图像边缘检测毕业设计论文.doc
《图像边缘检测毕业设计论文.doc》由会员分享,可在线阅读,更多相关《图像边缘检测毕业设计论文.doc(50页珍藏版)》请在冰点文库上搜索。
沈阳航空航天大学电子信息工程学院毕业设计(论文)
摘要
随着计算机技术的飞速发展,图像边缘检测已成为图像处理的重要内容,它是图像分析的基本问题,是图像分割、特征提取和图像识别的前提。
本文的主要内容如下。
首先,介绍了数字图像处理的概念及其应用领域、边缘检测研究的背景意义,历史现状,以及边缘检测的一些基本概念。
然后,分别介绍了经典的图像边缘检测算子,如Robert算子、Sobel算子、Prewitt算子等的基本原理,接着概述了几种新的边缘检测方法,如小波理论、数学形态学、模糊理论等。
并通过理论分析和仿真计算比较了经典边缘检测算子各自的优缺点及适用性。
最后,通过matlab-GUI编程,设计出一个图形界面,整合了canny算子和log算子等的边缘检测,增加了整个程序的实用性。
关键词:
边缘检测;Canny算法;log算法;Robert算法;
ABSTRACT
III
Theimageedgedetectionhasbecomeoneofthemostimportantpartsofimageprocessingwiththedevelopmentofcomputertechnology.Imageedgedetectionisthefirststepofimageanalysis,alsothebasisofimagesegmentation,featureextractionandimagerecognition.Themaincontentofthisdissertationisdescribedasfollows.
Firstly,digitalimageprocessinganditsapplicationsareintroduced.Then,thebackground,thesignificanceandalsothedevelopmentstatusoftheimageedgedetectiontechniqueareintroduced,nexttothis,somebasicknowledgeoftheimageedgedetectionarediscussed.
Secondly,introducedtheclassicaledgedetectionoperator,suchastheRobertoperator,Sobeloperator,Prewittoperator,etc.Thebasicprinciple,thenoutlinedseveralnewedgedetectionmethods,suchaswavelettheory,mathematicalmorphology,fuzzytheories.Andthroughtheoreticalanalysisandsimulationcomparisonofclassicaledgedetectionoperatorandtheapplicabilityoftheiradvantagesanddisadvantages.
Finally,usematlab-GUIprogramming,designagraphicalinterface,integratedoperatorlogandcannyedgedetectionoperator,increasingthepracticalityofthewholeprocess.
Keywords:
edgedetection;Cannyalgorithm;logalgorithm;Robertalgorithm
目录
第一章绪论...………….............………………………………………………....1
1.1 数字图像处理概况.............................................................................…1
1.2 边缘检测技术的概况.................................................................2
1.3边缘检测综述................................................................................3
1.3.1边缘的定义及其类型的分析.....................................................3
1.3.2梯度的概念...............................................................................5
1.3.3边缘检测的一般步骤................................................................5
第二章经典的图像边缘检测算法...........................................................6
2.1经典边缘检测的基本算法...............................................................7
2.2基于梯度的边缘检测算子..............................................................8
2.2.1差分边缘检测..........................................................................8
2.2.1Roberts算子...............................................................................9
2.2.3Sobel算子..................................................................................9
2.2.4Prewitt算子..............................................................................10
2.2.5Robinson算子...........................................................................11
2.3Canny边缘检测算子......................................................................12
2.4Log边缘检测算子..........................................................................14
第三章新型边缘检测方法......................................................................17
3.1基于数学形态学的边缘检测方法...................................................17
3.2基于模糊理论的边缘检测方法.......................................................17
3.3基于分形理论的图像边缘提取方法...............................................17
3.4基于多尺度小波变换的边缘检测算法...........................................18
3.5其它方法........................................................................................20
第五章MATLAB仿真............................................................................21
5.1MATLAB概述................................................................................21
5.1.1MATLAB特点..........................................................................21
5.1.2MATLAB主要功能...................................................................21
5.1.3MATLAB在图像处理中的应用................................................22
5.2基于MATLAB的边缘检测...........................................................22
5.3基于matlab-gui的边缘检测程序设计..........................................27
5.4实验结果分析.................................................................................33
结束语.....................................................................................................34
致谢.........................................................................................................35
参考文献 ...............................................................................................................36
附录........................................................................................................38
第一章绪论
1.1数字图像处理概况
数字图像处理(DigitalImageProcessing)起源于20世纪20年代,是指通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
数字图像处理的产生和迅速发展主要受三个因素的影响:
一是计算机的发展;二是数学的发展;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
当时通过海底电缆从英国伦敦到美国纽约采用数字压缩技术传输了第一幅数字照片。
第三代计算机问世后,数字图像处理便开始迅速发展并得到了普遍的应用。
它通过计算机和其它高速、大规模的集成数字硬件对由光学信息转换成的数字信号进行某些数字运算或处理,期望提高图像的质量达到人们的预期结果。
数字图像处理研究的内容主要有:
(1)图像获取和图像表现阶段主要是把模拟图像信号转化为计算机所能接受的数字形式,以及把数字图像用所需要的形式显示出来。
(2)图像复原当造成图像退化的原因已知时,复原技术可用来进行图像的校正。
复原技术是基于模型和数据的图像恢复,其目的是消除退化的影响,从而产生一个等价于理想成像系统所获得的图像。
(3)图像增强当无法知道与图像退化有关的定量信息时,可以使用图像增强技术较为主观地改善图像的质量。
(4)图像分析对图像中的不同对象进行分割、特征提取和表示,从而有利于计算机对图像进行分类、识别、理解或解释。
(5)图像重建由图像的多个一维投影重建该图像,可看成是特殊的图像复原技术。
(6)图像编码和压缩对图像进行编码的主要目的是为了压缩数据,便于存储和传输。
当前的一些编码方法对图像分析和图像加密也有越来越多的应用。
1)
数字图像处理在计算机科学与技术发展的基础上发展起来的,但是它又涉及到诸多学科领域,包括信息学,统计学、生物学、物理学、心理学、医学等等。
其中,在医学研究方面边缘检测是其医学图像处理的关键技术之一,目的是在有噪声背景的图像中确定出目标物边界的位置,它在医学图像匹配、肿瘤病灶确定、造影血管检测、冠心病诊断、左心室边缘抽出等方面占有举足轻重的地位。
它还广泛用于卢脑三维重建前的边缘抽取,尘肺的自动侦测,脑灰质脑白质的抽取,各种时期癌症细胞的识别,通过眼底视网膜来诊断糖尿病等,在疾病的辅助诊断及观察治疗效果等方面起了重要作用。
图像处理技术已经在众多领域展给人类带来了巨大的经济和社会效益,同时它也在改变着我们的生活和思维方式,然而对图像处理技术的研究绝没有研究到了尽头,无论是在理论研究领域还是正在开辟的新引用领域都还存在广阔的研究空间。
1.2边缘检测技术的概况
计算机视觉处理可以看作是为了实现某一任务从包含有大量的不相关的信息中抽出对我们有用的信息。
这就意味着要扔掉一些不必要的信息,所以我们需要尽可能利用物体的不变性质。
而边缘就是最重要的不变性质:
光线的变化显著地影响了一个区域的外观,但是不会改变它的边缘。
最重要的是人的视觉系统也是对边缘最敏感的。
边缘是图像的最基本特征。
所谓边缘,是指图像中灰度发生急剧变化的区域,或者说是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。
边缘检测是图像处理中的重要内容,目的是在有噪声背景的图像中确定出目标物边界的位置。
边缘或许对应着图像中物体(的边界)或许并没有对应着图像中物体(的边界),但是边缘具有十分令人满意的性质,它能大大地减少要处理的信息但是又保留了图像中物体的形状信息。
常见的传统的边缘检测方法的边缘检测算子主要有Roberts算子、Prewitt算子、Sobel算子、LOG算子、Canny算子、等。
还有诸如哈夫变换等其他方法。
对图像进行边缘检测的意义很重要。
在医学图像处理领域,它在图像匹配、肿瘤病灶确定、造影血管检测、冠心病诊断、左心室边缘抽出等方面占有举足轻重的地位,它还广泛用于卢脑三维重建前的边缘抽取,尘肺的自动侦测,脑灰质脑白质的抽取,各种时期癌症细胞的识别,通过眼底视网膜来诊断糖尿病等,在疾病的辅助诊断及观察治疗效果等方面起了重要作用。
此外,边缘在模式识别、机器视觉等中有很重要的应用。
边缘是边界检测的重要基础,也是外形检测的基础。
边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间,因此它也是图像分割所依赖的重要特征。
边缘检测对于物体的识别也很重要的。
主要有以下几个理由:
首先,人眼通过追踪未知物体的轮廓而扫描一个未知的物体。
第二,经验告诉人们:
如果人们能成功得到图像的边缘,那么图像分析就会大大简化。
图像识别就会容易得多。
第三,很多图像并没有具体的物体,对这些图像的理解取决于它们的纹理性质,而提取这些纹理性质与边缘检测有着极其密切的关系。
由于在图像处理中的应用十分广泛,边缘检测的研究多年来一直受到人们的高度重视,到现在已提出的各种类型的边缘检测算法有成百上千种。
到目前为止,国内外关于边缘检测的研究主要以两种方式为主:
(1)不断提出新的边缘检测算法。
一方面,人们对于传统的边缘检测技术的掌握已经十分成熟,另一方面,随着科学的发展,传统的方法越来越难以满足某些情况下不断增加或更加严格的要求,如性能指标,运行速度等方面。
针对这种情况,人们提出了许多新的边缘检测方法。
这些新的方法大致可以分为两大类:
一类是结合特定理论工具的检测技术,如基于数学形态学的检测技术、借助统计学方法的检测技术、利用神经网络的检测技术、利用模糊理论的检测技术、基于小波分析和变换的检测技术、利用信息论的检测技术、利用遗传算法的检测技术等。
另一类是针对特殊的图像而提出的边缘检测方法。
如将二维的空域算子扩展为三维算子可以对三维图像进行边缘检测、对彩色图像的边缘检测、合成孔径雷达图像的边缘检测、对运动图像进行边缘检测来实现对运动图像的分割等。
(2)将现有的算法应用于工程实际中。
如车牌识别、虹膜识别、人脸检测、医学或商标图像检索等。
尽管人们很早就提出了边缘检测的概念,而且今年来研究成果越来越多,但由于边缘本身检测本身所具有的难度,使研究没有多大的突破性的进展。
仍然存在的问题主要有两个:
其一是没有一种普遍使用的检测算法;其二没有一个好的通用的检测评价标准。
从边缘检测研究的历史来看,可以看到对边缘检测的研究有几个明显的趋势:
一是对原有算法的不断改进;二是新方法、新概念的引入和多种方法的有效综合利用。
人们逐渐认识到现有的任何一种单独的边缘检测算法都难以从一般图像中检测到令人满意的边缘图像,因而很多人在把新方法和新概念不断的引入边缘检测领域的同时也更加重视把各种方法总和起来运用。
在新出现的边缘检测算法中,基于小波变换的边缘检测算法是一种很好的方法。
三是交互式检测研究的深入。
由于很多场合需要对目标图像进行边缘检测分析,例如对医学图像的分析,因此需要进行交互式检测研究。
事实证明。
交互式检测技术有着广泛的应用。
四是对特殊图像边缘检测的研究越来越得到重视。
目前有很多针对立体图像、彩色图像、多光谱图像以及多视场图像分割的研究,也有对运动图像及视频图像中目标分割的研究,还有对深度图像、纹理(Texture)图像、计算机断层扫描(CT)、磁共振图、共聚焦激光扫描显微镜图像、合成孔径雷达图像等特殊图像的边缘检测技术的研究。
五是对图像边缘检测评价的研究和对评价系数的研究越来越得到关注。
相信随着研究的不断深入,存在的问题会很快得到圆满的解决。
1.3边缘检测综述
1.3.1边缘的定义及其类型的分析
边缘是指图像局部亮度变化最显著的部分,主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间。
两个具有不同灰度值的相邻区域之间总存在着边缘,它是灰度值不连续的结果。
这种不连续常可以利用求导数的方法方便的检测到,一般常用一阶和二阶导数来检测边缘。
图1.1第一排是一些具有边缘的图像示例,第二排是沿图像水平方向的一个剖面图,第三排和第四排分别为剖面的一阶和二阶导数。
常见的边缘剖面有3种:
①阶梯状(如图(a)和(b)所示);②脉冲状(如图(c)所示);③屋顶状(如图(d)所示)。
阶梯状的边缘处于图像中两个具有不同灰度值的相邻区域之间,脉冲状主要对应细条状的灰度值突变区域,而屋顶状的边缘上升下降沿都比较缓慢。
由于采样的缘故,数字图像的边缘总有一些模糊,所以这里垂直上下的边缘剖面都表示成一定坡度。
图1.1图像的边缘及其导数
图1-1(a)中,对灰度值剖面的一阶导数在图像由暗变明的位置处有一个向上的阶跃,而在其它位置为零。
这表明可用一阶导数的幅度值来检测边缘的存在,幅度峰值一般对应边缘位置。
对灰度值剖面的二阶导数在一阶导数的阶跃上升区有一个向上的脉冲,而在一阶导数阶跃下降区有一个向下的脉冲。
在这两个阶跃之间有一个过零点,它的位置正对应原始图像中边缘的位置。
所以可用二阶导数过零点检测边缘位置,而二阶导数在过零点附近的符号确定边缘像素在图像边缘的暗区或明区。
分析图1-1(b)可得到相似的结论。
这里图像由明变暗,所以与图(a)相比,剖面左右对称,一阶导数上下对称,二阶导数左右对称。
图1-1(c)中,脉冲状的剖面边缘与图(a)的一阶导数形状相同,所以图(c)的一阶导数形状与图(a)的二阶导数形状相同,而它的两个二阶导数过零点正好分别对应脉冲的上升沿和下降沿。
通过检测剖面的两个二阶导数过零点就可以确定脉冲的范围。
图1-1(d)中,屋顶状边缘的剖面可看作是将脉冲边缘地步展开得到的,所以它的一阶导数是将图1-1(c)脉冲剖面的一阶导数的上升沿和下降沿展开得到的,而它的二阶导数是将脉冲剖面二阶导数的上升沿和下降沿拉开得到的。
通过检测屋顶状边缘剖面的一阶导数过零点可以确定屋顶位置。
1.3.2梯度的概念
梯度:
边缘检测是检测图像局部显著变化最基本的运算。
在一维的情况下,阶跃边缘同图像的一阶导数局部峰值有关。
梯度是函数变化的一种度量,而一幅图像可以看作是图像强度连续函数的取样点序列。
梯度是一阶导数的二维等效式,定义为矢量:
(1.1)
有两个重要性质与梯度有关:
(1)矢量的方向就是函数增大时的最大变化率方向;
(2)梯度的幅值由下式给出:
(1.2)
由矢量分析可知,梯度的方向定义为:
(1.3)
其中角是相对于轴的角度。
对于数字图像,式(1-1)的导数可用差分来近似,最简单的梯度近似表达式为:
(1.4)
(1.5)
1.3.3边缘检测的一般步骤
一般来说,边缘检测的算法有如下四个步骤:
1)滤波:
边缘检测算法主要是基于图像增强的一阶和二阶导数,但导数的计算对噪声很敏感,因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。
2)增强:
增强边缘的基础是确定图像各点邻域强度的变化值。
增强算法可以将邻域(或局部)强度之有显著变化的点突显出来。
边缘增强一般都是通过计算梯度幅值来完成的。
3)检测:
在图像中有许多点的梯度幅值比较大,而这些点在特定的应用领域中并不都是边缘,所以应该用某种方法来确定哪些是边缘点。
最简单的边缘检测判据是梯度幅值阈值判据。
4)定位:
如果某一应用场合要求确定边缘位置,则边缘的位置可在子像素分辨率上来估计,边缘的方位也可以被估计出来。
在边缘检测算法中,前三个步骤用的十分普遍。
这是由于大多数场合下,仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近,而没有必要指出边缘的精确位置或方向。
第二章经典的图像边缘检测算法
边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。
我们将边缘定义为图像中灰度发生急剧变化的区域边界。
图像灰度的变化情况可以用图像灰度分布的梯度来