数字信号处理程序课程设计
数字信号处理课程设计报告_3
目录1.设计概述（目的和要求） 32.设计任务 33.设计题目（简要描述三个题目） 44.内容及结果 45.思考及体会14一、课程设计目的及要求数字信号处理是一门理论性和实践性都很强的学科，通过课程设计可以加深理解掌握基本理论，培养学生分析问题和解决问题的综合能力，为将来走向工作岗位奠定坚实的基础，因此做好课程设计是学好本课程的重要教学辅助环节。
本指导书结合教材《数字信号处理教程》的内容，基于MATLAB程序语言提出课程设计的题目及要求，在做课程设计之前要求学生要尽快熟悉MATLAB语言，充分预习相关理论知识，独立编写程序，以便顺利完成课程设计。
二、课程设计任务课程设计的过程是综合运用所学知识的过程。
课程设计主要任务是围绕数字信号的频谱分析、特征提取和数字滤波器的设计来安排的。
根据设计题目的具体要求，运用MATLAB语言完成题目所规定的任务及功能。
设计任务包括：查阅专业资料、工具书或参考文献，了解设计课题的原理及算法、编写程序并在计算机上调试，最后写出完整、规范的课程设计报告书。
课程设计地点在信息学院机房，一人一机，在教师统一安排下独立完成规定的设计任务。
三、课程设计题目根据大纲要求提供以下三个课程设计题目供学生选择，根据实际情况也可做其它相关课题。
1.DFT在信号频谱分析中的应用1. 用MATLAB语言编写计算序列x(n)的N点DFT的m函数文件dft.m。
并与MA TLAB中的内部函数文件fft.m作比较。
2. 对离散确定信号()cos(0.48)cos(0.52)x n n n ππ=+ 作如下谱分析：(1) 截取()x n 使()x n 成为有限长序列N(0≤≤n N -1)，(长度N 自己选)写程序计算出()x n 的N 点DFT ()X k ,并画出相应的幅频图()~X k k 。
(2) 将 (1)中()x n 补零加长至M 点（长度M 自己选），编写程序计算()x n 的M 点DFT 1()X k ,并画出相应的图1()~X k k 。
数字信号处理课程设计
数字信号处理课程设计
一、概述
本次信号处理课程设计主要对常见的数字信号处理算法进行实现。
主要内容包括数字信号滤波器、傅立叶变换和数字信号检测算法。
通过实验，学生将学习主要处理手段；同时了解数字信号处理的基本原理和应用。
二、主要内容
（1）数字信号滤波器：实现简单的数字滤波器，同时计算滤波器的频率响应；
（2）傅立叶变换：实现常用的傅立叶变换，并利用变换后的信号图像进行频率分析；
（3）数字信号检测算法：实现基本的一阶和二阶差分算法，并利用此算法进行实时信号检测；
三、实验步骤
（1）准备实验材料：将数字信号的原始信号数据以文件的形式存储，使用MATLAB等软件进行处理；
（2）实现数字滤波器：实现一阶以及多阶低通、高通和带通滤波器，
并计算响应的频谱；
（3）实现傅立叶变换：实现Fourier变换后的信号图像处理，如二维DFT等；
（4）实现数字信号检测算法：实现一阶和二阶差分算法，并利用此算法进行实时信号检测；
（5）数字信号处理综合应用实验：针对实际的数字信号，分析信号的特征，并基于实验结果进行信号处理算法的比较。
四、实验结果
完成本次实验后，可以实现对不同数字信号的处理，掌握其中滤波器、傅立叶变换等数字信号处理理论，并掌握常规的算法，学会运用算法实现实际信号处理工程。
(完整word版)数字信号处理课程设计
目录第1章需求分析----------------------------------------------------- 3 1.1设计题目------------------------------------------------------------------ 3 1.2设计要求------------------------------------------------------------------ 3 1.3系统功能分析-------------------------------------------------------------- 3第2章原理分析和设计-------------------------------------------- 4 2.1理论分析和计算------------------------------------------------------------ 4第3章详细设计----------------------------------------------------- 5 3.1算法设计思路-------------------------------------------------------------- 5 3.2对应的详细程序清单及程序注释说明------------------------------------------ 6第4章调试分析过程描述---------------------------------------- 10 4.1测试数据、测试输出结果--------------------------------------------------- 10 4.2程序调试过程中存在的问题以及对问题的思考--------------------------------- 13第5章总结-------------------------------------------------------- 15第1章需求分析1.1设计题目在Matlab 环境中，利用编程方法对FDMA通信模型进行仿真研究1.2设计要求1.2.1 Matlab支持麦克风，可直接进行声音的录制，要求至少获取3路语音信号。
数字信号处理课程设计任务书(1)资料
数字信号处理课程设计指导一、课程设计目的：综合运用本课程的理论知识进行频谱分析以及滤波器设计，通过理论推导得出相应结论，并利用MATLAB作为工具进行实现，从而复习巩固课堂所学的理论知识，提高对所学知识的综合应用能力，并从实践上初步实现对数字信号的处理。
二、课程设计任务：每位同学在“四、课程设计内容”中的题目中任选一题或自行选择题目，每个题目最多4个人选。
自行选择的题目需经过指导老师确认。
班长于第五天把统计好的题目提交给指导老师。
三、课程设计时间安排：第一天：布置设计任务，讲解设计要求，提示设计要点。
第二～五天：选定题目，查阅资料（在图书馆或上网），弄清题目要求，提出解决方案。
)第五～十二天：根据题目要求，将理论推导与编程实现相结合，写出设计报告和ppt，可以申请去实验室进行课程设计，也可以自己安排。
第十三至十五天：答辩。
四、课程设计内容：1. 设计题目一：编程实现任意确定信号的频谱分析算法(1) 对给定的CEG和弦音音频文件取合适长度的采样记录点，然后进行频谱分析（信号的时域及幅频特性曲线要画出）。
(2) 分析CEG和弦音频谱特点，对该信号频谱能量相对较为集中的频带（分低、中、高频）实现滤波（分别使用低通，带通及高通），显示滤波后信号的时域和频域曲线，并对滤波后的信号与原信号的音频进行声音回放比较。
(3) 在低、中、高三个频带中，各滤出三个能量最集中的频簇，显示滤波后信号的时域和频域曲线。
(4) 任意选择几个滤出的频带（或频簇）进行时域信号重建（合成），与原信号的音频进行声音回放比较。
讨论：根据上述结果，分析什么是和弦音。
2. 设计题目二：设计并实现FIR数字滤波器的窗函数设计算法要求：输入数字滤波器指标，包括滤波器类型（低通、带通、带阻或高通等），通带截止频率，通带最大波动，阻带开始频率，阻带衰减，设计得到FIR滤波器，并画出设计得到的滤波器的增益曲线图（要有坐标标度）。
为了使编制的程序操作方便，设计处理系统的用户界面：在所设计的系统界面上可以选择滤波器的类型，输入滤波器的参数，显示滤波器的频率响应，选择输入信号并显示相应的输出信号等。
数字信号处理-基于计算机的方法第三版下册课程设计
数字信号处理-基于计算机的方法第三版下册课程设计1. 课程设计描述本次数字信号处理课程设计主题为基于计算机的方法第三版下册。
该课程设计旨在使学生掌握信号处理基础、数字滤波器、功率谱估计和信号模拟等方面的知识，强化学生的理论与实践能力。
课程设计内容包括以下方面：•熟悉数字信号处理的基本知识和基础概念；•掌握数字信号的采样与量化方法；•研究离散时间信号的表示方法；•学习离散时间信号的线性时间不变系统和差分方程；•掌握数字信号的离散时间傅立叶变换；•研究数字滤波器及其设计方法；•掌握数字信号的功率谱估计方法；•学习信号模拟以及在MATLAB和Python平台下的实现。
本次课程设计采用MATLAB和Python语言完成。
学生需完成课程设计中的实验实践部分，并提交实验报告。
2. 课程设计流程本课程设计共分为三个阶段，每个阶段的任务如下：阶段一：任务一：学习数字信号处理和离散时间信号的表示方法。
学生需实现离散时间信号及其线性时间不变系统，并用MATLAB和Python对其进行模拟，掌握信号模拟的基本方法。
任务二：学习离散时间傅立叶变换及其实现方法，掌握离散时间傅立叶变换的理论知识和编程实现。
学生需用MATLAB和Python分别实现离散时间傅立叶变换，并对其进行分析比较，加深对该变换的理解。
阶段二：任务一：学习数字滤波器的基础知识和设计方法，学生需实现IIR数字滤波器和FIR数字滤波器，并分析两种滤波器的性能指标。
采用MATLAB和Python实现该任务。
任务二：学习数字信号的功率谱估计方法，掌握各种估计方法的原理和实现步骤，采用MATLAB和Python对某一信号的功率谱进行估计和分析。
阶段三：任务一：实现数字信号处理的实际应用。
学生根据所学的知识，选择一个实际应用场景进行信号处理实践，并完成报告展示。
实践内容可以涉及语音处理、图像处理、雷达信号处理等。
3. 课程设计要求•学生需按时完成各个阶段的任务，并提交实验报告；•实验报告格式为Markdown文本格式，严格遵循实验报告模板，包括实验目的、实验原理、实验步骤、实验结果以及思考问题等内容；•实验报告需在规定时间内提交；•实验成绩占本科总成绩的20%。
数字信号处理简明教程课程设计
数字信号处理简明教程课程设计一、课程背景数字信号处理是目前科技领域中最为重要、应用最为广泛的学科，它在多个领域都具有广泛的应用，如语音识别、图像处理、智能控制、电视广播、通讯等等。
为了加强对数字信号处理的深入理解，同时提高学生的实践能力，设计了简明教程课程。
二、教学目标本课程旨在通过讲授数字信号处理的相关知识，让学生了解信号与系统的基本概念、数字信号的特殊性质、数字信号加工的各种方法以及数字滤波器和频率分析的基本概念，进一步提高学生的分析问题和解决问题的能力，培养学生的实际操作能力，为将来的工作和学习打下坚实的基础。
三、教学内容1.信号与系统的基本概念在数字信号处理基础中，首先需要了解的就是信号与系统的基本概念，包括信号与系统的定义、特性、分类和表达方式等。
2.数字信号的特殊性质数字信号是一种离散信号，不同于连续信号，它具有很多特殊性质，如采样定理、离散化、量化误差等。
本课程将详细讲解数字信号的特殊性质及其应用。
3.数字信号的加工方法对数字信号的加工是数字信号处理技术的核心部分，主要包括数字滤波器和数字信号处理算法。
本课程将全面介绍数字滤波器的方法和处理算法，以及加工应用实例。
4.数字滤波器和频率分析的基本概念数字滤波器是数字信号处理技术中最重要的一部分，本课程将详细讲解数字滤波器的基本功能、分类和结构。
同时，本课程还将深入探讨信号的频率分析方法、快速傅里叶变换等，为学生提供更全面的数字信号处理知识体系。
四、教学方法本课程采取理论讲解、实验操作和实际应用相结合的教学方法，重视理论和实践相结合，培养学生的操作能力和综合素质。
同时，本课程注重实用性和实效性，引导学生运用数字信号处理技术来解决实际问题。
五、实验内容为了使学生更好地理解数字信号处理技术的原理和应用，本课程安排了多项实验内容，如 MATLAB编程实验、数字信号处理设备的使用实验等，通过实验操作，培养学生的实际处理能力和实践创新意识。
六、教学成果通过本课程的学习和实践，学生可以掌握数字信号处理的基本理论知识和应用技能，具备基本的数字信号分析和处理能力，提高分析问题和解决问题的能力，为将来的工作和学习打下坚实的基础。
数字信号处理课程设计 1
（一）用窗函数法设计FIR数字滤波器一、设计题目用窗函数法设计FIR数字低通滤波器二、设计目的1. 熟悉设计线性相位数字滤波器的一般步骤。
2. 掌握用窗函数法设计FIR数字滤波器的原理和方法。
3. 熟悉各种窗函数的作用以及各种窗函数对滤波特性的影响。
4. 学会根据指标要求选取合适的窗函数。
三、设计原理窗函数法又称为傅里叶级数法，FIR数字滤波器的设计问题就是要所设计的FIR数字滤波器的响应H(ejw)去逼近所要求的理想滤波器的响应Hd(ejw)。
从单位取样响应序列来看，就是使所设计的滤波器的h(n)逼近理想单位取样响应序列hd(n)。
而且Hd(ejw)=逐段恒定的，且在频带边界处有不连续点，因此序列hd(n)是无限长的，通过直接截取无限长序列以得到有限长序列的办法，可以形象的比喻为h(n)通过一个窗口所看到的一段hd(n)。
因此，h(n)也可以表达为hd(n)和一个窗函数w(n)的乘积，h(n)=w(n)hd(n)。
这里的窗函数就是矩形序列RN(n)。
四、实现方法用MATLAB编程实现给定指标要求的滤波器设计五、设计内容及要求1、各窗函数图（假设N=67;）N=67;n=0:N-1;wn1=ones(1,N); stem(n, wn1);矩形窗figure;wn2=hamming(N); stem(n, wn2);海明窗figure;wn3=BARTLETT(N); stem(n, wn3);巴特列特figure;wn4= Hanning(N); stem(n, wn4);汉宁窗将窗函数分别画出来2、计算理想低通滤波器单位冲激响应的源程序function[hd]=ideal(wc,N) q=(N-1)/2;n=0:N-1;m=n-q+eps;hd=sin(wc*m)./(pi*m);3、计算频率响应的源程序function[H]=fr(b,a,w);m=0:length(b)-1;l=0:length(a)-1;num=b*exp(-j*m'*w);den=a*exp(-j*l'*w);H=num./den;4、低通滤波器设计程序wp=0.2*pi;ws=0.3*pi;width=ws-wp;N=ceil(6.6*pi/width)+1;n=0:N-1;a=[1];wc=(ws+wp)/2;hd=ideal(wc,N);wn=(hamming(N))';h=hd.*wn;k=0:500;w=(pi/500)*k;[H]=fr(h,a,w);mag=abs(H);db=-20*log10((mag+eps)/max(mag)); wth=pi/500;rp=max(db(1:1:wp/wth+1))as=round(min(db(ws/wth+1:1:500))) subplot(2,2,1);stem(n,hd);title('理想冲激响应');axis([0 N-1 -0.1 0.3]);ylabel('hd');subplot(2,2,2);stem(n,wn);title('海明窗');axis([0 N-1 0 1.1]); ylabel('wn');subplot(2,2,3);stem(n,h);title('实际冲激响应'); axis([0 N-1 -0.2 0.3]); xlabel('n');ylabel('h');subplot(2,2,4);plot(w/pi,-db);title('幅度响应（dB）'); axis([0 1 -100 10]); grid;xlabel('以pi为单位的频率') ylabel('分贝数');六、各种窗函数：矩形窗海宁窗：汉宁窗：三角形窗：1.理想冲激响应、海明窗、实际冲激响应及幅度响应波形图七、回答思考题1.设计线性相位数字滤波器的一般步骤。
数字信号处理课程设计
数字信号处理课程设计一、课程设计任务1.1 设计背景数字信号处理是关于数字信号的获取、处理和应用的学科，广泛应用于通信、图像处理、音频处理等领域。
随着现代通信技术的发展，数字信号处理的应用越来越广泛，因此数字信号处理技术的研究和应用已经成为了当前的热点和难点问题。
本次数字信号处理课程设计旨在通过实践，使学生深入了解数字信号处理技术，并且掌握数字信号处理的基本原理与方法。
同时，通过此课程设计的实践环节，学生将运用所学的数字信号处理知识，针对某一具体问题进行深入分析，设计相应的算法，并进行实验验证，培养学生的实践能力。
1.2 设计任务本次数字信号处理课程设计任务为：通过 MATLAB 对音频信号进行数字信号处理，实现音频信号数字化、本地化、校准、滤波、平滑等操作，并设计出相应的算法。
具体任务包括：1.对输入的音频信号进行数字化：将模拟信号输入到 A/D 转换器中，将其转换为数字信号。
2.实现音频信号的本地化：通过本地化处理，实现对音频信号的空间定位。
3.针对音频信号的校准问题，设计相应的校准算法。
4.实现音频信号的滤波和平滑处理：通过低通滤波、高通滤波等方法，实现对音频信号的滤波和平滑处理。
二、实验流程2.1 实验器材本实验采用的主要器材为：1.电脑2.MATLAB 软件3.音频设备2.2 实验流程本实验的主要流程如下所示：1.设置音频输入输出设备，并初始化参数% 设置音频输入输出设备audioInput = audioDeviceReader(44100, 16, 1); audioOutput = audioDeviceWriter(44100, 16, 1);% 初始化参数blockSize = 1024;overlap = 512;sampleRate = 44100;2.进行音频信号采集与播放while true% 采集音频数据audioData = audioInput();% 对音频数据进行数字信号处理processedData = processAudioData(audioData, blockSize, overlap, sampleRate);% 播放处理后的音频数据audioOutput(processedData);end3.设计音频数据处理算法function processedData = processAudioData(audioData, blockSize, overlap, sampleRate)% 数字化处理audioData = double(audioData);% 本地化处理processedData = doLocalization(audioData);% 校准算法processedData = doCalibration(processedData);% 滤波和平滑处理processedData = doFiltering(processedData, sampleRate);% 返回处理后的音频数据processedData = single(processedData);end4.对音频数据进行本地化处理function localizationData = doLocalization(audioData) % 实现音频信号的本地化localizationData = audioData;end5.设计校准算法，使音频数据满足一定标准function calibrationData = doCalibration(processedDat a)% 校准算法calibrationData = processedData;end6.设计滤波和平滑处理算法function filteredData = doFiltering(processedData, sa mpleRate)% 低通滤波lowPassFilter = designfilt('lowpassfir', 'FilterOrder', 70, 'CutoffFrequency', 5000, 'SampleRate', sampleRate); filteredData = filtfilt(lowPassFilter, processedData);% 高通滤波highPassFilter = designfilt('highpassfir', 'FilterOrde r', 70, 'CutoffFrequency', 500, 'SampleRate', sampleRat e);filteredData = filtfilt(highPassFilter, filteredData);% 平滑处理smoothedData = smoothdata(filteredData, 'movmean', 50);% 返回处理后的数据filteredData = smoothedData;end三、实验结果及分析3.1 实验结果通过对 MATLAB 下进行数字信号处理的实验，得到了如下所示的实验结果：1.输入音频信号Input AudioInput Audio2.经过数字化、本地化、校准、滤波、平滑等处理后的音频信号Processed AudioProcessed Audio3.2 结果分析通过实验结果可以看出，经过数字信号处理后的音频信号具有了更好的音质和更好的稳定性。
- 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)。
数字信号处理课程设计设计题目：姓名：学号：院系班级：组次：指导教师：时间：2015年11月21日——2015年12月6日摘要基于 MATLAB 的图像边缘检测算法的研究和实现图像边缘是图像的最基本的特征。
所谓边缘，就是指图像局部强度变化最明显的部分，存在于区域与区域、目标与目标、目标与背景、基元与基元之间，包含有图像处理中用于识别的关键信息。
边缘检测是数字图像处理中，最基础也是最重要的环节之一。
本文介绍了六种经典的边缘检测算子，包括 Roberts 算子，Sobel 算子，Canny算子，Prewitt 算子，LOG 算法。
并且利用 MATLAB 系统所提供的相关函数等，对同一副图像结合用这些不同的算子分别进行处理，分析并得到他们处理图像的特点。
比较传统的边缘检测算子，因为是基于图像函数的一阶导数进行考察的，因而它们具有共同的特点是计算简单、速度较快，但是对噪声都比较敏感。
LOG 算法和 Canny算法，都是先对图像进行平滑去噪，抗噪性能较好，但是会损失一些边缘信息，其中 LOG算法比较适合处理渐变灰度图像，而 Canny 算子更适合处理阶跃型边缘图像。
小波变换边缘检测法，则能够很好的保留图像的边缘信息，更适合处理小阵列图像。
关键词:MATLAB;图像处理;边缘检测;微分算子目录第一章绪论 (4)1.1设计目的与要求 (4)1.2叙述国内外研究动态 (5)第二章软件设计- 基于MatLab的边缘检测算法 (6)2.1 MatLab简介 (6)2.2边缘检测算法原理 (7)2.2.1 Roberts 边缘算子 (7)2.2.2 Sobel 边缘算子 (8)2.2.3 Prewitt 边缘算子 (8)2.2.4 Log 边缘算子 (8)2.2.5 Canny 边缘算子 (8)2.3边缘检测算法--测试程序 (9)第三章实验结果及分析 (13)3.1 Roberts算子检测图像边缘的实现 (13)3.2 Sobel算子检测图像边缘的实现 (14)3.3 Prewitt算子检测图像边缘的实现 (15)3.4高斯一拉普拉斯LOG算子检测图像边缘的实现 (16)3.5 Canny算子检测图像边缘的实现 (17)第四章总结与心得体会 (20)参考文献 (21)致谢 (22)第一章绪论1.1设计目的与要求二十世纪五十年代，人们开始提出一些数字图像处理的技术，是通过计算机对图像所包含的信息进行加工和处理后，使得图像中的信息能够为我们所用。
从早期的报纸业，到1964年，在航天领域中，有里程碑作用的“旅行者七号”太空船在太空中拍摄了月球的照片，并回传给地球上的工作站成功处理，到现在的我们所能接触到的统计学、医学等等各种领域之中，数字图像处理己经迅速发展，并成为了我们不可或缺的重要技术和研究对象。
图像处理中最关键的一步就是对图像信息进行分解，提取一些具有某种特征的图像信息。
图像的边缘负载的信息，能够在图像处理过程中起到识别的作用，这也正是他作为图像基本特征的重要原因[l]。
与此同时，之于图像边缘在图像的要素中占有举足轻重的地位，相对的，对边缘进行检测的技术，也在处理图像的各种技术之中，作用不可小觑。
图像边缘定义为图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合。
基于边缘灰度的不连续性，遍历考察图像中单个像素点的局部灰度分布情况，利用一阶和二阶导数来进行边缘检测。
在长期对图像边缘检测的研究中，不断涌现出了许多种图像边缘检测的方法。
而到目前为止，己经提出的各种方法，对于图像边缘检测的效果，都有自己的优点和不足，也有自己的适用范围。
并没有存在一种比较普遍适用的边缘检测方法。
因此，对于寻找和创造更新的、更有效的边缘检测方法仍然是图像处理中比较主流的方向。
图像理解是图像处理的一个重要分支，研究为完成某一任务则需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。
边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。
在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。
边缘检测实际上就是检测图像特征发生变化的位置。
“飞思卡尔”杯全国大学生智能车竞赛中，要求各参赛队赛车在规定的赛道上行驶，速度快者胜出。
根据比赛规则：比赛过程中，如果赛车碰到赛道两边的立柱并使之倾倒或移动，裁判员将判为赛车冲出跑道（实际执行时，是根据裁判的肉眼判断）。
赛车前两次冲出跑道时，由裁判员取出赛车交给比赛队员，立即在起跑区重新开始比赛，该圈成绩取消。
因而在设计时，必须首先考虑找出赛道的边界点，然后再设计算法实现赛车行驶线路。
1.2叙述国内外研究动态图像处理技术诞生于二十世纪中叶，经过10多年的迅速发展，逐渐形成了一个专门的学科，在此其中，边缘检测技术也有相当长的一段研究发展史。
随着图像处理技术逐渐成熟，越来越多的科研领域关注到这一技术，给予重用且成效显著。
无论是传统的工业检测等领域，还是近年新兴起来的人工智能等更为新颖的学科都包含在其中。
数字图像处理技术未来的发展速度和空间不可限量。
在长期对图像边缘检测的研究中，不断涌现出了许多种图像边缘检测的方法。
现有的边缘检测方法有比较经典的检测方法，如差分边缘检测、Roberts operator, Prewitt、operator ,神经网络、Sobel operator等。
也有最近兴起的小波变换图像边缘检测法和fuzzy theory,基于人工智能等方法。
然而边缘检测技术发展至今，当前己经提出的各种方法之中，对于图像边缘检测的效果，都有自己的优点和不足，也有自己的适用范围。
而鲜有能够适用于多数普遍情况的方法。
因此，对于寻找和创造适用范围更为广泛、处理效果更佳的边缘检测方法仍然是图像处理中比较主流的方向。
第二章软件设计- 基于MatLab的边缘检测算法2.1 MatLab简介MATLAB通常又可被称作是矩阵实验室(根据其英文全称Matrix Laboratory得名)。
作为一款用于计算数值和处理图形图像的软件系统，MATLAB被应用在很多相关领域中，如在矩阵代数中，可利用MATLAB进行矩阵的计算，在数字信号处理领域中，可利用MATLAB进行动态仿真等等。
他的几大特点可概括为以下几点:1)功能强的数值运算。
在MATLAB软件的系统函数中，为使用者提供了数五百多种计算函数。
这些系统函数不仅数量多，而且涵盖学科范围广泛，包括有数学、统计以及科学等学科。
函数的表达比较自然，为使用者提供一种解决问题的模式，让问题的解答像解决数学公式一样，简单而方便，为用户大大减少了操作电脑的时间和精力，而可以投入更多的精力在问题的解决上。
2)先进的资料视觉化功能。
MATLAB用户可使用其提供的物件导向图像构架进行视觉数据分，绘制高品质图形，能够帮助用户很好的完成图文并茂的文章。
3)高阶但简单的程式环境。
MATLAB语言是一种脚本语言，不需要编译和联结就能够立即执行。
相比较FORTRAN或C语言等编译语言，MATLAB语言更为简单、易学、易用，能够让编程者更快速的学会如何编写程序，并且高效地完成工作，而能够大大的节约了时间。
此外，MATLAB还提供了很多方便编程者使用的内建功能。
4)开放及可延伸的架构。
MATLAB系统提供大量的开源代码，包括内部的数学原始码，可以让使用者能够检视其运算法，并可以根据自己的需要，更改现有的函数。
同时，使用者也可以在MATLAB环境的基础上开发自己的功能函数，让MATLAB能够更好地为开发者所使用。
同样对于MATLAB的各种工具包也是如此，使用者可以根据自己的需求进行修改或者创新、开发，形成这对性的工具包，以供此类开发方便使用。
5)丰富的程式工具箱。
程式工具箱是MATLAB为使用者提供了另一大便利组件，他们由一些针对某些领域而编写的函数的集合。
目前己经开发完成，并能够提供给用户使用的有符号数学工具箱，信号处理工具箱，偏微分方程工具箱等等。
这些丰富的程式工具箱，解决了用户针对某领域中的一些普遍处理需求，有效的节约了开发者的时间。
由此可见，MATLAB系统提供了一个更为使用者所方便操作的数学系统环境，且采用矩阵为基本的数据结构，更可在很大程度上的简化了编程。
MATLAB语言所定义的语法规则，相比较于其他高级编程语言，更为简单，更容易学习，程序调试可设置断点，存储中间结果，使得MATLAB程序调试变得简单、快捷。
MATLAB的强大之处还在于他的灵活性和友好性。
他能够跟许多程序相结合使用，如C语言，FORTRAN语言和Microsoft Word等。
当使用者在MATLAB 系统中编写程序的时候，可以根据需要，直接调用C或者FORTRAN的功能函数，同样，在编写C或FORTRAN程序时，也可以根据需要直接调用MATLAB 的函数或命令，更加方便而充分地利用MATLAB中强大的各种数学处理功能。
通过将MATLAB程序与其他语言程序灵活而有机的结合在一起使用，不仅可以弥补MATLAB程序中循环速度慢的缺点，也可以供其他程序直接利用MATLAB程序生成的MAT文件执行矩阵数据的读取和写入，从而大大地提高工作效率。
2.2边缘检测算法原理由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容。
首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。
边缘检测的方法大多数是基于方向导数掩模求卷积的方法，因为导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。
以下是几种常用的边缘检测算法。
2.2.1 Roberts 边缘算子Roberts 边缘检测算子根据任意一对互相垂直方向上的差分可用来计算梯度的原理，采用对角线方向相邻两像素之差，实际是该点连续梯度的近似值，而不是所预期的点处的近似值。
另外该算子提取的边缘较粗，对噪声很敏感，并且需要手动地指定一个阈值 (Threshold)，对不同的图像使用不同的阈值后，边界提取效果差别很大。
因此 Roberts 算子一般使用自适应的阈值，并对提取的边缘进行细化处理，这样将能有效地改善Roberts 算子的边界提取效果。
一般适用于低噪声图像。
2.2.2 Sobel 边缘算子Sobel 算子是边缘检测器中最常用的算子之一，一般可以利用快速卷积函数，简单有效，因此应用很广泛。
该算子有两个，一个是检测水平边沿的；另一个是检测垂直平边沿的。