当前位置 —论文—教学— 范文

计算机类有关论文例文,与图像边缘检测的与相关论文查重

本论文是一篇计算机类有关论文查重,关于图像边缘检测的与相关毕业论文参考文献格式范文。免费优秀的关于计算机及图像及算子方面论文范文资料,适合计算机论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

【摘要】本文主要对图像边缘检测技术进行分析与研究,通过分析图像边缘特征,从图像边缘的基本特征出发,对衍生出的边缘检测技术的性能进行分析与总结.

【关键词】图像边缘,边缘检测,微分算子

图像边缘检测的与参考属性评定
有关论文范文主题研究:	关于计算机的论文范例	大学生适用:	学位论文、专科论文
相关参考文献下载数量:	87	写作解决问题:	怎么写
毕业论文开题报告:	标准论文格式、论文前言	职称论文适用:	期刊发表、高级职称
所属大学生专业类别:	怎么写	论文题目推荐度:	免费选题

1.引言：

边缘检测是图像处理中的重要内容.它如此重要主要有以下几个理由：首先,人眼通过追踪位置物体的轮廓而扫视一个未知的物体.第二,经验告诉我们：如果我们能够成功的得到图像的边缘,那么图像分析就会大大的简化,图像识别就会容易多.第三,很多图像并没有具体的物体,对这些图像的理解取决于他们的纹理性质,而提取这些纹理性质与边缘检测有及其密切的关系[1].计算机视觉处理实质上就是简化信息的一个过程.这就意味着要扔掉一些不必要的信息而尽可能的利用物体的不变性质,而边缘就是最重要的性质.因此边缘检测是图像处理中最基础和最重要的任务之一[2].因此,边缘检测在图像分割、模式识别、计算机视觉等众多方面都有着非常重要的地位[3].

这篇论文网址 http://www.sxsky.net/jiaoxue/02087713.html

2.图像边缘特征

图像边缘存在于图像灰度剧变处,能够反映出图像边界.通常图像边缘分为阶跃边缘和屋顶边缘（也称为线状边缘）.这些图像边缘是根据图像灰度变化特征来划分的,在图2.1（a）中,灰度值呈现阶跃性变化,在边缘点的左右两侧,灰度信息明显从一个级别跳到另一个级别,灰度信息变化非常明显.图2.1（b）中是线性边缘,从图上显示可知,在边缘附近,灰度信息逐渐增加,直到另一个级别以后又开始逐渐减小,在图中显示出一个尖峰.

（a）阶跃边缘（b）线状边缘

图2.1边缘分类

根据以上图像边缘的特性,我们主要分析一下阶跃边缘的提取方法.根据上图2.1（a）阶跃边缘灰度值变化的特征,我们很容易将提取图像边缘问题转化为数学问题,我们对阶跃边缘求一阶导和二阶导数,结果如图2.2所示：

（a）一阶导数（b）二阶导数

图2.2阶跃边缘的微分特征

从上图中可以看&#

计算机类有关论文例文20986;,图像边缘点就存在于图像一阶导数的局部最大值,或者是二阶导数的过零点处.边缘具有两个很重要的属性,分别是幅度和方向,幅度反映的是图像灰度变化程度,并且是图像中局部幅值最大的点.而在数学理论中梯度就反应了变化速率,所以可以把求局部幅值最大问题转换为求梯度幅值最大问题.

3.边缘检测基本实现步骤

图像边缘检测可以从图像的灰度曲线着手,根据曲线变化来寻求边缘点,这就是边缘检测的基本原理.在我们实际应用中,在我们进行边缘检测过程中,通常既要求检测到的边缘定位准确,又要尽可能减少假边缘的出现,因此,在我们进行边缘检测的过程中,通常会包含四个过程：

1）滤波：由于我们实际看到的图像往往都携带着很多噪点,然而,噪点经过求导以后,会被大大增强,给边缘检测造成很大影响,所以,我们就希望在进行求导之前先对噪点进行滤波,尽量滤去更多噪点,以减少其对检测效果的影响.

2）增强：图像可能受到各方面的影响,比如照相机像素低,或者是晚上、阴暗处光线弱、环境差,或者照片放的时间过久导致图像褪色等问题,造成图像模糊,这时候直接处理起来可能会丢失很多信息,如果在进行处理之前,对图像进行增强处理,从而可以大大提高检测效果.

计算机学术论文撰写格式
播放:22899次评论:6666人

3）检测：检测过程主要是从很多梯度幅值相对比较大的点中来检测边缘点,虽然,我们对于边缘点的定义是可以通过梯度的大小来确定的,然而在实际操作中,并不是所有梯度幅值大的点都是边缘点,有可能是噪点,所以,我们还需要再一次进行边缘检测,从而得到更准确的边缘点.

4）定位：我们虽然已经检测出来边缘点,然而这些边缘点有可能和真正的边缘点的位置有落差,这时候我们需要精确定位.边缘检测的基本步骤如图3.1所示.

图3.1边缘检测的基本步骤

4.常用算子

根据上面图像边缘的分析,衍生出来一阶微分算子和二阶微分算子.一阶微分算子的主要思想就是对边缘求一阶导数,认为局部最大值点是图像边缘点,其中,Roberts算子在水平和垂直方向检测效果较好,但对噪点比较敏感,并且定位精度低,Sobel算子总体上检测效果较好,对噪点有抑制作用,但是运算量大,定位精度不高,Prewitt算子和Sobel算子大致相同,对噪点有抑制作用,但同样存在定位精度不高的问题,Kirsch算子能够减少细节丢失问题,但是计算量比较大.总的来说,在一阶微分算子中,利用某一阈值来确定边缘点,检测出来的边缘通常都比较粗,导致边缘定位精度低.

二阶微分算子的主要思想是,对边缘求二阶导数,认为过零点即是图像边缘点,其中,在无噪情况下,Laplacian算子和Log算子两者的检测效果都差不多,而当对含噪图像进行检测时,拉普拉斯算子受到噪点的影响较大,检测出许多假边缘,而Log算子对噪点有一定的抑制作用,检测效果相对来说比较好,所以在以后的检测中,Laplacian算子就慢慢的被Log算子所代替.