学海网

课程设计 基于Matlab的图像边缘检测算子的实现及应用 共24页，11264字。
前 言
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。
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。
常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得成功应用的是美国喷气推进实验室。他们对月球照片进行图像处理，如几何校正、灰度变换、去除噪声等，并考虑了太阳位置和月球环境的影响。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，获得了月球的地形图、彩色图及全景镶嵌图，为人类登月创举奠定了基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术探测研究中，数字图像处理都发挥了巨大的作用。数字图像处理技术取得的另一个巨大成就是在医学上。英国工程师发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，成为图像重建。对人类做出的划时代贡献。
随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理技术向更高、更深层次发展。数字图像处理技术的应用领域不断拓展。数字图像处理技术的大发展是从20世纪90年代初开始的。自1986年以来，小波理论与变换方法迅速发展，它克服了傅立叶分析不能用于局部分析等方面的不足之处，被认为是调和分析半个世纪以来工作之结晶。进入21世纪，随着计算机技术的迅猛发展和相关理论的不断完善，数字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。属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等。该技术成为一门引人注目、前景远大的新型学科。
图像分析可分为高, 中, 底三层图像获取等为底层处理, 中层处理的任务是提取和描述底层处理过的图像, 以对此图像中的物体更加了解其大小, 位置, 灰度级等,可修饰物体的边界, 对物体有更深的描述, 甚至将其与背景分离进行图像分割等,以为高层处理的图像模式识别做准备图像处理需要大量的计算, 利用Matlab语言强大的计算功能和其丰富且开放的工具箱可以更加方便地完成这种工作。
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。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的变化, 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。边缘的种类可以分为两种:a 阶跃性边缘, 它两边的像素的灰度值有显著的不同; b 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。如果一个像素落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。
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。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，Laplacian of Gaussian(LoG)算子，二值形态学算子和Canny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。