图像边缘检测课程设计报告书

*******************

实践教学

*******************

理工大学

计算机与通信学院

2012年秋季学期

图像处理综合训练

题目：图像边缘检测课程设计专业班级：

姓名：

学号：

指导教师：

成绩：

目录

摘要 (1)

一、前言 (2)

二、算法分析与描述 (3)

三、详细设计过程 (8)

四、调试过程中出现的问题及相应解决办法 (10)

五、程序运行截图及其说明 (11)

六、简单操作手册 (14)

设计总结 (16)

参考资料 (17)

致 (18)

附录 (19)

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。

边缘检测是图像处理与分析中最基础的容之一，也是至今仍没有得到圆满解决的一类问题。图像的边缘包含了图像的位置、轮廓等特征，是图像的基本特征之一，广泛地应用于特征描述、图像分割、图像增强、图像复原、模式识别、图像压缩等图像分析和处理中。因此，图像边缘和轮廓特征的检测与提取方法，一直是图像处理与分析技术中的研究热点，新理论、新方法不断涌现。

本文研究了一些边缘检测算法，包括传统的Roberts、Sobel、Prewitt、Canny等算法。经典边缘检测方法的抗噪声性能都较差，解决该问题的主要方法就是设置阈值，把得到的图像高频部分与阈值相比较以达到去噪的目的，所以阈值的选取显得尤为重要。传统方法中的阈值都是通过实验确定的，没有统一的阈值选取方法。本文利用边缘的最大后验概率估计，介绍一种新的边缘估计方法，从理论上说明了怎样选取最佳阈值。文章中关于这些方法都有较详细的介绍，以及算法的实现步骤，对算法均进行了仿真实验。

关键词：边缘检测；图像处理；Matlab；Sobel；检测算法

一、前言

随着信息技术的不断发展和用户需求的不断增长,嵌入式系统逐渐走进国民生产的方方面面,其应用也日益广泛。目前国一个普遍被认同的定义是：以应用为中心、以计算机技术为基础、软件硬件可裁剪、适应应用系统对功能、可靠性、成本、体积、功耗严格要求的专用计算机系统。嵌入式系统的应用领域也非常广泛。嵌入式系统几乎包括了生活中的所有电器设备，如掌上PDA 、移动计算设备、手机上网、数字电视、多媒体、汽车、数字相机、电梯、空调、安全系统、自动售货机、工业自动化仪表与医疗仪器等。

而图像边缘检测则是图像处理中非常基础但是及其重要步骤。边缘是两个不同区域之间的边界。图像边缘检测是图像处理，图像分析，模式识别等一系列图像处理过程中最重要的步骤。目前，学界上已经有许多种不同点的方法来实现边缘检测的功能，比如说差分法（Kirsch,1971）和曲线拟合法（Haralick，1984）。传统的边缘检测方法，比如Sobel、Prewitt、Kirsch算法，通过计算第一阶方向导数来决定边缘的位置。零点交叉边缘检测法（Bovik，1998）运用了二阶导数和拉普拉斯算符。而Canny算法（Canny，1986）是目前学界最流行并

且应用最广泛的的高斯边缘检测算法。尽管高斯检测算法（Yuksel，2007）相对来说有更好的性能表现，但是所需要的计算也比传统基于求导的检测算法复杂的多。

近些年来，对于图像处理在许多不同的科学和工程领域应用的研究越来越火热。在嵌入式系统上实现图像处理能够很好的解决在一般PC或者工控机上实现图像处理的不足之处，比如说便携性差，功耗大，移动性，灵活性不强等。同时加之以集成度高，与网络的耦合也越来越紧密等特点。嵌入式系统将是未来工业控制和其他一些行业的主要发展方向。

本文主要阐述了图像边缘检测算法的一些理论，并对检测的效果加以比较，同时介绍了嵌入式系统开发的流程，为图像类嵌入式开发系统开发提出可行的方案。最后设计实现了边缘检测系统。

二、算法分析与描述

2.1 Roberts算子

由Roberts提出的算子是一种利用局部差分算子寻找边缘的算子，对于边界陡峭且噪比较小的图像检测效果比较好，它在2×2邻域上计算对角导数，

[],

G i j

G[i,j]又称为Roberts交叉算子。在实际应用中，为简化运算，用梯度函数的Roberts绝对值来近似：

[][][][][]

-++++-+

,=,1,11,,1

G i j f i j f i j f i j f i j

用卷积模板，上式变成：

[],x y

=+

G i j G G

其中G x和G y由下面图1所示的模板计算：

图1 Robert边缘检测算子的模板

Roberts算子是该点连续梯度的近似值，而不是所预期的点处的近似值。由上面两个卷积算子对图像运算后，代入2式，可求得图像的梯度幅度值G[i,j]，然后选取适当的门限TH，作如下判断：G[i,j]>TH，[i,j]为阶跃状边缘点，{G[i,j]}为一个二值图像，也就是图像的边缘。由于利用局部差分检测比较陡峭的边缘，但对于噪声比较敏感，经常会出现孤立点，于是人们又提出了Prewitt算子[4]。

通过分析可知，Sobel算子法对高频成分丰富的图像处理效果好，对中低频成分的图像效果差。

2.2 Prewitt算子

为在检测边缘的同时减少噪声的影响，Prewitt算子从加大边缘检测算子出发。由2×2扩大到3×3来计算差分算子，所以其卷积模板为图2所示：

图2 Prewitt边缘检测算子的模板

在图像中的每个像素位置都用这2个模板做卷积，Prewitt算子将方向差分运算与局部平均结合起来，表达式如下：