4。1 Edge 函数 17

4。2 经典算子的对比 18

4。3 Sobel 算子和改进后的 Sobel 算子对比 21

总 结 23

参 考 文 献 24

致 谢 25

1 绪论

1。1 课程设计选题的背景及意义

研究数字图像时，人们有时候只对图像的一小部分感兴趣，为了有效辨识和更好的去 分析理解目标，便需要将感兴趣的部分提取分离，并以此为基础进一步的利用。图像分割 是把感兴趣的目标按照各自的特点进行分离，并提取出该部分的技术和过程。这个过程离 不开最基础的边缘检测。

边缘指的是其周围像素灰度急剧变化的那些像素的集合，包含了用于识别的有用信 息，是图像的一个重要特征。边缘检测是数字图像处理中的关键技术之一，图像边缘检测 能大幅度地减少数据量，去除可被认为不相关的一些信息，将图像中重要的结构特征提取 出来。通过对人们视觉系统的研究发现，视觉系统能帮助人们从外界获得大部分的信息， 一般情况下，人类凭借一条粗略的轮廓线就可以识别一个物体。论文网

在学习和日常中，数字图像的边缘检测应用领域涉及到各个方面，如：工程领域、医 学方面、军事方面。通过分析数字图像，可以清楚地知道机械焊缝、针织物的瑕疵点、木 材内部的缺陷检测等信息。这些实际应用无不显示着数字图像边缘检测的重要性。

1。2 发展现状及趋势

数字图像处理能够帮助人类延续视觉，更加深层次的挖掘一个图像所蕴含的信息[1]。 如，借助CT可以看到物体内部的断层图像；借助一些软件可以看到例题图像和解剖图像。 随着计算机技术的快速发展，图像处理从最早的初创期开始走到现在开始变为实用化期， 这些变化也在推动着边缘检测的发展,研究数字图像的方法推陈出新，不断地涌现出新理 论、新方法，学术界思想活跃，一直都有值得研究的热点内容。刚开始的一些比较经典的 检测方法，如Sobel、Roberts、Prewitt、Kirsch和Laplacian等，但是,这些算子的抗噪声干扰 能力较差，他们的实际处理效果具有局限性，导致检测边缘的结果并不尽人意。1986年， John Canny开发出来一个多级边缘检测算法——Canny算子［2 － 3］，找到一个最优的边缘检测 算法，此算法满足最优检测、最优定位准则、监测点与边缘点一一对应的三个准则，边缘 检测得到了更进一步的发展。近年来，计算机技术和数学发展迅速，又不断出现新的理论， 比如广义模糊算子、数学形态学等。图像处理向着网络化、复杂化、高速化发展。

2 边缘检测的基本概述

2。1 边缘检测概述

图像的边缘指的是图像中局部灰度变化最明显的部分，它存在于目标、背景、区域之

间，是图像最基础的特征之一。边缘信息更有利于量化和比较，所以更适合检测和定位图 像中的物体位置。边缘大致可以分成两种，一是阶跃性边缘，二是屋顶状边缘。分类的依 据是边缘两边像素的灰度值变化情况，边缘两边的灰度值明显不一样的是阶跃状边缘，而 屋顶状边缘则是处于灰度值变化的增加和减少的交界处。