基于matlab的图像边缘检测原理及应用.doc

目录前言-----------------------------------------边缘检测的与提取-----------------------边缘检测的定义---------------------------图像边缘检测算法的研究内容---------边缘检测算子------------------------------3.1.Sobel算子-----------------------------3.2.Canny算子----------------------------基于Matlab的实验结果与分析---------三．图像边缘检测的应用---------------------一.前言在实际图像边缘检测问题中图像的边缘作为图像的一种基本特征经常被应用到较高层次的图像应用中去。它在图像识别图像分割图像增强以及图像压缩等的领域中有较为广泛的应用也是它们的基础。图像边缘是图像最基本的特征之一往往携带着一幅图像的大部分信息。而边缘存在于图像的不规则结构和不平稳现象中也即存在于信号的突变点处这些点给出了图像轮廓的位置这些轮廓常常是我们在图像边缘检测时所需要的非常重要的一些特征条件这就需要我们对一幅图像检测并提取出它的边缘。而边缘检测算法则是图像边缘检测问题中经典技术难题之一它的解决对于我们进行高层次的特征描述、识别和理解等有着重大的影响；又由于边缘检测在许多方面都有着非常重要的使用价值所以人们一直在致力于研究和解决如何构造出具有良好性质及好的效果的边缘检测算子的问题。该课程设计具体考察了两种最常用的边缘检测算子并运用MATLAB进行图像处理比较。二.边缘检测于算子1.边缘检测的定义图像边缘是图像最基本的特征边缘在图像分析中起着重要的用。所谓边缘（edge）是指图像局部特征的不连续性。灰度或结构信息的突变称为边缘例如：灰度级的突变、颜色的突变、纹理结的突变。边缘是一个区域的结束也是另一个区域的开始利用该征可以分割图像。当人们看一个有边缘的物体时首先感觉到的便是边缘如一条理想的边缘应该具有如图2.1(a)所示模型的特性。每个像素都处在灰度级跃变的一个垂直的台阶上（例如图形中所示的水平线通过图像的灰度剖面图）。而实际上诸如图像采集系统的性能、采样频率和获得图像的照明条件等因素的影响得到的边缘往往是模糊的边缘被模拟成具有“斜坡面”的剖面如图2.1(b)所示在这个模型中不再有细线（宽为一个像素的线条）而是出现了边缘的点包含斜坡中任意点的情况。由此可以看到：模糊的边缘使边缘的“宽度”较大面清晰的边缘使边缘的宽度较小。图像的边缘有方向的幅度两个属性沿边缘方向像素变化平缓垂直于边缘方向像素变化剧烈。边缘上的这种变化可以用微分算子检测出来通常用一阶导数或二阶导数来检测边缘不同的是一阶导数认为最大值对应边缘位置而二阶导数以过零点对应边缘位置。实际上对于图像中的任意方向上的边缘都可以进行类似的分析。图像边缘检测中对任意点的一阶导数可以利用该点梯度的幅度来获得二阶导数可以用拉普拉斯算子得到。2.图像边缘检测算法的研究内容图像边缘检测和分析可定义为应用一系列方法获取、校正、增强、变换、检测或压缩可视图像的技术。其目的是提高信息的相对质量以便提取有用信息。图像边缘检测中的变换属于图像输入-图像输出模式图像边缘检测是一种超越具体应用的过程任何为解决某一特殊问题而开发的图像边缘检测新技术或新方法几乎肯定都能找到其他完全不同的应用领域。图像边缘检测的主要研究内容包括：（1）图像获得和抽样其中通过人眼观察的视野获取图像的问题有：最常用的图像获取装置——电视（TV）摄像机问题对所获得信号进行独立的采样和数字化就可用数字形式表达景物中全部彩色内容；电荷-耦合装置用作图像传感器对景物每次扫描一行或通过平行扫描获得图像；选择正确的分辨力或采样密度一幅图像实质上是二维空间中的信号所以适用于信号处理的法则同样适用于图像边缘检测在放射学中常常需要高分辨力要求图像至少达到2048像素×2048像素；灰度量化图像强度也必须进行数字化通常以256级（按1字节编码）覆盖整个灰度一般一幅灰度分辨力为8位空间分辨力为512像素×512像素的图像需0.25兆字节的存贮容量。（2）图像分割目的是把一个图像分解成它的构成成分以便对每一目标进行测量。图像分割是一个十分困难的过程。但其测量结果的质量却极大地依赖于图像分割的质量。有两类不同的图像分割方法。一种方法是假设图像各成分的强度值是均匀的并利用这种均匀性；另一种方法寻找图像成分之间的边界因而是利用图像的不均匀性。主要有直方图分割区域生长梯度法等。（3）边界查索用于检测图像中线状局部结构通常是作为图像分割的一个预处理步骤。大多数图像边缘检测技术应用某种形式的梯度算子可应用对