图像边缘检测方法研究_魏伟波

图像最基本的特征是边缘。所谓边缘或边沿是指其周围像素灰度有阶跃变化或屋顶变化的像素的集合。边缘广泛存在于物体与背景、物体与物体、基元与基元之间，因此它是图像分割所依赖的重要特征。Ｐｏｇｇｉｏ等指出“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，它能大大减少所要处理的信息，但是又保留了图像中物体的形状信息”［１］。

常见的边缘有三种。第一种是阶梯形边缘（Ｓｔｅｐ－ｅｄｇｅ），即从一个灰度到比它高好多的另一个灰度。第二种是屋顶形边缘（Ｒｏｏｆ－ｅｄｇｅ），它的灰度是慢慢增加到一定程度然后慢慢减小。还有一种是线性边缘（Ｌｉｎｅ－ｅｄｇｅ），它的灰度从一个级别跳到另一个灰度级别之后然后回来。

边缘检测是图像处理与识别中最基础的内容之一，一幅图像就是一个信息系统，其大量信息是由它的轮廓边缘提供的。因此，边缘提取与检测在图像处理中占有很重要的地位，其算法的优劣直接影响着所研制系统的性能。

传统的边缘检测方法基于空间运算，借助空域微分算子进行，通过将算子模板与图像进行卷积合成，根据模板的大小和元素值的不同有不同的微分算子，如Ｒｏｂｅｒｔ算子、Ｓｏｂｅｌ算子、Ｐｒｅｗｉｔｔ算子、ＬＯＧ算子、Ｃａｎｎｙ算子等，这些空域边缘算子对噪声都比较敏感，且常常会在检测边缘的同时加强噪声。

近年来出现了一些新的边缘检测的方法，对噪声有很好的抑制作用，且能更好地检测边缘细节信息。像小波、形态学、分形理论、模糊学、人工智能、遗传算法等方法，本文将对这些方法作一一介绍。

１传统的边缘检测方法

导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值较高，因此我们将图像的导数算子运算值作为相应的边界强度，所以可通过这些导数值设置阈值，提取边界的点集。

一阶导数是最简单的导数算子。已知在点ｆ（ｘ，ｙ）处，梯度ｇｒａｄ（ｆ（ｘ，ｙ））的幅度为：

ｇｒａｄ（ｆ（ｘ，ｙ））＝!ｆ

!ｘ

"#２＋!ｆ

!ｙ

"$２

%&１２

为进一步简化计算，可以取：

｜ｇｒａｄ（ｆ（ｘ，ｙ））｜＝｜’ｘｆ｜＋｜’ｙｆ｜

或者：

｜ｇｒａｄ（ｆ（ｘ，ｙ））｜＝ｍａｘ（｜’ｘｆ｜＋｜’ｙｆ｜）

式中：

’ｘｆ＝ｆ（ｘ，ｙ）－ｆ（ｘ＋１，ｙ）

’ｙｆ＝ｆ（ｘ，ｙ）－ｆ（ｘ，ｙ＋１）

它们分别求出了灰度在ｘ和ｙ方向上的变化率，但是要对

图像边缘检测方法研究

魏伟波芮筱亭

（南京理工大学动力工程学院，南京２１００９４）

Ｅ－ｍａｉｌ：ｎｊｕｓｔｗｗｂ＠１６３．ｃｏｍ

摘要边缘检测是图像处理和模式识别领域的基本课题。阐述了传统的边缘检测方法——

—微分算子法和现代的一些边缘检测方法——

—小波分析、形态学、分形、模糊学、人工智能、遗传算法等，分析了以上各种算法在图像边缘检测中的发展状况及其优缺点。为了直观地看出各种算法的效果，给出了用一些常用算法对同一幅目标图像进行边缘提取的结果。

最后提出在实践中应根据待解决问题的特点和要求决定采用何种方法。

关键词边缘检测导数算子现代方法比较

文章编号１００２－８３３１（２００６）３０－００８８－０４文献标识码Ａ中图分类号ＴＰ３０１

ＳｔｕｄｙｏｎＥｄｇｅＤｅｔｅｃｔｉｏｎＭｅｔｈｏｄ

ＷＥＩＷｅｉ－ｂｏＲＵＩＸｉａｏ－ｔｉｎｇ

（ＩｎｓｔｉｔｕｔｅｏｆＰｏｗｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１００９４）Ａｂｓｔｒａｃｔ：Ｔｈｅｅｄｇｅｄｅｔｅｃｔｉｏｎｉｓｏｎｅｏｆｔｈｅｆｕｎｄａｍｅｎｔａｌｔｏｐｉｃｓｉｎｔｈｅｉｍａｇｅａｎａｌｙｓｅｓａｎｄｔｈｅｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ．Ｔｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｓｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓａｎｄｍｏｄｅｒｎｍｅｔｈｏｄｓｏｆｅｄｇｅｄｅｔｅｃｔｉｏｎ，ｓｕｃｈａｓｗａｖｅｌｅｔａｎｄｍｏｒｐｈｏｌｏｇｙ．Ｄｅｖｅｌｏｐｍｅｎｔａｎｄｃｈａｒａｃｔｅｒｓｏｆｔｈｅｓｅｍｅｔｈｏｄｓａｐｐｌｉｅｄｉｎｉｍａｇｅｅｄｇｅｄｅｔｅｃｔｉｏｎａｒｅａｎａｌｙｚｅｄ．Ｉｎｏｒｄｅｒｔｏｈａｖｅａｎｉｎｔｕｉｔｉｏｎａｌｌｏｏｋａｔｔｈｅｅｆｆｅｃｔｏｆｅａｃｈａｌｇｏｒｉｔｈｍ，ｗｅｇｉｖｅｔｈｅｒｅｓｕｌｔｓｏｆｔｈｅｅｘｐｅｒｉｍｅｎｔｓｉｎｗｈｉｃｈｔｈｅｃｏｍｍｏｎａｌｇｏｒｉｔｈｍａｒｅｕｓｅｄｔｏｄｅｔｅｃｔｉｍａｇｅｅｄｇｅｏｆｔｈｅｓａｍｅｉｍａｇｅ．Ｆｉｎａｌｌｙ，ｗｅｐｏｉｎｔｏｕｔｔｈａｔｃｈｏｏｓｉｎｇｗｈｉｃｈａｌｇｏｒｉｔｈｍｌａｒｇｅｌｙｄｅｐｅｎｄｓｏｎｔｈｅｎａｔｕｒｅｏｆｔｈｅｉｎｖｅｓｔｉｇａｔｉｏｎｐｒｏｂｌｅｍ．

Ｋｅｙｗｏｒｄｓ：ｅｄｇｅｄｅｔｅｃｔｉｏｎ，ｄｅｒｉｖａｔｉｖｅｏｐｅｒａｔｏｒ，ｍｏｄｅｒｎｍｅｔｈｏｄ，ｃｏｍｐａｒｉｓｏｎ

基金项目：国家部委预研项目

作者简介：魏伟波（１９８１－），男，主要研究领域为目标识别、图像处理。芮筱亭（１９５６－），男，教授，博士生导师，主要研究领域为目标识别、图像处理等。

１００－１

０１－１０

图１Ｒｏｂｅｒｔ算子模板

１２１０００－１－２－１１０－１２０－２１０－１

图２Ｓｏｂｅｌ算子模板

１０－１１０－１１０－１１１１０００－１－１－１

图３Ｐｒｅｗｉｔｔ算子模板

０－１０

－１４－１

０－１０

－１－１－１

－１８－１

－１－１－１图４ＬＯＧ算子模板

每一个像素进行以上的运算，运算量较大。所以在实际中采用小型模板利用卷积来做近似计算，对ｘ方向和ｙ方向分别使用一个模板。

１．１Ｒｏｂｅｒｔｓ算子

Ｒｏｂｅｒｔ算子是一种最简单的算子，是一种利用局部差分算子寻找边缘的算子，它采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感。Ｒｏｂｅｒｔｓ算子的模板如图１所示。

１．２Ｓｏｂｅｌ算子

Ｓｏｂｅｌ算子是滤波算子的形式，用于提取边缘。图像中的每个点都用图２所示的两个模板做卷积，第一个模板对垂直边缘的影响最大；第二个模板对水平边缘影响最大。两个卷积的最大值做为该点的输出，运算结果是一幅边缘幅度图像。Ｓｏｂｅｌ算子对噪声具有平滑作用，可以提供较为精确的边缘信息，但它同时也会检测出许多的伪边缘，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。

１．３Ｐｒｅｗｉｔｔ算子

与Ｓｏｂｅｌ算子相同，图像中的每个点都用图３所示的两个模板作卷积，并且取最大值作为输出，结果是一幅边缘幅度的图像。

１．４Ｃａｎｎｙ算子

Ｃａｎｎｙ边缘检测的算法是通过寻找图像梯度的局部极大值，梯度是用高斯函数的一阶微分来计算的。其算法的实质是用一个准高斯函数作平滑运算，然后以带方向的一阶微分定位导数最大值。在Ｃａｎｎｙ方法中，通过两个阈值来分别检测强边缘和弱边缘；当且仅当弱边缘与强边缘连接时，弱边缘才被输出。Ｃａｎｎｙ算子比Ｒｏｂｅｒｔｓ算子、Ｓｏｂｅｌ算子和Ｐｒｅｗｉｔｔ算子极小值算法的去噪能力都要强，能够在噪声和边缘检测间取得较好的平衡，能够检测到真正的弱边缘。但它也容易平滑掉一些边缘信息。

１．５拉普拉斯高斯算子

拉普拉斯高斯（ＬＯＧ）算子是一种二阶导数算子。它通过寻找图像灰度值中二阶微分中的过零点来检测边缘点。其原理是：灰度缓变形成的边缘经过微分算子形成一个单峰函数，峰值位置对应边缘点；对单峰函数进行微分，则峰值处的微分值为０，峰值两侧符号相反，而原先的极值点对应二阶微分中的过零点，通过检测过零点即可将图像的边缘提取出来。

在实际中，为了去除噪声影响，首先要用高斯函数对图像进行滤波，然后对滤波后的图像求二阶导数。

!２［Ｇ（ｘ，ｙ）＊ｆ（ｘ，ｙ）］＝!２Ｇ（ｘ，ｙ）＊ｆ（ｘ，ｙ）

式中，!２Ｇ（ｘ，ｙ）为拉普拉斯高斯算子，即：

!２Ｇ（ｘ，ｙ）＝１

２π!４

［ｘ２＋ｙ２

!２

－２］ｅｘｐ［－ｘ２＋ｙ２

２!２

］

边缘检测实际上就是求!２Ｇ（ｘ，ｙ）的过零点。

为了运算方便，函数的ＬＯＧ算子也是借助模板来实现的。常用的模板如图４所示。

ＬＯＧ算法被认为是微分法中利用平滑二阶微分检测图像边缘最成功的一种算子。

２现代的边缘检测方法

２．１基于小波的边缘检测

小波变换是传统的Ｆｏｕｒｉｅｒ变换的继承和发展，具有一定的分析非平稳信号的能力，主要表现在高频处的时间分辨率高，低频处的频率分辨率高，即具有变焦特性，因此特别适合于图像这一类非平稳信号的处理。经典的边缘检测算子都没有自动变焦的思想。

通过小波多尺度提取图像边缘是一种非常有效的方法。由于小波变换具有的多尺度特性，图像的每个尺度的小波变换都提供了一定的边缘信息。当尺度小时，图像的边缘细节信息较为丰富，边缘定位精度较高，但易受到噪声的干扰；大尺度时，图像的边缘稳定，抗噪性好，但定位精度差。将各尺度的边缘图像的结果综合起来，发挥大小尺度的优势，就能得到精确的图像。

多尺度边缘检测的基本思想就是沿梯度方向，分别用几个不同尺度的边缘检测算子在相应点上检测模极大值的变换情况，并通过对阈值的选取，再在不同尺度上进行综合，得到最终边缘图像，可以较好的解决噪声和定位精度之间的矛盾。２．２基于形态学的边缘检测

数学形态学是一种非线性滤波方法，在图像处理中已获得了广泛的应用。形态学运算是物体形状集合与结构元素之间的相互作用，对边缘方向不敏感，并能在很大程度上抑制噪声和探测真正的边缘。同时数学形态学在图像处理方面还具有直观上的简单性和数学上的严谨性，在描述图像中物体形状特征上具有独特的优势。因此，将数学形态学用于边缘检测，既能有效地滤除噪声，又可保留图像中的原有细节信息，具有较好的边缘检测效果。

数学形态学的主要内容是设计一整套变换，来描述图像的基本特征或基本结构。最常用的有７种基本变换，分别是膨胀、

腐蚀、开、闭、击中、薄化、厚化。其中膨胀和腐蚀是两种最基本最重要的变换，其它变换由这两种变换的组合来定义。如：先腐蚀后膨胀的过程称为“开”运算，它具有消除细小物体，在纤细处分离物体和平滑较大物体边界的作用；先膨胀后腐蚀的过程称为“闭”运算，具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。该算法简单，适于并行处理，且易于硬件实现，适于对二值图像进行边缘提取。

用数学形态学运算进行边缘检测也存在着一定的不足，比如结构元素单一的问题。它对与结构元素同方向的边缘敏感，而与其不同方向的边缘或噪声会被平滑掉，即边缘的方向可以由结构元素的形状确定。但如果采用对称的结构元素，又会减弱对图像边缘的方向敏感性。所以在边缘检测中，可以考虑用多方位的形态结构元素，运用不同的结构元素的逻辑组合检测出不同方向的边缘。梁勇［７］等人构造的８个方向的多方位形态学结构元素，应用基本形态运算，得到８个方向的边缘检测结果，再把这些结果进行归一化运算、加权求和，得到最终的图像边缘。该算法在保持图像细节特征和平滑边缘等方面，取得了很好的效果。

将模糊集合理论用于数学形态学就形成了模糊形态学。模糊形态学是传统形态学从二值逻辑向模糊逻辑的推广，与传统数学形态学有相似的计算结果和相似的代数特性。Ｔｏｄｄ和Ｈｉｒｏｈｉｓａ将模糊形态学推广到了边缘检测领域。目前，数学形态学在理论上已趋于完备，与实际应用相结合，使之能用于实时处理将是今后发展的一个重要方向。

２．３基于分形理论的边缘检测

任意一幅图像都是有灰度的、非严格自相似的，不具有整体与局部的自相似，但却存在局部之间的自相似，即从局部上存在一定程度近似的分形结构。正是由于存在局部之间的相似性，就可以构造图像的迭代函数。分形几何中的压缩映射定理，可以保证局部迭代函数的收敛，而分形几何中的拼贴定理，就允许一个完整图像分成若干个分形结构，即构成一个迭代函数系统。有了这个迭代函数系统，就必然决定了唯一的分形图形。这个图形被称为迭代函数系统的吸引子。因此，压缩映射定理和拼贴定理，构成了分形在图像处理中的核心部分。

对于给定的一幅图像，寻找一个迭代函数系统，使它的吸引子与原图像尽量地吻合，因为迭代函数系统的吸引子与原图像间必然存在着差异，图像中的每个子图分形结构也不同程度上存在差异，因此，子图的分形失真度大小不一，处在边缘区的子图的分形失真度比较大，而处在平坦区或纹理区子图的分形失真度相对比较小。因此，就可以利用图像边缘在分形中的这一性质来提取图像的边缘。在检测图像边缘时，采用某种度量方法（如最小二乘法）测量子块与最佳匹配父块的失真度，当计算的失真度值越大时，对应的边缘块越强，否则，对应的边缘块越弱。设定某一阈值，作为区分边缘块的界限，与最佳匹配父块的失真度大于阈值的子块，就被划为边缘块。

２．４基于模糊学的边缘检测

为了用不精确的知识表达事件，人们提出了模糊集合的概念。模糊集合理论能较好地描述人类视觉中的模糊性和随机性。在模式识别的各个层次都可以使用模糊集合理论，如在特征层，可将输入模式表达成隶属度值的矩阵：在分类层，可表达模糊模式的多类隶属度值，并提供损失信息的估计。模糊集合理论主要可解决在模式识别的不同层次中，由于信息不全面、不准确、含糊、矛盾等造成的不确定性问题。８０年代中期，Ｐａｌ和Ｋｉｎｇ等人提出了一种图像边缘检测模糊算法［１６］，首次将模糊集理论引入到图像的边缘检测算法中，能有效地将物体从背景中分离出来，并在模式识别和医疗图像处理中获得了良好的应用。该算法的思想是首先用隶属度函数Ｇ将图像映射成一个模糊隶属度矩阵，然后对该矩阵进行多次非线性变换，以增强边缘信息，削弱非边缘信息，再对模糊隶属度矩阵进行Ｇ－１变换，易得到经过增强的图像，最后用“ｍｉｎ”和“ｍａｘ”算子［１７］提取边缘。该算法也存在一些缺陷，比如损失了一些低灰度值边缘信息，并且运算复杂。文献［１８］对Ｐａｌ算法进行了改进，提高了抗噪性能；文献［１９］则主要针对Ｐａｌ算法速度慢的问题，提出了一种快速算法，提高了检测速度。

２．５基于人工智能的边缘检测

人工神经网络（ＡＮＮ）是用大量的、非常简单的计算处理单元（神经元）构成的非线性系统。它在不同程度和层次上模仿人脑神经系统的信息处理、存储和检索功能，具有学习、记忆、计算等各种能力。它的特点是使用多个基本的非线性计算元素，并将它们组成网络。

人工神经网络是进行模式识别的一种重要工具和方法。它需要的输入知识较少，也比较适合于并行实现。近年来，人工神经网络正广泛地被用于模式识别、信号与图像处理、人工智能及自动控制等领域。神经网络的主要问题是输入与输出层的设计问题、网络数据的准备问题、网络权值的准备及确定问题、隐层数及结点的问题、网络的训练问题。

在各种神经网络模型中，应用最广泛的一类是前馈神经网络，用于训练前馈网络的最常用的学习方法是ＢＰ算法。目前已有了很多基于ＢＰ网络的边缘检测算法，但是ＢＰ网络收敛速度很慢，容易收敛于局部极小点，且数值稳定性差，参数难以调整，很难满足实际应用的要求。

Ｃｈｕａ和Ｙａｎｇ［２０］提出用细胞神经网络来检测图像边缘，这种方法与传统方法完全不同，首先将图像映射为一个神经网络，每个像素点是一个神经元，然后通过动态方程引导神经元的状态向神经网络所定义的最低能量方向变化，来实现边缘提取。２．６基于遗传算法的边缘检测

遗传算法是一种新发展起来的优化算法，是基于自然选择和基因遗传学原理的搜索算法，具有计算简单、功能强等特点，已应用于边缘检测算法中。

对于图像的边缘提取，采用二阶的边缘检测算子处理后要进行过零点检测，其计算量很大、硬件实时资源占用大且速度慢，所以学术界提出了一种二次搜索寻优的阈值选取策略。通过遗传算法进行边缘提取阈值的自动提取，能够显著地提高阈值选取的速度，可以对视觉系统所产生的边缘图像进行阈值的实时自动选取，增强了整个视觉系统的实时性和鲁棒性。

３试验结果比较及分析

对同一飞机目标图像分别用Ｒｏｂｅｒｔ算子、Ｓｏｂｅｌ算子、Ｐｒｅｗｉｔｔ算子、ＬＯＧ算子、Ｃａｎｎｙ算子和形态学方法进行了边缘检测，结果如图５￣图１１所示。

经典的微分算子，一般首先检测出图像局部特征的不连续性，然后再将这些不连续的边缘像素连成完备的边界。但由于噪声也具有灰度变化迅速的特点，所以用微分算子边缘检测存在“提升噪声”的缺点，如果进行减噪，往往连目标信息也一同去除，因此检测效果不很理想（参见图６￣图８）。ＬＯＧ算子进行边缘检测的效果明显优于前三种算子，特别是边缘比较完整，位置比较准确（参见图９）。Ｃａｎｎｙ算子提取的边缘最为完整，而且边缘的连续性很好，效果优于以上其他算子（参见图１０）。数学形态学则可以有针对性地选择结构元素和变换方式，可对某一类特定目标进行减弱或加强（参见图１１）。不同的系统，针对不同的环境条件和要求，需选择适当的方法对图像进行边缘检测。

４结束语

综上所述，在图像边缘检测领域尽管研究了小波、形态学、分形理论、模糊学、人工智能、遗传算法等多种方法，但它们都不是一种具有绝对优势的方法，有的方法边缘检测精度高，但抗噪声性能较差；有的方法解决了抗噪声性能差的问题，而检测精度又不够；还有一些方法尽管在一定程度上较好地解决了上述两者的协调问题，但算法复杂，运算时间长。可见，无论哪一种边缘检测算法在解决一定问题的同时也存在不同类型的缺陷。实质上，边缘检测作为视觉的初级阶段，通常认为是一个病态问题，很难从根本上解决。因而，寻求算法较简单、能较好解决边缘检测精度与抗噪声性能协调问题的边缘检测算法将一直是图像处理与分析中研究的主要问题之一。

（收稿日期：２００６年１月）

参考文献

１．ＴＰｏｇｇｉｏ，ＨＶｏｏｒｈｅｅｓ，ＡＹｕｉｌｌｅ．ＡＲｅｇｕｌａｒｉｚｅｄＳｏｌｕｔｉｏｎｔｏＥｄｇｅＤｅ－ｔｅｃｔｉｏｎ［Ｒ］．ＴｅｃｈＲｅｐＭＡ，ＲｅｐＡＩＭ－８３３，ＭＩＴＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌＬａｂ，１９８５２．冯俊萍，赵转萍，徐涛．基于数学形态学的图像边缘检测技术［Ｊ］．航空计算技术，２００４；３４（３）：５３～５６

３．四维科技，胡小锋，赵辉．ＶｉｓｕａｌＣ＋＋／ＭＡＴＬＡＢ图像处理与识别实用案例精选［Ｍ］．北京：人民邮电出版社，２００４

４．董长虹，赖志国，余啸海．Ｍａｔｌａｂ图像处理与应用［Ｍ］．北京：国防工业出版社，２００４

５．王树文，闫成新，张天序．数学形态学在图像处理中的应用［Ｊ］．计算机工程与应用，２００４；４０（３２）：８９～９２

６．季虎，孙即祥，邵晓芳．图像边缘提取方法及展望［Ｊ］．计算机工程与应用，２００４；４０（１４）：７０～７３

７．基于数学形态学的边缘检测和图像分割方法．ｈｔｔｐ：／／ｗｗｗ．ｊｉｃｈｅｎｇ．ｎｅｔ．ｃｎ８．刘勍，张久文，温志贤．基于数学形态学的图像处理［Ｊ］．天水师范学院学报，２００４；２４（２）：２９～３３

９．姚峰林，詹海英，李元宗．机器视觉中的边缘检测技术研究［Ｊ］．机械工程与自动化，２００５；（１）：１０８～１１０

１０．梁勇，李天牧．多方位形态学结构元素在图像边缘检测中的应用［Ｊ］．云南大学学报，１９９９；１（５）：３９２～３９４

１１．ＥｄｗａｒｄＲＤｏｕｇｈｅｒｔｙ．ＡｎＩｎｔｒｏｄｕｃｔｉｏｎｔｏＭｏｒｐｈｏｌｏｇｉｃａｌＩｍａｇｅＰｒｏ－ｃｅｓｓｉｎｇ［Ｊ］．ＳＰＩＥＯｐｔｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＰｒｅｓｓ，１９９２；ＴＴ９

１２．ＲＭＨａｒａｌｉｃｋ，ＳＲＳｔｅｒｎｂｅｒｇ，ＸＺｈｕａｎｇ．Ｉｍａｇｅａｎａｌｙｓｉｓｕｓｉｎｇｍａｔｈｅｍａｔｉｃａｌｍｏｒｐｈｏｌｏｇｙ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＰａｔｔＡｎａｌＭａｃｈｉｎｅＩｎｔｅｌｌ，１９８７；ＰＡＭＩ－９：５３２～５５０

１３．张翔，刘媚洁，陈立伟．基于数学形态学的边缘提取方法［Ｊ］．电子科技大学学报，２００２；３１（５）：４９２～４９５

１４．罗强，任庆利，杨万海．基于分形理论的图像边缘提取方法［Ｊ］．通信学报，２００１；２２（１１）：１０４～１０９

１５．王慧燕．图像边缘检测和图像匹配研究及应用［Ｄ］．博士学位论文．浙江大学，２００３

１６．ＳＫＰａｌ，ＲＡＫｉｎｇ．Ｏｎｅｄｇｅｄｅｔｅｃｔｉｏｎｏｆｘ－ｒａｙｉｍａｇｅｓｕｓｉｎｇｆｕｚｚｙｓｅｔｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＰＡＭＩ，１９８３；５（１）：６９￣７７

１７．ＥＨＭａｒｍｄａｎｉ．Ａｄｖａｎｃｅｓｉｎｔｈｅｌｉｎｇｕｉｓｔｉｃｓｙｎｔｈｅｓｉｓｏｆｆｕｚｚｙｃｏｎ－ｔｒｏｌｌｅｒ［Ｊ］．Ｉｎｔ’１ＪＭａｎ－ｍａｃｈｉｎｅｓｔｕｄｉｅｓ，１９７６；８（６）：６６９￣６７９

１８．周德龙，潘泉．图像模糊边缘检测的改进算法［Ｊ］．中国图像图形学报，２００１；６（４）：３５３～３５８

１９．王倩，阮海波．快速模糊边缘检测算法［Ｊ］．中国图像图形学报，２００１；６（１）：９２～９５

２０．ＬＯＣｈｕａ，ＬＹａｎｇ．Ｃｅｌｌｕｌａｒｎｅｕｒａｌｎｅｔｗｏｒｋｓ：Ｔｈｏｒｙ［Ｊ］．ＩＥＥＥＴｒａｎｓＣｉｒｃｕｉｔｓＳｙｓｔ，１９８８；３５（１０）：１２５７～

１２７２

基于小波变换的图像边缘检测算法

基于小波变换的图像边缘检测算法仿真实 现 学生姓名：XX 指导教师：xxx 专业班级：电子信息 学号：00000000000 学院：计算机与信息工程学院 二〇一五年五月二十日

摘要 数字图像边缘检测是图像分割、目标区域识别和区域形态提取等图像分析领域中十分重要的基础，是图像识别中提取图像特征一个重要方法。 目前在边缘检测领域已经提出许多算法，但是提出的相关理论和算法仍然存在很多不足之处，在某些情况下仍然无法很有效地检测出目标物的边缘。由于小波变换在时域和频域都具有很好的局部化特征，并且具有多尺度特征，因此，利用多尺度小波进行边缘检测既能得到良好的抑制噪声的能力，又能够保持边缘的完备。 本文就是利用此方法在MATLAB环境下来对数字图像进行边缘的检测。 关键词：小波变换；多尺度；边缘检测

Abstract The boundary detection of digital image is not only the important foundation in the field of image segmentation and target area identification and area shape extraction, but also an important method which extract image feature in image recognition. Right now, there are a lot of algorithms in the field of edge detection, but these algorithms also have a lot of shotucuts, sometimes, they are not very effective to check the boundary of the digital image. Wavelet transform has a good localization characteristic in the time domain and frequency domain and multi-scale features, So, the boundary detection of digital image by using multi-scale wavelet can not only get a good ability to suppress noise, but also to maintain the completeness of the edge. This article is to use this method in the environment of MATLAB to detect the boundary of the digital image. Keywords: wavelet transform; multi-scale; boundary detection.

Matlab做图像边缘检测的多种方法

Matlab做图像边缘检测的多种方法 1、用Prewitt算子检测图像的边缘 I = imread('bacteria.BMP'); BW1 = edge(I,'prewitt',0.04); % 0.04为梯度阈值 figure(1); imshow(I); figure(2); imshow(BW1); 2、用不同σ值的LoG算子检测图像的边缘 I = imread('bacteria.BMP'); BW1 = edge(I,'log',0.003); % σ=2 imshow(BW1);title('σ=2') BW1 = edge(I,'log',0.003,3); % σ=3 figure, imshow(BW1);title('σ=3') 3、用Canny算子检测图像的边缘 I = imread('bacteria.BMP'); imshow(I); BW1 = edge(I,'canny',0.2); figure,imshow(BW1); 4、图像的阈值分割 I=imread('blood1.tif'); imhist(I); % 观察灰度直方图，灰度140处有谷，确定阈值T=140 I1=im2bw(I,140/255); % im2bw函数需要将灰度值转换到[0,1]范围内 figure,imshow(I1); 5、用水线阈值法分割图像 afm = imread('afmsurf.tif');figure, imshow(afm); se = strel('disk', 15); Itop = imtophat(afm, se); % 高帽变换 Ibot = imbothat(afm, se); % 低帽变换 figure, imshow(Itop, []); % 高帽变换，体现原始图像的灰度峰值 figure, imshow(Ibot, []); % 低帽变换，体现原始图像的灰度谷值 Ienhance = imsubtract(imadd(Itop, afm), Ibot);% 高帽图像与低帽图像相减，增强图像figure, imshow(Ienhance); Iec = imcomplement(Ienhance); % 进一步增强图像

图像处理文献综述

文献综述 1.1理论背景 数字图像中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的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2、图像边缘检测技术研究的目的和意义 数字图像边缘检测是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像边缘检测也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像边缘检测和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像边缘检测中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速度更快，图像特征识别更准确。早期的经典算法有边缘算子法、曲面拟合法、模版匹配法、门限化法等。 早在1959年Julez就曾提及边缘检测技术，Roberts则于1965年开始了最早期的系统研究，从此有关边缘检测的理论方法不断涌现并推陈出新。边缘检测最开始都是使用一些经验性的方法，如利用梯度等微分算子或特征模板对图像进行卷积运算，然而由于这些方法普遍存在一些明显的缺陷，导致其检测结果并不

几种常用边缘检测算法的比较

几种常用边缘检测算法的比较摘要:边缘是图像最基本的特征，边缘检测是图像分析与识别的重要环节。基于微分算子的边缘检测是目前较为常用的边缘检测方法。通过对Roberts，Sobel，Prewitt，Canny 和Log 及一种改进Sobel等几个微分算子的算法分析以及MATLAB 仿真实验对比，结果表明，Roberts，Sobel 和Prewitt 算子的算法简单，但检测精度不高，Canny 和Log 算子的算法复杂，但检测精度较高，基于Sobel的改进方法具有较好的可调性，可针对不同的图像得到较好的效果，但是边缘较粗糙。在应用中应根据实际情况选择不同的算子。 0 引言 边缘检测是图像分析与识别的第一步，边缘检测在计算机视觉、图像分析等应用中起着重要作用，图像的其他特征都是由边缘和区域这些基本特征推导出来的，边缘检测的效果会直接影响图像的分割和识别性能。边缘检测法的种类很多，如微分算子法、样板匹配法、小波检测法、神经网络法等等，每一类检测法又有不同的具体方法。目前，微分算子法中有Roberts，Sobel，Prewitt，Canny，Laplacian，Log 以及二阶方向导数等算子检测法，本文仅将讨论微分算子法中的几个常用算子法及一个改进Sobel算法。 1 边缘检测

在图像中，边缘是图像局部强度变化最明显的地方，它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。边缘表明一个特征区域的终结和另一特征区域的开始。边缘所分开区域的内部特征或属性是一致的，而不同的区域内部特征或属性是不同的。边缘检测正是利用物体和背景在某种图像特征上的差异来实现检测，这些差异包括灰度、颜色或纹理特征，边缘检测实际上就是检测图像特征发生变化的位置。边缘的类型很多，常见的有以下三种: 第一种是阶梯形边缘，其灰度从低跳跃到高; 第二种是屋顶形边缘，其灰度从低逐渐到高然后慢慢减小; 第三种是线性边缘，其灰度呈脉冲跳跃变化。如图1 所示。 (a) 阶梯形边缘(b) 屋顶形边缘 (b) 线性边缘 图像中的边缘是由许多边缘元组成，边缘元可以看作是一个短的直线段，每一个边缘元都由一个位置和一个角度确定。边缘元对应着图像上灰度曲面N 阶导数的不连续性。如果灰度曲面在一个点的N 阶导数是一个Delta 函数，那么就

图像边缘检测系统设计

学号 数字图像处理 课程设计说明书 图像边缘检测系统设计 起止日期：2016年12月5日至2016年12月9日 学生某 班级13电信科1班

成绩 指导教师(签字) 计算机与信息工程学院电子信息工程系 2016年12月9日 课程设计任务书 2016—2017学年第一学期 计算机与信息工程学院电子信息与科学技术专业1班级 课程设计名称：数字图像处理课程设计 设计题目：图像边缘检测系统设计 完成期限：自2016年12月5日至2016年12月9日共1周 一、课程设计依据 在掌握数字图像处理基本算法的基础上，利用MATLAB、VC++、Java等编程语言设计具有指定功能的图形用户界面。 二、课程设计内容 1、设计一个实现图像边缘检测功能的界面 2、界面可以采用MATLAB、VC++、Java等编程语言设计 3、要求界面能够读入并显示图片，通过各种控件选择并进行图像的边缘检测操作，操作结果在对比窗口中显示 4、图像边缘检测功能至少包括单方向一阶微分检测（水平/垂直方向）、无方向微分检测

（Roberts算子、Sobel算子、Prewitt算子、Laplacian算子、LOG算子）等，每项功能可采用一个或多个算法实现 三．课程设计要求 1、要求每个同学独立完成设计任务。 2、课程设计说明书封面格式要求见《课程设计说明书格式要求》。 3、课程设计的说明书要求简洁、通顺，图像表达内容完整、清楚、规X。 4、课程设计说明书要求： 1)说明题目的设计原理和思路、采用方法及设计流程。 2)可采用图表或文字对图形用户界面各子模块的功能以及各子模块之间的关系做 较详细的描述。 3)详细说明代码的编写流程。 4)采用图像及文字详细说明各功能的演示结果。 指导教师（签字）： 系主任（签字）： 批准日期：2016年12月1日

图像边缘检测方法比较研究

图像边缘检测方法比较研究 作者：关琳琳孙媛 来源：《现代电子技术》2008年第22期 摘要：边缘检测在数字图像处理中有着重要的作用。系统分析目前具有代表性的边缘检测方法，并用IDL6.3软件实现各种算法。实验结果表明，各种方法均有各自的优缺点和适用条件，在做图像边缘检测之前，应对图像进行分析，针对图像的特点和应用需求选用合适的方法。 关键词：边缘检测；检测算子；高通滤波；小波变换 中图分类号：TP391文献标识码：A 文章编号：1004-373X(2008)22-096-03 Comparison of Image Edge Detection Methods GUAN Linlin1,SUN Yuan2 (1.Department of Resource Science and Technology,Beijing Normal University,Beijing,100875,China; 2.96656 Unit of Second Artillery F orces,Chinese People′s Liberation Army,Beijing,100820,China) Abstract：Edge detection plays an important role in digital image processing.This paper comprehensively analyze the representative methods of edge detection at present,and realizes each algorithm with the IDL6.3 software.Results indicate that each method has some advantages and limitations.It should be carefully selected according to the characteristics of the image as well as application needs before conducting edge detection. Keywords：edge detection;detective operators;high-pass filtering;wavelet transform 1 引言 边缘检测技术是图像特征提取中的重要技术之一，也是图像分割、目标区域识别、区域形状提取等图像分析方法的基础。近年来，边缘检测技术被广泛地应用在各个领域，例如工程技术中零件检查［1］、医学中器官病变状况观察［2］、遥感图像处理中道路等典型地物的提取［3］以及估算遥感平台的稳定精度［4］等。这使得如何快速、准确地获得边缘信息成为国内外研究的热点。边缘检测方法在空间域和频域中均可以实现，而且不断涌现出新技术新方法。这些方法

行人检测与跟踪国内外研究现状

行人检测与跟踪国内外研究现状 1.2行人检测与跟踪国内外研究现状 视觉跟踪和目标检测是计算机视觉领域内较早开始的研究方向。经过几十年的积累，这两个方向已经取得了显著的发展。然而，很多方法只是在相对较好地程度上解决了一些关键问题。并且仍旧有不少一般性的关键问题未得到有效的解决。国内外很多研究机构都在致力于研究和发展这两个方向。近些年这两个方向持续发展，涌现了很多比较优秀的方法。国外的很多大学和研究机构（如卡内基梅隆大学、南加州大学和法国国家计算机科学与控制研究所等）都有计算机视觉小组，长期地研究视频跟踪和目标检测。国内的很多大学和研究所等（如清华大学、上海交大和自动化所等）也有相关的研究小组，并取得了一些优秀的研究成果。 1.2.1行人检测技术国内外研究现状 中科院计算机科学重点实验室孙庆杰等人利用基于侧影的人体模型及其对应的概率模型,提出了一种基于矩形拟合的人体检测算法。中科院自动化所谭铁牛等对人运动进行视觉分析,其核心是利用计算机视觉技术从图像序列中检测、跟踪、识别人并对其行为进行理解与描述,它主要应用在视觉监控领域和基于步态的身份鉴定。步态识别就是根据人们走路的姿势进行身份鉴定,依据人体行走运动很大程度上依赖于轮廓随着时间的形状变化的直观想法,提出一种基于时空轮廓分析的步态识别算法；基于行走运动的关节角度变化包含着丰富的个体识别信息的思想,提出一种基于模型的步态识别算法。实验结果表明该算法不仅获得了令人鼓舞的识别性能,而且拥有相对较低的计算代价。但是该方法只能检测出运动的行人。 西安交通大学郑南宁等研究了利用支持向量机识别行人的方法,通过稀疏Gabor滤波器提取行人样本图像中行人的特征,然后利用支持向量机来训练所提取的样本特征,并用训练得到的分类器通过遍历图像的方式将图像中可能属于行人的窗口提取出来。尽管用Gabor滤波器提取特征效果相对较好,但耗时很长,不适合于实时图像的处理。 上海交通大学田广等提出了一种coarse-to-fine的行人检测方法,将一个人建模成人体自然部位的组装,人体的所有部位包括头肩、躯干和腿、采用绝对值类Haar特征集和Edgelet特征集,在这些特征集上,采用softcascade训练各个部位的检测器和全身检测器。首先采用全身检测器在整个图像中产生候选行人区域,然后用基于贝叶斯决策的组合算法进一步确定候选区域中的行人。实验结果表明该算法有很好的检测性能能在杂乱的自然场景中有效的检测行人。但该方法的识别率是78.3%,识别率不高，且该模型比较难构建,模型求解也比较复杂。 目前,在国外许多文献中提出了基于机器视觉的行人检测方法,意大利帕尔玛大学的AlbertoBroggi教授在ARGO项目中采用一种基于外形的行人检测算法。算法首先根据行人相对于垂直轴有很强的垂直边缘对称性、尺寸和外貌比例等在

红外热像无损检测图像处理研究现状与进展

红外热像无损检测图像处理研究现状与进展 来源：《红外技术》 引言 红外热像（infrared thermography）是目前运用非常广泛的一种快速高效的无损检测技术，通过外部施加的热或冷激励使被测物体内的异性结构以表面温度场变化的差异形式表现出来，从而达到缺陷部位的定性和定量分析。其成像原理是利用红外探测仪将接受到的被测物体的红外辐射映射成灰度值，再转化为可视温度分布图（红外热像图）。最早在二战末期应用于军事侦察领域，因其本身具有快速高效、无需停运、无需取样、可进行无污染、非接触、大面积检测、以及其直观成像等优点，而被作为复合材料的无损检测技术应用于工业领域，如航空航天、机械、油气、建筑等领域。 1 、红外热像技术的发展现状 自20世纪以来，红外热像技术得到快速发展。20世纪90年代，美国无损检测协会和材料试验协会针对红外热成像技术指定了相应标准，并在无损检测手册红外与热检测分册中描述了基于红外热像的无损检测技术在各个领域的运用。目前美国、俄罗斯、法国、德国、加拿大、澳大利亚等国已将红外热像技术广泛运用于航空航天复合材料构件内部缺陷及胶接质量的检测、蒙皮铆接质量检测等。近年来，红外热像技术与智能手机、无人机等设备充分结合，并在各个领域广泛使用，如美国的Fluke和FLIR、德国Testo、国内武汉高德、浙江大立等企业。 国内的红外热像检测技术比欧美、俄罗斯等发达国家起步较晚，但经过十几年的发展，目前也取得较为显著的成果。中国特种设备研究院和武汉工程大学将红外热像技术运用于压力设备缺陷检验，取得了一系列显著的成果。西南交通大学、昆明物理研究所、北京航空材料研究院、北京理工大学、西北工业大学等将红外热像技术运用于航空航天夹层结构件的缺陷检测，取得了有效进展。在石油化工领域，各位学者将红外热像技术用于高温高压容器和管道的缺陷、保温层破损、以及内部液体流动情况的检测，也取得了许多成果。 2 、红外图像预处理 红外技术应用的核心工作在于图像的处理及利用，不仅在无损检测领域，在军事监测、人脸识别等领域的应用更加重要。红外图像的处理主要分为图像预处理和图像识别，预处理是开展后续工作的基础，其主要分为图像的非均匀性校正和图像增强两个方面。 2.1 图像的非均匀性校正

图像边缘检测算法体验步骤

图像边缘检测算法体验步骤 图像边缘检测算法体验步骤（Photoshop，Matlab）1. 确定你的电脑上已经安装了Photoshop和Matlab2. 使用手机或其他任何方式，获得一张彩色图像（任何格式），建议图像颜色丰富，分辨率比较高，具有比较明显的图像边界（卡通图像，风景图像，桌面图像）3. 将图像保存到一个能够找到的目录中，例如img文件夹（路径上没有汉字）4. 启动Photoshop，打开img文件夹中的图像5. 在工具箱中选择“矩形选择”工具，到图面上选择一个区域（如果分辨率比较高，建议不要太大，否则计算过程比较长）6. 点击下拉菜单【文件】-【新建】，新建一个与矩形选择框同样尺寸的Photoshop图像，不要求保存该图像7. 将该彩色图像转换为亮度图像，即点击下拉菜单【图像】-【模式】-【灰度】，如提示是否合并，选择“Yes”8. 将该单色的亮度图像另存为Windows的BMP文件，点击下拉菜单【文件】-【存储为】，在“存储为”窗口中，为该文件起一个名字，例如test1（保存为test1.bmp）9. 启动Matlab，将当期路径（Current Directory）定位到图像文件夹，例如这里的img文件夹10. 使用imread命令读入该图像，在命令行输入：>> f = imread(test1.bmp);11. 在Matlab中显示该图像，在命令行输入：>> figure, imshow(f)12. 然后，分别使用Matlab图像工具箱中的Edge函数，分别使用Sobel算法，高斯-拉普拉斯（Log）算法和Canny算法得到的边缘图像：在命令行输入：>> g_sobel = edge(f, sobel, 0.05); >> g_log = edge(f, log, 0.003, 2.25); >> g_canny = edge(f, canny, [0.04 0.10], 1.5);13 得到边缘图像计算结果后，显示这些边缘图像： >> figure, imshow(g_sobel) >> figure, imshow(g_log) >> figure, imshow(g_canny)14 可以用不同的图像做对比，后续课程解释算法后，可以变换不同的阈值，得到不同的边缘图像

数字图像处理中的边缘检测技术

课程设计报告 设计题目：数字图像处理中的边缘检测技术学院： 专业： 班级：学号： 学生姓名： 电子邮件： 时间：年月 成绩： 指导教师：

数字图像处理中的边缘检测技术课程设计报告I 目录 1 前言:查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 (1) 1.1理论背景 (1) 1.2图像边缘检测技术研究的目的和意义 (1) 1.3国内外研究现状分析 (2) 1.4常用边缘检测方法的基本原理 (3) 2 小波变换和小波包的边缘检测、基于数学形态学的边缘检测法算法原理 (7) 2.1 小波边缘检测的原理 (7) 2.2 数学形态学的边缘检测方法的原理 (7) 3 算法实现部分：程序设计的流程图及其描述 (9) 3.1 小波变换的多尺度边缘检测程序设计算法流程图 (9) 3.2 数学形态学的边缘检测方法程序设计算法描述 (10) 4实验部分：对所给的原始图像进行对比实验，给出相应的实验数据和处理结果 (11) 5分析及结论：对实验结果进行分析比较，最后得出相应的结论 (15) 参考文献 (17) 附录：代码 (18)

1前言 查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 1.1 理论背景 图像处理就是对图像信息加工以满足人的视觉心理或应用需求的方法。图像处理方法有光学方法和电子学方法。从20世纪60年代起随着电子计算机和计算技术的不断提高和普及，数字图像处理进入了高速发展时期，而数字图像处理就是利用数字计算机或其它的硬件设备对图像信息转换而得到的电信号进行某些数学处理以提高图像的实用性。 图像处理在遥感技术，医学领域，安全领域，工业生产中有着广泛的应用，其中在医学应用中的超声、核磁共振和CT等技术，安全领域的模式识别技术，工业中的无损检测技术尤其引人注目。 计算机进行图像处理一般有两个目的：(1)产生更适合人观察和识别的图像。 (2)希望能由计算机自动识别和理解图像。数字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的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2 图像边缘检测技术研究的目的和意义 数字图像处理是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像处理也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像处理和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像处理中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速

图像边缘检测方法的研究与实现刘法200832800066

图像边缘检测方法的研究与实现刘法200832800066

青岛大学专业课程设计 院系: 自动化学院 专业: 电子信息工程 班级: 08级电子信息工程3班学生姓名: 刘法 指导教师: 王汉萍庄晓东 日期: 2011年12月23日

题目：图像边缘检测方法的研究与实现 一、边缘检测以及相关概念 1．1边缘，边缘检测的介绍 边缘(edge)是指图像局部强度变化最显著的部分．边缘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，是图像分割、纹理特征和形状特征等图像分析的重要基础．图像分析和理解的第一步常常是边缘检测(edge detection)． 边缘检测是指使用数学方法提取图像像元中具有亮度值（灰度）空间方向梯度大的边、线特征的过程。 在讨论边缘算子之前，首先给出一些术语的定义： 边缘点：图像中具有坐标] ,[j i且处在强度显著变化的位置上的点．边缘段：对应于边缘点坐标] i及其方位 ，边缘的方位可能是梯度角． ,[j 边缘检测器：从图像中抽取边缘(边缘点和边缘段)集合的算法． 轮廓：边缘列表，或是一条表示边缘列表的拟合曲线． 边缘连接：从无序边缘表形成有序边缘表的过程．习惯上边缘的表示采用顺时针方向序． 边缘跟踪：一个用来确定轮廊的图像（指滤波后的图像）搜索过程． 边缘点的坐标可以是边缘位置像素点的行、列整数标号，也可以在子像素分辨率水平上表示．边缘坐标可以在原始图像坐标系上表示，但大多数情况下是在边缘检测滤波器的输出图像的坐标系上表示，因为滤波过程可能导致图像坐标平移或缩放．边缘段可以用像素点尺寸大小的小线段定义，或用具有方位属性的一个点定义．请注意，在实际中，边缘点和边缘段都被称为边缘．边缘连接和边缘跟踪之间的区别在于：边缘连接是把边缘检测器产生的无序边缘集作为输入，输出一个有序边缘集；边缘跟踪则是将一幅图像作为输入，输出一个有序边缘集．另外，边缘检测使用局部信息来决定边缘，而边缘跟踪使用整个图像信息来决定一个像素点是不是边缘． 1．2 边缘检测算子 边缘检测是图像特征提取的重要技术之一, 边缘常常意味着一个区域的终结和另一个区域的开始. 图像的边缘包含了物体形状的重要信息,它不仅在分析图像时大幅度地减少了要处理的信息量,而且还保护了目标的边界结构. 因此,边缘检测可以看做是处理许多复杂问题的关键. 边缘检测的实质是采用某种算法来提取出图像中对对象与背景间的交界线。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此可以用局部图像微分技术来获取边缘检测算子。经典的边缘检测方法是对原始图像中的像素的某个邻域来构造边缘检测算子。以下是对几种经典的边缘检测算子进行理论分析，并对各自的性能特点做出比较和评价。 边缘检测的原理是：由于微分算子具有突出灰度变化的作用，对图像进行微分运算，在图像边缘处其灰度变化较大，故该处微分计算值教高，可将这些微分值作为相应点的边缘强度，通过阈值判别来提取边缘点，即如果微分值大于阈值，则为边缘点。

数字图像处理技术的现状及其发展方向(笔记)

数字图像处理技术的现状及其发展方向 一、数字图像处理历史发展 数字图像处理(Digital Image Processing)将图像信号转换成数字信号并利用计算机对其进行处理。 1.起源于20世纪20年代。 2.数字图像处理作为一门学科形成于20世纪60年代初期，美国喷气推进实验室(JPL)推动了数字图像处理这门学科的诞生。 3.1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置即CT(Computer Tomograph)，1975年EMI公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像。 4.从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，人们已开始研究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界，其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论。 二、数字图像处理的主要特点 1．目前数字图像处理的信息大多是二维信息,处理信息量很大,对计算机的计算速度、存储容量等要求较高。 2.数字图像处理占用的频带较宽,在成像、传输、存储、处理、显示等各个环节的实现上,技术难度较大,成本也高,这就对频带压缩技术提出了更高的要求。 3.数字图像中各个像素是不独立的,其相关性大。因此,图像处理中信息压缩的潜力很大。 4.由于图像是三维景物的二维投影,一幅图像本身不具备复现三维景物的全部几何信息的能力,要分析和理解三维景物必须作合适的假定或附加新的测量。在理解三维景物时需要知识导引,这也是人工智能中正在致力解决的知识工程问题。 5．一方面，数字图像处理后的图像一般是给人观察和评价的,因此受人的因素影响较大，作为图像质量的评价还有待进一步深入的研究；另一方面，计算机视觉是模仿人的视觉,人的感知机理必然影响着计算机视觉的研究,这些都是心理学和神经心理学正在着力研究的课题。 三、数字图像处理的优点 1.再现性好；图像的存储、传输或复制等一系列变换操作不会导致图像质量的退化。 2.处理精度高；可将一幅模拟图像数字化为任意大小的二维数组,现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高。 3.适用面宽；图像可以来自多种信息源，图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像组合而成,因而均可用计算机来处理。 4.灵活性高；数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 四、数字图像处理过程及其主要进展 常见的数字图像处理有:图像的采集、数字化、编码、增强、恢复、变换、

实验三图像分割与边缘检测

数字图像处理实验报告 学生姓名王真颖 学生学号L0902150101 指导教师梁毅雄 专业班级计算机科学与技术1501 完成日期2017年11月06日

计算机科学与技术系信息科学与工程学院

目录 实验一.................................................................................................. 错误!未定义书签。 一、实验目的.................................................................................................... 错误!未定义书签。 二、实验基本原理 ........................................................................................... 错误!未定义书签。 三、实验内容与要求....................................................................................... 错误!未定义书签。 四、实验结果与分析....................................................................................... 错误!未定义书签。实验总结............................................................................................... 错误!未定义书签。参考资料.. (3) 实验一图像分割与边缘检测 一．实验目的 1. 理解图像分割的基本概念； 2. 理解图像边缘提取的基本概念； 3. 掌握进行边缘提取的基本方法；

实验三 图像的边缘检测

实验三图像的边缘检测 一、实验目的与要求 1、了解图像边缘提取的基本概念； 2、了解进行边缘提取的基本方法； 3、编程实现对所给图像的边缘进行提取。 二、知识点 1、边缘检测的思想和原理 图像理解是图像处理的一个重要分支，研究为完成某一任务需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。边缘检测实际上就是检测图像特征发生变化的位置。 由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。边缘检测的方法大多数是基于方向导数掩模求卷积的方法。导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。

一阶导数是最简单的导数算子，它们分别求出了灰度在x和y方向上的变化率，而方向上的灰度变化率可以用相应公式进行计算；对于数字图像，应该采用差分运算代替求导，差分公式参考相关教材。 2、常用的梯度算子 （1）Roberts Cross算子，它的2个2 X2模板如图3所示。 图3 Robert Cross算子模板 （2）Prewitt 算子，它的2个3×3模板如图4所示。 图4 Prewitt算子模板 （3）Sobel 算子，它的2个3×3模板如图5所示。 图3 Sobel算子模板 3、高斯拉普拉斯（LoG）算法 高斯拉普拉斯（LoG）算法是一种二阶边缘检测方法。它通过寻找图像灰度值中二阶微分中的过零点（Zero Crossing）来检测边缘点。其原理为，灰度

图像边缘检测方法研究综述_段瑞玲

第31卷第3期2005年5月 光学技术 OP T ICA L T ECHN IQ U E V ol.31No.3 M ay　2005 文章编号:1002-1582(2005)03-0415-05 图像边缘检测方法研究综述 段瑞玲,李庆祥,李玉和 (清华大学精密仪器及机械学系,北京　100084) 摘　要:图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。图像分析和理解的第一步常常是边缘检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息,是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。对一些传统的边缘检测方法和近年来广泛收到关注的边缘检测算法进行了简单介绍。综述中只涉及到检测方面,而没有讨论滤波、边缘定位、算法的复杂程度和边缘检测器性能的评价。 关键词:图像处理;边缘检测;梯度算法;差分边缘检测 中图分类号:T P751 文献标识码:A Summary of image edge detection DU AN Rui_ling,LI Qin g_xiang,LI Yu_he (Department of P recisio n I nstrument and M echanology,Tsing hua University,Beijing　100084,China) Abstract:Edg e is one of the most fundamental and sig nificant features.Edge detection is alw ay s one of the most classical studying projects o f computer vision and image processing field.T he fist step of image analy sis and understanding is edg e de tec-tion.T he g oal of edge detection is to recover information about shapes and reflectance o r transmittance in an image.I t is one of the fundamental steps in image processing,mage analy sis,image patter recognition,and computer vision,as well as in human vision.T he correctness and reliability of its results affect directly the comprehension machine system made fo r objective w orld. T he summary for basic edge de tection metho ds was made.It involv ed the detection methods only but no t filtering,edge loca-tion,analy sis of algorithm complexity and functional evaluation about a detecto r. Key words:image processing;imag e detection;gradient arithmetic; 1　引　言 早在本世纪初,人类为了用图片及时传输世界各地发生的新闻事件,便开始了对图像处理技术的研究。用计算机进行图像处理,改善图像质量的有效应用开始于1964年美国喷气推进实验室对太空传回的大批月球照片进行处理,并收到了明显的效果。然而,图像处理技术的真正发展还是在上世纪60年代末,其原因一方面是由于受到航天技术发展的刺激,另一方面是作为图像处理工具的数字计算机和各种不同类型的数字化仪器及显示器的突飞猛进发展。迄今为止,数字图像作为一门崭新的学科,日益受到人们的重视,并且在科学研究、工农业生产、军事技术和医疗卫生等领域发挥着越来越重要的作用。 机器视觉主要是利用计算机实现人类的视觉功能,对客观世界的三维场景的感知、识别和理解。边缘是图像的最基本特征,边缘检测通常是机器视觉系统处理图像的第一个阶段,是机器视觉领域内经典的研究课题之一,其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。 2　图像边缘定义 图像的大部分信息都存在于图像的边缘中,主要表现为图像局部特征的不连续性,即图像中灰度变化比较剧烈的地方。因此,我们把边缘定义为图像中灰度发生急剧变化的区域边界。根据灰度变化的剧烈程度,通常将边缘划分为阶跃状和屋顶状两种类型[1]。阶跃边缘两边的灰度值变化明显,而屋顶边缘位于灰度值增加与减少的交界处。那么,对阶跃边缘和屋顶边缘分别求取一阶、二阶导数就可以表示边缘点的变化。因此,对于一个阶跃边缘点,其灰度变化曲线的一阶导数在该点达到极大值,二阶导数在该点与零交叉;对于一个屋顶边缘点,其灰 415 收稿日期:2004-06-01;收到修改稿日期:2004-10-20 E-mail:duanrl03@mails.ts https://www.wendangku.net/doc/8a13280704.html, 作者简介:段瑞玲(1979_),女,山西人,清华大学博士研究生,从事装配系统及微观图像处理研究。

图像处理文献综述

文献综述 理论背景 数字图像中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的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显着的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 、图像边缘检测技术研究的目的和意义 数字图像边缘检测是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像边缘检测也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像边缘检测和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像边缘检测中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速度更快，图像特征识别更准确。早期的经典算法有边缘算子法、曲面拟合法、模版匹配法、门限化法等。 早在1959年Julez就曾提及边缘检测技术，Roberts则于1965年开始了最早期的系统研究，从此有关边缘检测的理论方法不断涌现并推陈出新。边缘检测最开始都是使用一些经验性的方法，如利用梯度等微分算子或特征模板对图像进行卷积运算，然而由于这些方法普遍存在一些明显的缺陷，导致其检测结果并不尽如人意。20世纪80年代，Marr和Canny相继提出了一些更为系统的理论和方法，逐渐使人们认识到边缘检测的重要研究意义。随着研究的深入，人们开始注意到边缘具有多分辨性，即在不同的分辨率下需要提取的信息也是不同的。通常情况下，小尺度检测能得到更多的边缘细节，但对噪声更为敏感，而大尺度检测

图像边缘检测方法的研究与实现刘法200832800066

青岛大学 专业课程设计 院系: 自动化学院 专业: 电子信息工程 班级: 08级电子信息工程3班 学生姓名: 刘法 指导教师: 王汉萍庄晓东 日期: 2011年12月23日 题目：图像边缘检测方法的研究与实现 一、边缘检测以及相关概念 1．1边缘，边缘检测的介绍 边缘(edge)是指图像局部强度变化最显著的部分．边缘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，是图像分割、纹理特征和形状特征等图像分析的重要基础．图像分析和理解的第一步常常是边缘检测(edge detection)． 边缘检测是指使用数学方法提取图像像元中具有亮度值（灰度）空间方向梯度大的边、线特征的过程。 在讨论边缘算子之前，首先给出一些术语的定义： 边缘点：图像中具有坐标] i且处在强度显著变化的位置上的点． ,[j 边缘段：对应于边缘点坐标] i及其方位 ，边缘的方位可能是梯度角． ,[j 边缘检测器：从图像中抽取边缘(边缘点和边缘段)集合的算法． 轮廓：边缘列表，或是一条表示边缘列表的拟合曲线． 边缘连接：从无序边缘表形成有序边缘表的过程．习惯上边缘的表示采用顺时针方向序． 边缘跟踪：一个用来确定轮廊的图像（指滤波后的图像）搜索过程． 边缘点的坐标可以是边缘位置像素点的行、列整数标号，也可以在子像素分辨率水平上表示．边缘坐标可以在原始图像坐标系上表示，但大多数情况下是在边缘检测滤波器的输出图像的坐标系上表示，因为滤波过程可能导致图像坐标平移或缩放．边缘段可以用像素点尺寸大小的小线段定义，或用具有方位属性的一个点定义．请注意，在实际中，边缘点和边缘段都被称为边缘．

边缘连接和边缘跟踪之间的区别在于：边缘连接是把边缘检测器产生的无序边缘集作为输入，输出一个有序边缘集；边缘跟踪则是将一幅图像作为输入，输出一个有序边缘集．另外，边缘检测使用局部信息来决定边缘，而边缘跟踪使用整个图像信息来决定一个像素点是不是边缘． 1．2 边缘检测算子 边缘检测是图像特征提取的重要技术之一, 边缘常常意味着一个区域的终结和另一个区域的开始. 图像的边缘包含了物体形状的重要信息,它不仅在分析图像时大幅度地减少了要处理的信息量,而且还保护了目标的边界结构. 因此,边缘检测可以看做是处理许多复杂问题的关键. 边缘检测的实质是采用某种算法来提取出图像中对对象与背景间的交界线。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此可以用局部图像微分技术来获取边缘检测算子。经典的边缘检测方法是对原始图像中的像素的某个邻域来构造边缘检测算子。以下是对几种经典的边缘检测算子进行理论分析，并对各自的性能特点做出比较和评价。 边缘检测的原理是：由于微分算子具有突出灰度变化的作用，对图像进行微分运算，在图像边缘处其灰度变化较大，故该处微分计算值教高，可将这些微分值作为相应点的边缘强度，通过阈值判别来提取边缘点，即如果微分值大于阈值，则为边缘点。 Roberts,Sobel,Prewwit是基于一阶导数的边缘检测算子，图像的边缘检测是通过2*2或者3*3模板作为核与该图像中的每个像素点做卷积和运算，然后选取合适的阈值以提取边缘。 Laplace边缘检测算子是基于二阶导数的边缘检测算子，该算子对噪声敏感。Laplace算子的改进方式是先对图像进行平滑处理，然后再应用二阶导数的边缘检测算子，其代表是拉普拉斯高斯（LOG）算子。前边介绍的边缘检测算法是基于微分方法的，其依据是图像的边缘对应一阶导数的极大值点和二阶导数过零点。Canny算子是另外一类边缘检测算子，它不是通过微分算子检测边缘，而是在满足一定约束条件下推导出的边缘检测最优化算子。 1．3 边缘检测算法 对于边缘的检测常常借助于空域微分算子进行,通过将其模板与图像卷积完成。两个具有不同灰度值的相邻区域之间总存在灰度边缘。灰度边缘是灰度值不连续(或突变) 的结果,这种不连续常可利用求一阶和二阶导数方便地检测到。已有的局部技术边缘检测方法,主要有一次微分(Sobel 算子、Robert s 算子等) 、二次微分(拉普拉斯算子等)。这些边缘检测器对边缘灰度值过渡比较尖锐且噪声较小等不太复杂的图像,大多数提取算法均可以取得较好的效果。但对于边缘复杂、采光不均匀的图像来说,则效果不太理想。主要表现为边缘模糊、边缘非单像素宽、弱边缘丢失和整体边缘的不连续等方面。 用算子检测图像边缘的方法是用小区域模板对图像进行处理,即采用卷积核作为掩模模板在图像中依次移动,完成图像中每个像素点同模板的卷积运算,最终输出的边缘幅度结果可以检测出图像的边缘。卷积运算是一种邻域运算。图像处理认为:某一点像素的结果不但和本像素灰度有关,而且和其邻域点值有关。运用模板在图像上依此对每一个像素进行卷积, 即模板上每一个点的值与其在图像上当前位置对应的像素点值相乘后再相加,得出的值就是该点处理后的新值。 边缘检测算法有如下四个步骤：