2022年VC图像边缘检测算法研究报告与比较.docx

《2022年VC图像边缘检测算法研究报告与比较.docx》由会员分享，可在线阅读，更多相关《2022年VC图像边缘检测算法研究报告与比较.docx（29页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、个人资料整理仅限学习使用目录基于 VC的图像边缘检测算法的讨论与比较摘要图像的边缘是图像最基本的特点，它是灰度不连续的结果；图像分析和懂得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削减了数据量，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成效 , 分析了它们各自的特点 , 对学习边缘检测和详细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, 比较讨论 ,VCComparison AndAnalysis ForIm

2、ageEdgeDetection Algorithms Based On VCAbstractEdge 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 r

3、educes 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 ef

4、fect 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个人资料整理仅限学习使用第一章绪论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，为了使运算机能够

5、记录和处理图像、图形，必需第一使其数字化；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，这是在运算机上表示的方式；一幅 MN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：11在储备数字图像时，一幅 M 行、N 列的数字图像 M N 个像素），可以用一个 M N1的二维数组 T 表示；图像的各个像素灰度值可按肯定次序存放在数组T 中 ；1.1.2 数字图像处理数字图像处理 DigitalImageProcessing）是利用运算机的运算功能，实现与光学系统模拟处理相同成效的过程；数字图像处理具有如下特点：1）处理

6、精度高，再现性好；利用运算机进行图像处理，其实质是对图像数据进行各种运算；由于运算机技术的飞速进展，运算精度和运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成效，具有良好的再现性；2）易于掌握处理成效；在图像处理程序中，可以任意设定或变动各种参数，能有效掌握处理过程，达到预期处理成效；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）图像数据量巨大；图像中包含有丰富的信息，可以通过图像处理技术猎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

7、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；就一幅1024 1024 不经压缩的真彩色图像，数据量达3MB 即 1024 1024 8bit 个人资料整理仅限学习使用3=24Mb）；如此巨大的数据量给储备、传输和处理都带来巨大的困难；假如精度及辨论率再提高，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；特殊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； 或许并没有对应着图像中物体 的边界 , 但是边缘具有特别令人中意的性质, 它能大大地削减所要处理的信息但是又保留了图像中物体的外形信息，边缘是图

8、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；边缘检测是和中的基本问题，边缘检测的目的是标识中变化明显的点；图像属性中的显著变化通常反映了属性的重要大事和变化；这些包括 斜坡型b 线状型c 屋顶型图 2.1典型边缘的一阶导数和二阶导数由上述分析可以得出以下结论：一阶导数的幅度值可以用来检测边缘的存在；通过检测二阶导数的过零点可以确定边缘的中心位置；利用二阶导数在过零点邻近的符号可以确定边缘像素位于边缘的暗区仍是亮区；另外，一阶导数和二阶导数对噪声特别敏锐，特殊是二阶导数；因此，在边缘检测之前应考虑图像平滑，减弱噪声的影 响；在数字图像处理中，常利用差分近似微分

9、来求取导数；边缘检测可借助微分算子在空间域通过模板卷积来实现；2.2 边缘检测基本思想边缘检测的基本思想是第一利用边缘增强算子, 突出图像中的局部边缘, 然后定义像素的“边缘强度” , 通过设置阈值的方法提取边缘点集；但是由于噪声和图像模糊 的缘由 , 检测到的边界可能会有间断的情形发生, 所以边缘检测包含 2 个内容 :1 用边缘算子提取边缘点集；2 在边缘点集合中去除某些边缘点并填充一些边缘点, 将得到的边缘点集连接为线；2.3 边缘检测算法2.3.1 边缘检测算法步骤边缘检测算法包含有以下四个步骤:1 滤波 边缘检测算法主要是基于图像强度的一阶和二阶导数, 但导数的运算对噪声很敏锐 ,

10、因此必需使用滤波器来改善与噪声有关的边缘检测器的性能；需要指出, 大多数滤波器在降低噪声的同时也导致了边缘强度的缺失；因此增强边缘和降低噪声之间需要折中；2 增强 增强边缘的基础是确定图像各点邻域强度的变化值, 增强算法可以将邻域 或局部 强度值有显著变化的点显现出来, 边缘增强一般是通过运算梯度幅值来完成的；3 检测 在图像中有很多点的梯度幅值比较大, 而这些点在特定的应用领域中并不都是边缘 , 所以应当用某种方法来确定哪些点是边缘点；最简洁的边缘检测判据是梯度幅值阈值判据；4 定位 假如某一应用场合要求确定边缘位置, 就边缘的位置可在子像素辨论率上来估量, 边缘的方位也可以被估量出来；2.

11、3.2 边缘检测算法流程图图像猎取滤波增强图像输出定位边缘方位检测边缘点图 2.2边缘检测流程图边缘检测流程图比较形象直观地描述了边缘检测的步骤，通过滤波、增强、检测、定位来达到边缘检测的目的；2.4 边缘检测算法中算子的分类在大部分情形下 , 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, 用于实践中；边缘检测主要是 图像的 灰度变化的度量、检测和定位；有很多种不同的边缘检测方法, 同一种方法使用的滤波器也不尽相同；边缘检测就是讨论更好的边缘检测方法和检测算子；检测出的边缘并不等于实际目标的真实边缘；由于图像数据是二维的, 而实际物体是三维的 , 从三维到二维的

12、投影必定会造成信息的丢失 , 再加上成像过程中的光照不均和噪声等缘由的影响, 使得有边缘的地方不肯定能被检测出来 , 而检测出来的边缘也不肯定代表实际边缘；这就需要我们依据不同类型的图像 , 来选取合适的边缘检测算子；就一些经典的边缘检测算子分类, 如图 2.3 ；Roberts 微分算子Sobel 微分算子基础边缘检测算子二阶导数过零点Canny 算子Prewitt 微分算子Laplace 微分算子Wallis 算子Kirsch 算子Log 算子Dog 算子图 2.3数字图像边缘检测算子分类2.5 经典边缘检测算子2.5.1 Roberts边缘检测算子1、理论基础 3Roberts边缘算子采

13、纳的是对角方向相邻的两个像素之差；从图像处理的实际成效来看，边缘定位准，对噪声敏锐； Roberts边缘检测算子是一种利用局部差分算子查找边缘的算子，它有下式给出；Roberts 算子： 31 3 2其中表示处理后点的灰度值，表示处理前该点的灰度值；是具有整数像素坐标的输入图像，平方根运算使该处理类似于在人类视觉系统中发生的是过程；该算法的算子如下：332.5.2 Sobel边缘检测算子理论基础：1 卷积卷积可以简洁的看成加权求和的过程；卷积时使用的权用一个很小的矩阵来表示，矩阵的大小是奇数，而且与使用的区域的大小相同；这种权矩阵叫做卷积核，区域中的每一个像素分别与卷积核中的每个元素相乘，全部

14、乘积之和即区域中心像素的新值；比如，对于一个3 3 的区域 p 与卷积核 k 卷积后，区域 p 的中心像素 p5 表示如下：34其中35卷积核中各元素叫做卷积系数；卷积核中卷积系数的大小、方向及排列次序打算了卷积的图像处理成效；大多数常用的卷积核都是3 3 的，全部的卷积核的行、列都是奇数；进行卷积时会遇到一些复杂的问题，第一是图像边界的问题；当在图像上逐个移动卷积核时，只要卷积核移动到了图像边界，即卷积核悬挂在图像边界上时，就会显现运算上的问题；这时在原图像上就不能完整的找到与卷积核中系数相对应的9个图像像素；解决这个问题的两个简洁方法是：或者忽视图像边界数据，或者在图像的四周复制图像的边界

15、数据；Sobel 边缘检测算子是先做加权平均再微分，然后求梯度，即3 63 73 8以下两个卷积核形成了Sobel边缘检测算子，图中的每个点都用这两个核做卷积，一个核对通常的垂直边缘影响很大，而另一个对水平边缘影响很大；边缘检测算 子的中心与中心像素相对应，进行卷积运算；两个卷积核的最大值作为该点的输出位；运算结果是一幅边缘幅度图像；在边缘检测中，Sobel算子对于像素的位置的影响做了加权，加权平均边宽像素，因此成效更好；392.5.3 Prewitt边缘检测算子理论基础以下两个卷积核形成了Prewitt边缘检测算子；同使用的Sobel算子的方法一样，图像中的每个点都用这两个核进行卷积，取最大

16、值作为输出；Prewitt边缘检测算子也产生一幅边缘增强图像；Prewitt边缘检测算子为：310除此之外，仍有 Krish边缘检测算子、拉普拉斯边缘检测算子、Canny 边缘检测算子等都是比较常用的图像边缘检测算子；个人资料整理仅限学习使用第三章Visual C+图像编程3.1 Visual C+概述VC+是开发的一个 集成开发环境 , 换句话说 , 就是使用 C+的一个开发平台；严格的来说 VC+ 不是门语言，虽然它和C+ 之间有亲密的关系，假如形象点比如的话，可以把 C+ 看作为一种“工业标准”，而VC+ 就是某种操作系统平台下的“厂商标准”，而“厂商标准”是在遵循“工业标准”的前提下扩

17、展而来的；采纳 VC+来实现图像编程的主要缘由是，与 Java 和 C#等现代编程语言相比， C+在程序运行的效率、内存使用的可控性和编程的敏捷性上具有优势；图像处理需要大量的图像数据运算，常常使用复杂、费时的算法，因此图像处理 程序的运行效率特别重要；C+代码被编译成汇编语言，可以直接在处理器上运行，效率很高；对巨大的图像数据进行处理需要使用大量的内存，而运算机的物理内存往往是有限的，因此需要有效地掌握内存的操作；C+直接掌握内存的安排和释放，这虽然很繁琐，而且简洁出错，但却能有效地掌握内存的使用；C+中大量使用指针，使得编程的敏捷性很高，便于程序员施展编程技巧来提高程序的效率 4 ；3.2

18、 VC+的特点本文介绍的 Visual C+ 是数字图像处理运动检测系统的开发工具，本运动检测系统是以 VC+为软件平台建立起来的； Visual C+ 是 Microsoft 公司推出的开发 Win32 环境程序，面对对象的可视化集成编程系统；从功能上来看，它除了继承了 MFC1.0 的全部功能外，仍增加了以下新的特性：全面支持文件的 Open、Save 和 Save As 等菜单项，并且采纳了最近才使用的文件列表形式；可以便利地进行打印和打印预显；支持滚动窗口和切分窗口 Splitter Window ）；支持工具条 Toolbar ）和状态条 Status bar ）. 能够处理 Mic

19、rosoft Visual Basic掌握；能够便利地实现上下文相关帮忙 Visual工作平台和创建过程：这是一个运行于Windows 上的交互式开发环境， 它是直接从 Microsoft QuickC for Windows演化而来的；2App Studio 资源编辑器 ： 堪称是 Windows 应用，同时它本身就是通过使用个人资料整理仅限学习使用Visual C+工具及类库编写而成的，可以对自身的资源进行编辑；3C/C+ 编译器： Visual C+的编译器可以处理 C 和 C+源代码，它通过源代码文件后缀来识别代码本身所使用的语言；4 连接器：为了生成EXE 文件， Visual C+

20、的连接器需要对编译器所生成的OBJ文件进行处理；5 资源编译器：在编译状态和联编状态都要用到资源编译器；6 调试器：为了能够对程序进行调试，在创建程序时必需设置编译器和连接器相应的选项以便产生相应的可调试信息；7AppWizard:它会依据用户通过对话框指定的特性、类名及源代码文件名来产生Windows 应用的工作构架；8ClassWizard:能够给出原型、函数体以及将消息同应用框架相联系的相应代码；9 源程序浏览器：能够使人们从类或函数的角度来明白程序；10 联机帮忙：有关WindowsSDK 参考手册及类库参考手册的全部内容都包含在Visual C+的联机帮忙中；11Windows 诊断

21、工具 ：用于对手工编制的 make 文件进行处理的 NMAKE程序；开头编译源代码编译是编译错误否链接是个人资料整理仅限学习使用图 3.1VC+运行流程图3.4 VC+与 matlab 的比较Matlab比较适合于做讨论，由于它供应了大量的算法库，只用写简简洁单的几句代码就可以完成某一算法或者某一功能，因此对于算法讨论它具有较好的优势；同时它也供应了接口供VC 使用，并且 Matlab 的开发速度比较快，见效也比较快，也比较简洁实现；但是，假如你要写应用程序的话，最好用VC，不要用 Matlab ，也不要和 Matlab集成，然后自己完成全部的算法，这样便于后续的扩展，在构建应用程序的时候也特

22、别方便，而且仍可以不断升级以适应更加复杂的情形，使用起来也更加敏捷；VC 原来就是一个功能很强大的软件，可以完成几乎全部的事情；缺点就是开发进度比较慢，特殊是对于初学者来说，需要一段时间来适应VC 的开发环境和开发理念，假如以后要跨平台了，实现起来也是很简洁的；主要看做图像处理的目的了，是讨论用仍是做工程用！假如做工程用，那就用 VC；本次毕业设计主要用 VC 来实现数字图像边缘检测算法，缘由主要有二：一是VC 使用 C+语言来实现的， C+语言与 Java 和 C#相比在程序运行效率、内存使用可控性、编程敏捷性上都具有优势；二是VC 是注意应用的，这将为今后的工作在工程的研发上打下良好的基础

23、；第四章边缘检测算子的编程实现4.1 程序运行界面个人资料整理仅限学习使用通过 VC来实现边缘检测算子的功能，先对Roberts 算子、 Sobel 算子、 Prewitt算子进行函数定义，然后再进行函数调用，从而达到边缘检测的不同成效；图 4.1程序运行界面每种算子都是在此界面下进行功能实现的，左半边显示原图，右半边实现边缘检测的实现结果；4.2 Roberts算子程序及结果实现步骤：1）取得原图的数据区指针2）开创一个和原图相同大小的图像缓冲区，并设定新图像初值为全白255）函数类型： void功能：用罗伯特算子对图像进行边缘检测void BianYuanJianCedib:RobertL

24、PBYTE p_data；/原图数据区指针int wide ,height；/原图高、宽int i,j；/循环变量int pixe4；/ Roberts算子p_data=this-Getdata；wide=this-GetWidth；height=this-Getheight；LPBYTE temp=new BYTEwide*height ； /新图像缓冲区/ 设定新图像初值为 255 Memsettemp,255, wide*height/ 由于使用 22 的模板，为防止越界，所以不处理最下边两行和最右边的两列像素forj=0；j fori=0；j/ 生成 Roberts 算子pixel0=

25、p_dataj*wide+i；pixel1=p_dataj*wide+i+1；pixel2=p_dataj+1*wide+i；pixel3=p_dataj+1*wide+i+1；/ 处理当前像素tempj*wide+i=intsqrtpixel0-pixel3*pixel0- pixel3+pixel1-pixel2*pixel1-pixel2/ 将缓冲区中的数据复制到原图数据区memcpyp_data,temp, wide*height；/ 删除缓冲区Delete temp ；调用程序：void CDynSplitView2:OnRobertclearmem；CDibNew1-Robert；

26、/调用 Robert 算子检测处理函数Invalidate；实现结果：4.3 Sobel算子程序及结果图 4.2Robert算子实现结果实现步骤：1）取得原图像的数据区指针2）开创两个和原图相同大小的图像缓冲区，将原图复制到两个缓冲区3）分别设置 Sobel 边缘检测算子的两个模板，调用Templat）模板函数分别对两个缓冲区的图像进行卷积运算；4）两个缓冲图像每个像素依次循环，取两个缓冲中各个像素灰度值较大者函数类型： void参数： BYTE*m_pdata,指向 DIB 图像指针int wide,原图像宽度int height,原图像高度int tempH,模板高度int tempW,模

27、板宽度int tempMX,模板的中心元素 X 坐标tempW-1） int tempMY,模板的中心元素 Y 坐标int i,j,k,l； /循环变量BYTE*temp=new BYTEwide*height； /新图像缓冲区/ 初始化新图像为原图像memcpytemp,m_pdata,wide*height ；float fResult； /像素值运算结果forj=tempMY ；j forj=tempMX ；j/ 运算像素值fResult=0 ；fork=0 ；kforl=0；lfResult=fResult+m_pdataj-tempMY+k*wide+i- tempMX+1*fpAr

28、rayk*tempW+1 ；/ 乘上系数fResult*=fCoef；/ 取肯定值fResult=floatfabsfResult；/ 判定是否超过 255 iffResult255/ 如超过 255，直接赋值为 255 tempj*wide+i=255；else/ 未超过 255，赋值为运算结果tempj*wide+i=intfResult+0.5；memcpym_pdata,temp,wide*heightdelete temp ； /复制处理后的图像sobel 水平和垂直边缘检测函数名称： Sobel函数类型： void功能：用 Sobel 算子对图像进行水平和垂直边缘检测void Bi

29、anYuanJianCedib:SobelLPBYTE p_dataint wide ,height；/原图数据区指针原图高、宽int i,j；int tempH ；/循环变量模板高度int tempW ；int tempC ；/模板宽度模板系数int tempMY ；/模板中心元素Y 坐标int tempMX ；float template9/；模板中心元素/模板数组X 坐标p_data=this-Getdata；wide=this-GetWidth；height=this-GetHeight；LPBYTE temp1=new BYTEwide*height ； /新图像缓冲区LPBYTE

30、temp2=new BYTEwide*height ； /新图像缓冲区/ 复制原图像到缓冲图像memcpytemp1,p_data, wide*height；memcpytemp2,p_data, wide*height；/ 设置 Sobel 模板参数tempW=；3 tempH=3；tempC=1.0；tempMY=；1 tempMX=；1Template0=-1.0；Template1= -2.0；Template2= -1.0；Template3=0.0；Template4= 0.0；Template5= 0.0；Template6=1.0；Template7= 2.0；Template

31、8= 1.0；/ 调用 Templat 函数Templat temp1,wide,height,tempH,tempW,tempMX,tempMY,Template,tempC；/ 设置 Sobel 模板参数Template0=-1.0；Template1= 0.0；Template2= 1.0；Template3=-2.0；Template4= 0.0；Template5= 2.0；Template6=-1.0；Template7= 0.0；Template8= 1.0；/ 调用 Templat 函数Templat temp1,wide,height,tempH,tempW,tempMX,t

32、empMY,Template,tempC ；/ 求两幅缓冲图像的最大值forj=0 ；j fori=0 ；iiftemp2j*wide+itemp1j*wide+i temp1j*wide+i=temp2j*wide+i；memcpyp_data,temp1,wide*height； /复制处理后的图像/ 删除缓冲区delete temp1 ；delete temp2 ；调用程序：void CDynSplitView2:OnSobelclearmem；CDibNew1-Sobel；/调用 Sobel 算子检测处理函数Invalidate；个人资料整理仅限学习使用实现结果：图 4.3Sobel算

33、子实现结果4.4 Prewitt算子程序及结果实现步骤1）取得原图像的数据区指针2）开创两个和原图相同大小的图像缓冲区，3）分别设置 Prewitt边缘检测算子的两个模板，调用Templat）模板函数分别对两个缓冲区的图像进行卷积运算；4）两个缓冲图像每个像素依次循环，取两个缓冲中各个像素灰度值较大者5）将缓冲区的图像复制到原图数据区编程实现：函数名称： PrewittGetdata；wide=this-GetWidth；height=this-GetHeight；LPBYTE temp1=new BYTEwide*height ；/新图像缓冲区LPBYTE temp2=new BYTEwid

34、e*height ；/新图像缓冲区/ 复制原图像到缓冲图像memcpytemp1,p_data, wide*height；memcpytemp2,p_data, wide*height；/ 设置 prewitt模板 1 参数tempW=3； tempH=3；tempC=1.0；tempMY=；1 tempMX=；1Template0=-1.0；Template1= -1.0；Template2= -1.0；Template3=0.0；Template4= 0.0；Template5= 0.0；Template6=1.0；Template7= 1.0；Template8= 1.0；/ 调用 Templat；/ 设置 Prewitt模板 2 函数Template0=1