Canny边缘检测分析毕业论文目录引言 (1)第一章图像分割与边缘检测 (2)1.1图像分割简介 (2)1.2图像分割定义 (2)1.3图像分割基本原理 (3)第二章基于边界的分割——边缘检测 (6)2.1边缘的类型 (6)2.2边缘的类型 (6)2.3边缘的判定 (7)第三章常见边缘检测算法的研究与分析 (9)3.1边缘检测过程概述 (9)3.2典型一阶边缘检测算子 (9)3.2.1梯度算子 (10)3.2.2 Roberts边缘算子 (10)3.2.3 Sobel算子 (11)3.2.4 Prewitt算子 (13)3.3 典型二阶边缘检测算子 (14)WORD版本.3.3.1 Laplacian算子 (14)3.3.2 LOG算子 (16)3.4 各边缘检测算子的仿真结果分析 (18)第四章 Canny边缘检测算子 (20)4.1 Canny边缘检测基本原理： (20)4.2 Canny边缘算子评价指标： (20)4.2.1 Canny提出检测三准则【5】 (20)4.2.2边缘检测滤波器对性能指标的影响【10】 (22)4.2.3 尺度对性能指标的影响【10】 (23)4.3 Canny边缘检测流程 (24)4.4 Canny边缘检测仿真结果及分析 (28)第五章 Canny算子改进 (29)5.1对传统Canny算法局限性分析 (29)5.2滤波改进 (30)5.3阈值改进——自适应的阈值 (31)5.3.1最大熵原算法过程 (31)5.3.2最大熵算法的改进 (32)5.4改进的Canny算法的仿真实验 (33)第六章本实验结果及展望 (36)6.1 本算法的实验结果 (36)WORD版本.6.2实验结果分析 (39)6.3 展望 (39)结论 (40)致谢 (41)参考文献 (42)WORD版本.WORD版本.引言20世纪20年代，图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量，20世纪60年代中期，随电子计算机的发展得到普遍应用。

60年代末，图像处理技术不断完善，逐渐成为一个新兴的学科。

经过几十年的研究与发展，数字图像处理的理论和方法进一步完善，应用围更加广阔，已经成为一门新兴的学科，近几年来，随着计算机和各个相关领域研究的迅速发展，科学计算可视化、多媒体技术等研究和应用的兴起，数字图像处理从一个专门领域的学科，变成了一种新型的科学研究和人机界面的工具。

在实际图像边缘检测问题中，图像的边缘作为图像的一种基本特征，经常被应用到较高层次的图像应用中去。

它在图像识别，图像分割，图像增强以及图像压缩等的领域中有较为广泛的应用，也是它们的基础。

经典的边界提取技术大都基于微分运算。

首先通过平滑来滤除图像中的噪声，然后进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阈值来提取边界。

本文主要介绍几种经典的边缘提取算法，然后用MATLAB语言编程实现，并对Canny算子进行改进。

WORD版本.第一章图像分割与边缘检测1.1图像分割简介图像分割(image segmentation)就是把图像分成各个具有特性的目标区域的技术和过程，这个特性可以使迅速的灰度、颜色、纹理等，如将一副照片分割成公路、湖泊、森林、住宅等区域。

若仅对其中目标感兴趣，还可以通过分割把背景去除，提取目标。

图像分割是从低层次图像处理到较高层次图像分析、更高层次图像理解的关键步骤。

图像在分割后的处理，如图像描述、特征提取、目标识别等都依赖于预想分割的效果，所以分割被视为图像处理中的瓶颈，具有十分重要的地位和研究价值。

一方面，图像分割高于一般意义上的图像处理，研究对象通常是目标所在的区域或者是目标的特征，并非单个像素灰度值；另一方面，由于图像分割、目标分割、特征提取和参数测量都是将原始图像转化为更抽象、更紧WORD版本.WORD 版本 .凑的形式，使得更高层的分析和理解成为可能。

所以，图像描述（image description ）也是图像分析中一个底层而关键的步骤【1】。

图像分割技术在实际中已得到广泛的应用。

例如在工业自动化，在线产品检测、生产过程控制，文档图像处理，生物医学图像分析，保安监视，以及军事、农业工程等方面。

概括来说，在各种图像应用中，只要需对图像目标进行提取、测量等都离不开图像分割。

近年来，图像分割在对图像的编码中也起到越来越重要的作用，例如国际比澳洲MPEG-IV 中的模型基/目标基编码等都需要基于分割的结果【2】。

1.2图像分割定义图像分割一般是指通过对图像的不同特征（如边缘、纹理、颜色、亮度等）的分析，达到将图像分割成各具特征的区域，并提取出感兴趣目标的技术和过程，可以用数学语言较为严格地描述为【3】：设R 代表整个图像区域，对R 的分割可看作将R 分成若干个满足以下5个条件的非空子集(子区域)R1,R2,…,Rn 。

（1）1=ni i R R =。

即分割成的所有子区域的并应能构成原来的区域R 。

（2）对于所有的i 和j 及i ≠j ，有 ij R R =∅ 。

即分割成的各子区域互不重叠。

（3）对于i=1,2,…,n ；有P(R i )=TRUE 。

即分割得到的属于同一区域的像素WORD版本应具有某些相同的特性。

（4）对于i≠j，有P(R i∪R j)=FALSE。

即分割得到的属于不同区域的像素应具有不同的性质。

（5）对于i=1,2,…,n；R i是连通的区域。

即同一子区域的像素应当是连通的。

上述关于图像分割的定义也是一种比较通用的参考描述，至今也没有一个图像分割的严格、公认的定义，因为图像分割理论、技术和应用哈处在不断发展的进程中，还有很多问题尚未得到很好的认识和解决【1】。

1.3图像分割基本原理图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合【3】。

如不同目标物体所占的图像区域、前景所占的图像区域等；连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径；对于离散图像而言，连通有4连通和8连通之分，如下图所示：·4连通指的是从区域上一点出发，可通过4个方向，即上、下、左、右移动的组合，在不越出区域的前提下，到达区域的任意像素；·8连通方法指的是从区域上一点出发，可通过左、右、上、下、左上、右上、左下、右下这8个方向的移动组合来到达区域的任意像素。

(a)(b)和所有复杂事物的分类一样，图像分割可以从不同的角度和特征进行分类，存在多种分类方法，现列举如下【1】：1、根据分割过程中运算策略的不同，可把图像分割分为并行分割算法和串行分割算法两类。

2、根据实现技术的不同，可把图像分割分为基于图像直方图的分割技术（阈值分割、聚类等）、基于边界的分割技术（边缘检测等）、基于区域的图像分割技术（区域生长等）。

3、格局应用要求的不同，图像分割可分为粗分割、细分割两大类。

4、根据分割对象的属性不同，图像分割可分为灰度图像分割和彩色图像分割。

5、根据是否借助一定区域像素灰度变换模式，图像分割可分为纹理图像分割和非纹理分割。

6、根据分割对象的状态不同，图像分割可分为静态图像分割和动态图像分割。

目前已经提出的图像分割方法很多，综合各种方法的实质，图像分割有三种不同的途径【4】：WORD版本.1）基于边界的图像分割这种方法先检测图像边界，再连接目标边界的轮廓线。

但在边界检测前，往往采用滤波器（如高斯低通滤波器）来减少噪声影响，然后再进行边缘检测。

常用的边缘检测算子有Roberts算子，Sobel算子，Prewitt算子， Laplacian 算子，LOG算子等。

2）基于阈值的图像分割这是一种较为简单、使用广泛的基于图像直方图的分割方法，经常用于背景和目标的灰度差别较大、可以较好区分的场合。

图像直方图是一种像素灰度加噪声的概率密度分布，分割问题实际上就是像素分类的参数估计问题，易受噪声和像素灰度分布的波动影响。

3）基于区域的图像分割这种方法的目的是检测满足特定预设条件的区域。

使用较多的是区域增长法、区域分裂合并法和分水岭算法等。

在不少基于区域的分割算法中，首先分割出来的是很多差别不大的小区域，需要进一步按照一定的一致性要求实现小区域的合并，形成最终的分割。

上述3种基本的图像分割既可单独使用，也可综合使用，如综合基于边界和基于区域的分割技术来提高分割精度。

除了这些基本方法外，近年来出现的一些图像分割新技术，如基于支持向量机（SVM）、人工神经网络、信号稀疏分解等图像分割算法等。

本文重点研究综合基于边界和基于区域的分割技术来提高分割精度的分割WORD版本.方法，也正是基于此对Canny算子进行改进。

第二章基于边界的分割——边缘检测2.1边缘的类型目前，具有对边缘的描述性定义，即两个具有不同灰度的均匀图像区域的边界，即边界反映局部的灰度变化。

局部边缘是图像中局部会聚集以简单（即单调）的方式做极快变换的小区域。

这种局部变化可用一定窗口运算的边缘检测算子来检测。

边缘的描述包含以下几个方面【4】：1、边缘法线方向——在某点灰度变化最剧烈的方向，与边缘方向垂直；2、边缘方向——与边缘法线方向垂直，是目标边界的切线方向；3、边缘强度——沿边缘法线方向图像局部的变化强度的量度。

一般认为沿边缘方向的灰度变化比较平缓，而边缘法线方向的灰度变化比较剧烈。

图像上的边缘点可能对应不同的物理意义。

1）空间曲面上得不连续点。

这些边缘线为两个不同曲面或平面的交线，该WORD版本.WORD 版本 .点处物体表面的法线方向不连续。

2）物体与背景的分界线。

3）不同材料组成的边缘线。

由于它们对光的反射系数不同，因此边缘线的两侧灰度具有明显差别。

4）阴影引起的边缘。

由于物体表面某一部分被另一物体遮挡，使得它得不到光源的照射或照射不充分，从而引起边缘点两侧灰度值有较大的差异。

2.2边缘的类型四种常见的图像边缘类型如下：第一种是斜坡边缘，就是从一个灰度值跳到比它高的另一个灰度值，边缘的特征一般用其高度、倾斜角和斜坡中点的水平坐标值来表述。

第二种是阶跃型边缘，如果斜坡边缘的倾斜角为90度时，此时对应的边缘就称为阶跃边缘，在数字图像处理中，阶跃边缘一般不存在。

第三种是屋顶型边缘，其灰度值先逐渐增加再逐渐减小。

第四种是线性边缘，也称为脉冲边缘，从一个灰度值变到另一个灰度值再变回原来的，具体的如下图所示。

(a)斜坡边缘 (b)阶梯边缘 (c)屋顶边缘 (d)线性边缘图2.1 边缘类型2.3边缘的判定由此可见，边缘表现为灰度值不连续，在数学中不连续特性可以用函数的一阶导数和二阶导数来检测。

以下是阶跃、脉冲、屋顶型边缘的导数图形表示。

图2.2 图像边缘和对应的导数示例图2.2（a）中，对剖面图进行一阶求导，可以看出在图像灰度值由低到高变化时有一个阶跃，而在其他地方为零。