LoG算子檢測方法通過檢測二階導數(shù)過零點來判斷邊緣點，LoG算子中的正比于低通濾波器的寬度，越大，平滑作用越顯著，去除噪聲越好，但圖像的細節(jié)也損失越大，邊緣精度也就越低。所以在

21、邊緣定位精度和消除噪聲間存在著矛盾，應該根據(jù)具體問題對噪聲水平和邊緣點定位精度要求適當選取，而且LoG方法沒有解決如何組織不同尺度濾波器輸出的邊緣圖為單一的，正確的邊緣圖的具體方法。</p><p>　　Canny算子檢測方法不容易受噪聲的干擾，能夠檢測到真正的弱邊緣。優(yōu)點在于，使用兩種不同的閾值分別檢測強邊緣和弱邊緣，并且當弱邊緣和強邊緣相連時，才將弱邊緣包含在輸出圖像中。</p><p&g

22、t;<b>　　5 心得體會</b></p><p>　　這次數(shù)字圖像處理的課程設計，我們的題目是《邊緣提取不同算子方法的分析比較》，經過翻閱《數(shù)字圖像處理》的課本，以及相關資料，還有在網(wǎng)上搜集的類似設計，最終我們確定了思路和MATLAB程序。</p><p>　　根據(jù)要求，對各個不同算子方法進行理論說明，并利用MATLAB程序，利用不同算子對圖像進行處理，記錄結果并

23、分析各種方法的優(yōu)缺點。</p><p>　　首先跟據(jù)思路，了解邊緣檢測的基本原理，再通過搜集的資料文獻等，了解不同算子的基本理論，通過翻閱MATLAB相關的數(shù)字圖像處理程序，寫出對應的不同算子的程序，然后調用不同的算子對圖像進行處理，完成設計。</p><p>　　接下來就是運行以及修改調試。程序的主要問題在于如何利用不同算子處理圖像，并得到較好的輸出效果，解決了這兩個問題，程序的主要功能

24、已達到要求，再加以完善和補充即可。</p><p>　　在程序運行過程中也出現(xiàn)了些小問題，如漏掉“，” ，指令鍵入錯誤等，但經過檢查和修改，終于成功了！</p><p>　　通過這次數(shù)字圖像處理的課程設計，我從中不僅學到了利用MATLAB程序實現(xiàn)數(shù)字圖像處理設計原理和基本思路，并深入了解了MATLAB語言中不同邊緣檢測算子的調用，而且也加深了對理論的認識，進一步理解了MATLAB的指令功能

25、和用法，了解了如何通過程序去實現(xiàn)功能，通過功能測試如何發(fā)現(xiàn)問題并通過修改程序而解決問題，更學會了如何通過各種途徑收集資料，從中獲取需要的信息，并為我所用，成為自己的能力，這對于今后的學習還是工作都有著積極的影響。</p><p><b>　　參考文獻</b></p><p>　　[1] R.C.Gonzalez, R.E.Woods, S.L.Eddins.數(shù)字圖像處

26、理（MATLAB版）阮秋琦等譯.北京:電子工業(yè)出版社,2007.10.</p><p>　　[2] 章毓晉.圖像分割.北京：科學出版社，2001.9.</p><p>　　[3] 繆紹綱.用MATLAB處理數(shù)字圖像.成都：西南交通大學出版社，2001.</p><p>　　[4] 陳桂明，張明照，戚紅雨.應用MATLAB語言處理數(shù)字信號與數(shù)字圖像.北京：科學出版社，

27、2001.</p><p>　　[5] 趙春暉.現(xiàn)代圖像處理技術及MATLAB實現(xiàn).北京：人民郵電出版社,2001.</p><p><b>　　致謝</b></p><p>　　在本次課程設計中，我從中學到了不少東西，不僅加強了動手能力，也加深了對理論的認識，其中離不開同組同學的幫助和支持，在此表示感謝。</p><p&g