canny边缘检测分析毕业论文

Canny边缘检测分析毕业论文

目录

引言 (1)

第一章图像分割与边缘检测 (2)

1.1图像分割简介 (2)

1.2图像分割定义 (2)

1.3图像分割基本原理 (3)

第二章基于边界的分割——边缘检测 (6)

2.1边缘的类型 (6)

2.2边缘的类型 (6)

2.3边缘的判定 (7)

第三章常见边缘检测算法的研究与分析 (9)

3.1边缘检测过程概述 (9)

3.2典型一阶边缘检测算子 (9)

3.2.1梯度算子 (10)

3.2.2 Roberts边缘算子 (10)

3.2.3 Sobel算子 (11)

3.2.4 Prewitt算子 (13)

3.3 典型二阶边缘检测算子 (14)

WORD版本.

3.3.1 Laplacian算子 (14)

3.3.2 LOG算子 (16)

3.4 各边缘检测算子的仿真结果分析 (18)

第四章 Canny边缘检测算子 (20)

4.1 Canny边缘检测基本原理： (20)

4.2 Canny边缘算子评价指标： (20)

4.2.1 Canny提出检测三准则【5】 (20)

4.2.2边缘检测滤波器对性能指标的影响【10】 (22)

4.2.3 尺度对性能指标的影响【10】 (23)

4.3 Canny边缘检测流程 (24)

4.4 Canny边缘检测仿真结果及分析 (28)

第五章 Canny算子改进 (29)

5.1对传统Canny算法局限性分析 (29)

5.2滤波改进 (30)

5.3阈值改进——自适应的阈值 (31)

5.3.1最大熵原算法过程 (31)

5.3.2最大熵算法的改进 (32)

5.4改进的Canny算法的仿真实验 (33)

第六章本实验结果及展望 (36)

6.1 本算法的实验结果 (36)

WORD版本.

6.2实验结果分析 (39)

6.3 展望 (39)

结论 (40)

致谢 (41)

参考文献 (42)

WORD版本.

WORD版本.

引言

20世纪20年代，图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量，20世纪60年代中期，随电子计算机的发展得到普遍应用。60年代末，图像处理技术不断完善，逐渐成为一个新兴的学科。经过几十年的研究与发展，数字图像处理的理论和方法进一步完善，应用围更加广阔，已经成为一门新兴的学科，近几年来，随着计算机和各个相关领域研究的迅速发展，科学计算可视化、多媒体技术等研究和应用的兴起，数字图像处理从一个专门领域的学科，变成了一种新型的科学研究和人机界面的工具。

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。

经典的边界提取技术大都基于微分运算。首先通过平滑来滤除图像中的噪声，然后进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阈值来提取边界。本文主要介绍几种经典的边缘提取算法，然后用MATLAB语言编程实现，并对Canny算子进行改进。

WORD版本.

第一章图像分割与边缘检测

1.1图像分割简介

图像分割(image segmentation)就是把图像分成各个具有特性的目标区域的技术和过程，这个特性可以使迅速的灰度、颜色、纹理等，如将一副照片分割成公路、湖泊、森林、住宅等区域。若仅对其中目标感兴趣，还可以通过分割把背景去除，提取目标。

图像分割是从低层次图像处理到较高层次图像分析、更高层次图像理解的关键步骤。图像在分割后的处理，如图像描述、特征提取、目标识别等都依赖于预想分割的效果，所以分割被视为图像处理中的瓶颈，具有十分重要的地位和研究价值。一方面，图像分割高于一般意义上的图像处理，研究对象通常是目标所在的区域或者是目标的特征，并非单个像素灰度值；另一方面，由于图像分割、目标分割、特征提取和参数测量都是将原始图像转化为更抽象、更紧

WORD版本.

WORD 版本 .

凑的形式，使得更高层的分析和理解成为可能。所以，图像描述（image description ）也是图像分析中一个底层而关键的步骤【1】。

图像分割技术在实际中已得到广泛的应用。例如在工业自动化，在线产品检测、生产过程控制，文档图像处理，生物医学图像分析，保安监视，以及军事、农业工程等方面。概括来说，在各种图像应用中，只要需对图像目标进行提取、测量等都离不开图像分割。近年来，图像分割在对图像的编码中也起到越来越重要的作用，例如国际比澳洲MPEG-IV 中的模型基/目标基编码等都需要基于分割的结果【2】。

1.2图像分割定义

图像分割一般是指通过对图像的不同特征（如边缘、纹理、颜色、亮度等）的分析，达到将图像分割成各具特征的区域，并提取出感兴趣目标的技术和过程，可以用数学语言较为严格地描述为【3】：

设R 代表整个图像区域，对R 的分割可看作将R 分成若干个满足以下5个条件的非空子集(子区域)R1,R2,…,Rn 。

（1）

1=n

i i R R =。即分割成的所有子区域的并应能构成原来的区域R 。

（2）对于所有的i 和j 及i ≠j ，有 i

j R R =∅ 。即分割成的各子区域互不重叠。

（3）对于i=1,2,…,n ；有P(R i )=TRUE 。即分割得到的属于同一区域的像素