數(shù)字圖像邊緣檢測經(jīng)典算法研究

《數(shù)字圖像邊緣檢測經(jīng)典算法研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。

1、研究生課程論文課程名稱數(shù)字圖像處理授課學期2011學年至2012學年第1學期學院電子工程學院專業(yè)電路與系統(tǒng)學號2011011542姓名黃春清任課教師夏海英交稿日期2011年12月23日成績閱讀教師簽名日期廣西師范大學研究生學院制研究生課程作業(yè)評批表研究生姓名年級專業(yè)方向課程名稱黃春清（2011011542）2011級學術碩士電路與系統(tǒng)數(shù)字圖像處理學期學時學分課程類型修課方式考核時間一年級第一學期作業(yè)題目數(shù)字圖像邊緣檢測經(jīng)典算法研究評分：導師簽字：年月日數(shù)字圖像邊緣檢測經(jīng)典算法研究【摘要】數(shù)字圖像的邊緣檢測被廣泛應用

2、于數(shù)字圖像處理領域，本文從原理方面討論了幾種經(jīng)典的邊緣檢測方法，如Rebort算子、Prewitt算子和sobel算子，拉普拉斯(Laplaoian)算子、Canny算子，并系統(tǒng)的對其進行了分析比較，分析了各種邊緣檢測算子的特點，并對它們的檢測效果進行了分類比較。1導論圖像邊緣檢測是圖像處理系統(tǒng)的關鍵技術，一直是圖像處理的研究熱點。圖像的邊緣中包含著景物有價值的邊界信息，這些信息可以用于圖像分析、目標識別以及圖像濾波，并且通過邊緣檢測可以極大地降低圖像分析處理的數(shù)據(jù)量。好的邊緣檢測算法應該有一下三個指標:第一是低失

3、誤概率，即真正的邊緣點盡可能少的丟失，同時又要盡可能避免將非邊緣點檢測為邊緣點；第二是高位置精度，檢測的邊緣應盡可能接近真實的邊緣；第三是對每一個邊緣點有唯一的響應，得到單像素寬度的邊緣。2經(jīng)典圖像邊緣檢測算子圖像邊緣檢測的算子是將目標與背景之間在灰度或者紋理特征上突變邊界線提取出來，在空域中，用圖像灰度分布梯度來反映。下面介紹幾種經(jīng)典圖像邊緣算子：2.1梯度算子2.1.1Roberts算子Roberts算子采用對角線方向相鄰兩像素之差近似梯度幅值檢測邊緣，是一種局部差分算子。檢測水平和垂直邊緣的效果好于斜向邊緣，

4、定位精度高，但對噪聲很敏感。其梯度幅度定義為：因此，可計算出梯度的卷積模板，形式為2x2的卷積核：圖1Robert梯度算子的卷積模板Robet算子的實質(zhì)是：以(，)為中心，其度量了(，)點處45。和135。方向（相互正交）的灰度變化。其檢測水平、垂直方向邊緣的性能要好于斜線方向邊緣，并且檢測定位精度比較高，但對噪聲敏感。2.1.2Sobel算子Sobel算子將方向差分運算與局部平均相結合，該算子是以f(x,y)為中心的3×3鄰域上計算x和y方向的偏導數(shù)，即Sx={f(x+1,y-1)+2f(x+1,y)+f(x+1

5、,y+1)}-{f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)}Sy={f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)}-{f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)}其梯度大小為：它的卷積算子是：圖2Sobel邊緣檢測算子方向模板C語言實現(xiàn)的關鍵程序（摘取重要的幾行）for(j=1;j

6、1)*Width0);c[2]=*(imgData+(j-1)+(i-1)*Width0);c[3]=*(imgData+j+(i+1)*Width0);c[4]=*(imgData+j+(i-1)*Width0);c[5]=*(imgData+(j+1)+(i+1)*Width0);c[6]=*(imgData+(j+1)+(i-1)*Width0);*(imgData3+j+i*Width0)=(BYTE)fabs(c[1]-c[2]+2*c[3]-2*c[4]+c[5]+c[6]);}單個程序執(zhí)行結果截圖分析

7、：由圖2.1.2可見，圖像經(jīng)過梯度運算后只留下灰度值急劇變化的邊緣處的點。圖2.1.2Sobel算子利用像素上下、左右相鄰點的灰度加權算法，根據(jù)在邊緣點處達到極值這一現(xiàn)象進行邊緣的檢測。因此Sobel算子對噪聲具有平滑作用，提供較為精確的邊緣的方向信息，但是這是由于局部平均的影響，它同時也會檢測出許多的偽邊緣，且邊緣定位精度不夠高。當對精度要求不是很高時，是一種較常用的邊緣檢測方法。2.1.3Prewitt算子Prewitt提出了類似的計算偏微分估計值的方法Sx={f(x+1,y-1)+f(x+1,y)+f(x+1

8、,y+1)}-{f(x-1,y-1)+f(x-1,y)+f(x-1,y+1)}Sy={f(x-1,y+1)+f(x,y+1)+f(x+1,y+1)}-{f(x-1,y-1)+f(x,y-1)+f(x+1,y-1)}將Prewitt算子擴展到八個方向，即邊緣樣板算子。這些算子樣板由離線的邊緣子圖像構成。依次用邊緣樣板去檢測圖像，與被檢測區(qū)域最為相似的樣板給出最