基于自适应平滑滤波器的边缘检测算法毕业论文.docx
《基于自适应平滑滤波器的边缘检测算法毕业论文.docx》由会员分享，可在线阅读，更多相关《基于自适应平滑滤波器的边缘检测算法毕业论文.docx（39页珍藏版）》请在冰点文库上搜索。
基于自适应平滑滤波器的边缘检测算法毕业论文
毕业设计论文
基于自适应平滑滤波器的边缘检测算法
摘要
随着计算机视觉、机器视觉等相关领域的发展，图像处理发展的非常迅速，边缘检测作为图像处理的一个重要问题一直备受人们关注。
图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础，图像理解和分析的第一步往往就是边缘检测，目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。
图像的边缘检测，应用MATLAB进行处理分析，选用此作为计算机通信专业的设计题目，使毕业生在理解运用MATLAB语言的同时处理设计中所使用的微分算子和算法，培养了学生的自学及运用知识解决问题的能力，并适应市场人才的需求，为其在今后的工作学习不断进步打下良好的基础。
关键词：
边缘检测,微分子算法,最优算子法,基于自适应平滑滤波的边缘检测方法,matlab
ABSTRACT
Alongwiththecomputervision,themachinevisionandsoonrelateddomain'sdevelopment,theimageryprocessingdevelopmentisrapid,themarginalcheckhasbeensubjecttothepeopleasanimageryprocessing'simportantquestiontopayattention.
Theimagemarginalcheckistheimagedivision,thetargetsectorrecognition,theregionshapeextractionandsoonimageanalysisdomainveryimportantfoundations,theimageunderstandingandtheanalysisfirststepoftenisthemarginalcheck,atpresentithasbecomeoneofmachinevisionresearchareamostactivetopics,holdstheveryimportantstatusintheprojectapplication.
Theimagemarginalcheck,carriesontheprocessinganalysisusingMATLAB,selectsthisachievementcomputercorrespondencespecializeddesigntopic,causesthegraduate,intheunderstandingutilizesthederivativeoperatorwhichandthealgorithmMATLABthelanguageinthesimultaneousworkingdesignuses,hasraisedstudent'sstudyingindependentlyandsolvesthequestionabilityusingtheknowledge,andadaptsthemarkettalentedperson'sdemand,willprogressunceasinglyforitinpresent'sworkstudybuildsthegoodfoundation.
Keyword:
Marginalcheck,scintillaalgorithm,mostsuperioroperatorlaw,basedonauto-adaptedsmoothfilter'smarginalcheckmethod,matlab
毕业设计（论文）原创性声明和使用授权说明
原创性声明
本人郑重承诺：
所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。
尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。
对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。
作者签名：
日 期：
指导教师签名：
日 期：
使用授权说明
本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：
按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。
作者签名：
日 期：
目录
第一章绪论1
·1.1图像处理的发展现状1
·1.2数字图像中边缘检测综合研究的必要性1
·1.3MATLAB软件在图像处理中的应用3
·1.3.1MATLAB的发展3
·1.3.2MATLAB的强大功能3
·1.4论文主要研究内容4
第二章图像边缘检测的概述5
·2.1图像的处理与特征5
·2.2图像的基本特征——边缘5
·2.2.1图像边缘的基本概念5
·2.2.2图像边缘的分类5
·2.2.3边缘检测的基本思想与步骤6
第三章图像处理中边缘检测算法7
·3.1基于梯度的边缘检测算法7
·3.1.1Robert算子7
·3.1.2Sobel算子8
·3.1.3Prewitt算子9
·3.1.4Laplacian算子10
·3.2最优算子法——LOG（LaplacianofGaussian）算子11
·3.2.1LOG算子的发展11
·3.2.2LOG算子的基本思想11
·3.2.3基于LOG算子的边缘检测的实现12
·3.4基于自适应平滑滤波的边缘检测方法12
·3.4.1自适应滤波器的概述13
·3.4.2LMS自适应滤波器的基本理论13
第四章边缘检测的MATLAB实现及实验结果分析比较15
·4.1边缘检测的MATLAB实现15
·4.1.1MATLAB实现基于梯度的微分算子法15
·4.1.2MATLAB实现高斯—拉普拉斯边缘检测算法17
·4.1.3MATLAB实现基于自适应平滑滤波器的边缘检测算法18
·4.2实验结果的分析与比较19
第五章总结与展望20
·5.1总结20
·5.2展望20
谢辞21
参考文献22
第一章绪论
·1.1图像处理的发展现状
图像是人们对客观世界中的景物的一种描述和记录。
几千年前我们祖先发明的象形文字就是图像。
人类使用显微镜获得了分子和细胞的图像。
照相机的发明，电影、电视技术的出现更是使人们获得了大量的图像。
因此，描述和记录人们对客观景物观察所得到的各类图片、照片、绘画、X光胶片等都是图像。
可以这么说，图像无时不有，无处不在。
数字图像处理（DigitalImageProcessing）又称为计算机图像处理，是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
现在图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就。
这些领域包括航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导和文化艺术等。
图像处理日益成为一门引人注目、前景远大的学科。
随着图像处理技术的深入发展，从20世纪70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。
近30年来该技术取得了令人瞩目的成就。
图像处理是指对图像进行变换、传递、存储、增强、复原、编码、显示、重建等各种操作。
图像处理分为模拟处理和数字处理。
数字处理是利用计算机对离散化了的数字图像进行处理。
数字图像处理的优点是精度高，灵活性强，处理内容丰富，以及可做非线性处理等。
其缺点是速度太慢。
图像处理的技术应用是相当广泛的，它在国家安全、经济发展、日常生活中充当着越来越重要的角色，对国计民生有着不可忽略的作用。
目前，随着计算机科学技术的不断发展以及人们在日常生活中对图像信息的不断需求，数字图象处理技术在近年来的到了迅速的发展，成为当代科学研究与应用开发中一道亮丽的风景线。
数字图像处理技术以其信息量大、处理和传输方便、应用广等一系列优点，成为人类获取信息的重要来源和利用信息的重要手段，并在宇宙探测、遥感、生物医学、工农业生产、军事、公安、办公自动化等领域得到广泛应用，显示出广泛的应用前景。
·1.2数字图像中边缘检测综合研究的必要性
图像中包含了人类所需要的感知世界，进而认识世界、改造世界的大部分信息量。
图像处理就是对图像信息进行加工处理，以满足人的视觉心理和实际应用的要求，理解图像、识别图像中的目标是计算机视觉图像处理的中心任务。
边缘像素实质上是指局部图像范围内灰度的急剧变化（奇异点），图像边缘就是二维图像中奇异点的集合。
物体形状、物体边界、位置遮挡、阴影轮廓及表面纹理等重要视觉信息在图像中均有边缘产生。
图像边缘是图像中最基本的特征，是分析理解图像的基础。
边缘检测对于物体识别也是很重要的。
因为:
（1）人眼通过追踪未知物体的轮廓而扫视一个未知的物体；
（2）得到图像的边缘，能使图像分析大大简化；（3）很多图像并没有具体的物体，对于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极其密切的关系。
所以边缘检测是数字图像分析处理的前提，检测结果的优劣影响着下一步图像压缩、计算机视觉、模式识别的应用，所以对它的研究具有现实意义和理论意义。
·1.2.1边缘检测对图像数据压缩的影响
在图像科学研究中，大量工作是对图像、图形的处理，包括数字图像的处理、储存、传输等。
特别地，多媒体技术、计算机视觉和计算机模式识别已经越来越普遍地应用于人们的生活当中。
其技术特点要求信息的交互性、实时性和协同性。
从图像处理的现状及数据存储传输理论知道，多媒体应用中的关键技术是图形、图像数据的压缩和编码以减少数据存储量、降低数据传输率，满足各行各业对图像处理的要求。
图像信息是可以进行压缩的，因为原始数据存在着大量的冗余信息，同时人的视觉具有”掩盖效应”，所以在图像传输时可以对某些信息进行一定程度上的丢失，以达到较大的压缩比。
对图像中物体的边缘检测能够提取物体的关键特征或轮廓，可以用较少的比特数表示图像，达到压缩图像数据的目的。
·1.2.2边缘检测对模式识别的影响
人工智能领域中，计算机视觉十分关注开发分析图像内容的算法，其中统计模式识别时应用最为广泛的方法，用数字图像处理技术可以很好地实现模式识别。
给定一幅含有多个物体的数字图像，模式识别过程主要有三个阶段组成：
（1）图像分割或图像分离。
检测出各个物体，并与其它景物分离。
（2）特征抽取。
对物体进行度量并形成一组N维特征。
（3）分类。
输出一种决策，确定物体应归属的类别。
只有精确的图像边缘检测才能真正实现机器人视觉及图像测量、卫星遥感技术、精确制导等技术。
在数字识别系统中，图像边缘提取占据着重要的地位，它位于系统的最底层，为其他模块所依赖。
图像边缘提取作为计算机视觉领域最经典的的研究课题长期受到人们的重视。
经典的边缘检测算法有Sobel、Roberts、Prewitt、Laplacian和LOG边缘检测方法等。
·1.3MATLAB软件在图像处理中的应用
·1.3.1MATLAB的发展
MATLAB是由美国Mathworks公司于1984年正式推出的。
20世纪70年代，美国新墨西哥大学计算机科学系主任CleveMoler为了减轻学生编程的负担，用FORTRAN编写了最早的MATLAB。
1984年由Little、Moler、SteveBangert合作成立了的MathWorks公司正式把MATLAB推向市场。
到20世纪90年代，MATLAB已成为国际控制界的标准计算软件。
它是矩阵实验室（MatrixLaboratory）的简称，是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。
因此，MATLAB语言在国外的大学工学院中，特别是数值计算用的最频繁的电子信息类学科中，已成为每个学生都掌握的工具。
他大大提高了课程教学、解题作业、分析研究的效率。
学习掌握MATLAB，也可以说是在科学计算工具上与国际接轨。
·1.3.2MATLAB的强大功能
MATLAB软件具有很强的开放性和适应性。
在保持内核不变的情况下MATLAB可以针对不同的应用学科推出相应的工具箱（TOOLBOX）,目前已经推出了图像处理工具箱、信号处理工具箱、小波工具箱、神经网络工具箱以及通信工具箱等多个学科的专用工具箱，极大地方便了不同学科的研究工作。
MATLAB的图像处理工具箱是由一系列支持图像处理操作的函数组成的，所支持的图像处理操作有：
几何操作、区域操作和块操作；线性滤波和滤波器设计；变换（DCT变换）；图像分析和增强；二值图像操作等。
图像处理工具包的函数，按功能可以分为以下几类：
图像显示；图像文件输入与输出；几何操作；像素值统计；图像分析与增强；图像滤波；线性二维滤波器设计；图像变换；邻域和块操作；二值图像操作；颜色映射和颜色空间转换；工具包参数获取和设置等。
与其他工具包一样，用户还可以根据需要书写自己的函数，以满足特定的需要，也可以将这个工具包和信号处理工具包或小波工具包等其他工具包联合起来使用。
MATLAB语言是当今国际上科学界（尤其是自动控制领域）最具影响力、最有活力的软件。
它起源于矩阵运算，并已经发展成一种高度集成的计算机语言。
它提供了强大的科学运算、灵活的程序设计流程、高质量的图形可视化与界面设计、与其他程序和语言便捷的接口功能。
MATLAB语言在各国高校与研究单位起着重大的作用。
由于MATLAB强大的数据处理和界面设计能力，它在数字图像处理中有着其他语言所无法比拟的优势。
本文就是主要介绍MATLAB7．0在数字图像处理中的应用。
·1.4论文主要研究内容
在本文中，我们讨论数字图像处理基于MATLAB的图像边缘检测算子实现及应用。
首先，简述了边缘检测的基本原理及运用步骤。
然后，对一些经典边缘检测算子，如Roberts边缘检测算子，Sobel边缘检测算子，Prewitt边缘检测算子，LaplacianofGaussian（LoG）算子，基于自适应平滑滤波的边缘检测算子进行分析比较。
然后根据仿真结果，比较这些边缘检测算子的优缺点。
研究结果表明，二值形态学算子能够获得更好的边缘特征。
总之，图像边缘检测在图像处理和及其视觉中占据着重要位置,是计算机视觉、模式识别等的基础,因此做好这一步是至关重要的。
最后对所做工作的总结及对未来研究方向的展望。
第二章图像边缘检测的概述
·2.1图像的处理与特征
利用计算机进行图像处理有两个目的：
产生更适合人类观察和识别的图像；希望能由计算机自动识别和理解图像。
无论为了哪种目的，图像处理中关键的一步就是对包含有大量各式各样景物信息的图像进行分解。
分解的最终结果是被分解成一些具有某种特征的最小成分，称为图像的基元。
相对于整幅图像来说，这种基元更容易被快速处理。
图像的特征是指图像场中可用作标志的属性，它可以分为图像的统计特征和图像的视觉特征两类。
图像的统计特征是指一些人为定义的特征，通过变换才能得到，如图像的直方图、矩、频谱等;图像的视觉特征是指人的视觉可直接感受到的自然特征，如区域的亮度、纹理或轮廓等。
利用这两类特征把图像分解成一系列有意义的目标或区域的过程称为图像的分割。
·2.2图像的基本特征——边缘
·2.2.1图像边缘的基本概念
图像最基本的特征是边缘，所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。
它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。
因此，它是图像分割所依赖的最重要的特征，也是纹理特征的重要信息源和形状特征的基础，而图像的纹理形状特征的提取又常常要依赖于图像分割。
图像的边缘提取也是图像匹配的基础。
因为它是位置的标志，对灰度的变化不敏感，可作为匹配的特征点。
图像的边缘是由灰度不连续性所反映的。
经典的边缘提取方法是考察图像的每个像素在某个区域内灰度变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘，这种方法称为边缘检测局部算子法。
·2.2.2图像边缘的分类
边缘的种类可以分为两种：
阶跃性边缘，它两边的像素的灰度值有显著的不同；屋顶状边缘，它位于灰度值从增加到减少的变化转折点。
对于阶跃性边缘，二阶方向导数在边缘处呈零交叉；对于屋顶状边缘，二阶方向导数在边缘处取极值。
如果一个像素在图像中某一个物体的边界上，那么它的领域将成为一个灰度级的变化带。
对这种变化最有用的两个特征是灰度的变化率和方向，它们分别以梯度向量的幅度和方向来表示。
边缘检测算子检查每个像素的领域并对灰度变化率进行量化，也包括方向的确定，大多数使用基于方向导数掩模求卷积的方法。
·2.2.3边缘检测的基本思想与步骤
边缘检测的基本思想是先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度”，通过设置阈值的方法提取边缘点集。
但是由于噪声和图像模糊，检测到的边界可能会有间断的情况发生。
所以边缘检测包含以下两项内容：
（1）用边缘算子提取边缘点集。
（2）在边缘点集合中去除某些边缘点，填充一些边缘点，将得到的边缘点集连接为线。
图像边缘检测的基本步骤如下：
（1）滤波。
边缘检测算法主要是基于图像强度的一阶和二阶导数，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。
需要指出的是，大多数滤波器在降低噪声的同时也导致了边缘强度的损失。
因此，增强边缘和降低噪声之间需要折中。
边缘检测主要基于导数计算，但受噪声影响。
而滤波器在降低噪声的同时也导致边缘强度的损失。
（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）强度值有显著变化的点突显出来。
边缘增强一般是通过计算梯度幅值来完成的。
增强算法将邻域中灰度有显著变化的点突出显示。
一般通过计算梯度幅值完成。
（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点是边缘点。
最简单的边缘检测判据是梯度幅值阈值判据。
但在有些图像中梯度幅值较大的并不是边缘点。
最简单的边缘检测是梯度幅值阈值判定。
（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。
第三章图像处理中边缘检测算法
·3.1基于梯度的边缘检测算法
基于梯度的边缘检测算子是图像处理中最为常用的求导数的方法。
由于边缘是图像灰度变化比较剧烈的地方，在灰度突变处求导将产生较大值，因此在数学上可用灰度导数的大小来表示灰度变化。
·3.1.1Robert算子
它是2﹡2算子，利用局部差分算子寻找边缘，计算沿45º方向的一阶差分。
图像的梯度为两个45º方向的梯度向量和，直接计算图像差分，不包括平滑，故不能抑制噪声，对具有陡峭的低噪声图像响应最好。
它是一种利用局部差分算子寻找边缘的算子。
函数的梯度定义为
通常把梯度的模叫做图象的梯度。
对于数字图象，可以用差分来近似微分。
Roberts模板是用斜向上的4个象素的交叉差分定义的，所用到公式为：
Gx=f（i,j）-f（i-1,j-1）;
Gy=f（i,j-1）-f（i-1,j）;
g（i,j）=（Gx^2+Gy^2）^（1/2）;
模板的形式就是
差分值将在内插点处计算。
Roberts算子是该点连续梯度的近似值，而不是所预期的在点处的近似值。
在MATLAB中可以由edge函数实现。
其语法格式如下：
BW=edge（I,'roberts'）
BW=edge（I,'roberts',thresh）
[BW,thresh]=edge（I,'roberts',…）
BW=edge（I,'roberts'）自动选择阈值用Robert算子进行边缘检测。
BW=edge（I,'roberts',thresh）根据所指定的敏感度阈值thresh用Roberts算子进行边缘检测，它忽略了所有小于阈值的边缘。
当thresh为空时，自动选择阈值。
[BW,thresh]=edge（I,'roberts',…）返回阈值。
edge函数对灰度图像I进行边缘检测，返回与I同样大小的二值图像BW，其中1表示I的边缘，0表示非边缘。
I是uint8型、uint16型或double型的，BW是uint8型的。
·3.1.2Sobel算子
Sobel算子是边缘检测器中最常用的算子之一。
采用3×3邻域可以避免在像素之间内插点上计算梯度。
Sobel梯度算子是先做成加权平均，再微分，然后求梯度，求梯度时对于平方和运算及开方运算，可以用两个分量的绝对值之和表示。
即：
Gx=（f（i,j-2）+2×f（i,j-1）+f（i,j））-（f（i-2,j-2）+2×f（i-2,j-1）+f（i-2,j））;Gy=（f（i-2,j）+2×f（i-1,j）+f（i,j））-（f（i-2,j-2）+2×f（i-1,j-2）+f（i,j-2））;g（i,j）=（Gx^2+Gy^2）^（1/2）;
Sobel算子也有两个，一个是检测水平边缘的模板
，另一个是检测垂直边缘的模板
。
与Prewitt算子相比，Sobel算子对于象素位置的影响作了加权，因此效果更好。
Sobel算子的另一种形式是各向同性Sobel算子，也有两个模板组成，一个是检测水平边缘的
，另一个是检测垂直边缘的
。
各向同性Sobel算子和普通Sobel算子相比，位置加权系数更为准确，在检测不同方向的边缘时梯度的幅度一致。
edge函数实现的语法格式如下：
BW=edge（I,'sobel'）
BW=edge（I,'sobel',thresh）
BW=edge（I,'sobel',thresh,direction）
[BW,thresh]=edge（I,'sobel'…）
BW=edge（I,'sobel'）自动选择阈值用Sobel算子进行边缘检测。
BW=edge（I,'sobel',thresh）根据所指定的敏感度阈值thresh，用Sobel算子进行边缘检测，它忽略了所有小于阈值的边缘。
当thresh为空时，自动选择阈值。
BW=edge（I,'sobel',thresh,direction）根据所指定的敏感度阈值thresh，在所指定的方向direction上，用Sobel算子进行边缘检测。
Direction可取的字符串值为horizontal（水平方向）、vertical（垂直方向）或both（两个方向）。
[BW,thresh]=edge（I,'so
升级会员 