目录
摘要 III
Abstract IV
第一章 绪论 - 1 -
1.1数字图像基础 - 1 -
1.1.1数字图像概述 - 1 -
1.1.2数字图像处理 - 1 -
1.2边缘检测介绍 - 2 -
第二章 图像边缘检测 - 3 -
2.1边缘检测 - 3 -
2.1.1边缘检测概念 - 3 -
2.1.2微分算子 - 3 -
2.2边缘检测基本思想 - 4 -
2.3边缘检测算法 - 5 -
2.3.1边缘检测算法步骤 - 5 -
2.3.2边缘检测算法流程图 - 5 -
2.4边缘检测算法中算子的分类 - 5 -
2.5经典边缘检测算子 - 6 -
2.5.1 Roberts边缘检测算子 - 6 -
2.5.2 Sobel边缘检测算子 - 7 -
2.5.3 Prewitt边缘检测算子 - 8 -
第三章 Visual C++图像编程 - 10 -
3.1用C++实现图像处理编程的原因 - 10 -
3.2 VC++的特点 - 10 -
3.3 VC++的组成 - 11 -
3.4 VC与matlab的比较 - 12 -
第四章 边缘检测算子的编程实现 - 14 -
4.1程序运行界面 - 14 -
4.2 Roberts算子程序及结果 - 14 -
4.3 Sobel算子程序及结果 - 17 -
4.4 Prewitt算子程序及结果 - 23 -
4.5结果分析与比较 - 27 -
第五章 边缘检测技术的发展及应用 - 29 -
5.1新的边缘检测方法 - 29 -
5.1.1小波变换和小波包的边缘检测方法 - 29 -
5.1.2基于数学形态学的边缘检测方法 - 29 -
5.2边缘检测技术的应用 - 30 -
5.2.1边缘检测在储粮害虫方面的应用 - 30 -
5.2.2图像边缘检测技术在电厂中的应用 - 31 -
结语 - 33 -
参考文献 - 34 -
致谢 - 35 -
基于VC的图像边缘检测算法的研究与比较
摘要
图像的边缘是图像最基本的特征,它是灰度不连续的结果。图像分析和理解的第一步是边缘检测,因此边缘检测在图像处理中有着重要的作用。图像边缘检测大幅度地减少了数据量,并且剔除了可以认为不相关的信息,保留了图像重要的结构属性。
本文介绍了三种经典的图像边缘检测算子,并且运用强大的VC软件通过一个图像边缘检测的例子比较了它们的检测效果,分析了它们各自的特点,对学习边缘检测和具体工程应用具有很好的参考价值。
关键词: 图像处理,边缘检测, 算子,比较研究,VC
Comparison And Analysis For Image Edge Detection Algorithms Based On VC
Abstract
Edge is the most basic feature of the image, it is the result of discontinuous gray. The first step in image analysis and understanding is edge detection, so edge detection plays an important role in image processing. Image edge detection significantly reduces the amount of data and removes irrelevant information,retains the important structural properties of images.
This article describes three types of classical edge detection operators, and the use the powerful software called VC to do the edge detection through a comparison of examples of the effect of their detection, analysis the characteristics,this is good reference value for their learning edge detection and application of specific projects.
Key Words: Image processing ,Edge detection ,Operator ,Comparative Study ,VC
第一章 绪论
1.1数字图像基础
1.1.1数字图像概述
人眼能识别的自然景象或图像原也是一种模拟信号,为了使计算机能够记录和处理图像、图形,必须首先使其数字化。数字化后的图像、图形称为数字图像、数字图形,一般也简称为图像、图形。
数字图像可以看成一个矩阵,或一个二维数组,这是在计算机上表示的方式。一幅M×N个像素的数字图像,其像素灰度值可以用M行、N列的矩阵[G]表示:
(1-1)
在存储数字图像时,一幅M行、N列的数字图像(M×N个像素),可以用一个M×N的二维数组T表示。图像的各个像素灰度值可按一定顺序存放在数组T中[1]。
1.1.2数字图像处理
数字图像处理(Digital Image Processing)是利用计算机的计算功能,实现与光学系统模拟处理相同效果的过程。数字图像处理具有如下特点:
(1)处理精度高,再现性好。利用计算机进行图像处理,其实质是对图像数据进行各种运算。由于计算机技术的飞速发展,计算精度和计算的正确性都毋庸置疑;另外,对同一图像用相同的方法处理多次,也可得到完全相同的效果,具有良好的再现性。
(2)易于控制处理效果。在图像处理程序中,可以任意设定或变动各种参数,能有效控制处理过程,达到预期处理效果。这一特点在改善图像质量的处理中表现更为突出。
(3)处理的多样性。由于图像处理是通过运行程序进行的,因此,设计不同的图像处理程序,可以实现各种不同的处理目的。
(4)图像数据量庞大。图像中包含有丰富的信息,可以通过图像处理技术获取图像中包含的游泳的信息,但是,数字图像的数据量具大,一幅数字图像是由图像矩阵中的像素组成的,通常每个像素用红、绿、蓝三种颜色表示,每种颜色用8bit表示灰度级。则一幅1024×1024不经压缩的真彩色图像,数据量达3MB(即1024×1024×8bit×3=24Mb)。如此庞大的数据量给存储、传输和处理都带来巨大的困难。如果精度及分辨率再提高,所需处理时间将大幅度增加。
(5)处理费时。由于图像数据量大,因此处理比较费时。特别是处理结果与中心像素邻域有关的处理过程花费时间更多。
(6)图像处理技术综合性强。数字图像处理涉及的技术领域相当广泛,如通信技术、计算机技术、电子技术、电视技术等,当然,数学、物理学等领域更是数字图像处理的基础。
1.2边缘检测介绍
图像的边缘对人的视觉具有重要意义,一般而言,当人们看见一个有边缘的物体的时候,首先感觉到的便是边缘。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,灰度或结构等信息的突变处成为边缘。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,边缘是图像的最基本特征。
边缘在边界检测、图像分割、模式识别、机器视觉等中有很重要的作用。边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括(i)深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。边缘检测是图像处理和计算机视觉中,尤其是特征提取中的一个研究领域。
图像边缘检测大幅度地减少了数据量,并且剔除了可以认为不相关的信息,保留了图像重要的结构属性。
第二章 图像边缘检测
2.1边缘检测
2.1.1边缘检测概念
图像的边缘是图像最基本的特征,它是灰度不连续的结果。通过计算一阶导数或者二阶导数可以方便检测出图像中每个像素在其领域内的灰度变化,从而检测出边缘。图像中具有不同灰度的相邻区域之间总存在边缘。常见的边缘类型有斜坡型、线状型和屋顶型。阶跃型边缘是一种理想的边缘,由于采样等缘故,边缘处总有一些模糊,因而边缘处会有灰度斜坡,形成了斜坡边缘。斜坡边缘的坡度与被模糊的程度成反比,模糊程度高的边缘往往表现为厚边缘。线状型边缘有一个灰度突变,对应图像中的细线条;而屋顶型边缘两侧的灰度坡度相对平缓,对应粗边缘[2]。
2.1.
上一篇:
基于VC和SQL数据库的通讯录系统研究(2003doc)
下一篇:
采用VC的伺服电机控制毕业论文(2003doc)