图像边缘检测

摘??? 要 在实际图像处理问题中，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。 图像边缘检测的手段多种多样。但是，其大的框架不外乎两种，即传统的基于图像亮度特征的算法和基于小波的多尺度边缘检测算法。对于基于亮度的算法，是研究时间最久，理论发展最成熟的方法，它主要是通过一些差分算子，由图像的亮度计算其梯度的变化，从而检测出边缘，主要有Robert,Laplace,Sobel,Canny等算子。这些算法现在已经发展的比较成熟了。再有一类就是随这小波理论的发展和成熟而兴起的基于小波变换的多尺度的图像边缘检测算法。它利用小波变换，检测出图像的在行方向上和列方向上的跃变边缘，并在一定的规则下形成图像的边缘。本文主要是基于前一种的经典边缘检测进行研究，并通过编程实现。 本文第一章引言对全文进行叙述，第二章对图像的边缘进行了一个一般的概述，接着，在第三章中先介绍了比较经典的检测算子，在第四章中，对第三章的经典边缘检测算法进行编程实现，通过原图像在加入噪声和没有加入噪声的情况下进行边缘检测对比，然后得出结论，第五章对全文进行总结。 相信本文的工作对图像处理中的边缘检测方法研究以及应用有一定的参考价值。 关键词：边缘检测，图像处理，经典算法，噪声，对比 随着电子计算机技术的飞速发展，数字图像处理技术也得到进一步提高，同时也提出了更高的图像处理的要求，而本文讲述的图像边缘是分析和理解图像的基础，是图像中最基本的特征，图像处理的研究中许多都涉及到边缘检测。 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处理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。 在通常情况下，我们可以将信号中的奇异点和突变点认为是图像中的边缘点，其附近灰度的变化情况可从它相邻像素灰度分布的梯度来反映。根据这一特点，我们提出了多种边缘检测算子：如Robert算子、Sobel算子、Prewitt算子、Laplace算子等。这些方法多是以待处理像素为中心的邻域作为进行灰度分析的基础，实现对图像边缘的提取并已经取得了较好的处理效果。 图像工程的内容非常丰富，根据抽象程度和研究方法等的不同分为三个层次：图像处理，图像分析和图像理解。图像分割处于图像分析与图像处理之间，其含义是，图像分割是从图像处理进到图像分析的关键步骤，也是进一步理解图像的基础。 图像分割对特征有重要影响。图像分割及基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。而边缘检测是图像分割的核心内容，所以边缘检测在图像工程中占有重要的地位和作用。因此边缘检测的研究一直是图像技术研究中热点和焦点，而且人们对其的关注和投入不断提高。