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。
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。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)分開來。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)視覺包括兩部分：低層視覺和高層視覺。低層視覺即為圖像處理，包括圖像增強(qiáng)、噪聲濾除和邊緣檢測(cè)等部分；高層視覺包括圖像分析和圖像理解，主要是模擬
8、人類對(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。所謂邊緣是指其周圍像素灰度有階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。長期以來，人們已付出許多
