数字图像边缘检测技术的研究
图像处理实验报告
图像处理实验报告图像处理实验报告一、引言图像处理是计算机科学与工程领域的一个重要研究方向，它涉及到对数字图像进行获取、处理、分析和显示等一系列操作。
本实验旨在通过使用图像处理技术，对一幅给定的数字图像进行处理和分析，以探索图像处理的原理和应用。
二、实验目的本实验有以下几个目的：1. 理解图像处理的基本概念和原理；2. 掌握图像处理的常用技术和方法；3. 熟悉图像处理软件的使用。
三、实验步骤1. 图像获取在本实验中，我们选择了一张风景图作为实验对象。
该图像是通过数码相机拍摄得到的，保存在计算机中的文件格式为JPEG。
我们使用图像处理软件将该图像导入到程序中，以便进行后续的处理和分析。
2. 图像预处理在进行图像处理之前，我们需要对图像进行预处理。
预处理的目的是去除图像中的噪声、平滑图像的边缘等。
我们使用了均值滤波和中值滤波两种常用的图像平滑方法。
通过对比两种方法的效果，我们可以选择合适的方法来进行图像预处理。
3. 图像增强图像增强是指通过一系列的操作，使得图像在视觉上更加鲜明、清晰、易于观察。
在本实验中，我们使用了直方图均衡化和灰度拉伸两种图像增强方法。
直方图均衡化通过对图像的像素值进行变换，使得图像的直方图更加均匀，从而增强图像的对比度。
灰度拉伸则是通过对图像的像素值进行线性变换，将图像的灰度范围拉伸到更广的范围内，从而增强图像的细节。
4. 图像分割图像分割是将图像分成若干个互不重叠的区域，每个区域具有一定的意义和特征。
在本实验中，我们使用了阈值分割和边缘检测两种图像分割方法。
阈值分割是指通过设置一个合适的阈值，将图像中的像素分为两个类别。
边缘检测则是通过检测图像中的边缘信息，将图像分割为不同的区域。
5. 图像特征提取图像特征提取是指从图像中提取出具有一定意义和特征的信息。
在本实验中，我们选择了纹理特征和颜色特征两种常用的图像特征提取方法。
纹理特征提取通过对图像的纹理进行分析，提取出图像的纹理特征。
数字图像的边缘检测
数字图像的边缘检测所谓边缘就是指图像局部亮度变化最显著的部分，它是检测图像局部变化显著变化的最基本的运算。
对于数字图像，图像灰度灰度值的显著变化可以用梯度来表示，以边缘检测Sobel算子为例来讲述数字图像处理中边缘检测的实现：对于数字图像，可以用一阶差分代替一阶微分；△xf(x,y)=f(x,y)-f(x-1,y);△yf(x,y)=f(x,y)-f(x,y-1)求梯度时对于平方和运算及开方运算，可以用两个分量的绝对值之和表示，即：G[f(x,y)]={[△xf(x,y)] +[△yf(x,y)] } |△xf(x,y)|+|△yf(x,y)|;Sobel梯度算子是先做成加权平均，再微分，然后求梯度，即：△xf(x,y)= f(x-1,y+1) + 2f(x,y+1) + f(x+1,y+1)- f(x-1,y-1) - 2f(x,y-1) - f(x+1,y-1);△yf(x,y)= f(x-1,y-1) + 2f(x-1,y) + f(x-1,y+1)- f(x+1,y-1) - 2f(x+1,y) - f(x+1,y+1);G[f(x,y)]=|△xf(x,y)|+|△yf(x,y)|;上述各式中的像素之间的关系见图我在视图类中定义了响应菜单命令的边缘检测Sobel算子实现灰度图像边缘检测的函数：对于边缘检测，大家只要知道有若干个检测模板（既边缘检测矩阵）可以直接实现检测功能就行了，现在将常用的检测实现公式列出如下：Roberts算子：G[i,i]=|f[i,j]-f[i+1,j+1]|+|f[i+1,j]-f[i,j+1]|;Sobe算子：G[i,i]=|f[i-1,j+1]+2f[i,j+1]+f[i+1,j+1]-f[i-1,j-1]-2f[i,j-1]-f[i+1,j-1]|+|f[i-1,j-1]+2f[i-1,j]+f[i-1,j+1]-f[i+1,j-1]-2f[i+1,j]-f[i+1,j+1]|;拉普拉斯算子：G[I,j]=|f[i+1,j]+f[i-1,j]+f(i,j+1)+f[i,j-1]-4f[i,j]|;其中G[i,j]表示处理后(i,j)点的灰度值，f[i,j]表示处理前该点的灰度值。
数字图像中的边缘检测算法
ｔｃｎ ｌ ｙｂ ｕ ａｉｉｇｔｅｉｖｓｉ ｔ ｎ ｙｒｓａｃ ｅｓｎｔｅｅｙａｓ ｅｈ ｏｏ ｙｓｍｍ ｒ ｎ ｅｔ ａｉ ｓ ｅｒｈｒ ｉ ｓ ｅｒ． ｇ ｚ ｈ ｎ ｇ ｏ ｂ ｅ ｈ
Ｋｅ ｒ ｓ ｄ ｅｄ ｔｃｉｎ；ｍａ ｅｐｏ ｅ ｓｎ ｈｓ －ｐ ｓ ｉｅ ； ｌｉｓ ａｅ ｙｗｏ ｄ ：ｅ ｇ ｅｅ ｔｏ ｉ ｇ ｒｃ ｓｉｇ； ｉｈ ａｓｆｔｒ ｍｕｔ— ｃ ｌ ｌ
摘 要 ： 于边 缘 检 测技 术 在 数 字 图像 处 理 中 的重 要 作 用和 广 泛 应 用 ， ２ 由 从 Ｏ世 纪 ６ Ｏ年 代 开 始 ． 内 外 学 者 就 开 始 时 其 进 行 探 索 研 究 ， 断 国 不
船 监
＝
的在传统边缘检测技 术的基 础上． 出新的边缘检测算法来解决传统边缘检测技术无法解决的问题 本 文系统的将传统的和现代的边缘检测 提
Ａｂｓｒ ｃ ： Ｂ ｃ ｕ ｅ ｏ ｈ ｉ ｏｔｎ ｔｔ ｎ ｘｅ ｓｖ ｐ ｌｃ ｔ ｎ ｉ ｉｉ ｌｉ ｇ ｒ ｅ ｓｎ ， ｓ ａｃ ｅｓ ｉ ａ ｄ ｏ ｔｂｏ ｄ ｔｙ ｔｅｒｂ ｓ ｔａ ｔ ｅ ａ ｓ ｆｔｅ ｍｐ ｒ ｔｓａｕｓａ ｄ ｅ ｔｎ ｉｅ ａ ｐｉａｉ ｓ ｎ ｄｇｔ ｍａ ｅ ｐ ｏ ｓｉｇ ｒ ｅ ｒｈ ｒ ｎ ｎ ｕ ｒａ ｒ ｈ ｉ ｅｔ ａ ｏ ａ ｃ ｅ ｓｕ ｙｎ ｈｓ ｔｃ ｎ ｌｇ ｒｍ ｈ ９ ０’ ． ｒｅ ｏ ｓ］ｅｔ ｅ ｐｏ ｌｍｓｉ ｒｄｔ ｎ ｌｅ ｇ ｅｅ ｔｏ ｅ ｈ ｏｏ ｙ ， ｅ ｍｏ ｅ３ ｄ ｅ ｄ ｔｃｉｎ ｆ ｔｄ ｉｇ ｔｉ ｅ ｈ ｏｏ ｙ ｆｏ ｔ ｅ １ ６ Ｓ Ｉ ｏｄ ｒｔ ｏｖ ｈ ｒｂｅ ｎ ｔ ｉｏ ａ ｄ ｄ ｔｃｉｎ ｔｃ ｎ ｌｇ ｔ ｄ ｌ ｅ ｇ ｅｅ ｔ ｓｗｅｅ ｎ ａ ｉ ｅ ｈ ｑ ｏ ｇ ｗｎ ｐ ｂａｅ ｎ ｔ．ｈｉ ａ ｅ ｎ ｒｄｕ ｅ ａ ｄ ｎ ｌｓｄ ｈ ｔ ｄｔ ｎ ｌ ｄ ｇ ｅｅ ｔ ｎ ｎ ｔｅ ｍｏ ｅｎ ｅ ｇ ｄ ｔｃｉｎ ， ｄ ｒｓ ｅ ｔｄ ｔ ｓ ｏ ｒ ｕ ｓｄ ｏ ｉ Ｔ ｓ ｐ ｐ ｒｉｔｏ ｃｄ ｎ ａ ａｙｅ ｔｅ ｒ ｉｏ ａ ｅ ｅ ｄ ｔｃｉ ｓ ａ ｄ ｈ ｄ ｒ ｄ ｅ ｅｅ ｔｏ ｓ ａ ｐｏ ｐ ｃｅ ｈｉ ａ ｉ ｏ ｎ
基于matlab的图像边缘检测算法研究和仿真设计
基于matlab的图像边缘检测算法研究和仿真目录第1章绪论 11.1 序言 11.2 数字图像边缘检测算法的意义 1第2章传统边缘检测方法及理论基础 2 2.1 数字图像边缘检测的现状与发展 22.2 MATLAB和图像处理工具箱的背景知识 32.3 数字图像边缘检测关于边缘的定义 42.4 基于一阶微分的边缘检测算子 42.5 基于二阶微分的边缘检测算子 7第3章编程和调试 103.1 edge函数 103.2 边缘检测的编程实现 11第4章总结 13第5章图像边缘检测应用领域 13附录参考文献 15第1章绪论§1.1 序言理解图像和识别图像中的目标是计算机视觉研究的中心任务，物体形状、物体边界、位置遮挡、阴影轮廓及表面纹理等重要视觉信息在图像中均有边缘产生。
图像边缘是分析理解图像的基础，它是图像中最基本的特征。
在Marr的计算机视觉系统中，图像边缘提取占据着非常重要位置，它位于系统的最底层，为其它模块所依赖。
图像边缘提取作为计算机视觉领域最经典的研究课题，长期受到人们的重视。
图像边缘主要划分为阶跃状和屋脊状两种类型。
阶跃状边缘两侧的灰度值变化明显，屋脊状边缘则位于灰度增加与减少的交界处。
传统的图像边缘检测方法大多是从图像的高频分量中提取边缘信息，微分运算是边缘检测与提取的主要手段。
由于传统的边缘检测方法对噪声敏感，所以实际运用效果有一定的局限性。
近年来，越来越多的新技术被引入到边缘检测方法中，如数学形态学、小波变换、神经网络和分形理论等。
Canny于1986年提出基于最优化算法的边缘检测算子，得到了广泛的应用，并成了与其它实验结果作比较的标准。
其原因在于他最先建立了优化边缘检测算子的理论基础，提出了迄今为止定义最为严格的边缘检测的三个标准。
另外其相对简单的算法使得整个过程可以在较短的时间实现。
实验结果也表明，Canny算子在处理受加性高斯白噪声污染的图像方面获得了良好的效果[1]。
边缘检测的原理
边缘检测的原理概述边缘检测是计算机视觉领域中一种常用的图像处理技术，用于检测图像中的边缘信息。
边缘是指图像中灰度级发生突变的区域，通常表示物体的轮廓或对象的边界。
边缘检测在很多图像处理应用中起着重要的作用，如图像分割、目标检测、图像增强等。
基本原理边缘检测的基本原理是利用像素点灰度值的变化来检测边缘。
在数字图像中，每个像素点都有一个灰度值，范围通常是0到255。
边缘处的像素点灰度值变化较大，因此可以通过检测像素点灰度值的梯度来找到边缘。
常用算法1. Roberts算子Roberts算子是一种基于差分的边缘检测算法。
它通过计算相邻像素点之间的差值来检测边缘。
具体计算方式如下：1.将图像转换为灰度图像。
2.将每个像素点与其相邻的右下方像素点（即(i,j)和(i+1,j+1)）进行差值计算。
3.将每个像素点与其相邻的右上方像素点（即(i,j+1)和(i+1,j)）进行差值计算。
4.对上述两组差值进行平方和再开方得到边缘强度。
5.根据设定的阈值对边缘强度进行二值化处理。
2. Sobel算子Sobel算子是一种基于滤波的边缘检测算法。
它通过使用两个卷积核对图像进行滤波操作，从而获取图像中每个像素点的梯度信息。
具体计算方式如下：1.将图像转换为灰度图像。
2.使用水平和垂直方向上的两个卷积核对图像进行滤波操作。
3.将水平和垂直方向上的滤波结果进行平方和再开方得到边缘强度。
4.根据设定的阈值对边缘强度进行二值化处理。
3. Canny边缘检测算法Canny边缘检测算法是一种基于多步骤的边缘检测算法，被广泛应用于计算机视觉领域。
它在边缘检测的精度、对噪声的抑制能力和边缘连接性上都有很好的表现。
Canny算法的主要步骤包括：1.将图像转换为灰度图像。
2.对图像进行高斯滤波以减小噪声的影响。
3.计算图像的梯度和方向。
4.对梯度进行非极大值抑制，只保留局部极大值点。
5.使用双阈值算法进行边缘连接和边缘细化。
6.得到最终的边缘图像。
边缘检测的原理
边缘检测的原理边缘检测是数字图像处理中的常见任务，它能够识别并提取出图像中物体的边缘信息。
在计算机视觉和模式识别领域，边缘特征对于物体识别、分割以及图像理解非常重要。
本文将介绍边缘检测的原理及其常用的方法。
一、边缘的定义边缘是图像中亮度变化剧烈处的集合。
在图像中，边缘通常表示物体之间的分界线或物体自身的边界轮廓。
边缘通常由亮度或颜色的不连续性引起，可以用于图像分析、特征提取和图像增强等应用中。
二、边缘检测的原理边缘检测的目标是找到图像中的所有边缘，并将其提取出来。
边缘检测的原理基于图像亮度的一阶或二阶变化来进行。
常用的边缘检测原理包括：1. 一阶导数方法一阶导数方法利用图像亮度的一阶导数来检测边缘。
最常见的方法是使用Sobel算子、Prewitt算子或Roberts算子计算图像的梯度，然后通过设置合适的阈值将梯度较大的像素点判定为边缘。
2. 二阶导数方法二阶导数方法通过对图像亮度进行二阶导数运算来检测边缘。
其中，Laplacian算子是最常用的二阶导数算子，它可以通过计算图像的二阶梯度来获取边缘信息。
类似于一阶导数方法，二阶导数方法也需要设定适当的阈值来提取边缘。
3. Canny算子Canny算子是一种广泛使用的边缘检测算法，它综合了一阶和二阶导数方法的优点。
Canny算子首先使用高斯滤波平滑图像，然后计算图像的梯度和梯度方向，并根据梯度方向进行非极大值抑制。
最后，通过双阈值算法检测出真正的边缘。
三、边缘检测的应用边缘检测在计算机视觉和图像处理中具有广泛的应用。
以下是一些常见的应用：1. 物体检测与分割边缘检测可以帮助识别图像中的物体并进行分割。
通过提取物体的边缘，可以实现对图像内容的理解和分析。
2. 图像增强边缘检测可以用于图像增强，通过突出图像中的边缘信息，使图像更加清晰和饱满。
3. 特征提取边缘是图像中最重要的特征之一，可以用于物体识别、图像匹配和目标跟踪等应用中。
通过提取边缘特征，可以实现对图像的自动识别和分析。
拉普拉斯边缘检测算法
拉普拉斯边缘检测算法边缘检测是数字图像处理中的一个基本问题，它的任务是从一幅图像中找出物体的边界。
边界的定义是物体内部的灰度变化很大的地方，比如物体与背景之间的边界或者物体内部的边界。
边缘检测可以被广泛应用于计算机视觉、机器人控制、数字信号处理等领域。
本文将介绍一种常用的边缘检测算法——拉普拉斯边缘检测算法。
拉普拉斯边缘检测算法是一种基于二阶微分的算法。
它的基本思想是在图像中寻找像素灰度值变化明显的位置，这些位置就是边缘的位置。
具体来说，该算法使用拉普拉斯算子来进行图像的二阶微分，然后通过对图像进行阈值处理来得到边缘。
在数学上，拉普拉斯算子可以表示为：∇2f(x,y) = ∂2f(x,y)/∂x2 + ∂2f(x,y)/∂y2其中，f(x,y)是图像上的像素灰度值，∂2f(x,y)/∂x2和∂2f(x,y)/∂y2分别是图像在水平和竖直方向上的二阶导数。
我们可以使用卷积运算来实现对图像的二阶微分：L(x,y) = ∑i,j(G(i,j) * f(x+i,y+j))其中，G(i,j)是拉普拉斯算子的离散化矩阵，f(x+i,y+j)是待处理图像在位置(x+i,y+j)的像素灰度值。
卷积运算的结果L(x,y)就是图像在位置(x,y)处的二阶微分。
得到图像的二阶微分之后，我们需要对其进行阈值处理。
一般来说，图像的二阶微分值越大，说明该位置的像素灰度值变化越明显，很有可能是边缘的位置。
因此，我们可以将所有二阶微分值大于一个设定的阈值的位置标记为边缘点。
然而，拉普拉斯边缘检测算法还存在一些问题。
首先，它对噪声比较敏感，因此在使用该算法时需要进行噪声抑制。
其次，拉普拉斯算子的离散化矩阵在处理图像时会引入锐化效果，这可能会导致图像中出现一些不必要的细节。
因此，在实际应用中，我们往往会使用其他算法和技术来对拉普拉斯边缘检测算法进行改进和优化。
拉普拉斯边缘检测算法是一种基于二阶微分的边缘检测算法。
它的基本思想是使用拉普拉斯算子对图像进行二阶微分，然后通过阈值处理来得到边缘。
图像处理中的边缘检测算法研究与性能评估
图像处理中的边缘检测算法研究与性能评估引言：在当今数字图像处理领域，边缘检测一直是一个重要且挑战性的问题。
边缘提取是图像处理中的一项基本操作，对于目标检测、图像分割和图像识别等任务都具有重要意义。
边缘检测的目标是找到图像中明显的灰度跃变区域，以准确地确定物体的边缘位置。
本文将介绍几种常见的图像处理中的边缘检测算法，并对其性能进行评估。
一、经典边缘检测算法1. Sobel算子Sobel算子是一种基于差分的边缘检测算子，它结合了图像梯度的信息。
Sobel算子使用一个3×3的模板对图像进行卷积操作，通过计算水平和垂直方向上的梯度来找到边缘位置。
Sobel算子虽然简单，但在边缘检测中表现良好。
2. Prewitt算子Prewitt算子是另一种基于差分的边缘检测算子，与Sobel 算子类似，它也使用一个3×3的模板对图像进行卷积操作。
该算子通过计算水平和垂直方向上的梯度来检测边缘。
Prewitt 算子在边缘检测中也有较好的性能。
3. Canny边缘检测Canny边缘检测是一种广泛应用的边缘检测算法。
与Sobel 和Prewitt算子相比，Canny算法不仅能够检测边缘，还能够进行边缘细化和抑制不必要的边缘响应。
它通过多阶段的边缘检测过程，包括高斯滤波、计算梯度幅值和方向、非极大值抑制和双阈值处理等步骤，来提取图像中的边缘。
二、边缘检测算法的性能评估1. 准确性评估准确性是评估边缘检测算法好坏的重要指标。
在进行准确性评估时，可以使用一些评价指标，如PR曲线、F值等。
PR 曲线是以检测到的边缘像素为横坐标，以正确的边缘像素为纵坐标绘制的曲线，用于评估算法的召回率和准确率。
F值则是召回率和准确率的综合评价指标，能够综合考虑算法的检测效果。
2. 实时性评估实时性是边缘检测算法是否适用于实际应用的重要因素。
在实时性评估时，可以考虑算法的运行时间，以及算法对硬件资源的要求。
边缘检测算法应尽量满足实时性的要求，并能够在不同硬件平台上高效运行。
- 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)。
数字图像边缘检测技术的研究Research on the Techniques of Digital Image EdgeDetection作者姓名张洁学位类型学历硕士学科、专业（工程领域）计算机应用技术研究方向计算机辅助设计与图形学导师姓名檀结庆教授2009年4月合肥工业大学本论文经答辩委员会全体委员审查，确认符合合肥工业大学硕士学位论文质量要求。
答辩委员会签名（工作单位、职称）主席：委员：导师：独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。
据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得合肥工业大学或其他教育机构的学位或证书而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。
学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解合肥工业大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。
本人授权合肥工业大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。
(保密的学位论文在解密后适用本授权书)学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日学位论文作者毕业后去向：工作单位：电话：通讯地址：邮编数字图像边缘检测技术的研究摘要随着计算机技术的飞速发展，图像边缘检测已成为图像处理的重要内容，它是图像分析的基本问题，是图像分割、特征提取和图像识别的前提。
本文的主要内容如下。
首先，介绍了数字图像处理的概念及其应用领域、边缘检测研究的背景意义，历史现状，以及边缘检测的一些基本概念。
然后，分别介绍了经典的图像边缘检测算子，如Robert算子、Sobel算子、Prewitt算子等，并通过理论分析和仿真计算比较了他们各自的优缺点及适用性。
接着概述了几种新的边缘检测方法，如小波理论、数学形态学、模糊理论等。
在本文的第四章里，讨论了基于线性滤波技术的边缘检测算法：Marr-Hildreth方法和Canny算法。
最后，提出了一种基于各向异性扩散方程的Canny边缘检测算法。
Canny 边缘检测算法由于使用高斯滤波对图像进行平滑，往往使得算法的信噪比和定位精度下降，从而产生一些虚假边缘，使角点变圆。
针对Canny算法所出现的问题，运用各向异性扩散方程代替高斯滤波，并对扩散后的图像做图像增强。
实验结果表明，改进后的算法有效地提高了边缘检测的准确性，得到了比较理想的边缘检测效果。
关键词: 边缘检测；Canny算法；高斯滤波；各向异性扩散方程；非线性滤波Research on the Techniques of Digital Image EdgeDetectionABSTRACTThe image edge detection has become one of the most important parts of image processing with the development of computer technology. Image edge detection is the first step of image analysis, also the basis of image segmentation, feature extraction and image recognition. The main content of this dissertation is described as follows.Firstly, digital image processing and its applications are introduced. Then, the background, the significance and also the development status of the image edge detection technique are introduced, next to this, some basic knowledge of the image edge detection are discussed.Secondly, some classical edge detection algorithms such as Roberts, Sobel, Prewitt are discussed. Theory analysis and experiments are carried out to compare their advantages and disadvantages. Some new technology about edge detection, such as wavelet, math morphology, rough set theory, are introduced. In the fourth chapter, two kinds of edge detection algorithms based on linear filtering, i.e., Marr-Hildreth algorithm and Canny algorithm, are discussed.Finally, an improved Canny edge detection algorithm based on anisotropic diffusion equation is proposed. The canny edge detection algorithm uses Gaussian filter for smoothing the image, which may lead to lower SNR and higher edge location error, and therefore may produce false edge and corner roundness. To solve these problems, an improved edge detection algorithm is proposed by replacing Gaussian filter with anisotropic diffusion equations, and the image enhancement is carried out after diffusion. Experiment results show that the accuracy of edge detection is improved evidently, and a much better edge detection effect is obtained.Key words: edge detection; Canny algorithm; Gaussian filter; anisotropic diffusion equations; nonlinear filtering致谢岁月如歌，光阴似箭，三年的研究生生活即将结束。
经历了找工作的喧嚣与坎坷，我深深体会到了写作论文时的那份宁静与思考。
回首三年来的求学历程，对那些引导我、帮助我、激励我的人，我心中充满了感激。
饮其流时思其源，成吾学时念吾师，在此论文完成之际，首先要感谢我的导师檀结庆教授，檀老师渊博的知识、敏锐的洞察力以及富有启发性的建议，为论文的最后完成起到了关键性的作用。
在我攻读硕士研究生期间，深深受益于檀老师的关心、爱护和谆谆教导。
他作为老师，点拨迷津，让人如沐春风；作为长辈，关怀备至，让人感念至深。
能师从檀老师，我感到万分的庆幸。
在此，我谨向檀老师表示最诚挚的敬意和由衷的感谢！其次是感谢非线性计算与可视化研究室的师兄师姐们，他们是谢成军、李璐、刘丽君、李声锋、李志明等；感谢我的同学汪飞、王燕、方中海、李方、屠静以及我的学弟学妹们，感谢他们无私的与我分享学习心得，感谢他们对我学习上和生活上的帮助，与他们良好的合作与讨论，开阔了我的思路，同时也正是和他们的通力协作下，才使作者得以顺利地完成各项科研课题。
感谢非线性计算与可视化研究室所提供的交流平台，是它促进了我更快的成长。
此外，我还要感谢合肥工业大学计算机与信息学院的各位老师和院系领导们，感谢他们给我的帮助和支持。
感谢在百忙之中评阅我的硕士论文和出席硕士论文答辩会的各位老师们，感谢他们给我的批评指正和宝贵意见。
我再次向在我读研期间帮助过我的所有老师和同学们道一声最真挚的谢谢。
最后，需要特别感谢的是我的父母。
父母的养育之恩无以为报，他们是我十多年求学路上的坚强后盾，在我面临人生选择的迷茫之际，为我排忧解难，他们对我无私的爱与照顾是我不断前进的动力。
张洁2009年4月目录第一章绪论 (1)1.1数字图像处理的概念与应用 (1)1.2 边缘检测研究的背景和意义 (3)1.3 边缘检测研究的历史现状 (4)1.4 边缘检测的基本概念 (5)1.4.1 边缘定义及类型分析 (6)1.4.2 梯度的概念 (7)1.4.3 边缘检测的一般步骤 (7)1.5 本文的工作和组织结构 (8)第二章经典图像边缘检测算法 (10)2.1 经典边缘检测的基本算法 (10)2.2 一些经典的边缘检测算子 (11)2.2.1 差分边缘检测 (11)2.2.2 Roberts算子 (12)2.2.3 Sobel算子 (12)2.2.4 Prewitt算子 (13)2.2.5 Robinson算子 (15)2.2.6 Laplace算子 (15)2.3 经典边缘检测方法的仿真结果 (17)2.4 本章小结 (21)第三章新的边缘检测方法 (22)3.1 小波变换和小波包的边缘检测方法 (22)3.2 基于数学形态学的边缘检测方法 (22)3.3 基于模糊理论的边缘检测方法 (23)3.4 基于分形理论的图像边缘提取方法 (23)3.5 其它方法 (24)3.6 本章小结 (24)第四章线性滤波边缘检测算法 (25)4.1 Marr-Hildreth边缘检测算法 (25)4.2 Canny边缘检测算法 (27)4.3 仿真结果及结论 (29)4.4本章小结 (33)第五章基于各向异性扩散方程的Canny边缘检测算法 (34)5.1 Canny边缘检测算法步骤 (34)5.2 基于各向异性扩散方程的Canny边缘检测算法 (34)5.2.1 各向异性扩散方程（Perona-Malik方程） (34)5.2.2 算法的思想 (35)5.2.3 算法的具体步骤 (36)5.2.4 实验结果 (36)5.3 本章小结 (38)第六章总结与展望 (39)6.1 总结 (39)6.2 展望 (39)参考文献 (41)攻读硕士学位期间完成的论文 (44)攻读硕士学位期间参与的科研项目 (45)插图清单图1-1 以人为最终信息的接收者的系统构成图 (1)图1-2 以机器为对象的系统构成图 (1)图1-3 以人和机器为目标的系统构成图 (1)图1-4 图像的边缘及其导数 (6)图2-1 图像边缘检测的过程 (10)图2-2 Prewitt 算法八个算子模板对应的边缘方向 (14)图2-3 Lena 图像没有噪声时经典边缘检测算法检测结果 (18)图2-4 Lena 图像加高斯噪声2(0,0.01)μσ==经典边缘检测算法检测结果 .............. 19 图2-5 Lena 图像加高斯噪声2(0,0.02)μσ==经典边缘检测算法检测结果 ............. 20 图4-1 Lena 图像线性滤波边缘检测算法检测结果 . (30)图4-2 Lena 图像加高斯噪声2(0,0.001)μσ==时的检测结果 (31)图4-3 Lena 图像加高斯噪声2(0,0.002)μσ==线性检测算法检测结果 ................... 32 图5-1 Lena 图像和条码图像采用本文算法和canny 算法检测结果 (38)第一章绪论1.1数字图像处理的概念与应用数字图像处理（Digital Image Processing）又称为计算机图像处理，它是利用计算机和其它高速、大规模的集成数字硬件对由光学信息转换成的数字信号进行某些数字运算或处理，期望提高图像的质量达到人们的预期结果。