數(shù)字圖像處理課程設(shè)計(jì)

1、<p><b>　　引言</b></p><p>　　人類視覺系統(tǒng)認(rèn)識(shí)目標(biāo)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(xì)節(jié),辨認(rèn)出圖象的輪廓。計(jì)算機(jī)視覺正是模仿人類視覺的這個(gè)過程。因此在檢測(cè)物體邊緣時(shí) ,先對(duì)其輪廓點(diǎn)進(jìn)行粗略檢測(cè) ,然后通過鏈接規(guī)則把原來檢測(cè)到的輪廓點(diǎn)連接起來 , 同時(shí)也檢測(cè)和連接遺漏的邊界點(diǎn)及去除虛假的邊界點(diǎn)。</p>&

2、lt;p>　　圖象的邊緣是圖象的重要特征,是計(jì)算機(jī)視覺、模式識(shí)別等的基礎(chǔ) ,因此邊緣檢測(cè)是圖象處理中一個(gè)重要的環(huán)節(jié)。然而 ,邊緣檢測(cè)又是圖象處理中的一個(gè)難題 ,由于實(shí)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(jié)果的組合,且實(shí)際圖象信號(hào)存在著噪聲。噪聲和邊緣都屬于高頻信號(hào) ,很難用頻帶做取舍。</p><p><b>　　2 邊緣檢測(cè)</b></p><p&g

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

4、p><p>　　常用的邊緣檢測(cè)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(duì)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(gè)模板，兩個(gè)模板組合起來組成一個(gè)梯度算子。X方向模板對(duì)垂直邊緣

6、影響最大，Y方向模板對(duì)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(quán)平均算子，對(duì)噪聲有抑制作用，但是像素平均相當(dāng)于對(duì)圖像進(jìn)行濾波，所以prewitt算子對(duì)邊緣的定位不如Roberts算子。</p><p><b>　　（2.3.1）</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(jié)合了起來，先平滑掉噪聲，再進(jìn)行邊緣檢測(cè)，所以效果會(huì)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(diǎn)：</p><p>　　通過圖像平滑，消除了一切尺度小于的圖像強(qiáng)度變化。</p><p>　　若用其它微分方法，需要計(jì)算不同方向的微分，而它無方向性，因此可以節(jié)省計(jì)算量。</p><p>　　它定位精度高，邊緣連續(xù)性好，可以

10、提取對(duì)比度較弱的邊緣點(diǎn)。</p><p>　　LoG算子也有它的缺點(diǎn)：當(dāng)邊緣的寬度小于算子寬度時(shí)，由于過零點(diǎn)的斜坡融合將會(huì)丟失細(xì)節(jié)。</p><p>　　2.5 Canny算子</p><p>　　Canny算子是一階算子，其方法的實(shí)質(zhì)是用一個(gè)準(zhǔn)高斯函數(shù)做平滑運(yùn)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(dǎo)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>　?。?.5.2）</b></p><p><b>　?。?.5.3）</b></p><p>　　在這個(gè)2

12、15;2正方形內(nèi)求有限差分的均值，便于在圖像中的同一點(diǎn)計(jì)算x和y的偏導(dǎo)數(shù)梯度。幅值和方向角可以用直角坐標(biāo)到極坐標(biāo)的坐標(biāo)轉(zhuǎn)化來計(jì)算：</p><p><b>　　（2.5.4）</b></p><p><b>　?。?.5.5）</b></p><p>　　反映了圖像的邊緣強(qiáng)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(gè)指數(shù)函數(shù)的線性組合形成的最佳邊緣算子。實(shí)際應(yīng)用中的編程較為復(fù)雜且運(yùn)算較慢。</p><p>　　3 MATLAB程序及運(yùn)行結(jié)果</p><p>　　以下為MATLAB邊緣檢測(cè)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(jìn)行邊緣檢測(cè)</p><p>　　BW2=edge(I,'roberts',0.05);%用Roberts算子進(jìn)行邊緣檢測(cè)</p>

15、<p>　　BW3=edge(I,'prewitt',0.05); %用prewitt算子進(jìn)行邊緣檢測(cè)</p><p>　　BW4=edge(I,'log'); %用log算子進(jìn)行邊緣檢測(cè)</p><p>　　BW5=edge(I,'canny'); %用canny算子進(jìn)行邊緣檢測(cè)</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(yùn)行結(jié)果如下：</b>

19、;</p><p>　　圖3.1 MATLAB邊緣檢測(cè)程序運(yùn)行結(jié)果</p><p><b>　　4 幾種算子的比較</b></p><p>　　Roberts算子檢測(cè)方法對(duì)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(jié)果是邊緣比較粗，因此邊緣的定位不是很準(zhǔn)確。</p><p>　　Sobel算子檢測(cè)方法對(duì)灰度漸變和

20、噪聲較多的圖像處理效果較好，但是對(duì)邊緣的定位不是很準(zhǔn)確，圖像的邊緣不只一個(gè)像素。</p><p>　　Prewitt算子檢測(cè)方法對(duì)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(diǎn)多。</p><p>　　LoG算子檢測(cè)方法通過檢測(cè)二階導(dǎo)數(shù)過零點(diǎn)來判斷邊緣點(diǎn)，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(xì)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(yīng)該根據(jù)具體問題對(duì)噪聲水平和邊緣點(diǎn)定位精度要求適當(dāng)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(cè)方法不容易受噪聲的干擾，能夠檢測(cè)到真正的弱邊緣。優(yōu)點(diǎn)在于，使用兩種不同的閾值分別檢測(cè)強(qiáng)邊緣和弱邊緣，并且當(dāng)弱邊緣和強(qiáng)邊緣相連時(shí)，才將弱邊緣包含在輸出圖像中。</p><p&g

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

23、分析各種方法的優(yōu)缺點(diǎn)。</p><p>　　首先跟據(jù)思路，了解邊緣檢測(cè)的基本原理，再通過搜集的資料文獻(xiàn)等，了解不同算子的基本理論，通過翻閱MATLAB相關(guān)的數(shù)字圖像處理程序，寫出對(duì)應(yīng)的不同算子的程序，然后調(diào)用不同的算子對(duì)圖像進(jìn)行處理，完成設(shè)計(jì)。</p><p>　　接下來就是運(yùn)行以及修改調(diào)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(gè)問題，程序的主要功能

24、已達(dá)到要求，再加以完善和補(bǔ)充即可。</p><p>　　在程序運(yùn)行過程中也出現(xiàn)了些小問題，如漏掉“，” ，指令鍵入錯(cuò)誤等，但經(jīng)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(shè)計(jì)，我從中不僅學(xué)到了利用MATLAB程序?qū)崿F(xiàn)數(shù)字圖像處理設(shè)計(jì)原理和基本思路，并深入了解了MATLAB語(yǔ)言中不同邊緣檢測(cè)算子的調(diào)用，而且也加深了對(duì)理論的認(rèn)識(shí)，進(jìn)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(shí)現(xiàn)功能，通過功能測(cè)試如何發(fā)現(xiàn)問題并通過修改程序而解決問題，更學(xué)會(huì)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(duì)于今后的學(xué)習(xí)還是工作都有著積極的影響。</p><p><b>　　參考文獻(xiàn)</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(xué)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(xué)出版社，2001.</p><p>　　[4] 陳桂明，張明照，戚紅雨.應(yīng)用MATLAB語(yǔ)言處理數(shù)字信號(hào)與數(shù)字圖像.北京：科學(xué)出版社，

27、2001.</p><p>　　[5] 趙春暉.現(xiàn)代圖像處理技術(shù)及MATLAB實(shí)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(shè)計(jì)中，我從中學(xué)到了不少東西，不僅加強(qiáng)了動(dòng)手能力，也加深了對(duì)理論的認(rèn)識(shí)，其中離不開同組同學(xué)的幫助和支持，在此表示感謝。</p><p&g