基于matlab的圖像邊緣檢測算法研究報(bào)告和仿真

1、基于matlab的圖像邊緣檢測算法研究.II. - 可修編基于matlab的圖像邊緣檢測算法研究和仿真目 錄第1章 緒論11.1序言 11.2 數(shù)字圖像邊緣檢測算法的意義1第2章 傳統(tǒng)邊緣檢測方法及理論根底 22.1 數(shù)字圖像邊緣檢測的現(xiàn)狀與開展22.2 MATLAB和圖像處理工具箱的背景知識32.3 數(shù)字圖像邊緣檢測關(guān)于邊緣的定義4 2.4基于一階微分的邊緣檢測算子42.5基于二階微分的邊緣檢測算子7第3章 編程和調(diào)試 103.1edge函數(shù)103.2邊緣檢測的編程實(shí)現(xiàn)11第4章 總結(jié) 13第5章 圖像邊緣檢測應(yīng)用領(lǐng)域 13附錄 參考文獻(xiàn) 15 .PAGE 第 頁 共 22頁. - 可修編第

2、1章 緒論1.1序言理解圖像和識別圖像中的目標(biāo)是計(jì)算機(jī)視覺研究的中心任務(wù)，物體形狀、物體邊界、位置遮擋、陰影輪廓及外表紋理等重要視覺信息在圖像中均有邊緣產(chǎn)生。圖像邊緣是分析理解圖像的根底，它是圖像中最根本的特征。在Marr的計(jì)算機(jī)視覺系統(tǒng)中，圖像邊緣提取占據(jù)著非常重要位置，它位于系統(tǒng)的最底層，為其它模塊所依賴。圖像邊緣提取作為計(jì)算機(jī)視覺領(lǐng)域最經(jīng)典的研究課題，長期受到人們的重視。圖像邊緣主要劃分為階躍狀和屋脊?fàn)顑煞N類型。階躍狀邊緣兩側(cè)的灰度值變化明顯，屋脊?fàn)钸吘墑t位于灰度增加與減少的交界處。傳統(tǒng)的圖像邊緣檢測方法大多是從圖像的高頻分量中提取邊緣信息，微分運(yùn)算是邊緣檢測與提取的主要手段。由于傳統(tǒng)的

3、邊緣檢測方法對噪聲敏感，所以實(shí)際運(yùn)用效果有一定的局限性。近年來，越來越多的新技術(shù)被引入到邊緣檢測方法中，如數(shù)學(xué)形態(tài)學(xué)、小波變換、神經(jīng)網(wǎng)絡(luò)和分形理論等。Canny于1986年提出基于最優(yōu)化算法的邊緣檢測算子，得到了廣泛的應(yīng)用，并成了與其它實(shí)驗(yàn)結(jié)果作比擬的標(biāo)準(zhǔn)。其原因在于他最先建立了優(yōu)化邊緣檢測算子的理論根底，提出了迄今為止定義最為嚴(yán)格的邊緣檢測的三個(gè)標(biāo)準(zhǔn)。另外其相對簡單的算法使得整個(gè)過程可以在較短的時(shí)間實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果也說明，Canny算子在處理受加性高斯白噪聲污染的圖像方面獲得了良好的效果1。1.2 數(shù)字圖像邊緣檢測算法的意義數(shù)字圖像處理是控制領(lǐng)域的重要課題，數(shù)字圖像邊緣檢測是圖像分割、目標(biāo)區(qū)域

4、識別和區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的根底，是圖像識別中提取圖像特征的一個(gè)重要方法。邊緣中包含圖像物體有價(jià)值的邊界信息，這些信息可以用于圖像理解和分析，并且通過邊緣檢測可以極降低后續(xù)圖像分析和處理的數(shù)據(jù)量。圖像理解和分析的第一步往往就是邊緣檢測，目前它已成為機(jī)器視覺研究領(lǐng)域最活潑的課題之一，在工程應(yīng)用中占有十分重要的地位。圖像的邊緣檢測技術(shù)是數(shù)字圖像處理技術(shù)的根底研究容，是物體識別的重要根底。邊緣特征廣泛應(yīng)用于圖像分割、運(yùn)動檢測與跟蹤、工業(yè)檢測、目標(biāo)識別、雙目立體視覺等領(lǐng)域?，F(xiàn)有邊緣檢測技術(shù)在抑制噪聲方面有一定的局限性，在閾值參數(shù)選取方面自適應(yīng)能力很差，有待進(jìn)一步改良和提高。1多譜圖像是圖

5、像配準(zhǔn)技術(shù)中的一個(gè)難點(diǎn)，傳統(tǒng)的圖像配準(zhǔn)技術(shù)只適用于同源圖像，由于紅外圖像和可見光遙感圖像的成像波段不同，對于同一場景，所采集到的圖像的差異很大。在此課題中，作者首先通過邊緣檢測，得到紅外圖像與遙感可見光圖像的邊緣圖像，再通過尺度不變特征匹配，就能得到紅外圖像與可見光遙感圖像之間的透視變換關(guān)系，從而成功完成了多譜圖像配準(zhǔn)2。2在貨運(yùn)列車動態(tài)圖像故障檢測系統(tǒng)(TFDS,Trouble Of Moving Freight Car Detection system)中的故障識別的課題中，作者采用水平Sobel算子檢測邊緣,對邊緣圖像進(jìn)展水平方向投影，計(jì)算得到貨運(yùn)列車底部心盤螺栓大致區(qū)域的圖像，然后用H

6、arris算子得到一些候選故障區(qū)域，最后通過相關(guān)匹配來識別故障。3在基于雙目立體視覺的人體動作捕捉系統(tǒng)的課題中，利用圖像的邊緣和深度信息從視頻中分割出人體前景圖像。因此對圖像邊緣檢測技術(shù)理論及其應(yīng)用進(jìn)展研究都有很重要的意義。第2章 傳統(tǒng)邊緣檢測方法及理論根底2.1 數(shù)字圖像邊緣檢測的現(xiàn)狀與開展在數(shù)字圖像處理中，邊緣特征是圖像的重要特征之一，是圖像處理、模式識別和計(jì)算機(jī)視覺的重要組成局部之一，圖像邊緣檢測的結(jié)果直接影響進(jìn)一步圖像處理、模式識別的效果。近幾十年來，圖像邊緣檢測技術(shù)成為數(shù)字圖像處理技術(shù)重要研究課題之一，隨著科學(xué)技術(shù)的開展，研究人員提出了很多圖像邊緣檢測方法及邊緣檢測效果的評價(jià)方法，并

7、且將這些邊緣檢測技術(shù)應(yīng)用于計(jì)算機(jī)視覺和模式識別工程領(lǐng)域，使得邊緣檢測技術(shù)的應(yīng)用圍越來越廣，圖像的邊緣一般是圖像的灰度或者顏色發(fā)生劇烈變化的地方，而這些變化往往是由物體的構(gòu)造和紋理，外界的光照和物體的外表對光的反射造成的。圖像的邊緣反映了物體的外觀輪廓特征，是圖像分析和模式識別的重要特征，數(shù)字圖像處理技術(shù)是一門穿插學(xué)科，數(shù)學(xué)理論、人工智能、視覺生理學(xué)和心理學(xué)等各種理論為邊緣檢測技術(shù)研究注入新的活力，涌現(xiàn)出很多邊緣檢測理論和方法。根據(jù)邊緣檢測所處理的圖像類型，可分為兩大類：灰度圖像邊緣檢測方法和彩色圖像邊緣檢測方法?；诒菊撐膬H研究討論灰度圖像邊緣檢測，這里介紹經(jīng)典的灰度圖像邊緣檢測方法?；叶葓D像

8、的邊緣是像素的灰度值發(fā)生變化的地方，這些變化通常是屋頂變化或者階躍變化，圖像屋頂變化或者階躍變化的大小一般用灰度圖像一階導(dǎo)數(shù)或二階導(dǎo)數(shù)的大小來描述，所以灰度圖像的邊緣檢測方法主要分為兩大類：一階微分圖像邊緣檢測算子如Roberts算子、Sobel算子、Prewitt算子和二階微分圖像邊緣檢測算子如Laplacian算子、LOG算子、Canny算子。一般來講，一個(gè)好的邊緣檢測算法應(yīng)滿足如下要求：1檢測精度高；2抗噪能力強(qiáng)；3計(jì)算簡單；4易于并行實(shí)現(xiàn)。其中最根本的問題是解決檢測精度與抗噪聲能力間的矛盾。從理論上講，這兩者之間存在著相互制約的互變關(guān)系，即不確定性原則。這一原則可表述為，一個(gè)信號不可能

9、在時(shí)域和頻域中任意高度集中。因而邊緣的定位精度和抗噪聲能力不可能同時(shí)無限地提高，這兩項(xiàng)指標(biāo)的乘積為一常數(shù)，理論上可以通過改變空域形式來獲得任意好的定位精度或信噪比，但不能兩者都得到改善。因此，衡量一個(gè)檢測方法的標(biāo)準(zhǔn)也不能只看*一指標(biāo)的上下，而應(yīng)考察其綜合指標(biāo)是否到達(dá)理論上的極限。雖然迄今已出現(xiàn)了眾多的理論和方法，而且有些方法開展得相當(dāng)成熟，但從這個(gè)意義上講還沒有一種普遍適于任何條件的最優(yōu)算法。為此人們已將注意力放在研究更直接的、專用的和面向?qū)ο蟮囊曈X信息系統(tǒng)，如主動視覺，定性視覺、面向任務(wù)的視覺等，通過強(qiáng)調(diào)場景和任務(wù)的約束、增加信息輸入和降低對輸出的要求等手段來降低視覺處理問題的難度。這些思想

10、大大豐富和補(bǔ)充了原來的理論，使算法向具體化、實(shí)用化方向開展，已成為視覺信息處理中有前途的開展方向3。2.2 MATLAB和圖像處理工具箱的背景知識MATLAB對于技術(shù)計(jì)算來說是一種高性能語言。它以易于應(yīng)用的環(huán)境集成了計(jì)算、可視化的編程，在該環(huán)境下，問題及其解以我們熟悉的數(shù)學(xué)表示法來表示。典型的應(yīng)用包括如下方面4：1數(shù)學(xué)和計(jì)算2算法開發(fā)3數(shù)據(jù)獲取4建模、模擬和原型設(shè)計(jì)5數(shù)據(jù)分析、研究和可視化6科學(xué)和工程圖形7應(yīng)用開發(fā)，包括圖像用戶界面構(gòu)建MATLAB是一種交互式系統(tǒng)，其根本數(shù)據(jù)元素是并不要求確定維數(shù)的一個(gè)數(shù)組。這就允許人們用公式化方法求解許多技術(shù)計(jì)算問題，特別是涉及矩陣表示的問題。有時(shí)，MATL

11、AB可調(diào)用C或Fortran這類非交互式語言所編寫的程序。在高等院校中，對于數(shù)學(xué)、工程和科學(xué)理論中的入門課程和高級課程，MATLAB都是標(biāo)準(zhǔn)的計(jì)算工具。圖像處理工具箱是一個(gè)MATLAB函數(shù)稱為M函數(shù)或M文件集，它擴(kuò)展了MATLAB解決圖像處理問題的能力。其他有時(shí)用于補(bǔ)充IPT的工具箱是信號處理、神經(jīng)網(wǎng)絡(luò)、模糊邏輯和小波工具箱。2.3 數(shù)字圖像邊緣檢測關(guān)于邊緣的定義邊緣是不同區(qū)域的分界限，是圖像局部強(qiáng)度變化最顯著的那些像素的集合。圖像強(qiáng)度的顯著變化可分為：1階躍變化函數(shù)，即圖像強(qiáng)度在不連續(xù)處的兩邊的像素灰度值有著顯著差異；2線條屋頂變化函數(shù)，即圖像強(qiáng)度突然從一個(gè)值變化到另一個(gè)值，保持一較小行程后

12、又回到原來的值。邊緣主要存在于目標(biāo)與目標(biāo)、目標(biāo)與背景、區(qū)域與區(qū)域(包括不同色彩)之間，邊緣是位于兩個(gè)區(qū)域的邊界限上的連續(xù)像素集合，在邊緣處，灰度和構(gòu)造等信息產(chǎn)生突變。邊緣是一個(gè)區(qū)域的完畢，也是另一個(gè)區(qū)域的開場，利用該特征可以分割圖像。圖像的邊緣有方向和幅度兩個(gè)屬性，沿邊緣方向像素變化平緩，垂直于邊緣方向像素變化劇烈。邊緣上的這種變化可以用微分算子檢測出來，通常用一階或二階導(dǎo)數(shù)來檢測邊緣。2.4基于一階微分的邊緣檢測算子圖像的局部邊緣定義為兩個(gè)強(qiáng)度明顯不同的區(qū)域之間的過渡，圖像的梯度函數(shù)即圖像灰度變化的速率將在這些過度邊界上存在最大值，通過基于梯度算子或?qū)?shù)檢測器來估計(jì)圖像灰度變化的梯度方向，增

13、加圖像的這些變化區(qū)域，然后對該梯度進(jìn)展閾值運(yùn)算，如果梯度值大于*個(gè)給定門限，則存在邊緣。再將被確定為邊緣的像素連接起來，以形成包圍著區(qū)域的封閉曲線。一階導(dǎo)數(shù)可以用于檢測圖像中的一個(gè)點(diǎn)是否在斜坡上，二階導(dǎo)數(shù)的符號可以用于判斷一個(gè)邊緣點(diǎn)是在邊緣亮的一邊還是暗的一邊。兩種常見的邊緣一階導(dǎo)數(shù)和二階導(dǎo)數(shù)示意圖5：(a) (b)圖2.1 a階躍函數(shù)，b線條屋頂函數(shù)第一行為理論曲線，第二行為實(shí)際曲線，第三行對應(yīng)一階導(dǎo)數(shù)，第四行對應(yīng)二階導(dǎo)數(shù)一階導(dǎo)數(shù)的二維等效式：(2-1)梯度的幅值：(2-2)和方向：(2-3)梯度是灰度在坐標(biāo)方向上的導(dǎo)數(shù)，表示灰度在坐標(biāo)方向上的變化率。用差分來近似梯度(2-4)(2-5)Ro

14、berts算子梯度穿插算子)Roberts算子是一種利用局部差分算子尋找邊緣的算子5。(2-6)01-10用模板實(shí)現(xiàn)：100-1圖2.2 Roberts算子的模板Sobel算子Sobel提出了一種將方差運(yùn)算與局部平均相結(jié)合的方法，即Sobel算子，該算子在以為中心的領(lǐng)域上計(jì)算和方向的偏導(dǎo)數(shù)6。即(2-7)(2-8)上式應(yīng)用了領(lǐng)域的圖像強(qiáng)度的加權(quán)平均差值。用模板實(shí)現(xiàn)：121000-1-2-1-101-202-101圖2.3 Sobel算子的模板2.4.3Prewitt算子Prewitt提出的類似于Sobel的計(jì)算偏微分估計(jì)值的方法7(2-9)(2-10)111000-1-1-1用模板實(shí)現(xiàn)：-10

15、1-101-101圖2.4 Prewitt算子的模板2.4.4Canny算子Canny邊緣檢測利用高斯函數(shù)的一階微分，在噪聲抑制和邊緣檢測之間尋求較好的平衡，其表達(dá)式近似于高斯函數(shù)的一階導(dǎo)數(shù)。Canny算子是一階算子。其方法的實(shí)質(zhì)是用1個(gè)準(zhǔn)高斯函數(shù)作平滑運(yùn)算fs=f(*,y)G(*,y),然后以帶方向的一階微分算子定位導(dǎo)數(shù)最大值。平滑后fs(*,y)的梯度可以使用22一階有限差分近似式：在這個(gè)22正方形求有限差分的均值,便于在圖像中的同一點(diǎn)計(jì)算*和y的偏導(dǎo)數(shù)梯度。幅值和方向角可用直角坐標(biāo)到極坐標(biāo)的坐標(biāo)轉(zhuǎn)化來計(jì)算：在這個(gè)22正方形求有限差分的均值,便于在圖像中的同一點(diǎn)計(jì)算*和y的偏導(dǎo)數(shù)梯度。幅值

16、和方向角可用直角坐標(biāo)到極坐標(biāo)的坐標(biāo)轉(zhuǎn)化來計(jì)算：Mi,j反映了圖像的邊緣強(qiáng)度;i,j反映了邊緣的方向。使得Mi,j取得局部最大值的方向角i,j,就反映了邊緣的方向。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(gè)指數(shù)函數(shù)的線性組合形成的最正確邊緣算子。在實(shí)際工作應(yīng)用中編程較為復(fù)雜且運(yùn)算較慢。Canny邊緣檢測算子對受加性噪聲影響的邊緣檢測是最優(yōu)的。2.5基于二階微分的邊緣檢測算子一階微分是一種矢量，不但有其大小還有方向，和標(biāo)量相比，它數(shù)據(jù)存儲量大。另外，在具有相等斜率的寬區(qū)域上，有可能將全部區(qū)域都當(dāng)做邊緣提取出來。因此，有必要求出斜率的變化率，即對圖像函數(shù)進(jìn)展二階微分運(yùn)算。圖像強(qiáng)度的

17、二階導(dǎo)數(shù)的零穿插點(diǎn)就是找到的邊緣點(diǎn)7，如圖2.5所示：圖2.5 圖像函數(shù)的二階微分2.5.1 Laplacian算子Laplacian算子8利用二階導(dǎo)數(shù)信息，具有各向同性，即與坐標(biāo)軸方向無關(guān)，坐標(biāo)軸旋轉(zhuǎn)后梯度結(jié)果不變。使得圖像經(jīng)過二階微分后，在邊緣處產(chǎn)生一個(gè)陡峭的零穿插點(diǎn)，根據(jù)這個(gè)對零穿插點(diǎn)判斷邊緣。拉普拉斯算子是二階導(dǎo)數(shù)的二維等效式：(2-11)上式應(yīng)用Laplacian算子提取邊緣的形式，及二階偏導(dǎo)數(shù)的和，是一個(gè)標(biāo)量，其離散計(jì)算形式定義為：(2-12)這一近似式是以點(diǎn)為中心的，用替換，則(2-13)同理：(2-14)對于一個(gè)的區(qū)域，經(jīng)歷上被推薦最多的形式，算子表示為：(2-15)2.5.2

18、 LOG算子由于梯度算子和拉普拉斯算子都對噪聲十分敏感，因而在檢測前必須濾除噪聲。Marr和Hildreth將高斯濾波和拉普拉斯邊緣檢測結(jié)合在一起，形成LOG(Laplacian-Gauss)算法。LOG邊緣檢測的根本特征9為：1平滑濾波器是高斯濾波器；2增強(qiáng)步驟采用二階導(dǎo)數(shù)(二維拉普拉斯函數(shù))；3邊緣檢測判據(jù)是二階導(dǎo)數(shù)零穿插點(diǎn)并對應(yīng)一階導(dǎo)數(shù)的較大峰值；4使用線性插方法在子像素分辨率水平上估計(jì)邊緣的位置。該算子首先用高斯函數(shù)對圖像作平滑濾波處理，然后才使用Laplacian算子檢測邊緣，因此克制了Laplacian算子抗噪聲能力比擬差的缺點(diǎn)，但是在抑制噪聲的同時(shí)也可能將原有的比擬鋒利的邊緣也平

19、滑掉了，造成這些鋒利邊緣無法被檢測到。在實(shí)際應(yīng)用中，常用的LOG算子是的模板：-2-4-4-4-2-4080-4-48248-4-4080-4-2-4-4-4-2圖2.6 LOG算子的的模板該算法的主要思路和步驟如下：1濾波：首先對圖像進(jìn)展平滑濾波，其濾波函數(shù)根據(jù)人類視覺特性選為高斯函數(shù)，即(2-16)其中，是一個(gè)圓對稱函數(shù)，其平滑的作用是可通過來控制的。將圖像與進(jìn)展卷積，可以得到一個(gè)平滑的圖像，即(2-17)2增強(qiáng)：對平滑圖像進(jìn)展拉普拉斯運(yùn)算，即(2-18)3檢測：邊緣檢測判據(jù)是二階導(dǎo)數(shù)的零穿插點(diǎn)即的點(diǎn)并對應(yīng)一階導(dǎo)數(shù)的較大峰值。由于對平滑圖像進(jìn)展拉普拉斯運(yùn)算可等效為的拉普拉斯運(yùn)算與的卷積，故

20、上式變?yōu)椋?2-19)式中稱為LOG濾波器，其可寫為：(2-20)第三章編程和調(diào)試3.1edge函數(shù)在MATLAB圖像處理工具箱中提供了專門的邊緣檢測edge函數(shù)，由edge函數(shù)可以實(shí)現(xiàn)各算子對邊緣的檢測，其調(diào)用格式如下：BW=edge(I,method)BW=edge(I,method,thresh)Bw=edge(I,method,thresh,direction)BW,thresh=edge(I,method,)其中，I是輸入圖像。edge函數(shù)對灰度圖像I進(jìn)展邊緣檢測，返回與I同樣大的二值圖像BW；其中1表示邊緣，表示非邊緣。I可以是uint8型、uint16型或double型；BW是u

21、int8型。method是表示選用的方法算子類型，可以選擇的method有Sobel、Prewitt、Roberts、Log、Canny等。可選的參數(shù)有thresh(閾值)、sigma(方差)和direction(方向)。3.2邊緣檢測的編程實(shí)現(xiàn)利用edge函數(shù)，分別采用Sobel、Roberts、Prewitt、Log、Canny5種不同的邊緣檢測算子編程實(shí)現(xiàn)對圖5.1所示的原始圖像進(jìn)展邊緣提取。程序代碼如下：%MATLAB調(diào)用edge函數(shù)實(shí)現(xiàn)各算子進(jìn)展邊緣檢測程序I=imread(tire.tif);%讀入灰度圖像并顯示figure(1),imshow(I);BW1=edge(I,sobe

22、l,0.1);%用sobel算子進(jìn)展邊緣檢測，判斷閾值為0.1figure(2),imshow(BW1)BW2=edge(I,roberts,0.1);%用roberts算子進(jìn)展邊緣檢測，判斷閾值為0.1figure(3),imshow(BW2)BW3=edge(I,prewitt,0.1);%用prewitt算子進(jìn)展邊緣檢測，判斷閾值為0.1figure(4),imshow(BW3)BW4=edge(I,log,0.01);%用log算子進(jìn)展邊緣檢測，判斷閾值為0.01figure(5),imshow(BW4)BW5=edge(I,canny,0.1);%用canny算子進(jìn)展邊緣檢測，判斷閾

23、值為0.1figure(6),imshow(BW5)檢測效果如圖5.2所示，從圖中可以看出，在采用一階微分進(jìn)展邊緣檢測時(shí)，除了微分算子對邊緣檢測結(jié)果有影響外，閾值選擇也對檢測有重要影響。比擬幾種邊緣檢測結(jié)果，可以看到Canny算子提取邊緣較完整，其邊緣連續(xù)性較好，效果優(yōu)于其它算子。其次是Prewitt算子，其邊緣比擬完整。再次就是Sobel算子。第4章 總 結(jié)近幾十年來，圖像邊緣檢測技術(shù)成為數(shù)字圖像處理技術(shù)重要研究課題之一，隨著科學(xué)技術(shù)的開展，研究人員提出了很多圖像邊緣檢測方法及邊緣檢測效果的評價(jià)方法，并且將這些邊緣檢測技術(shù)應(yīng)用于計(jì)算機(jī)視覺和模式識別工程領(lǐng)域，使得邊緣檢測技術(shù)的應(yīng)用圍越來越廣。

24、邊緣特征廣泛應(yīng)用于圖像分割、運(yùn)動檢測與跟蹤、工業(yè)檢測、目標(biāo)識別、雙目立體視覺等領(lǐng)域?，F(xiàn)有邊緣檢測技術(shù)在抑制噪聲方面有一定的局限性，在閾值參數(shù)選取方面自適應(yīng)能力很差，有待進(jìn)一步改良和提高。利用MATLAB，我們可以很方便的對圖像邊緣檢測算法進(jìn)展仿真研究，比擬各自的優(yōu)缺點(diǎn)，得到最優(yōu)、效果最好的算法來進(jìn)展圖像處理。Roberts算子定位比擬準(zhǔn)確，但由于不包括平滑，所以對于噪聲比擬敏感。Prewitt算子是平均濾波的一階的微分算子，檢測的圖像邊緣可能大于2個(gè)像素，對灰度漸變低噪聲的圖像有較好的檢測效果，但是對于混合多復(fù)雜噪聲的圖像，處理效果就不理想了。Canny方法則以一階導(dǎo)數(shù)為根底來判斷邊緣點(diǎn)。它是

25、一階傳統(tǒng)微分中檢測階躍型邊緣效果最好的算子之一。梯度算子計(jì)算簡單，但精度不高，只能檢測出圖像大致的輪廓，而對于比擬細(xì)的邊緣可能會忽略。Prewitt和Sobel算子比Roberts效果要好一些。Log濾波器和Canny算子的檢測效果優(yōu)于梯度算子，能夠檢測出圖像較細(xì)的邊緣局部。比擬幾種邊緣檢測結(jié)果，可以看到Canny算子提取邊緣較完整，其邊緣連續(xù)性較好，效果優(yōu)于其它算子。其次是Prewitt算子，其邊緣比擬完整。再次就是Sobel算子。第5章圖像邊緣檢測應(yīng)用領(lǐng)域圖像是人類獲取和交換信息的主要來源，因此，圖像邊緣處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面。隨著人類活動圍的不斷擴(kuò)大，圖像邊緣檢

26、測與提取處理的應(yīng)用領(lǐng)域也將隨之不斷擴(kuò)大。數(shù)字圖像邊緣檢測(DigitalImageProcessing)又稱為計(jì)算機(jī)圖像邊緣檢測，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計(jì)算機(jī)對其進(jìn)展處理的過程。數(shù)字圖像邊緣檢測最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時(shí)的電子計(jì)算機(jī)已經(jīng)開展到一定水平，人們開場利用計(jì)算機(jī)來處理圖形和圖像信息。數(shù)字圖像邊緣檢測中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像邊緣檢測處理方法有圖像增強(qiáng)、銳化、復(fù)原、編碼、壓縮、提取等。數(shù)字圖像邊緣檢測與提取處理的主要應(yīng)用領(lǐng)域有：1航天和航空技術(shù)方面的應(yīng)用，數(shù)字圖像邊緣檢測技術(shù)在航天和航空技術(shù)方面的應(yīng)用，除了月球、火星照片的處理之外，

27、另一方面的應(yīng)用是在飛機(jī)遙感和衛(wèi)星遙感技術(shù)中。從60年代末以來，美國及一些國際組織發(fā)射了資源遙感衛(wèi)星(如LANDSAT系列)和天空實(shí)驗(yàn)室(如SKYLAB),由于成像條件受飛行器位置、姿態(tài)、環(huán)境條件等影響，圖像質(zhì)量總不是很高?，F(xiàn)在改用配備有高級計(jì)算機(jī)的圖像邊緣檢測系統(tǒng)來判讀分析首先提取出其圖像邊緣，既節(jié)省人力，又加快了速度，還可以從照片中提取人工所不能發(fā)現(xiàn)的大量有用情報(bào)。2生物醫(yī)學(xué)工程方面的應(yīng)用，數(shù)字圖像邊緣檢測在生物醫(yī)學(xué)工程方面的應(yīng)用十分廣泛，而且很有成效。除了CT技術(shù)之外，還有一類是對陣用微小圖像的處理分析，如紅細(xì)胞、白細(xì)胞分類檢測，染色體邊緣分析，癌細(xì)胞特征識別等都要用到邊緣的判別。此外，在

28、*光肺部圖像增強(qiáng)、超聲波圖像邊緣檢測、心電圖分析、立體定向放射治療等醫(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像邊緣分析處理技術(shù)。3公安軍事方面的應(yīng)用，公安業(yè)務(wù)圖片的判讀分析，指紋識別，人臉鑒別，不完整圖片的復(fù)原，以及交通監(jiān)控、事故分析等。目前己投入運(yùn)行的高速公路不停車自動收費(fèi)系統(tǒng)中的車輛和車牌的自動識別主要是汽車牌照的邊緣檢測與提取技術(shù)都是圖像邊緣檢測技術(shù)成功應(yīng)用的例子。在軍事方面圖像邊緣檢測和識別主要用于導(dǎo)彈的準(zhǔn)確制導(dǎo)，各種偵察照片的判讀，對不明來襲武器性質(zhì)的識別，具有圖像傳輸、存儲和顯示的軍事自動化指揮系統(tǒng)，飛機(jī)、坦克和軍艦?zāi)M訓(xùn)練系統(tǒng)等;4交通管理系統(tǒng)的應(yīng)用，隨著我國經(jīng)濟(jì)建立的蓬勃開展，城市的人口和機(jī)

29、動車擁有量也在急劇增長，交通擁擠堵塞現(xiàn)象日趨嚴(yán)重,交通事故時(shí)有發(fā)生。交通問題已經(jīng)成為城市管理工作中的重大社會問題，阻礙和制約著城市經(jīng)濟(jì)建立的開展。因此要解決城市交通問題，就必須準(zhǔn)確掌握交通信息。目前國常見的交通流檢測方法有人工監(jiān)測、地埋感應(yīng)線圈、超聲波探測器、視頻監(jiān)測4類。其中，視頻監(jiān)測方法比其他方法更具優(yōu)越性。視頻交通流檢測及車輛識別系統(tǒng)是一種利用圖像邊緣檢測技術(shù)來實(shí)現(xiàn)對交通目標(biāo)檢測和識別的計(jì)算機(jī)處理系統(tǒng)。通過對道路交通狀況信息與交通目標(biāo)的各種行為如違章超速，停車，超車等等的實(shí)時(shí)檢測，實(shí)現(xiàn)自動統(tǒng)計(jì)交通路段上行駛的機(jī)動車的數(shù)量、計(jì)算行駛車輛的速度以及識別劃分行駛車輛的類別等各種有關(guān)交通參數(shù)，到

30、達(dá)監(jiān)測道路交通狀況信息的作用。圖像邊緣檢測應(yīng)用在視頻交通流檢測和車輛識別系統(tǒng)概述：1.視頻交通流量檢測及車輛識別系統(tǒng)是一個(gè)集圖像邊緣檢測系統(tǒng)和信息管理系統(tǒng)為一體的綜合系統(tǒng)。計(jì)算機(jī)圖像邊緣檢測主要由圖像輸入,圖像存儲和刷新顯示,圖像輸出和計(jì)算機(jī)接口等幾大局部組成,這些局部的總體構(gòu)成方案及各局部的性能優(yōu)劣直接影響處理系統(tǒng)的質(zhì)量。圖像邊緣檢測的目標(biāo)是代替人去處理和理解圖像,因此實(shí)時(shí)性,靈活性,準(zhǔn)確性是對系統(tǒng)的主要要求。2.通過攝像機(jī)將道路交通流圖像捕捉下來，再將這些捕捉到的序列圖像送入計(jì)算機(jī)進(jìn)展圖像邊緣檢測、圖像分析和圖像理解，從而得到交通流數(shù)據(jù)和交通狀況等交通信息。3.應(yīng)用舉例對于車牌識別技術(shù)的研究現(xiàn)狀，車牌的自動識別是計(jì)算機(jī)視覺、圖像邊緣檢測與模式識別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)，主要包括車牌定位、字符車牌分割和車牌字符識別三個(gè)關(guān)鍵環(huán)節(jié)。興旺國家LPR系統(tǒng)在實(shí)際交通系統(tǒng)中已成功應(yīng)用，而我國的開發(fā)應(yīng)用進(jìn)展緩慢，根本停留在實(shí)驗(yàn)室階段。參考文獻(xiàn)1 Zhang B in,He Sai*ian. Improved Edge-detection Method Based on Canny algorithmJ.Infrared Technology,2006,28(3):165-169.2 曾俊