数字图像的边缘检测最终版

DSP原理及应用

项目报告

（第14组）

完成人：

完成时间：

数字图像的边缘检测（Sobel算子）

摘要：数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域中十分重要的基础。图像理解和分析的第一步往往就是边缘检测，目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。文中用已在CCS中实现图像的边缘检测方法来对其加以分析。目的是在给出图像的边缘检测实现的基础上，提高图像边缘检测的效果，试验表明此方法能有效地提高图像的边缘检测效果。

关键词：边缘检测机器视觉Sobel算子

目录

引言 (2)

一数字图像边缘检测的基础知识 (2)

1.1 数字图像边缘检测背景及基础知识 (2)

1.2 图像边缘检测算法的主要应用 (2)

1.3 图像边缘检测算法的发展前景 (3)

二数字图像边缘检测的算法 (3)

2.1 sobel算子的由来 (4)

2.2 sobel算子的核心公式 (4)

2.3 sobel算子的描述 (4)

三数字图像边缘检测的实现 (5)

3.1梯度值的计算 (5)

3.2基于sobel算子的数字图像边缘检测的方法一 (5)

3.3基于sobel算子的数字图像边缘检测的方法二 (6)

3.4 实验结果与对比 (7)

四总结与不足 (9)

五实现基于ccs对sobel算法边缘检测程序 (9)

六参考文献 (11)

引言

众所周知，边缘是图像最基本的特征，所谓边缘是指周围灰度强度有反差变化的那些像素的集合，它是图像分割所依赖的重要基础，也是纹理分析和图像识别的重要基础。理想的边缘检测应当正确解决边缘的有无、真假和定向定位。长期以来，人们一直关心这一问题的研究，除了常用的局部算子及以后在此基础上发展起来的种种改进方法外，又提出了许多新的技术，其中，突出的有LOG、用Facet模型检测边缘、Canny 的最佳边缘检测、统计滤波检测以及随断层扫描技术兴起的三维边缘检测等。

一、数字图像边缘检测的基础知识

1.1数字图像边缘检测背景及基础知识

对图像的边缘检测要做好：第一，必须清楚待检测的图像特性变化的形式，从而使用适应这种变化的检测方法；第二，要知道特性变化总是发生在一定的空间范围内，不能期望用一种检测算子就能最佳检测出发生在图像上的所有特性变化。第三，要考虑噪声的影响，其中一个办法就是滤除噪声，这有一定的局限性;再就是考虑信号加噪声的条件检测，利用统计信号分析，或通过对图像区域的建模，而进一步使检测参数化。第四，可以考虑各种方法的组合，如先找出边缘，然后在其局部利用函数近似，通过内插等获得高精度定位。第五，在正确检测边缘的基础上，要考虑精确定位的问题。经典的边缘检测方法得到的往往是断续的、不完整的结构信息，噪声也较为敏感，为了有效抑制噪声，一般都首先对原图像进行平滑，再进行边缘检测就能成功地检测到真正的边缘。

图像边缘检测的基本步骤：

（1）滤波。边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失。

（2）增强。增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。

（3）检测。但在有些图像中梯度幅值较大的并不是边缘点。最简单的边缘检测是梯度幅值阈值判定。（4）定位。精确确定边缘的位置。

1.2 图像边缘检测算法的主要应用

图像是人类获取和交换信息的主要来源，因此，图像边缘处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像边缘检测与提取处理的应用领域也将随之不断扩大。数字图像边缘检测(Digital Image Processing)又称为计算机图像边缘检测，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像边缘检测最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像边缘检测中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像边缘检测处理方法有图像增强、锐化、复原、编码、压缩、提取等。数字图像边缘检测与提取处理的主要应用领域有：

（1）航天和航空技术方面的应用，数字图像边缘检测技术在航天和航空技术方面的应用，除了月球、火星照片的处理之外，另一方面的应用是在飞机遥感和卫星遥感技术中。遥感卫星中现在改用配备有高级计算机的图像边缘检测系统来判读分析首先提取出其图像边缘，既节省人力，又加快了速度，还可以从照片中提取人工所不能发现的大量有用情报。

（2）生物医学工程方面的应用，数字图像边缘检测在生物医学工程方面的应用十分广泛，而且很有成效。除了CT技术之外，还有一类是对阵用微小图像的处理分析，如红细胞、白细胞分类检测，染色体边缘分析，癌细胞特征识别等都要用到边缘的判别。

（3）公安军事方面的应用，公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。目前己投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别（主要是汽车牌照的边缘检测与提取技术）都是图像边缘检测技术成功应用的例子。在军事方面图像边缘检测和识别主要用于导弹的精确制导，各种侦察照片的判读，对不明来袭武器性质的识别，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等;

（4）交通管理系统的应用，随着我国经济建设的蓬勃发展，城市的人口和机动车拥有量也在急剧增长，交通拥挤堵塞现象日趋严重,交通事故时有发生。视频交通流检测及车辆识别系统是一种利用图像边缘检测技术来实现对交通目标检测和识别的计算机处理系统。通过对道路交通状况信息与交通目标的各种行为（如违章超速，停车，超车等等）的实时检测，实现自动统计交通路段上行驶的机动车的数量、计算行驶车辆的速度以及识别划分行驶车辆的类别等各种有关交通参数，达到监测道路交通状况信息的作用。

1.3 图像边缘检测算法的发展前景

自从计算机问世以来，数字图像边缘检测和分析的方法不断发展，与早期相比已不可同日而语。首先计算机在运算速度和存储能力两方面明显增加。千兆字节磁盘的问世使早期计算机认为复杂的难以实现的方法重显生机，并可付诸应用。在开发TV摄像机和CCD传感器等方面也取得很大的进展，现代的传感器其空间分辨力和强度分辨力比早期系统有很大提高。现如今，已有许多图像生成技术问世，但除图像恢复技术以外，图像边缘检测技术在很大程度上与图像形成的过程无关。一旦图像已被采集并且已对获取过程中产生的失真进行了校正，那么所有可用图像边缘检测技术本质上是通用的。因此，图像边缘检测是一种超越具体应用的过程：任何为解决某一特殊问题而开发的图像边缘检测新技术或新方法，几乎肯定能找到其他完全不同的应用领域。图像边缘检测已应用于现代社会的许多领域。在所有这些领域中的使用方法和技术都很相似，故医疗卫生中的图像边缘检测方法大部分借鉴其他科学和工业领域中的图像边缘检测应用。从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像边缘检测向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。

二、数字图像边缘检测的算法

在讨论边缘算子之前，首先给出一些术语的定义：

(1)边缘点：图像中具有坐标[i，J]，且处在强度显著变化的位置上的点。

(2)边缘段：对应于边缘点坐标[i，J]及其方位，边缘的方位可能是梯度角。

(3)边缘检测器：从图像中抽取边缘(边缘点和边缘段)集合的算法。

(4)边缘跟踪：一个用来确定轮廊的图像(指滤波后的图像)搜索过程。

本文中数字图像的边缘检测重点应用的是sobel算子。