数字图像处理大作业——陈林121363.docxVIP

研究生课程考试成绩单（试卷封面）院系自动化学院专业检测技术与自动化装置学生姓名陈林学号121363课程名称图像处理与理解课程编号S008103授课时间2011年3月至2011年6月周学时3学分2简要评语总评成绩（含平时成绩）备注任课教师签名：日期：注：1.以论文或大作业为考核方式的课程必须填此表，综合考试可不填。“简要评语缺填无效。2.任课教师填写后与试卷一起送院系研究生教务员处。3.学位课总评成绩以百分制计分。《图像处理与理解》大作业——陈林 1213631.绪论数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。随着计算机技术的不断发展，数字图像处理的理论得到不断的创新与完善，数字图像处理的实际应用的领域已经涉及到人类生活和工作的方方面面。数字图像处理的常用方法主要有：图像变换，图像编码压缩，图像增强和复原，图像分割等等。其中图像分割是数字图像处理中的关键技术之一。[1]图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。其中，边缘提取、区域分割技术尤为重要，这两种技术是图像处理中研究的热点之一。1.1 图像边缘检测技术图像边缘检测技术是图像处理、图像分析和计算机视觉领域中经典的研究内容之一，是进行模式识别和信息提取的基本手段。当前已有的图像边缘检测方法很多，但是每种方法都有其自身的局限性，在某些情况下仍不能检测到目标物体的最佳边缘，不能针对所有的图像检测，换言之，目前的边缘检测还未形成一种普遍适用的边缘检测方法。因此边缘检测一直是图像处理与分析技术中的研究热点和焦点[1] 。随着科学的发展，其新理论、新方法不断涌现。在图像边缘检测领域内，有微分方法、基于小波与分形理论的方法、基于形态学、基于模糊学、基于神经网络和基于遗传算法等多种检测手段。它们都不是一种具有绝对优势的方法，有的方法边缘检测精度高，但抗噪声性能较差；有的方法解决了抗噪声性能差的问题，但检测精度又不够。还有一些算法尽管在一定程度上较好地解决了上述两者的协调问题，但算法复杂，实现困难，运算时间长。图像的边缘是指图像中周围像素灰度有阶跃变化或屋顶状变化的那些像素的集合，是图像的最基本的特征。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。边缘具有幅度和方向两个基本特征，沿边缘走向，像素值变化比较平缓；垂直于边缘的走向，像素值变化比较明显，可能呈现阶跃状，也可能呈现斜坡状（即屋顶状）。因此，边缘可以分为两种：一种为阶跃性边缘，它两边的像素灰度值有着明显的不同；另一种为屋顶状边缘，它位于灰度值从增加到减少的变化转折点[6]。对于这种由于像素灰度值变化引起的阶跃情况可用梯度来表示，设图像为，定义在点处的梯度矢量为：，根据数学上梯度的定义，梯度指向最大增加率的方向，它最大变化值的大小为：。在离散的数字图像中，为了计算方便，也可以采用梯度近似计算公式：基于图像边缘的像素变化特点，我们可以得出边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线，我们可以将边缘定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化程度可以用图像灰度分布的梯度决定，因此可以用局部图像中像素的某小邻域来构造边缘检测子。以下是上述几种经典的边缘检测算子。1.1.1 Roberts边缘检测算子Roberts边缘检测算子依据上述梯度的定义，作了一定的变化，它利用局部差分算子寻找边缘的算子，它在实际应用中由下式给出[5]：，Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘，定位精确度较高，对噪声较敏感。图1-1(b)就是利用Roberts算子进行边缘检测的实际效果图。 图1-1(a) 原始灰度图图1-1(b) Roberts边缘检测图1.1.2 Sobel边缘检测算子Sobel算子利用像素点上下、左右邻点的灰度加权算法，根据边缘点处达到极值这一现象进行边缘检测。它利用两个卷积核形成Sobel边缘算子[5]：，；Sobel算子对噪声具有平滑作用，提供较为精确的边缘方向信息，但它同时也会检测出许多的伪边缘，边缘定位精度不够高。图1-2(b)就是Sobel算子边缘检测的效果图。 图1-2(a) 原始灰度图图1-2(b) Sobel边缘检测图1.1.3 Laplace边缘检测算子拉普拉斯算子[35]是对二维函数进行运算的二阶导数算子。通常使用的拉普拉斯算子[5]：，；根据二阶导数的定义：，在实际应用中，利用作为边缘点：由于拉普拉斯算子是一个二阶导数，它将在边缘处产生一个陡峭的零交叉。图1-3(b)是经过 Lap