生物电子与影像技术课程报告.docVIP

《生物电子与影像技术》 课程报告 姓 名： 朱兵 学 号： 070210332 班 级： 0702103 同组人员： 李荣兴 、苗璐 2010年10月 一、问题和目的 对多个边缘检测算子选择不同的模板尺寸、不同的图像噪声等条件下边缘检测结果进行比较，从而得到最优算子。 二、总体方案设计 1、对图像rice进行处理，在图像中分别加入椒盐噪声、仅含椒和仅含盐的噪声，以及Gaussian噪声。 噪声可以直接用自编函数imnoise2来产生，分布可以使用直方图进行观察。 g=imnoise2 (type, M, N, a, b ) Type — uniform, ‘gaussian‘, salt pepper, ‘rayleigh, ‘exponential, ‘erlang‘ M, N — 数组大小 a, b — 对应type的参数 g — 返回的噪声数组 对原图像以及上述加入噪声的图像分别应用微分算子法（sobel算子、roberts算子、prewitt算子），log算子法，canny算子法进行边缘检测。 边缘检测的原理：两个具有不同灰度值的相邻区域之间总存在边缘，边缘是灰度值不连续的表现。由于边缘是图像上灰度变化最剧烈的地方，传统的边缘检测就是利用了这个特点，对图像各个像素点进行微分或求二阶微分来确定边缘像素点。 但是，由于噪声和图像模糊的原因，检测到的边界可能会有间断的情况发生。所以边缘检测包含两个内容： 用边缘算子提取边缘点集； 在边缘点集中去除某些边缘点，填充一些边缘点，再将得到的边缘点集连接为线。 3、比较不同的方法、不同的参数、不同的图像、不同的噪声等条件下的图像处理结果。 具体实验与过程 1、对图像rice.tif进行噪声处理 （1）椒盐噪声处理 直接用自编函数g=imnoise2 (type, M, N, a, b ) 来产生椒盐噪声。 噪声强度设置：椒盐噪声 10%--Peppers 10%--Salt 椒噪声 20%--Peppers 盐噪声 20%--Salt （2）Gaussian噪声处理 直接用自编函数g=imnoise2 (type, M, N, a, b ) 来产生Gaussian噪声。 噪声参数设置：257x257像素，均值为0，方差为0.1 微分算子法进行边缘检测 一阶导数是最简单的微分算子。在(x,y)处，梯度grad(f(x,y))的幅度为： 进一步简化运算，可取： 其中： 为了运算方便，在实际中采用小型模板利用卷积来做近似运算，对x方向和y方向分别使用一个模板。 sobel算子法 sobel算子是滤波算子的形式，用于提取边缘。模板如下： roberts算子法 roberts算子一种是利用局部差分算子寻找边缘的算子。模板如下： prewitt算子法 原理与roberts算子相同。模板如下： Log算子法进行边缘检测 Log算子是一种二阶微分算子，将在边缘处产生一个陡峭的零交叉，它是一个线性的、位移不变的算子。 在（x，y）处定义如下： 为了运算方便，log算子也是借助模板来实现的。常用模板如下： Canny算子法进行边缘检测 Canny算子是一种寻找图像梯度的局部极大值，梯度用高斯函数的一阶微分来计算。Canny采用双阈值法，分别检测强边缘和弱边缘；当且仅当弱边缘与强边缘连接时，弱边缘才被输出。 实验结果图像 原图像的各种算子的边缘检测结果： 椒盐噪声图像的各种算子的边缘检测结果： 椒噪声图像的各种算子的边缘检测结果： 盐噪声图像的各种算子的边缘检测结果： Gaussian噪声图像的各种算子的边缘检测结果： 结论 通过实验图像比较及分析可得，各种边缘检测算子在不同的模板尺寸、不同的图像噪声等条件下边缘检测效果不同。现总结如下： Roberts算子由于对噪声比较敏感，因此，对具有陡峭的低噪声的图像效果较好。但是提取的边缘比较粗，边缘定位不是很准确。 Sobel算子和Prewitt算子对灰度渐变低噪声的图象有较好的检测效果,但是对于混合多复杂噪声的图象,处理效果就不是很理想了。Sobel算子对边缘定位比较准确。 Log算子经常出现双像素边界，并且该检测方法对噪声比较敏感，故很少用log算子检测边缘。 Canny算法是最有效的边缘检测方法。此方法不容易受噪声的干扰，能够检测到真正的弱边缘。 五、总结与体会 通过以