canny边缘检测分析毕业论文
毕业设计(论文)-图像canny边缘检测的程序设计[管理资料]
![毕业设计(论文)-图像canny边缘检测的程序设计[管理资料]](https://img.taocdn.com/s3/m/c31e12fc844769eae109edbb.png)
图像Canny边缘检测的程序设计摘要边缘检测是数字图像处理中的重要内容，边缘是图像最基本的特性。
在图像边缘检测中，微分算子可以提取出图像的细节信息，景物边缘是细节信息中最具有描述景物特征的部分,也是图像分析中的一个不可或缺的部分。
本文详细地分析了目前常用的几种算法，即：Roberts交叉微分算子、Sobel微分算子、Priwitt微分算子和Laplacian微分算子以及Canny算子，用C语言编程实现各算子的边缘检测，并根据边缘检测的有效性和定位的可靠性，得出Canny算子具备有最优边缘检测所需的特性。
关键词：图像处理，微分算子，Canny算子，边缘检测AbstractEdge detection is the important contents of digital image processing ,and the edge is the most basic characteristics of the the image edge detection ,differential operator can be used to extract the details of the images,features’edge is the most detai led information describing the characteristics of the features of the image analysis, and is also an integral part of the article gives the detailed analysis of several algorithms which is commonly used at present,such as Roberts cross-differential operator、Sobel differential operator、Priwitt differential operator、Laplacian differential operator and Canny operator,and we complete with the C language procedure to come ture edge to the effectiveness of the image detection and the reliability of the orientation,we can deduced that the Canny operator have the characteristics which the image edge has.Keywords: Image processing, Canny operator, differential operator, edge detection目录摘要 ......................................................................................................................................... Abstract .. (I)第一章绪论 0引言 0数字图像技术的概述 (1)边缘检测 (2)论文各章节的安排 (3)第二章微分算子边缘检测 (4)Roberts算子 (4)Sobel算子 (4)Priwitt算子 (5)Laplacian算子 (5)第三章Canny边缘检测 (7)Canny指标 (7)Canny算子的实现 (8)第四章程序设计与实验 (11) (11)实验结果及比较 (13)第五章结论与展望 (16)结论 (16)展望 (16)致谢 ........................................................................................................ 错误!未定义书签。
基于Canny算子字符边缘检测与分割方法研究
(4) G是梯度
9G T
矢量 , G = 9x 。 9G
9y
将图像
f ( x, y)同 Gn 作卷积 ,
同时改变
→
n
的方向
,
Gn 3
f ( x,
y)取得最大值时
→
n
的方向就是正交于检测边
缘方向 ,
即使 9 ( Gn 3 f ( x, y) ) 9n
= 0的方向 ,
此时方向
→
n
为
:
→
n= |
G3 f ( x, y) G3 f ( x, y) |
边缘方向 ) 。
113 Canny边缘检测算法
step1: 用高斯滤波器平滑图像 ;
step2: 用一阶偏导的有限差分来计算梯度的幅
值和方向 ;
step3: 对梯度幅值进行非极大值抑制 , 产生细
化的边缘 ;
step4: 用双阈值算法检测和连接边缘 , 从而得到
改进的Canny图像边缘检测算法分析
网络天地171改进的Canny 图像边缘检测算法分析◆王 娟1 边缘检测的过程边缘检测主要用于解决图像边缘的真假，边缘的定向定位。
以此来初步分析图像和识别图像。
想要做好边缘检测，需要遵循以下五个方面的过程进行检测分析：（1）首先要明确的了解图像检测时图像的特性变化形式，运用合适的检测方法。
（2）根据特殊情况需求，利用多算子综合计算方法。
提取多范围的变化特性，以便检测图像上的所有特性变化。
（3）由于噪声的影响，使检测有一定的局限性。
检测时需要尽可能的滤除噪音。
还需要考虑到噪音的条件检测，进一步检测参数变化。
（4）尽可能用多种方法进行组合。
例如在检测时，先找到边缘，然后利用函数近似的放法，利用内插获得高精度定位。
（5）检测时，首先对原图像进行平滑处理，然后再进行边缘检测。
一方面可以有效地抑制噪音，另一方面也可以对边缘进行精准定位。
2 传统Canny 算子的基本工作原理由于系统固有的低筒滤波对实际的图像进行平滑，以至于边缘不明显。
所以，这就需要边缘检测通过寻找出图像局部具有最大梯度值的一些像素点。
同时由于摄影机以及周围环境的干扰，因此图片边缘检测必须满足两个条件：①逼近必须能够抑制噪音效应；②必须尽量精准的确定边缘的位置。
以高定位精准、高信噪比、单一边缘响应位判断标准。
Canny 算子的基本流程：输入原始图像→转为灰度图像→ 高斯平滑→ 梯度计算→ 非极大值抑制→ 双阈值检测→ 连接边缘→ 输出边缘图像。
作为一阶微分滤波器的Canny 算子属于边缘检测，有三大显著优点：1、最优过零点定位准则2、多峰值响应准则3、最大信噪比准则。
Canny 算子基本的工作原理首先便是利用高斯平滑滤波器对图像进行平滑处理，目的是为了去除噪音的影响，然后通过计算梯度差值，来完成领域局部强度值。
利用高阈值和低阈值以及双阈值的计算方法对图像边缘进行检测已达到增强边缘的效果。
3 Canny 算子的实现步骤Canny 算子在整体运算的过程中，其需要结合多个运算步骤进行整体的运算。
基于Canny算子的边缘检测研究
２ Ｃ ｎｙ ａ ｎ 算子边缘检测原理
Ｃｎ ｙ ａｎ 把边缘检测问题转换为检测单位函数极大值的问题． 在高斯噪声 中， 一个典型的边缘代表一 个阶跃的强度变化 ， 根据这个模型， 一个好的边缘检测算子应具有 ３ 个指标：１ 低失误概率 ， （） 既要少将真
正的边缘丢失， 也要少将非边缘判为边缘；２ 高定位精度 ， （） 检测出的边缘应在真正的边缘位置上；３ 对每 （）
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． 边缘检测是图像处理、 图像分析和计算机视觉领域中最经典的研究 内容之 是进行模式识别和图像信息提取的基本手段 ［～ 。图像的边缘检测领域有着很长的研究历史 ， ４． 一直
个边缘有唯一的响应 ， 得到的边缘为单像素宽． 为此 ， 坎尼提出了判定边缘检测算子的 ３ 个准则 ：
①信噪比准则． 信噪比的数学表达式为
收稿 日期 ：０９ ０ — ４ ２０ — ６ ２
基金项 目 ： 吉林省教育厅科技计划基金资助项 目（ 吉教科合字 ［ｏ ７ 第 １２ ２ ｏ ］ ７ 号） 作者简介 ： 孙英慧 （９ ５ ） 女， １７ － ， 辽宁海城人 ， 师范大学计算机学院讲 师． 吉林
摘 要： 详细介绍 了 Ｃｎ 源自算予边缘检测理论 的基本 原理 ， 出了 Ｃ ｎ ｙ算子 的具体 算法过程． 实验 结 ａｎ 给 ａｎ 对
果从 主客观 方面分析 、 对比表明 ，ａｎ Ｃ ｎｙ算子提 取边缘的效果较理想． 关键词 ： ａｎ Ｃ ｎｙ算子 ； 边缘检测 ； 图像 处理
中图分类号 ：Ｐ ０ Ｔ３ １ 文献标识码 ： Ａ 文章篇号 ： ０ －４ １ ２ １ ）２０ ４ ．３ １ ８２４ （０ ０ ０ －０８０ ０ －
毕业设计论文-基于蚁群算法的图像边缘检测-附代码
毕业设计论文-基于蚁群算法的图像边缘检测-附代码上海工程技术大学毕业设计(论文) 基于蚁群算法的图像边缘检测目录摘要 ...............................................................1 ABSTRACT .............................................................2 1 绪论 (3)1.1 研究背景 ...........................................................31.2 研究现状和发展方向 (4)6 1.3 研究目的和意义 .....................................................2 图像边缘检测概述 ..................................................... 7 2.1 边缘的定义及类型 ................................................... 8 2.2 常用的边缘检测方法 (10)2.3 其他边缘检测方法 .................................................. 15 2.3.1 基于小波变换的边缘检测 .......................................... 15 2.3.2 基于数学形态学的边缘检测 (16)17 2.4 传统边缘检测的不足 ................................................3 蚁群算法 ............................................................ 17 3.1蚁群算法的基本原理 (18)3.2 基于蚁群算法的图像边缘检测 ........................................21 4 实验结果及分析 ...................................................... 22 4.1 基于蚁群算法的图像边缘检测流程 .................................... 22 4.2 实验结果与性能分析 (26)4.2.1 参数对边缘检测的影响 ............................................ 294.2.2 与传统方法的比较 ................................................ 35 5 总结与展望 .......................................................... 37 参考文献 .............................................................. 39 附录 ................................................. 错误～未定义书签。
基于canny算子的边缘检测算法应用研究_陈蒙
100 •电子技术与软件工程 Electronic Technology & Software Engineering图像与多媒体技术 • Image & Multimedia Technology1 引言随着图像处理技术的发展与广泛应用，现在社会中图像处理的应用领域越来越广泛，如三维重建，医学诊断，图像识别等等。
而图像处理过程中，最重要的一项预处理技术即为边缘检测技术。
图像的边缘是图像特征识别中的重要组成部分。
我们一般认为边缘是图像中周围像素有不连续变化或屋脊变化的像素的集合。
在一幅图像中，边缘特征所表达的信息量在整张图片的特征信息中占有主导地位，对图像特征的识别、分析十分重要。
边缘信息主要从像素值幅度和走向两个方面来表示。
一般来说，沿着边缘走向的像素点灰度值呈连续性变化特征，而垂直于边缘走向的像素点灰度值则呈跳跃性或阶跃性变化特征。
边缘检测技术即为通过一定的算法将图像中的边缘尽可能真实地提取或表示出来的技术。
边缘检测技术发展到目前已有很多类提取算法，但主要的计算原则就借助于类似高斯平滑、傅里叶变换等的数学函数与图像的灰度矩阵进行卷积计算,从而得到横、纵两个方向上的梯度图像和模图像,然后根据基于canny 算子的边缘检测算法应用研究文/陈蒙【关键词】canny 边缘检测（Edge Detection）高斯平滑（Gausscian Blur）canny, Edge Detection, Gausscian Blur 梯度方向来进行模的极大值提取,获得需要的图像特征边缘。
本文主要研究的是以canny 算子为检测手段的边缘检测算法。
2 canny边缘检测算法任何一个边缘检测算法的原则都是真实、详尽地标识出原图像的实际边缘，同时又尽可能避免图像中的噪点、伪边缘等噪声的干扰，找到一个最优的图像边缘。
Canny 边缘检测算法也是如此，一般由抑制噪声、寻找梯度亮度、非极大值抑制、确定和连接边缘这四步完成的。
毕业设计(论文)-基于动态双阈值的canny算子对象边缘提取算法研究[管理资料]
![毕业设计(论文)-基于动态双阈值的canny算子对象边缘提取算法研究[管理资料]](https://img.taocdn.com/s3/m/0b216fd70722192e4436f622.png)
摘要边缘检测在图像理解，分析识别领域中是十分重要的研究课题，边缘检测的效果将直接影响到图像理解和识别的性能。
在图像处理领域，边缘是图像的基本特征。
所谓边缘是指图像周围像素灰度有阶跃变化或屋顶状变化的像素的集合，它存在于目标和背景，目标与目标，区域与区域，基元与基元之间。
边缘具有方向和幅度两个特征，沿边缘走向，像素值变化比较平缓；垂直于边缘走向，像素值变化比较剧烈，可能呈现阶跃状，也可能呈现斜坡状。
Canny算子提取算法采用二维高斯函数任一方向上的一阶方向导数为噪声滤波器，通过卷积运算对图像滤波，然后寻找滤波后图像梯度的局部极大值，以确定图像边缘。
Canny算子提取算法得到的目标图像，具有信噪比大和检测精度高的优点，因此得到广泛的应用。
动态阈值Canny算法根据图像的具体情况而选择阈值，该方法具有更广的自适应能力，保证了图像边界提取的准确性。
关键词：边缘检测，Canny算子，动态阈值ABSTRACTEdge detection is an important topic in image understanding and identifies areas. The effect of edge detection will directly affect the image understanding and performance recognition.Edge is the most basic features of image. The so-called edge is around the pixel grayscale image with a step change or roof-like changes in the set of pixels. It exists in target and background, goals and objectives, regional and regional, unit and unit. There are two characteristic of edge, which are direction and magnitude. Along with edge, changes of pixel value are small, and in another direction changes are dramatically large. Sometimes it may shows step-like and sometimes it may be presented sloping.Canny edge detection employs 2-dimentional Gaussian filter function to eliminate noise. And then find out the maximal value of filtered image in local. There was high signal- noise ratio and accurate location of edges detected by Canny. So it is widely used in the world. Dynamic threshold of Canny method selects the threshold by every image, so it has a more adjustable and accurately.KEY WORDS:edge detection, canny operator, dynamic threshold目录第1章前言 (1)研究背景 (1)Canny算子边缘提取算法的研究现状 (1)经典算法 (2)新兴算法 (3)本文的研究内容与章节安排 (5)本文的研究成果与意义 (5)第2章 Canny算子边缘检测的基本理论 (6)图像边缘的定义[12] (6)边缘检测的基本原理与衡量指标[13] (7)边缘检测的基本原理 (8)边缘检测的衡量指标[14][15] (9)Canny算子边缘检测 (9)Canny算子的实现步骤[16] (10)Canny算子的约束准则[18][19] (11)固定双阈值的Canny算法 (12)Canny算子存在的问题及改进的方法[20] (13)Canny算子存在的问题 (13)改进的Canny算法[21] (13)第3章动态双阈值Canny算子边缘提取算法与实现 (17)算法框图 (17)动态阈值的实现 (17)Matlab函数的意义: (18)Matlab函数实现 (18)改变测试图像 (21)第4章实验对比与分析 (24)测试图像参数说明 (24)图像的测试结果与分析 (24)Tsukuba图像的测试结果与分析 (24)Mart图像的测试结果与分析 (26)IlkayJohn图像的测试结果与分析 (29)实验总结 (31)第5章结论与展望 (32)全文工作总结 (32)未来展望 (32)致谢 (33)参考文献 (34)附录1 英文原文 (35)附录2 中文译文 (44)第1章前言研究背景在图像处理、模式识别、计算机视觉、生物医学、遥感器视觉、气象预测等诸多领域的图像预处理中，特征提取起着举足轻重的作用。
一种改进的Canny的图像边缘检测算法的研究及实现
Ｇ （ ） ＝ 赤ｅ ｘ ｐ （ 一 ）
（ １ ）
Ｇ Ｊ ， Ｊ ） ＝ 【 ， （ ． － １ ） ＋ Ｉ （ ｉ － １ ， ， 一 １ ） 一 Ｊ （ ｆ ， ） 一 ， （ 一 １ ． Ｊ
：
（ ４ ）
针对 Ｃ ａ ｎ ｎ ｙ 边缘检测算法 中人为设 定高 、 低 阈值 的缺 陷， 采用 基
科 技 论 坛
・ ４ １・
一
种改进的 Ｃ ａ ｎ ｎ ｙ的图像边缘检测算法的研究及实现
胡 和 智 。 刘 军 芳 。 庞 晶 苏 双 臣 ２
（ １ 、 河北工业 大学信息工程学院 ， 天津 ３ ０ ０ ４ ０ １ ２ 、 河北工业大学 廊坊分校 ， 河北 廊 坊 ０ ６ ５ ０ ０ ０ ３ 、 廊坊 师范学院， 河北 廊坊 ０ ６ ５ ０ ０ ０ ）
可可
即 … ｃ ｔ ａ ｎ
（ ３ ） 对梯度 幅值进行非极大值抑制。 ４ 实 验 结 果 与分 析 要保证边缘的精确定 位 ， 必须对梯度幅度值 图进行细化 。 Ｃ ａ ｎ ｎ ｙ 由以上分析可知 ， 改进 的 Ｃ ａ ｎ ｎ ｙ 算 子边缘检测算法步骤如下 ： 算子在这个过程 中使 用 ３ ｘ ３大小， 包括 ８ 个方 向的邻域对梯度幅值 （ １ ） 用中值滤波对 图像平滑降噪 ； 阵列 Ｍ（ Ｉ ， ｉ ） 的所 有像 素沿梯度方 向进行梯度幅值 的插值 。若邻域 中 （ ２ ） 用一阶偏导有 限差分计算梯度幅值及方 向； 心点的 幅值 Ｍ（ Ｉ ， ｊ ） 不大 于梯 度方 向上 的两个 相邻插值，则该处 为非 （ ３ ） 对梯度幅值 进行 非极大值抑制 ， 保 留局部梯度最大值 ； 边缘点且将 ＭＯ ， ｊ ） 赋值为 ０ 。若 ＵＯ ， ｊ ） 不小 于梯 度方 向上的两个相邻 （ ４ ） 用离散概率模 型的 自适应 阈值作为最佳 的阈值 ； 插值 ， 则将 Ｍ （ Ｉ ， ｉ ） 点处作为初选边缘点 。 （ ５ ） 利用阈值对 图像检测并连接边论 “ 双 阈值 ” 检测。 Ｃ ａ ｎ ｎ ｙ 算法产生 的梯度边缘图像 Ｎ Ｏ ， ｊ ） 灰度范围 实验结果表 明 ， 本文提 出的采用 中值滤波 代替高斯滤波 的改进 比较大， 如果把 所有非零的梯度看作边缘就会 因此产生许 多虚假 边 同时基于 离散概率模 型（ Ｄ ｉ ｓ ｃ ｒ ｅ ｔ ｅ Ｐ ｒ ｏ ｂ ａ ｂ ｉ ｌ ｉ ｔ ｙ Ｍｏ ｄ ｅ ｌ ， Ｄ Ｐ Ｍ ） 的自 缘， 所以Ｃ ａ ｎ ｎ ｙ算法要求设定 高阈值 Ｔ ｈ 和低阈值 Ｔ 图像 中每一点的 算 法 ， 该方法计算简单， 选取的阈值大小适 中。不仅 可以检 梯 度幅度凡 是大于 Ｔ ｈ的一定是边缘 ； 凡是梯度幅度小于 的一定 不 适应选取 阈值 ， 同时检测出的背景杂质较少， 有利于后续处理 。 是 边缘 ； 如果介 于二者之间 ， 那就看像 素的邻接像素 中有没有超 过 测到较准确的边缘 ， 参 考 文献 Ｔ ｈ 的点 ： 如果有就该点 当作边缘点 ， 否则就不是边缘点 。 １ ］ 张素文， 陈志星， 苏义鑫． Ｃ ａ ｎ ｎ ｙ边缘检测 算法的改进及 Ｆ Ｐ Ｇ Ａ实现 连 接边缘 。由高 阈值检测得 到图像 丢失了一些边缘信息 ， 同时 【 Ｊ Ｊ ． 红 外技 术， ２ ０ １ ０ ， ２ ２ （ ２ ） ： ９ ３ — ９ ６ ． 中产生 了少量 的假边缘 ； 由低阈值检测得到 的图像产生 了少量伪边 ［ ２ ］ ｍ佐成 ， 刘 晓冬， 薛丽霞． Ｃ ａ ｎ ｎ ｙ算子 边缘检测 的一种 改进方 法『 Ｊ １ ． 缘。 因此 我们将在 高阈值检测得到边缘的基础上连接由低阈值检测 ［ 计算机工程与应用， ２ ０ １ ０ ， ４ ６ （ ３ ４ ） ： ２ ０ ２ — ２ ０ ４ ． 得 到边缘 中可能 的边缘点 ， 从 而获得相对连续 的图像边缘 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Canny边缘检测分析毕业论文目录引言 (1)第一章图像分割与边缘检测 (2)1.1图像分割简介 (2)1.2图像分割定义 (2)1.3图像分割基本原理 (3)第二章基于边界的分割——边缘检测 (6)2.1边缘的类型 (6)2.2边缘的类型 (6)2.3边缘的判定 (7)第三章常见边缘检测算法的研究与分析 (9)3.1边缘检测过程概述 (9)3.2典型一阶边缘检测算子 (9)3.2.1梯度算子 (10)3.2.2 Roberts边缘算子 (10)3.2.3 Sobel算子 (11)3.2.4 Prewitt算子 (13)3.3 典型二阶边缘检测算子 (14)WORD版本.3.3.1 Laplacian算子 (14)3.3.2 LOG算子 (16)3.4 各边缘检测算子的仿真结果分析 (18)第四章 Canny边缘检测算子 (20)4.1 Canny边缘检测基本原理： (20)4.2 Canny边缘算子评价指标： (20)4.2.1 Canny提出检测三准则【5】 (20)4.2.2边缘检测滤波器对性能指标的影响【10】 (22)4.2.3 尺度对性能指标的影响【10】 (23)4.3 Canny边缘检测流程 (24)4.4 Canny边缘检测仿真结果及分析 (28)第五章 Canny算子改进 (29)5.1对传统Canny算法局限性分析 (29)5.2滤波改进 (30)5.3阈值改进——自适应的阈值 (31)5.3.1最大熵原算法过程 (31)5.3.2最大熵算法的改进 (32)5.4改进的Canny算法的仿真实验 (33)第六章本实验结果及展望 (36)6.1 本算法的实验结果 (36)WORD版本.6.2实验结果分析 (39)6.3 展望 (39)结论 (40)致谢 (41)参考文献 (42)WORD版本.WORD版本.引言20世纪20年代，图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量，20世纪60年代中期，随电子计算机的发展得到普遍应用。
60年代末，图像处理技术不断完善，逐渐成为一个新兴的学科。
经过几十年的研究与发展，数字图像处理的理论和方法进一步完善，应用围更加广阔，已经成为一门新兴的学科，近几年来，随着计算机和各个相关领域研究的迅速发展，科学计算可视化、多媒体技术等研究和应用的兴起，数字图像处理从一个专门领域的学科，变成了一种新型的科学研究和人机界面的工具。
在实际图像边缘检测问题中，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。
经典的边界提取技术大都基于微分运算。
首先通过平滑来滤除图像中的噪声，然后进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阈值来提取边界。
本文主要介绍几种经典的边缘提取算法，然后用MATLAB语言编程实现，并对Canny算子进行改进。
WORD版本.第一章图像分割与边缘检测1.1图像分割简介图像分割(image segmentation)就是把图像分成各个具有特性的目标区域的技术和过程，这个特性可以使迅速的灰度、颜色、纹理等，如将一副照片分割成公路、湖泊、森林、住宅等区域。
若仅对其中目标感兴趣，还可以通过分割把背景去除，提取目标。
图像分割是从低层次图像处理到较高层次图像分析、更高层次图像理解的关键步骤。
图像在分割后的处理，如图像描述、特征提取、目标识别等都依赖于预想分割的效果，所以分割被视为图像处理中的瓶颈，具有十分重要的地位和研究价值。
一方面，图像分割高于一般意义上的图像处理，研究对象通常是目标所在的区域或者是目标的特征，并非单个像素灰度值；另一方面，由于图像分割、目标分割、特征提取和参数测量都是将原始图像转化为更抽象、更紧WORD版本.WORD 版本 .凑的形式，使得更高层的分析和理解成为可能。
所以，图像描述（image description ）也是图像分析中一个底层而关键的步骤【1】。
图像分割技术在实际中已得到广泛的应用。
例如在工业自动化，在线产品检测、生产过程控制，文档图像处理，生物医学图像分析，保安监视，以及军事、农业工程等方面。
概括来说，在各种图像应用中，只要需对图像目标进行提取、测量等都离不开图像分割。
近年来，图像分割在对图像的编码中也起到越来越重要的作用，例如国际比澳洲MPEG-IV 中的模型基/目标基编码等都需要基于分割的结果【2】。
1.2图像分割定义图像分割一般是指通过对图像的不同特征（如边缘、纹理、颜色、亮度等）的分析，达到将图像分割成各具特征的区域，并提取出感兴趣目标的技术和过程，可以用数学语言较为严格地描述为【3】：设R 代表整个图像区域，对R 的分割可看作将R 分成若干个满足以下5个条件的非空子集(子区域)R1,R2,…,Rn 。
（1）1=ni i R R =。
即分割成的所有子区域的并应能构成原来的区域R 。
（2）对于所有的i 和j 及i ≠j ，有 ij R R =∅ 。
即分割成的各子区域互不重叠。
（3）对于i=1,2,…,n ；有P(R i )=TRUE 。
即分割得到的属于同一区域的像素WORD版本应具有某些相同的特性。
（4）对于i≠j，有P(R i∪R j)=FALSE。
即分割得到的属于不同区域的像素应具有不同的性质。
（5）对于i=1,2,…,n；R i是连通的区域。
即同一子区域的像素应当是连通的。
上述关于图像分割的定义也是一种比较通用的参考描述，至今也没有一个图像分割的严格、公认的定义，因为图像分割理论、技术和应用哈处在不断发展的进程中，还有很多问题尚未得到很好的认识和解决【1】。
1.3图像分割基本原理图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合【3】。
如不同目标物体所占的图像区域、前景所占的图像区域等；连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径；对于离散图像而言，连通有4连通和8连通之分，如下图所示：·4连通指的是从区域上一点出发，可通过4个方向，即上、下、左、右移动的组合，在不越出区域的前提下，到达区域的任意像素；·8连通方法指的是从区域上一点出发，可通过左、右、上、下、左上、右上、左下、右下这8个方向的移动组合来到达区域的任意像素。
(a)(b)和所有复杂事物的分类一样，图像分割可以从不同的角度和特征进行分类，存在多种分类方法，现列举如下【1】：1、根据分割过程中运算策略的不同，可把图像分割分为并行分割算法和串行分割算法两类。
2、根据实现技术的不同，可把图像分割分为基于图像直方图的分割技术（阈值分割、聚类等）、基于边界的分割技术（边缘检测等）、基于区域的图像分割技术（区域生长等）。
3、格局应用要求的不同，图像分割可分为粗分割、细分割两大类。
4、根据分割对象的属性不同，图像分割可分为灰度图像分割和彩色图像分割。
5、根据是否借助一定区域像素灰度变换模式，图像分割可分为纹理图像分割和非纹理分割。
6、根据分割对象的状态不同，图像分割可分为静态图像分割和动态图像分割。
目前已经提出的图像分割方法很多，综合各种方法的实质，图像分割有三种不同的途径【4】：WORD版本.1）基于边界的图像分割这种方法先检测图像边界，再连接目标边界的轮廓线。
但在边界检测前，往往采用滤波器（如高斯低通滤波器）来减少噪声影响，然后再进行边缘检测。
常用的边缘检测算子有Roberts算子，Sobel算子，Prewitt算子， Laplacian 算子，LOG算子等。
2）基于阈值的图像分割这是一种较为简单、使用广泛的基于图像直方图的分割方法，经常用于背景和目标的灰度差别较大、可以较好区分的场合。
图像直方图是一种像素灰度加噪声的概率密度分布，分割问题实际上就是像素分类的参数估计问题，易受噪声和像素灰度分布的波动影响。
3）基于区域的图像分割这种方法的目的是检测满足特定预设条件的区域。
使用较多的是区域增长法、区域分裂合并法和分水岭算法等。
在不少基于区域的分割算法中，首先分割出来的是很多差别不大的小区域，需要进一步按照一定的一致性要求实现小区域的合并，形成最终的分割。
上述3种基本的图像分割既可单独使用，也可综合使用，如综合基于边界和基于区域的分割技术来提高分割精度。
除了这些基本方法外，近年来出现的一些图像分割新技术，如基于支持向量机（SVM）、人工神经网络、信号稀疏分解等图像分割算法等。
本文重点研究综合基于边界和基于区域的分割技术来提高分割精度的分割WORD版本.方法，也正是基于此对Canny算子进行改进。
第二章基于边界的分割——边缘检测2.1边缘的类型目前，具有对边缘的描述性定义，即两个具有不同灰度的均匀图像区域的边界，即边界反映局部的灰度变化。
局部边缘是图像中局部会聚集以简单（即单调）的方式做极快变换的小区域。
这种局部变化可用一定窗口运算的边缘检测算子来检测。
边缘的描述包含以下几个方面【4】：1、边缘法线方向——在某点灰度变化最剧烈的方向，与边缘方向垂直；2、边缘方向——与边缘法线方向垂直，是目标边界的切线方向；3、边缘强度——沿边缘法线方向图像局部的变化强度的量度。
一般认为沿边缘方向的灰度变化比较平缓，而边缘法线方向的灰度变化比较剧烈。
图像上的边缘点可能对应不同的物理意义。
1）空间曲面上得不连续点。
这些边缘线为两个不同曲面或平面的交线，该WORD版本.WORD 版本 .点处物体表面的法线方向不连续。
2）物体与背景的分界线。
3）不同材料组成的边缘线。
由于它们对光的反射系数不同，因此边缘线的两侧灰度具有明显差别。
4）阴影引起的边缘。
由于物体表面某一部分被另一物体遮挡，使得它得不到光源的照射或照射不充分，从而引起边缘点两侧灰度值有较大的差异。
2.2边缘的类型四种常见的图像边缘类型如下：第一种是斜坡边缘，就是从一个灰度值跳到比它高的另一个灰度值，边缘的特征一般用其高度、倾斜角和斜坡中点的水平坐标值来表述。
第二种是阶跃型边缘，如果斜坡边缘的倾斜角为90度时，此时对应的边缘就称为阶跃边缘，在数字图像处理中，阶跃边缘一般不存在。
第三种是屋顶型边缘，其灰度值先逐渐增加再逐渐减小。
第四种是线性边缘，也称为脉冲边缘，从一个灰度值变到另一个灰度值再变回原来的，具体的如下图所示。
(a)斜坡边缘 (b)阶梯边缘 (c)屋顶边缘 (d)线性边缘图2.1 边缘类型2.3边缘的判定由此可见，边缘表现为灰度值不连续，在数学中不连续特性可以用函数的一阶导数和二阶导数来检测。
以下是阶跃、脉冲、屋顶型边缘的导数图形表示。
图2.2 图像边缘和对应的导数示例图2.2（a）中，对剖面图进行一阶求导，可以看出在图像灰度值由低到高变化时有一个阶跃，而在其他地方为零。