1、 本科毕业论文 (科研训练、毕业设计 ) 题 目： 基于边缘检测的图像分割 方法研究 姓 名： 学 院：软件学院 系： 专 业：软件工程 年 级： 学 号： 指导教师（校内）： 职称： 年 月 I 摘 要 图像分割是指将图像中具有特殊意义的不同区域分开来 ， 并使这些区域互不相交 ， 且每个区域应满足特定区域的一致性条件。图像分割是目前图像处理和模式识别中的一个重要研究领域。常见的图像分割技术包括：阈值分割技术 ， 微分算子边缘检测 ， 区域增 长技术 ， 和聚类分割技术。 边缘检测是图像分割的重要内容。目前边缘检测的方法包括经典的算法如一阶微分边缘检测和二阶微分边缘检测以及一些基于现代技术的
2、新方法。 本文详细介绍了几种 经典 算子的 原理和计算公式 ， 包括梯度算法、 Roberts 算法、 Sobel算法、 Prewitt 算法、 Kirsch 算法、 Laplacian 算法、高斯型 Laplacian 算法（ LoG）和 Canny 算法，并通过实验得出了各个算子的边缘检测效果。 另外 ， 针对 Canny 算法的缺陷 ， 给出了一种自适应多尺度的 Canny 边缘检测方法。自适应多尺度 Canny 边 缘检测算法可以得到抗噪性能和细节保持兼顾的良好边缘。与 Canny 边缘检测相比 ， 该算子检测的图像边缘比较清晰，具有较高的信噪比。 文章的最后简要的介绍了现代的边缘检测
3、方法，包括基于小波的边缘检测、基于形态学的边缘检测、基于分形理论的边缘检测、基于模糊学的边缘检测、基于人工智能的边缘检测和基于遗传算法的边缘检测。 关键词： 边缘检测；图像处理； Canny 算子；自适应多尺度 II Abstract A central problem, called image segmentation, is to distinguish objects from background. For intensity images (ie, those represented by point-wise intensity levels) four popular appr
4、oaches are: threshold techniques, edge-based methods, region-based techniques, and connectivity-preserving relaxation methods. Edge detection is an important part of image segmentation. Currently edge detection methods include classical algorithms like edge detection derivative and second-order diff
5、erential edge detection, and the new methods based on some Modern technology. Then a detailed description of several algorithms is given, which include gradient algorithm, the algorithm Roberts, Sobel algorithm, Prewitt algorithm, the algorithm Kirsch, Laplacian algorithm, Gaussian Laplacian algorit
6、hm (Laplacian o f Gaussian) and Canny algorithm. And the operator of the various edge detection effect is on show throught the experimental results of a VC+.NET program. Against Canny algorithm, an adaptive multi-scale Canny edge detection method is given. Adaptive multiscale Canny edge detection al
7、gorithm can be anti-noise performance and the details to maintain the balance of good edge. Comparing to the result of Canny edge detection, the edge that adaptive multiscale Canny edge detection algorithm detects is relatively clear, with high signal-to-noise ratio. The final article briefly introd
8、uces the modern edge detection methods, including those based on wavelet edge detection, based on morphological edge detection, based on fractal theory of edge detection, based on fuzzy edge detection, Based on artificial intelligence and edge detection algorithm based on the brink of genetic testin
9、g. Key words: edge detection; image processing; Canny algorithm; Adaptive multi-scale. III 目录 第一章 数字图像 处理与边缘检测 . 7 1.1 数字图像及数字图像处理 . 7 1.1.1 图像的概念 .7 1.1.2 图像处理 .7 1.1.3 图像分割技术 .8 1.2 边缘及边缘检测 . 9 1.2.1 边缘的概念 .9 1.2.2 边缘检测及其方法 .10 第二章 边缘检测技术综述 . 12 2.1 引言 . 12 2.2 一阶微分边缘检测 . 12 2.2.1 常见的一阶微分算子 .12 2.
10、2.2 梯度算法 .13 2.2.2 Roberts 算法 .13 2.2.3 Sobel算法和 Prewitt 算法 .14 2.2.4 Kirsch 算法 .15 2.3 二阶微分边缘检测 . 16 2.3.1 二阶微分的特点 .16 2.3.2 Laplacian 边缘检测 .17 2.3.3 Laplacian 边缘增强 .18 2.3.4 高斯型 Laplacian 边缘检测（ LoG） .19 2.4 自适应多尺度 Canny 边缘检测 . 21 2.4.1 Canny 三准则 .21 2.4.2 Canny 算子 .21 2.4.3 自适应多尺度 Canny 边缘检测 .22 2
11、.5 现代的边缘检测方法 . 24 2.5.1 基于小波的边缘检测 .24 IV 2.5.2 基于形态学的边缘检测 .24 2.5.3 基于分形理论的边缘检测 .25 2.5.4 基于模糊学的边缘检测 .26 2.5.5 基于人工智能的边缘检测 .26 2.5.6 基 于遗传算法的边缘检测 .27 第三章 边缘检测的算法实现 . 28 3.1 图像文件概述 . 28 3.1.1 位图 .28 3.1.2 CImage 类 .29 3.2 开发工具 . 29 3.2.1 编程语言简介 .29 3.2.2 Visual C+.NET 的特性 .30 3.3 建立应用程序框架 . 31 3.3.1
12、创建 Visual C+.NET 程序 .31 3.3.2 演示程序框架 .31 3.3.3 建立菜单项 .32 3.4 功能模块的实现 . 33 3.4.1 输入输出模块 .33 3.4.2 卷积的计算 .34 3.4.3 图像处理模块 .35 3.5 实验结果 . 39 第四章 总结 . 41 致谢 . 42 参考文献 . 43 V Contents Chapter 1: Background: Digital Image Process and Edge Detection . 7 1.1 Digital Image and Digital Image Procession . 7 1.
13、1.1 Digital Image.7 1.1.2 Image Process .7 1.1.3 Image Segmentation.8 1.2 Edge and Edge Detection . 9 1.2.1 Edge .9 1.2.2 Edge Detection .10 Chapter2: Summary of Edge Detection Technology . 12 2.1 Introduction . 12 2.2 A Derivative Edge Detection . 12 2.2.1 General Algorithm of A Derivative Edge Det
14、ection .12 2.2.2 Grads Algorithm.13 2.2.2 Roberts Algorithm.13 2.2.3 Sobel Algorithm and Prewitt Algorithm .14 2.2.4 Kirsch Algorithm .15 2.3 Second Derivative Edge Detection. 16 2.3.1 Characteristic of Second Derivative Edge Detection.16 2.3.2 Laplacian Edge Detection .17 2.3.3 Laplacian Edge Enhan
15、cement .18 2.3.4 Gauss-Laplacian Edge Detection（ LoG） .19 2.4 Adaptive Multi-scale Canny Edge Detection . 21 2.4.1 Cannys Criteria .21 2.4.2 Canny Algorithm.21 2.4.3 Adaptive Multi-scale Canny Edge Detection.22 2.5 Modern Methods of Edge Detection . 24 2.5.1 Edge Detection Based on Wavelet .24 VI 2.
16、5.2 Edge Detection Based on Morphology .24 2.5.3 Edge Detection Based on Fractal Theory .25 2.5.4 Edge Detection Based on Fuzzy Science .26 2.5.5 Edge Detection Based on Artificial Intelligence.26 2.5.6 Edge Detection Based on Genetic Algorithm .27 Chapter 3: Program Realization of Edge Detection Al
17、gorithm . 28 3.1 Image Document Outlines . 28 3.1.1 Bitmap .28 3.1.2 Class CImage .29 3.2 Development Tool . 29 3.2.1 Program Language Introduction .29 3.2.2 Characteristic of Visual C+.NET .30 3.3 Application Procedures for the Establishment of the Framework . 31 3.3.1 Create Visual C+.NET Program
18、.31 3.3.2 Demonstration Program Framework.31 3.3.3 Create Menu Bar .32 3.4 Realization of the function modules . 33 3.4.1 Input and Output Module .33 3.4.2 Convolution Calculation .34 3.4.3 Image Process Module .35 3.5 Experimental Results . 39 Chapter 4: Summary . 41 Acknowledgement . 42 References
19、 . 43 7 第一章 数字图像处理与边缘检测 1.1 数字图像及数字图像处理 1.1.1 图像 的概念 每天我们都是在报纸、杂志、书籍、电视、各种小册子等大量的图像信息包围中度过的。这些图像包括文字、照片、图表、插图等，它使我们感到安适和生活情趣。 视觉是人类从大自然获取信息的最主要的来源。据统计在人类获取的信息当中，视觉信息约占 60，听觉信息约占 20，其它的如味觉信息，触觉信息等加起来约占 20。由此可见视觉信息对人们的重要性。而图像正是人类获取视觉信息的主要途径。图像是用各种观 测系统以不同形式和手段观测客观世界而获得的 ， 可以直接或者间接作用于人眼并进而产生视知觉的实体 1。 图
20、像是记录在介质上的客观景物的映像，如照片、电影、电视等。当用数字方法描述一幅图像时，常常着重的考虑它的点的性质，它可以被看成是各个坐标点上光强度的集合，图像上的点通常称为像素 （ Pixel） 。图像的最普遍的数学表达式为 , , , ,I f x y z t (1-1) 其中， x、 y、 z 为空间坐标， 为波长， t 为时间， I 为 像素上的光强度。采用不同的自变量和光强度范围可得到不同类型 的图像。从结构上看，最基本的图像是黑白灰阶图像，它可以看成光强度的二维函数，黑白图像像素的光强度通常称为灰度。灰度可在最亮值和最暗值之间取值。 1.1.2 图像处理 所谓数字图像处理就是利用计算机
21、对图像信息进行加工以满足人的视觉心理或者应用需求的行为 2。利用计算机进行图像处理有两 个 目的 ： 一是产生更适合人观察和识别的图像 ，二 是希望计算机能自动识别和处理图像。无论为了那一种目的，图像处理中关键的一步就是对含有大量各式各样景物信息的图像进行分解，分解的最终结果是图像被分解成一些具有某种特征的最小成分 ： 称为图 像的基元。相对于整幅图像来说 ， 这种基元更容易被快速处理。 8 图像的特征指图像场中可用做标志的属性 1。它 可以分为图像的统计特征和图像的视觉特征。图像的统计特征指的是一些人为定义的特征 ， 通过变换才能得到 ， 如图像的直方图、距、频谱等等 ； 图像的视觉特征指的
22、是人的视觉可以直接感受到的自然特征 ， 如区域的亮度 ， 纹理或轮廓等。利用这两类特征把图像分解为一系列有意义的目标或区域的过程称为图像的分割。 1.1.3 图像分割技术 用计算机进行数字图像处理的目的有两个，一是产生更适合人类视觉观察和识别的图像，二是希望计算机能够 自动进行识别和理解图像 3。无论是为了何种目的，图像处理的关键一步是对包含有大量各式各样景物信息的图像进行分解。分解的最终结果就是图像被分成一些具有各种特征的最小成分，这些成分就称为图像的基元。产生这些基元的过程就是图像分割的过程。 图像分割是指将图像中具有特殊意义的不同区域分开来，并使这些区域互不相交，且每个区域应满足特定区域
23、的一致性条件 4。图像分割是目前图像处理和模式识别中的一个重要研究领域。 图像分割作为图像处理领域中极为重要的内容之一，是实现图像分析与理解的基础。从概念上来说，所谓图像分割就是按 照一定的原则将一幅图像或景物分为若干个部分或子集的过程。图像分割也可以理解为将图像中有意义的特征区域或者需要应用的特征区域提取出来，这些特征区域可以是像素的灰度值、物体轮廓曲线、纹理特性等，也可以是空间频谱或直方图特征等。 图像分割方法又可分为结构分割方法和非结构分割方法两大类。结构分割方法是根据图像的局部区域象素的特征来实现图像分割 ， 如阈值分割、区域生长、边缘检测、纹理分析等。非结构分割法包括统计模式识别、神
24、经网络方法或其它利用景物的先验知识实现的方法等等 4。总之，图像分割可以分为图像的边缘提取和图像 的二值化二部分内容，下面我们首先来讨论一下各种常用的图像边缘提取的方法。 9 1.2 边缘及边缘检测 1.2.1 边缘 的概念 边缘是图像的最基本特征。所谓边缘 ， 是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。“边缘或许对应着图像中物体 (的边界 )或许并没有对应着图像中物体 (的边界 )， 但是边缘具有十分令人满意的性质 ,它能大大地减少所要处理的信息但 是又保留了图像中物体的形状信息 ” 。 5边缘与图像中物体的边界有关但又是不同的。边缘反映的是图像灰度的不连续性 6。 边缘在边界检
25、测、图像分割、模式识别、机器视 觉等中有很重要的作用。 边缘是边界检测的重要基础，也是外形检测的基础 7。边缘广泛存在于物体与背景之间、物体与物体之间 ,基元与基元之间，因此它也是图像分割所依赖的重要特征。 在数字图像中， 边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。常见的边缘点有三种。第一种是阶梯形边缘 (Step-edge)， 即从一个灰度到比它高好多的另一个灰度。第二种是屋顶型边缘 (Roof-edge)， 它的灰度是慢慢增加到一定程度然后慢慢减小。还有一种是线性边缘 (Line-edge)， 它的灰度从一个 级别跳到另一个灰度级别 之后然后回来。 各种不同的边缘有不同的特征。 在大部分情况下 ,我们都是把图像的边缘全部看作是阶梯形边缘 ， 然后求得检测这种边缘的各种最优滤波器 ， 然后用在实践中。 图 1-1 边缘的类型
