基于Matlab的图像边缘检测算法的实现及应用

目录

摘要 (1)

引言 (2)

第一章绪论 (3)

1.1 课程设计选题的背景及意义 (3)

1.2 图像边缘检测的发展现状 (4)

第二章边缘检测的基本原理 (5)

2.1 基于一阶导数的边缘检测 (8)

2.2 基于二阶导的边缘检测 (9)

第三章边缘检测算子 (10)

3.1 Canny算子 (10)

3.2 Roberts梯度算子 (11)

3.3 Prewitt算子 (12)

3.4 Sobel算子 (13)

3.5 Log算子 (14)

第四章MATLAB简介 (15)

4.1 基本功能 (15)

4.2 应用领域 (16)

第五章编程和调试 (17)

5.1 edge函数 (17)

5.2 边缘检测的编程实现 (17)

第六章总结与体会 (20)

参考文献 (21)

摘要

边缘是图像最基本的特征，包含图像中用于识别的有用信息，边缘检测是数字图像处理中基础而又重要的内容。该课程设计具体考察了5种经典常用的边缘检测算子,并运用Matlab进行图像处理结果比较。梯度算子简单有效，LOG 算法和Canny 边缘检测器能产生较细的边缘。

边缘检测的目的是标识数字图像中灰度变化明显的点，而导函数正好能反映图像灰度变化的显著程度，因而许多方法利用导数来检测边缘。在分析其算法思想和流程的基础上，利用MATLAB对这5种算法进行了仿真实验，分析了各自的性能和算法特点，比较边缘检测效果并给出了各自的适用范围。

关键词：边缘检测；图像处理；MATLAB仿真

引言

边缘检测在图像处理系统中占有重要的作用，其效果直接影响着后续图像处理效果的好坏。许多数字图像处理直接或间接地依靠边缘检测算法的性能，并且在模式识别、机器人视觉、图像分割、特征提取、图像压缩等方面都把边缘检测作为最基本的工具。但实际图像中的边缘往往是各种类型的边缘以及它们模糊化后结果的组合，并且在实际图像中存在着不同程度的噪声，各种类型的图像边缘检测算法不断涌现。早在1965 年就有人提出边缘检测算子，边缘检测的传统方法包括Kirsch，Prewitt，Sobel，Roberts，Robins，Mar-Hildreth 边缘检测方法以及Laplacian-Gaussian（LOG）算子方法和Canny 最优算子方法等。

本设计主要讨论其中5种边缘检测算法。在图像处理的过程需要大量的计算工作,我们利用MATLAB各种丰富的工具箱以及其强大的计算功能可以更加方便有效的完成图像边缘的检测。并对这些方法进行比较

第一章绪论

1.1 课程设计选题的背景及意义

边缘是图像的最基本特征，它包含了用于识别的有用信息，为人们描述或识别目标以及解释图像提供了一个重要的特征参数。物体的边缘是以图像局部特性的不连续性为形式出现的。从本质上说，边缘常常意味着一个区域的终结和另一个区域的开始，它普遍存在于目标与背景、目标与目标、区域与区域、基元与基元之间，是图像分割所依赖的重要特征，也是纹理特征的重要信息源和形状特征的基础。有了图像边缘，我们就可以确定物体的几何尺寸并进一步对其测量，确定物体在空间中的几何位置，确定物体的形状特征并对物体进行识别。图像的边缘信息在图像分析和计算机视觉中都是十分重要的，是图像识别中提取图像特征的一个重要属性。尽管边缘在数字图像处理中的作用非常重要，但是到目前为止还没有关于边缘的精确且被广泛承认的数学定义。这里将边缘定义为图像局部特性的不连续性，如灰度的突变、颜色的突变、纹理结构的突变等。对于灰度图像，边缘是指灰度的突变，是图像中灰度变化较剧烈的地方，也即我们通常所说的信号发生奇异变化的地方。通常沿边缘走向的像素变化平缓，而垂直于边缘走向的像素变化剧烈。图像的边缘有方向和幅度两个特性。按照幅度的变化，边缘可粗略分为两种:一种是阶跃型边缘，它两边象素的灰度值有显著不同；另一种是屋顶状边缘，它位于灰度值从增

加到减少的变化的转折点。图1.1给出这两种边缘的示意图。

(a) 阶跃型边缘 (b) 屋顶状边缘

图1.1 边缘类型

边缘检测就是要检测出图像中这种灰度的不连续性，同时确定它们在图像中的精确位置，是在局部区域上针对“点”的一种运算，表现为一种典型的信号处理问题。在图像处理、模式识别和计算机视觉中，图像的边缘检测具有极其重要的意义。在大量的视觉模块计算中，边缘检测通常是视觉计算的第一步，高层次计算机视觉处理的成功与否极大地依赖于边缘检测算子的优越性能。

1.2 图像边缘检测的发展现状

图像的边缘检测有着很长的研究历史，学术思想非常活跃，新理论、新方法不断涌现，一直是国内外图像处理领域研究的热点，目前为止己经提出了许多方法和理论。至今提出的关于边缘检测的方法和理论尚存在不足之处，在某些具体情况下仍然无法很好的检测出目标物体的边缘，难以找到一种普遍适应性的边缘检测方法。因此，根据具体的应用要求设计新的边缘检测方法，或对现有的方法进行改进以得到满意的边缘检测结果，这些依然是研究的主流方向。

第二章边缘检测的基本原理

图像边缘是图像最基本的特征，边缘在图像分析中起着重要的作用。所谓边缘（edge）是指图像局部特征的不连续性。灰度或结构等信息的突变称为边缘，例如：灰度级的突变、颜色的突变、纹理结构的突变。边缘是一个区域的结束，也是另一个区域的开始，利用该特征可以分割图像。

当人们看一个有边缘的物体时，首先感觉到的便是边缘，如图

2.1所示。

(a) 理想边缘模型 (b) 斜坡边缘模型

图2.1 灰度级跃变的边缘模型

一条理想的边缘应该具有如图2.1(a) 所示模型的特性。每个像素都处在灰度级跃变的一个垂直的台阶上（例如图形中所示的水平线通过图像的灰度剖面图）。

而实际上，诸如图像采集系统的性能、采样频率和获得图像的照明条件等因素的影响，得到的边缘往往是模糊的，边缘被模拟成具有“斜坡面”的剖面，如图2.1(b) 所示，在这个模型中不再有细线（宽为一个像素的线条），而是出现了边缘的点包含斜坡中任意点的情况。