文档介绍：摘要边缘检测技术是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础,是数字图像处理重要的研究课题之一。如何快速、准确的对彩色图像进行边缘检测是数字图像处理领域的研究热点。本文基于惴ǎ岢隽烁慕奶荻确岛头较蛩惴ǖ腸自适应彩色边缘检测方法。允视Σ噬ū咴导觳夥椒ㄔ诒3至舜砪算子原有的定位准确,单边缘响应和信噪比高等优点的基础上,提高了阕釉谔崛彩色图像边缘细节信息和抑制假边缘方面的性能。允视Σ噬ū咴导觳夥法将整幅图像分割为若干子图像,并根据子图像边缘梯度信息自适应的生成动态闽值,提高了彩色边缘检测的自动化程度,并在实际应用中获得很好的效果。本文详细介绍了这种算法的基本思想和具体方法,并通过实验以及对实验结果的分析,证明了允视Σ噬ū咴导觳夥椒ㄊ且恢钟行У牟噬枷癖咴导觳飧纳方法。关键词:数字图像处理彩色边缘检测自适应阕成部理搜禝。学位论文
知识水坝***@pologoogle为您整理
畆Ⅱ—’鱝∞.篋糰趴酉印’鉫柚.∞鲫猧,趾.,鷆叩∞衋Ⅱ孤印珻成都理工大学坝上学位论丈岛,.瓾琣騣,琤痵纋’,山騡,—颍珹珻騃
知识水坝***@pologoogle为您整理
第引言边缘检测的发展,【√厂瑈弧蹋縵蹋,一√,瑈边缘是图像最基本的特征,是图像分割的重要基础,也是纹理分析和图像识别的重要基础。理想的边缘检测应当正确解决边缘的有无、真假、定向和定位,长期以来,人们一直关心这一问题的研究,除了常用的局部算子及以后在此基础上发展起来的种种改进方法外,又提出了许多新的技术。要做好边缘检测,首先,要清楚待测的图像特性变化的形式,从而使用适应这种变化的检测方法。其次,要知道特性变化总是发生在一定的空间范围内,不能期望用一种检测算子就能最佳检测出发生在图像上的所有特性变化。当需要提取多空间范围内的变化特性时,要考虑多算子的综合应用。再者,要考虑噪声的影响,其中一个办法就是滤除噪声,这有一定的局限性。再就是考虑信号加噪声的条件检测,利用统计信号分析,或通过对图像区域的建模,而进一步使检测参数化。第四,可以考虑各种方法的组合,如先找出边缘,然后在其局部利用函数近似,通过内插等获得高精度定位。第五,在正确检测边缘的基础上,要考虑精确定位的问题。经典的边缘检测方法得到的往往是断续的、不完整的结构信息,噪声也较为敏感,为了有效抑制噪绰典的边缘检测算子,就处理方法大致分为以下几测就能成功地检测到真正的边缘。一般情况下,将一幅数字图像视为输入信号,图像的边缘是指信号的奇异点或突变点也就是图像灰度值的不连续点或变化剧烈的点,而这种变化可以用相邻像素灰度分布的梯度来反映。由图像边缘的含义可知,一般灰度图像的边缘点存在于图像厌度函数一阶导数局部最大值或二阶导数的局部过零点,因而很多边缘检测的方法主要在输出图中采用不同的衍生步骤来寻找一阶导数局部最大值或二阶导数的局部过零点。根据荻度图像的边缘点这一特点以及高等数学对梯度的定义,学者们提出了多种经典的边缘检测算子,就处理方法大致分为以下几个时期,年代到年代末主要的代表方法有以下几种:晏岢隽薘算子“镁植坎罘炙阕来寻找图像边缘,其方法为:.晏岢隽薖虬边缘算子。肷⒊隽礁鼍砘核矩阵,图像中每个像素点与此一个矩阵做卷积。
在于引入不同的算子,将边缘点理解为灰度突变点,对图像相邻像素之间进行代响应,一个对应垂直最大响应。.晏岢霰咴导觳馑阕印,它由八个方向矩阵组成卷积核,每个核对应该方向的最大响应。晏岢鰏算子“。,它同样离散出两个卷积核,图像中每个像素点与此二核矩阵做卷积,具体方法同U庑┓椒ǖ耐怀龉毕数运算以确定图像的边缘像素点。但噪声和图像边缘点一样也是图像灰度变化频率中的高频分量,微分运算会增强图像噪声,使得噪声被判别为边缘点,降低了信噪比,用这些方法检测出的边缘较粗糙。所以检测精度和抗噪性能成了边缘检测的基本问题。年代初到年代,年稨从神经生理学和心理物理学的观点出发,提出人的视觉前期处理中有多个边沿掩膜和条带掩膜在对图像做卷积,这些掩膜的输出近似亮度函数一阶导数和二阶方向导数。对阶跃边缘,变化最剧烈的地方是一阶导数极值点和二阶导数过零点,因此得出狶算子“8梅椒ㄏ榷酝枷窠衅交词抢酶咚购交枷窈笥肔算子检测边缘,从而降低了图像的噪声,实现了在边缘提取前对图像的预处理。为了对某一边缘检测方法的有效性做出评价,同时有利于后人进一步发现新的更为有效的边缘检测方法,年啊疤岢隽艘恢直咴导觳獾姆椒ǎ⒏隽颂取边缘的三个准则。该方法第一次从理论上建立了最优边缘检测的理论基础:良好的信噪比、边缘定位和最大伪响应抑制。该方法迅速成为其它的检测方法在边缘检测问题上的标准。随后,瓵睁”卣沽薱的工作,建立并简化了椒ǖ南凳改进了椒ü乖斐鲆恢挚梢缘莨榈姆椒ā年琀蛃等提出了模糊最小形态学边缘检测算子“⋯。同年,.等提出了可