课程实验报告
2017 - 2018学年一学期
课程名称：计算机视觉及应用
实验名称：滤波和边缘检测
班级：
学生姓名: 学号:
实验日期: 地点:
指导教师:
成绩评定: 批改日期:
4)在给定的图片上面添加噪声，然后在进行边缘检测。

实验步骤及方法算子边缘检测的原理
对原始图像进行灰度化
Canny算法通常处理的图像为灰度图，因此如果摄像机获取的是彩色图像，那首先就得进行灰度化。

对一幅彩色图进行灰度化，就是根据图像各个通道的采样值进行加权平均。

以RGB格式的彩图为例，通常灰度化采用的方法是Gray=++。

对图像进行高斯滤波
图像高斯滤波的实现可以用两个一维高斯核分别两次加权实现，也可以通过一个二维高斯核一次卷积实现。

1）高斯核实现
2）图像高斯滤波
通常滤波和边缘检测是矛盾的概念，抑制了噪声会使得图像边缘模糊，这回增加边缘定位的不确定性；而如果要提高边缘检测的灵敏度，同时对噪声也提高了灵敏度。

用一阶偏导的有限差分来计算梯度的幅值和方向
其x向、y向的一阶偏
导数矩阵，梯度幅值以及梯度方向
对梯度幅值进行非极大值抑制
图像梯度幅值矩阵中的元素值越大，说明图像中该点的梯度值越大，但这不能说明该点就是边缘（这仅仅是属于图像增强的过程）。

在Canny算法中，非极大值抑制是进行边缘检测的重要步骤，通俗意义上是指寻找像素点局部最大值，将非极大值点所对应的灰度值置为0，这样可以剔除掉一大部分非边缘的点。

用双阈值算法检测和连接边缘
Canny算法中减少假边缘数量的方法是采用双阈值法。

选择两个阈值（关于阈值的选取方法在扩展中进行讨论），根据高阈值得到一个边缘图像，这样一个图像含有很少的假边缘，但是由于阈值较高，产生的图像边缘可能不闭合，未解决这样一个问题采用了另外一个低阈值。

在高阈值图像中把边缘链接成轮廓，当到达轮廓的端点时，该算法会在断点的8邻域点中寻找满足低阈值的点，再根据此点收集新的边缘，直到整个图像边缘闭合。

2.中值滤波原理
通过从图像中的某个采样窗口取出奇数个数据进行排序
用排序后的中值取代要处理的数据即可
实验数据分析及处理示例图片角点检测情况：
图一图二
图一为示例图像加入椒盐噪声的图片。

图二是用中值滤波后的图片。

图三图四
图五图六
图三为将原图像进行灰度化后的图片，图四为在灰度图片上面用canny算子进行边缘提取的图片
图五为将在灰度图片上面进行边缘提取后的图片夹到原图像的结果，图六为使用了sobel算子进行边缘提取的结果
图七图八
图九
图七为加入sigma=的高斯白噪声后，利用canny算子进行的轮廓提取。

图八为加入sigma=的高斯白噪声后，利用canny算子进行的轮廓提取。

图九为加入sigma=的高斯白噪声后，利用sobel算子进行的轮廓提取
实验结果分析
(1)通过这次实验，我们能够看出中值滤波对过滤椒盐噪声的效果很好，主要是因为椒盐噪声的黑白的值为255和0，通过中值滤波能够较好的过滤出里面的噪声。

（2）通过使用canny算子和sobel算子对所给的图像进行边缘提取，我们能够看到canny算子在边缘提取中，效果比使用sobel 算子进行边缘提取的效果好。

（3）通过这次实验，我们能够看出当加入sigma=的高斯噪声时效果比加入sigma=的高斯噪声时效果的边缘提取效果好。

主要是。