《基于边缘检测的图像分割算法研究和应用论文》由会员分享，可在线阅读，更多相关《基于边缘检测的图像分割算法研究和应用论文（33页珍藏版）》请在金锄头文库上搜索。
1、word 格式. 本科毕业论文（设计） 论 文 题 目 基于边缘检测的图像分割算法 研究及其应用 （学号） 系 别 专 业 导 师 姓 名 word 格式. 基于边缘检测的图像分割算法研究及其应用基于边缘检测的图像分割算法研究及其应用 作 者 指导教师 摘要摘要：图像分割是图像处理中的一个经典难题，也是图像处理和计算机视觉领域中的基本技术。目前， 广大研究者在图像分割领域里已提出了上百种分割方法，每种分割方法只局限特定的分割对象，至今没 有一种通用的方法。边缘检测是图象处理中重要的一个环节。文章具体对Prewitt 算子、Sobel算子、高 斯-拉普拉斯(LOG)算子、Wallis算子、 过零
2、点检测（Marr-Hildreth算子） 、 Canny边缘检测方法、 SUSAN（Smallest Univalue Segment Assimilating Nucleus）边缘检测等进行算法分析，利用上述算法， 找出其中较好的一种检测方法用于图像分割. 关键词关键词：图像分割；边缘检测；图象处理；检测算子 ImageImage SegmentationSegmentation BasedBased onon EdgeEdge DetectionDetection AlgorithmAlgorithm andand itsits ApplicationApplication Abstrac
3、tAbstract：Image segmentation is not only a cIassical puzzle for researchcrs but also the imponant part of image analysisand the computer vision fieldNowadays，hundreds of methods have been put forward to the image sqgmcntation，and each of the methods is used for special segnlented objectsThere is not
4、 a generaI method for irnagc segment as yetThis Article specific to analysis of Prewitt operator, Sobel operator, Gauss - Laplace (LOG) operator, Wallis operator, zero crossing detection (Marr-Hildreth operator), Canny edge detection method, SUSAN (Smallest Univalue Segment Assimilating Nucleus) alg
5、orithm for edge detection, etc. Using the above method, find out a better method for detecting image segmentation. word 格式. KeyKey words:words: Image segmentation; edge detection；image processing; detection operator word 格式. 目 录 摘 要 .II ABSTRACT .II 1 绪 论 .1 1.1 基于边缘检测的图像分割算法的背景和意义 .1 1.2 基于边缘检测的图像分
6、割算法的主要容 .1 1.3 本论文的结构安排 .2 2 图像分割以及边缘检测算法的分析 .3 2.1 图像分割 .3 2.1.1 概述 .3 2.2 边缘检测 .4 2.2.1 图像边缘. . .5 2.2.2 几种边缘检测算子. . .7 3 基于边缘检测的图像分割算法的应用.17 3.1 CANNY 算子的应用.17 结果比较. . .18 结 论 .18 后摘要 .19 致 .19 参考文献 .20 附 件 .21 word 格式. word 格式. 1 1 绪绪 论论 1.1 基于边缘检测的图像分割算法的背景和意义 图像分割时一种重要的图像分析技术。在对图像的研究和应用中，人们往往仅
7、对图像 中的某些部分感兴趣，这些部分称为目标或者前景(其他部分称为背景)，他们一般对应图像 中特定的、具有独特性质的区域。这里的独特性可以是像素的灰度值、物体轮廓曲线、颜色、 纹理等。为了识别和分析图像中的目标，需要将它们从图像中分离提取出来，在此基础上才 有可能进一步对目标进行测量和对图像进行利用。因此图像分割就是指把图像分成各具特性 的区域并提出感兴趣目标的技术和过程。图像分割的方法已有上千种，每年还有许多新方法 出现，虽因尚无通用的分割理论，目前提出的分割算法大都是针对具体问题的，但是对于图 像分割的一般性规律则基本上已经达成了共识。而基于边缘检测的图像分割是模仿人类视觉 的过程而进行图
8、像处理的。对于人类视觉系统认识目标的过程分为两步：首先，把图象边缘 与背景分离出来；然后，才能知觉到图象的细节，辨认出图象的轮廓。因此在检测物体边缘 时，先对其轮廓点进行粗略检测，然后通过规则把原来检测到的轮廓点连接起来，同时也检 测和连接遗漏的边界点及去除虚假的边界点。图象的边缘是图象的重要特征，是计算机视觉、 模式识别等的基础，因此边缘检测是图象处理中一个重要的环节。然而，边缘检测又是图象 处理中的一个难题，由于实际景物图象的边缘往往是各种类型的边缘及它们模糊化后结果的 组合，且实际图象信号存在着噪声。噪声和边缘都属于高频信号，很难用频带做取舍。 1.2 本论文的主要容 一、对 Prewi
9、tt 算子、Sobel 算子、高斯-拉普拉斯(LOG)算子、Wallis 算子、 Canny 边缘 检测方法、 SUSAN（Smallest Univalue Segment Assimilating Nucleus）边缘检测等进行 算法分析。 二、利用上述算法，找出其中较好的一种检测方法用于图像分割。 三、用到一类图像中并完成实验。 word 格式. 1.3 本论文的结构安排 选择一种算法 应用于图像分 割 综综 合合 比比 较较 用 jdk 开发用具， 编写代码，将 上述代码应用 于一类图像 完成实验 图像分割的基本 概念 边缘检 测算法 Prewitt 算子 Sobel 算 子 高斯-拉
10、 普拉斯 (LOG)算 子 Wallis 算子 Canny 边缘检 测方法 SUSAN 边缘检 测 分析分析 分析分析 word 格式. 2 图像分割以及边缘检测算法的分析 2.12.1 图像分割 2.1.12.1.1 概述概述 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部 分常称为目标或对象，它们一般对应图像中特定的、具有独特性质的区域。图像处理的重要 任务就是对图像中的对象进行分析和理解。前面介绍的图像处理着重强调在图像之间进行变 换以改善图像的视觉效果；图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获 得它们的客观信息从而建立对图像的描述；图像理解的重点是在
11、图像分析的基础上，进一步 研究图像中各目标的性质和它们之间的相互联系，并得出对原始客观场景的解释，从而指导 和规划行动。图像分析的大致步骤为： 把图像分割成不同的区域或把不同的对象分开； 找出分开的各区域的特征； 识别图像中要找的对象或对图像分类； 对不同区域进行描述或寻找出不同区域的相互联系，进而找出相似结构或 将相关区域连成一个有意义的结构。 这里的区域指相互连通的、有一致属性的像元的集合.它是一个方便的、很 好的图像中层描述符号，是对图像模型化和进行高层理解的基础。为了辨识和分析目标，需 要将它们分离提取出来，在此基础上才有可能对目标进一步利用。图像分割就是指把图像分 成互不重叠的区域并
12、提取出感兴趣目标的技术和过程。图像分割是由图像处理进到图像分析 的关键步骤。一方面，它是目标表达的基础，对特征测量有重要的影响。另一方面，因为图 像分割及其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。 多年来人们对图像分割提出了不同的解释和表述，这里借助集合概念，给出 图像分割比较正式的定义。 令集合R代表整个图像区域，对R的分割可看作将R分成N个满足以下五个条件 的非空子集（子区域）R1，R2，RN： ； word 格式. 对所有的i和j，ij，有RiRj =； 对i = 1,2,N，有P(Ri) = TRUE； 对ij,
13、有P(RiRj) = FALSE； 对i =1,2,N，Ri是连通的区域。 其中P(Ri)是对所有在集合Ri中元素的逻辑谓词,代表空集。 条件指出在对一幅图像的分割结果中全部子区域的总和(并集)应能包括图 像中所有像素（就是原图像）；条件指出在分割结果中各个子区域是互不重叠的，或者 说在分割结果中一个像素不能同时属于两个区域；条件指出属于同一个区域中的像素应 该具有某些相同特性；条件指出在分割结果中属于不同区域的像素应该具有一些不同的 特性；条件要求分割结果中同一个子区域的任两个像素在该子区域互相连通，或者说分 割得到的区域是一个连通组元。 为有效地分割各种各样的图像,人们已经提出了很多分割方
14、法。 按分割途径分为： 1）基于边缘提取的分割法 先提取区域边界，再确定边界限定的区域。 2）区域分割 从图像出发，按“有意义”的属性一致的原则，确定每个像元 的归属区域，形成一个区域图。 3）区域增长 从像元出发，按“有意义”的属性一致的原则，将属性接近的 连通像元聚集成区域。 4）分裂合并法 综合利用上述2）、3）两种方法，既存在图像的划分，又 有像元的合并。 至今，图像区域分割已有了很长的研究历史，针对各种具体图像建立了许多 算法，但尚无统一的理论。为了寻求更好的分割方法，今后主要的研究方向是1）提取有效 的属性；2）寻求更好的分割途径和分割质量评价体系；3）分割自动化。 本文主要对边缘
15、检测进行分析。 2.22.2 边缘检测边缘检测 在一副视觉图像中，往往有很多条图像边缘，可以说图像边缘是图像的主要特征信息。 图像中的边缘对分析视觉图像特别重要，是图像分割、纹理特征提取和形状特征提取等图像 分析的重要基础。 word 格式. 2.2.12.2.1 图像边缘图像边缘 边缘是指图像中像元灰度有阶跃变化或屋顶状变化的那些像元的集合。它存 在于目标与背景、目标与目标、区域与区域、基元与基元之间。它对图像识别和分析十分有 用，边缘能勾划出目标物体轮廓，使观察者一目了然，包含了丰实的信息（如方向、阶跃性 质 、形状等） ，是图像识别中抽取的重要属性。 边缘粗略分为阶跃状和屋顶状两种。阶跃
16、状边缘位于两边的像素灰度值有明 显不同的地方；屋顶状边缘位于灰度值从增加到减少的转折处。 下图(a)中 OIJ 图像平面上 PP是阶跃状边缘，PP上每个像素均是阶跃边缘 点图(b)中 QQ是屋顶状边缘，位于图像平面 OIJ 上边缘 QQ的每个像素称为屋顶状边缘点。 图（1） a阶跃状边缘 b 屋顶状边缘 考察过 P,Q与 PP和 QQ分别正交的截面，阶跃边缘和屋顶状边缘分别为一维阶跃函 word 格式. 数和正态状函数，如上图(c)、(d)所示。P和 Q是相应的边缘点。设阶跃状边缘点 P左 右灰度变化曲线为 y = fE(x)，屋顶状边缘点 Q左右灰度变化曲线为 y = fR(x)。fE(x)和 fR(x)的一阶、二阶导数分别如上图的(e)，(f)和(g)，(h)所示。对于阶跃状边缘点 P,灰 度变化曲线 y = fE(x)的一阶导函数在 P点达到极值,二阶导函数在 P近旁呈零交叉。对 于屋顶状边缘点 Q，灰度变化曲线 y = fR(x)的一阶导函数在 Q点近旁呈零交叉，二阶导 函数在 Q点达到极值。利用边缘灰度变化的一阶或二阶导数特点，可以将边缘点检测出来。 边缘有方向和幅度两个特性
