資源描述：
《圖像邊緣檢測(cè)算法的實(shí)現(xiàn)及比較研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)的成果作品。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。作者簽名：年月日學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解學(xué)校有關(guān)保障、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向有關(guān)學(xué)位論文管理部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)省級(jí)優(yōu)秀學(xué)士學(xué)位論文評(píng)選機(jī)構(gòu)將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等
2、復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1、保密□，在_________年解密后適用本授權(quán)書(shū)。2、不保密□。（請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打“√”）作者簽名：年月日導(dǎo)師簽名：年月日目錄摘要1前言11.緒論21.1論文選題的理論意義21.2邊緣檢測(cè)算法研究概況31.3本文研究的內(nèi)容42.圖像邊緣檢測(cè)綜述42.1圖像邊緣的定義52.2邊緣檢測(cè)的主要方法62.2.1Roberts算子72.2.2Sobel算子92.2.3Prewitt算子102.2.4Log算子112.2.5Canny算子122.3本章小結(jié)143.仿真實(shí)驗(yàn)與結(jié)果分
3、析143.1仿真結(jié)果143.2各種圖像邊緣檢測(cè)算法的分析比較173.3本章結(jié)論184.總結(jié)與展望18致謝20參考文獻(xiàn)21附錄232424圖像邊緣檢測(cè)算法的實(shí)現(xiàn)及比較研究摘要：邊緣檢測(cè)在圖像處理中有著重要的作用。邊緣作為圖像的一種基本特征，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中去。它在圖像識(shí)別，圖像分割，圖像增強(qiáng)以及圖像壓縮等的領(lǐng)域中有較為廣泛的應(yīng)用，也是它們的基礎(chǔ)。對(duì)具有代表性的圖像邊緣提取方法進(jìn)行了討論,分析了這些算子進(jìn)行邊緣檢測(cè)的優(yōu)缺點(diǎn)。圖像邊緣檢測(cè)的手段多種多樣，本文介紹的檢測(cè)方法是通過(guò)一些差分算子，由圖像的灰度計(jì)算其
4、梯度的變化，從而檢測(cè)出邊緣，主要有Roberts、Sobel、Prewitt、Canny、Log等算子。以圖像Lena、Car為例以上述算子做出仿真。關(guān)鍵詞：邊緣檢測(cè)；圖像處理；檢測(cè)算子；去噪聲Abstract：Edgedetectionisveryimportantinimageprocessing.asabasiccharacteristic,theedgeoftheimage,whichiswidelyusedintherecognition,segmentation,intensificationandcomp
5、ressoftheimage,isoftenappliedtohigh-leveldomain.Thispaperdiscussestherepresentativealgorithmsofimageedgedetection,andalsoanalyzestheadvantagesanddisadvantagesoftheoperators.Therearemanykindsofwaystodetecttheedge.Anywayitgettheedgeaccordingtothevarietyofthepixelg
6、ray.ThemaintechniquesareRoberts,Sobel,Prewitt,CannyandLogalgorithm.TakepictureLena,Car,thecigarettemakethesimulationastheexamplebytheaboveoperator.Keywords:edgedetection；imageprocessing；detectingalgorithm；goeschirp前言目前,用計(jì)算機(jī)進(jìn)行圖像處理的一個(gè)很重要目的就是產(chǎn)生更加適合人觀察和識(shí)別的圖像。圖像的邊緣是圖
7、像最基本的特征，它廣泛存在于物體與背景之間、物體與物體之間和基元與基元之間，是圖像信息最集中的地方，包含著豐富的信息。2424邊緣檢測(cè)技術(shù)對(duì)于處理數(shù)字圖像非常重要，因?yàn)檫吘壥撬崛∧繕?biāo)和背景的邊界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開(kāi)來(lái)。圖像的邊緣中包含著景物有價(jià)值的邊界信息，這些信息町以用于圖像分析、目標(biāo)識(shí)別以及圖像濾波．并且通過(guò)邊緣檢測(cè)可以極大地降低圖像分析處理的數(shù)據(jù)量。計(jì)算機(jī)視覺(jué)包括兩部分：低層視覺(jué)和高層視覺(jué)。低層視覺(jué)即為圖像處理，包括圖像增強(qiáng)、噪聲濾除和邊緣檢測(cè)等部分；高層視覺(jué)包括圖像分析和圖像理解，主要是模擬
8、人類(lèi)對(duì)圖像信息的認(rèn)知和決策能力。圖像信息量巨大，而邊緣信息是圖像的一種緊描述，是圖像最基本的特征，所包含的也是圖像中用于識(shí)別的有用信息。所謂邊緣是指其周?chē)袼鼗叶扔须A躍變化或屋頂變化的那些像素的集合，為人們描述或識(shí)別目標(biāo)以及解釋圖像提供了一個(gè)有價(jià)值的和重要的特征參數(shù)，其算法的優(yōu)劣直接影響著所研制系統(tǒng)的性能。長(zhǎng)期以來(lái)，人們已付出許多
