基于matlab的图像形状分类器设计

编 号：

审定成绩：

重庆邮电大学 毕业设计（论文）

设计（论文）题目：

学 院 名 称 ： 学 生 姓 名 ： 专 业 ： 班 级 ： 学 号 ： 指 导 教 师 ： 答辩组 负责人 ：

自动化学院

填表时间： 2016 年 月 重庆邮电大学教务处制

重庆邮电大学本科毕业设计（论文）

摘 要

随着计算机技术的发展，图像处理作为一种兴起的学科分支受到了国类外学者的高度关注，图像处理由于其应用范围方法的特点的到了较快的发展，现已分布到医疗、公共安全等各个领域，所以对数字图像的研究具有重大意义。数字图像中携带者大量的图像信息，我们对其处理的工程中，不仅要关注信息提取的精度，还要注重处理的速度。因此，找到一种合适的算法，能够高效精确得对图像进行边缘检测与提取显得尤为重要。Matlab软件中包含强大的图像处理程序和图形展示界面，用户通过运行程序，不仅能够对图像的操作有直观的认识，还能自由的对程序进行修改，在图像处理研究方面具有重要的地位。

本文主要结合Matlab软件来进行图像形状分类器的设计，通过编写程序，设置了六种不同的边缘提取算子，对不同类型的图像边缘进行提取，实验结果表明，选取合适的边缘提取算子及其重要，以上六种算法都能够成功识别出三角形，正方形，圆行边界，但是有些算法存在边缘凸起问题，prewitt算子在在识别各种边界时都表现出很好的效果。

【关键词】MATLAB；数字图像处理；图像形状；图像分类

- I -

重庆邮电大学本科毕业设计（论文）

ABSTRACT

With the development of computer technology, image processing as a discipline branch of rise by countries outside class the attention of scholars, the methods of image processing because of its range of application of the rapid development, has now been distributed to the health, public security and other fields, so the study of digital image is of great significance. Carried a large amount of image information in digital image, in our engineering for its processing, should not only pay attention to the accuracy of information extraction, but also pay attention to the speed of processing. Therefore, to find a suitable algorithm, can effective accurate is particularly important for image edge detection and extraction. Matlab software contains powerful image processing and graphic display interface, the user to run the program, not only can have the direct-viewing understanding, to the operation of the image can also be free to modify the program, has an important position in the image processing research.

In this paper, combined with Matlab software for image shape classifier design, through the program, set up six different edge detection operator, for different types of image edge extraction, the experimental results show that the selection of suitable edge detection operator and its important, more than six kinds of algorithms are successfully identified triangle, square, circle line boundary, but some problems edge projection algorithm, prewitt operator showed good effect in identifying various boundary.

【Key words】MATLAB; Digital Image Processing; Image shape; Image Classification

- II -

重庆邮电大学本科毕业设计（论文）

目 录

前 言 .................................................................................................................................................. 1 第一章 图像分类器概述 .................................................................................................................. 2 第一节 图像的定义 .......................................................................................................................... 3

一、图像边缘 .............................................................................................................................. 3 二、图像形状 .............................................................................................................................. 3 第二节 图像边缘检测 ...................................................................................................................... 5

一、边缘检测的主要内容 .......................................................................................................... 5 二、边缘检测的应用 .................................................................................................................. 6 第三节 国内外研究现状 .................................................................................................................. 7 第四节 论文主要内容及章节安排 .................................................................................................. 8 第二章 数字图像处理方法 .............................................................................................................. 9 第一节 数字图像的预处理 .............................................................................................................. 9

一、数字图像 .............................................................................................................................. 9 二、采样 .................................................................................................................................... 11 三、量化 .................................................................................................................................... 12 四、采样、量化和图像细节的关系 ........................................................................................ 12 第二节 形状特征及其描述方法 .................................................................................................... 12

一、形状特征 ............................................................................................................................ 12 二、几种典型的形状特征描述方法 ........................................................................................ 14 第三节 几种不同的度量 ................................................................................................................ 14

一、矩形度 ................................................................................................................................ 14 二、圆形度 ................................................................................................................................ 15 三、矩 ........................................................................................................................................ 15 四、不变矩 ................................................................................................................................ 15 第三章 边缘检测与提取方法 ........................................................................................................ 16 第一节 边缘检测 ............................................................................................................................ 16

一、边缘检测准备条件 ............................................................................................................ 16 二、边缘检测基本步骤 ............................................................................................................ 17 第二节 边缘提取 ............................................................................................................................ 18 一、边缘提取的步骤 ................................................................................................................ 18 第三节 边缘提取的常用算子 ........................................................................................................ 19

一、Roberts边缘算子 .............................................................................................................. 19 二、Sobel边缘算子.................................................................................................................. 19 三、Prewitt边缘算子 ............................................................................................................... 20 四、Laplacian边缘算子 ........................................................................................................... 20

- III -

重庆邮电大学本科毕业设计（论文）

五、Log边缘算子 .................................................................................................................... 21 六、Canny边缘算子 ................................................................................................................ 23 第四章 算法的选择和实现 ............................................................................................................ 26 第一节 边缘检测与识别算法 ........................................................................................................ 26 第二节 仿真实验及结果分析 ........................................................................................................ 29

一、仿真实验 ............................................................................................................................ 29 二、结果分析 ............................................................................................................................ 32 结 论 ................................................................................................................................................ 33 致 谢 ................................................................................................................................................ 35 参考文献 ............................................................................................................................................ 36 附录 .................................................................................................................................................... 37

- IV -

重庆邮电大学本科毕业设计（论文）

行。图像增强和复原是要改变图像本身的性质，消除图像中的杂波，提出图像中不好的成分，从而实现增强图像质量的目的。

（5）图像分类，作为模式识别的一部分,它的主要内容是经过图像预处理，图像分割，特征提取，分类判断。图像分类使用经典的模式识别方法，统计模式分类和句法模式识别，近年来新的模糊模式识别和人工神经网络模式识别在图像识别中也越来越多的关注。

（6）图像变换，由于图像阵列很大,直接处理空间领域的涉及大量的计算。因此，通常使用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换间接处理技术，将空间变换域处理，不仅可以减少计算量，可以获得更多的有效的治疗(如傅里叶变换在数字滤波器在频域)。新兴研究小波变换在时域和频域具有良好的定位特性，它在图像边缘检测也有广泛而有效的应用。

二、边缘检测的应用

边缘检测的应用范围尤其广泛，已经波及到各个领域的各个方面，充分影响着人类的生产与生活。由于人的工作方式是不断改变的，其研究了领域也是不断扩大的，所以边缘检测的运用范围也是无止境的。数字图像边缘检测作为图像处理的一个分支，最早是在1952年发展起来的，它的发展有当时的计算水平息息相关。边缘检测的应用范围相当广泛，其主要表现在以下方面：

（1）航天和航空技术方面的应用，数字图像边缘检测技术在航空和航天技术应用中，除了月球，火星，照片处理，另一方面是遥感和卫星遥感技术的应用在飞机。末以来，美国和一些国际组织发起了一项资源遥感卫星(陆地卫星系列)和太空实验室(如太空实验室)，由于飞机位置和态度在成像条件下，环境条件和其他因素，图像质量并不总是很高。现在配备了先进的计算机系统读取图像边缘检测的分析首先提取图像边缘，缩减了人工并增强了效率，还可以从图片中获取人工不能获取众多有效信号。

（2）生物医学工程方面的应用，例如X光技术，工作人员能够通过X光照片来分析人体的结构，清晰的判断病人生病的地点，其基本原理就是成功运用到了边缘检测方法，精确地提取出人体各个器官的边缘，这为给我们医学方向做出去非常大的贡献，对于人类也是一种福音。

（3）公安军事方面的应用，就目前来说，最广泛的应用就是在识别领域的运用，如人脸识别，由于每个人的人脸轮廓是不同的，所以相关机关能够通过采集城市摄像头中的图像来对犯罪人员的人脸进行匹配，有助于成功抓获犯

- 6 -

重庆邮电大学本科毕业设计（论文）

罪分子，不仅如此，我们还可以对犯罪分子的车牌进行匹配，成功定位到犯罪分子的活动范围，同样有利区国防安全。

（4）交通管理系统的应用，其应用体现到了多个方面，如今，各类地图的流行，如百度地图能够成功定位到哥各个路段的边线，各个路口的轮廓，如果人们都利用百度地图进行定位，我们就可以实时的观察到每个路段的交通信息，这样极大地方便了人们的出行，同时车辆可以根据地图信息巧妙的避开拥挤路段，充分节约了我们的时间。

视频交通流检测和车辆识别系统是一种图像边缘检测技术，用于实现计算机处理系统的交通目标检测与识别。通过对道路交通信息和交通目标的行动（如超速、停车、超车等）的实时检测和自动统计，对机动车数量、计算速度和车辆分类的不同交通参数，如，达到监测道路交通信息的作用。

第三节 国内外研究现状

一直以来，特征提取及识别都富含极高的可靠性，在国际上都具有很高的价值，被各个领域的专家学者广泛探索。

国际上的研究者主要有Mckeown研究所、VGG研究院和德国波恩大学、等，国内的研究者主要是中国科学技术研究院、华中理工大学等等，各个领域的研究者都以计算机技术为基础，通过编程及仿真，总结出了很多有实用性的工作，极大的促进了图像识别的发展。基于前面研究者的成果，很多图像处理软件被成功运用，而且取得了不错的效果，这些软件都有一个共同的特征，就是具有较高的识别精度和较快的特征提取速度。例如：softelec公司在早期研发的VPStudio软件，日本日立公司的Imageseries，美国GTX公司的GTXRaster series，挪威Rasterex公司的RxAutoImage Pro 2000等。中国学者也成功加入到对该类软件的研发过程中，比如：东北大学研发出SEAS系统，华中理工大学研发的的EDIS系统，还有清华紫光研发的TH-DAIMS图纸处理系统等。

通过上述特征提取和识别技术，由于特征提取和识别的多样性和复杂性的问题本身，现有的理论和方法有相当一段距离，从实际的要求，一些基本的问题还有待进一步深入研究。现有的特征提取和识别算法基本上仍处于实验阶段，其实用性和通用性和准确性要求从大规模的实际应用到一定程度。问题的性质和所有这些应用都是分不开的，尚未形成一个统一的、有效的，可以应用于所有的模式识别理论。虽然各特征提取和识别算法的能力，特征提取，特征

- 7 -

重庆邮电大学本科毕业设计（论文）

识别能力的影响方面的优势，但仍然在性能的算法，通用性，自动化程度的自动化，精度有许多不足之处。所以，这项研究的路还很漫长，希望很多的人增强对于图像特征提取与识别技术的探索，迫切需要后者进行更多的工作。

第四节 论文主要内容及章节安排

本文主要是运用MATLAB为工具，来研究对图像的形状，并对不同形状的图像进行分类，其结构安排如下：

第一章 引言，介绍了课题研究背景，图像的定义，边缘检测的内容、以及课题的研究现状。

第二章 介绍了对数字图像进行预处理基本步骤和基本方法，图像的形状特征及其描述方法以及针对不同形状的度量。

第三章 简要阐述了几种边缘检测算子，分析边缘检测算子的各个模型，并比较他们的优劣。

第四章 运用第三章所提到的几种常见边缘提取算子，并结合所编写的matlab程序对图形进行仿真实验，并得到合理的结论。

- 8 -

重庆邮电大学本科毕业设计（论文）

第二章 数字图像处理方法

第一节 数字图像的预处理

一、数字图像

数字图像，顾名思义就是对一般图像进行处理，得到可以进行数字运算的图像，其中最重要的一个步骤是吧图像进行分割，得到如图2-1所示的子图像，每个子图像都有其固定的像素，我们便可以通过子图像区域像素的差别来对图像的边界定性定位与识别。

图2-1 数字图像

常见的数字图像格式有以下几种[10, 11]：

（1）PCX（Windows Paintbrush）格式。可处理1，4，8，16，24位等图像数据。文件内容包括：文件头（128字节），图像数据、扩展颜色映射表数据。

（2）BMP（Windows Bitmap）格式。有1，4，8，24位非压缩图像，8位RLE（Run-length Encoded ）图像。文件内容包括：文件头（一个BITMAP FILEHEADER数据结构），位图信息数据块（位图信息头BITMAP INFOHEADER和一个颜色表）和图像数据。

（3）HDF（Hierarchical Data Format）格式。有8位，24位光栅数据集。 （4）JPEG(Joint Photographic Experts Group)格式，是一种成为联合图像专家组的图像压缩格式。

（5）TIFF（Tagged Image File Format）格式。处理1，4，8，24位非压缩图像，1，4，8，24位packbit压缩图像，一位CCITT压缩图像等。具体的内

- 9 -

重庆邮电大学本科毕业设计（论文）

容有：文件头（一个BITMAP FILEHEADER数据结构），位图信息数据块（位图信息头BITMAP INFOHEADER和一个颜色表）和图像数据。

（6）XWD(X Windows Dump)格式。1，8位Zpixmaps，Xybitmaps，1位Xypixmaps。

（7）PNG（Portable Network Graphics）格式。

为了从一般的照片，景物中得到符合要求的数字图像，在前期准备过程中，需要对原图做两种操作，即采样与量化（二者统称为数字化）。Matlab作为一种计算工具，被成功的引入到对图像的分析处理中，Matlab中含有专门的图像处理工具箱，这对数字图像的发展有极大地促进作用[12, 13]。

图像处理工具包是Matlab软件中附带的专业的工具箱，它是由众多的函数组成的，操作人员能够自由的对程序进行编写和修改，程序中的注释部分也大大提高的可读性，工具包中还包含有图像变换、滤波等操作，去操作能够有效的保留图像的精度[14]。

（1）图像文件格式的读写和显示。Matlab 中包含有图像文件导入函数 imread()，可以用来导入如:bmp、tif、tiffpcx、jpg、gpeg、hdf、xwd等格式图像文；图像写出函数imwrite()，还有图像显示函数image()、imshow()等等。

（2）图像处理运算。Matlab提供了强大的线性以及非线性运算，例如求和运算、求差运算，还有相关性运算等。例如，conv2(I，J)实现了I，J两幅图像的卷积。

（3）图像变换。Matlab提供了一维和二维离散傅立叶变换(DFT)、连续小波变换(CWT)、离散小波变换(DWT)及其反变换，离散余弦变换(DCT)及其反变换函数。

（4）图像的分析和增强。针对图像的统计计算Matlab提供了校正、直方图均衡、中值滤波、对比度调整、自适应滤波等对图像进行的处理。

（5）图像的数学形态学处理。Matlab包含了各种各样的数学运算函数，能够对图像进行开关灯操作。

以上所提到的Matlab在图像中的应用都是由相应的Matlab函数来实现的，使用时，只需按照函数的调用语法正确输入参数即可。在Matlab中，edge()函数的运用特别多，可以对图像进行的边缘提取，它包含了六种边缘提取方法，即Sobel方法、Prewitt方法、Robert方法，Laplacian2Gaussian方法、过零点方法和Canny方法。

基本的图像类型分为以下几种： （1）索引图像

- 10 -

重庆邮电大学本科毕业设计（论文）

索引图像实际上是利用图像的像素进行匹配，每个图像的像素是由红黄蓝三种颜色决定的，他们形成一个矩阵，每个矩阵都含有一个特定的值，这样就能构成图像的索引。

图像矩阵和图像的颜色有关，也与图像矩阵的数据类型有关。图像的数据类型一般为双精度或者整形，uint8支持256色，通常用在图像中。

（2）灰度图像

在Matlab中，每一个图像的灰度都会对应一个矩阵。矩阵的大小与像素有关，每一个像素点就是矩阵中的某一个值。因此，矩阵的类型也是不固定的，可以是双精度型，也能设置为整形，但是不同的数据类型对应的值域不同，起范围可以分布在0到1，也可以分布在0到255之间。矩阵的每个元素代表不同的亮度或灰度级。

（3）二进制图像

二进制图像中都有两个状态，即0和1，其中0表示关闭状态，1表示开状态，有这两种状态值可以构成一个矩阵，该矩阵的值就是二进制图像的值，该图像只有黑白两种装填，所以可以当做是灰度图像。

与上面类似，二进制图像也能够处理成不同的数据类型，可以是双精度型，也能设置为整形，但值得注意的是，Matlab在对图像进行处理时，所有的值都是以uint8类型逻辑数组来返回的。

（4）RGB图像

RGB图像实际上是利用图像的像素进行匹配，每个图像的像素是由红黄蓝三种颜色决定的，他们形成一个矩阵，每个矩阵都含有一个特定的值，这样就能构成图像的索引。但是它和图像索引不同，它说产生的值是直接放到数组内。图像数组为M*N*3，M，N表示图像像素的行列数。

二、采样

采样的工作原理是提取出图像的特征，将图像在时间上分割成多个时间点，并找到每个时间点对应的图像离散点，把每个离散值当做一个像素，最后形成一个包含了图像信息的集合。

图像的传输是在一个二维平面上进行的，所以，我们要想把图像信号传输给计算机，及应该降低信号的维度，经过扫描操作可以实现。目前来看，扫描操作可以分为水平操作、垂直操作和时间上的操作。我们需要按照一定的时间规律对图像进行扫描，并且提取出各个图像各个部分的灰度值，通过对比图像之间的灰度值来找到它的像素点。

- 11 -

重庆邮电大学本科毕业设计（论文）

三、量化

经过采样，图像被分解成在时间上和空间上离散分布的像素，但是像素的值（灰度值）还是连续值。像素的值，是指白色-灰色-黑色的浓淡值，有时候也指光的强度（亮度）值或灰度值。把这些连续的浓淡值或灰度值变为离散的值（整数值）的操作就是量化。

在0-255的值对应于白-黑的时候，有以0为白，255为黑的方法，也有以0为黑，255为白的方法，这取决于图像的输入方法以及用什么样的观点对图像进行处理等，这是在编程时应特别注意的问题。

通常灰度值是可以进行量化的，主要有下面几种方法对：均匀量化（uniform quantization），线性量化（liner quantization），对数量化，MAX量化，锥形量化（tapered quantization）等。

四、采样、量化和图像细节的关系

上面的采样及量化过程中，应该确定数值N和灰度级的级数K。通常取成2的n次幂，即：

N=2n K=2m

(2.1) (2.2)

图像在计算机中所占的二进制储存位数b可以做如下计算：

b?log(2m)N*N?N*N*m(bit) (2.3)

事实上，数字图像不能够完全代替原图像，因为在数据处理的过程中会带来或多或少的误差，这种误差的大小大部分由采样样本的大小和数量以及量化的级数K决定的。N和K的值越大，图像越清晰[15]。

第二节 形状特征及其描述方法

一、形状特征

本文主要采用的是几何参数法来判断给出的的图像是什么形状。 对于图像分类问题，特征提取的提取是决定分类性能的关键因素。在提取物体的形状特征之前，首先对图像进行边缘检测，以获取物体边界轮廓，然后需要对边界区域的特征进行轮廓提取。在这些特性中，一些可以用数值来描述，

- 12 -

重庆邮电大学本科毕业设计（论文）

但更多的功能是没有明显的几何。对于图像匹配的目的，需要进一步说明的几何形状。图像中的对象的性质不能因为图像的平移、旋转和尺度的变化而改变。所以，在形状描述中，该描述符的选择应具有平移不变性和旋转不变性和缩放不变性。不仅如此，选择描述符还应该能够刻画形状特征的本质，使描述符具有很好的分辨能力。

特征提取的图像特征选择原则是对所包含的输入信息进行处理和分析，将信息容易受到随机干扰，作为特征提取模型。特征提取方法是去除冗余信息，提高识别精度，降低运算复杂度，提高运算速度。较好的特征必须具备以下四个特点：

（1）区别性

理论上，点的特征值属于不同类别的对象应该有明显的差异。不同类别的特征值，差值越大越区分不同类别的特征之间的区分能力，类的特性可以用来测量距离。

面积如三角形和圆形，两者的计算间距很小，类之间的距离的形状指数非常大，因为这2种类型的样本各有相同的内部形状指数，方差的特征是接近0，所以类之间的距离较大。如果你选择“形状特征指标作为分类的基础上，其高分辨率；如果你选择“地区”为分类依据，分辨率低。

（2）可靠性

在同一类别的所有对象的特征值应该是尽可能接近。类特征值越接近于特征值越高，以确定这种对象的可靠性更高。

作为一组不同大小的圆形，如果选择以“区域”为基础，其与其他类别分离，其可靠性较低，同一圆在不同样本区域的差异较大，并选择“形状指数”作为分类的依据，其可靠性高，所有在同一个圆类中的同形指数。特征是类属性的样本属性的可靠性直接。

（3）独立性

如果必须使用多个特征分类，应该尽可能地将这些特性之间是无关的。像是高度相关的功能，基本上反映了对象的相同属性，可以结合，而不应该单独使用。

如形状的几何分类，面积和周长之间的特征是高度相关的，和形状指数的形状和大小有一定的相关性，但相关程度低。在识别系统的分辨率、可靠性和独立性的特点，是针对整个系统的组成。一个单一的物体，分辨率和无参考和比较特点的可靠性。

- 13 -

重庆邮电大学本科毕业设计（论文）

二、几种典型的形状特征描述方法

对于形状分析和分类方法有很多。一般而言，形式特征表示方法可以分为两类：基于边界和基于区域的。前者使用的外部边界的形状，而后者使用的整个区域。最典型的两种形状模板匹配方法的特征是傅立叶描述符、变形和形状不变矩。此外，轮廓匹配法和几何参数法、边界方向直方图法、小波系数法和小波轮廓表示法等。下面是几种典型的形状特征描述方法。：

（1）边界特征法

基于边界特征描述的方法得到形状参数的图像。Hough变换检测平行线法和边界方向直方图法是一种经典的方法。Hough变换是利用全局特征的图像和边缘连接的像素区域封闭边界的一种方法，其基本思想是点-线对偶性；边界方向直方图方法第一差分图像的边缘，从而获得使边缘直方图的大小和方向，通常的方法是构建了图像灰度梯度方向矩阵。

（2）傅里叶形状描述符法

傅立叶形状描述符的基本思想是使用一个对象的边界，傅立叶变换的形状描述，使用的区域边界闭合和周期性，二维问题成一维问题。从边界点三的形状表达，分别是曲率函数，质心距离，复杂的坐标函数。

（3）几何参数法

形状表示和匹配方法来描述一个更简单的，定量的措施，如采用形状参数法（形状因子）的形状参数法（形状参数）的区域特征。在QBIC系统，是利用圆度、偏心率、主轴方向和代数几何参数，如矩、基于形状特征的图像检索。 （4）形状不变矩法

利用目标所占区域的矩作为形状描述参数来进行分类。 （5）其它方法

这些年，在形状的表示和匹配方面的工作还包括有限元法（Finite Element Method或FEM）、旋转函数（Turning Function）和小波描述符（Wavelet Descriptor）等方法。

第三节 几种不同的度量

一、矩形度

用目标图像的面积和包围该图像的最小的矩形面积之比作为目标矩形度的一种度量参数，记为

- 14 -

重庆邮电大学本科毕业设计（论文）

R?A0 AR(2.4)

其中A0表示目标图像的面积，AR表示包围该图像的最小矩形的面积。R的大小能反映目标物体和矩形的接近程度。矩形度的值限定在0到1之间。

二、圆形度

对于某些图形的面积，半周长越小，圆形表面更光滑，更接近于圆形；反之，洲长越大，圆的表面褶皱，形状更加复杂的多。为了这个原因，一般使用圆形程度来衡量图形的形状的程度。在一个圆形的形状中，指的是其面积的平方之比是目标对象的周长，记为

P2c?

4?A(2.5)

其中：P表示图形的周长，A表示周长所围的面积。理论上讲，圆的圆形度为1.0，正方形的圆形度为?/4=0.79，正三角形的圆形度为3?/9=0.60.

另外，圆形度还有两个计算公式：

c?A 'A(2.6)

其中，A是区域面积，L是最小外接圆面积。该指数还认为圆形区域最紧凑，紧凑度为1。在最小外接圆面积作为衡量区域形状的计算。

Ac?2

L

(2.7)

三、矩

当对象是一些简单的几何图形时，用上述参数来描述物体的形状是比较合适的。如果图像的复杂边界特性，用上述参数来描述物体的形状就比较困难。对于复杂的对象，我们可以通过转矩和轮廓描述符来描述复杂的对象。转矩特性是基于该区域的灰度分布的统计分析的基础上，是一个术语用来描述一个统计平均，可以从全局的角度来看，对象的整体功能。力矩是一种线性特征，图像旋转、尺度和平移不变性的转矩特性，因此可以用来描述图像区域的形状特征。

四、不变矩

- 15 -

重庆邮电大学本科毕业设计（论文）

1962年，美国专家Guiming Hu发现了二维矩不变量理论，接着把该理论

成功应用到了图像识别中。对于连续图像二维函数f(x,y)，其(p?q)阶矩可以表示成黎曼积分：

????

mp,q???????xpyqf(x,y)dxdy (2.8)

式中，p,q?0,1,...,L。通过唯一性理论，如果f(x,y)是分段连续的，即只要在xy平面区域有非零值，则所有的各阶矩均存在，且矩序列{mp,q}唯一的被

f(x,y)所确定。反之，{mp,q}也唯一的确定了f(x,y)。

将上述矩特征量进行位置归一化，得到图像f(x,y)的中心矩： 对于数字图像f(x,y)，基于双重求和的方法替换该积分，点(x,y)处的

(p?q)阶矩可以表示成：

mp,q???xpyqf(x,y)

xy(2.9)

由此可见该中心几何矩也符合尺度不变性的特性。

第三章 边缘检测与提取方法

第一节 边缘检测

一、边缘检测准备条件

图像的边缘是最基本的特征，所谓的边缘是指一个集合中的像素灰度的对比变化，是图像分割的重要基础，也是纹理分析和图像识别的重要基础。理想的边缘检测应在边缘的存在，真和假，和方向定向，很长一段时间，人们一直关注这个问题的研究，除了常用的本地运营商和后来发展的基础上，各种改进方法，并提出了许多新的技术[16]。

要做好边缘检测初步准备条件如下：

首先，清晰的图像特征，以检测的形式变化，从而适应变化检测方法。 其次，要知道在一定空间范围内发生的特征变化，不要指望在检测算子能检测出图像中所有特征的最佳变化。在需要提取更多空间范围内的变化特征时，要考虑更多的运营商的综合应用。

- 16 -

重庆邮电大学本科毕业设计（论文）

第三，我们要考虑噪声的影响，一种方法是滤除噪声，有一定的局限性；同时考虑了信号和噪声的检测条件，利用统计信号分析，或通过图像区域的建模，进一步使检测参数。

第四、考虑各种方法的组合，如要找出边缘，然后在局部使用函数逼近，通过插值等方法得到高精度定位

第五、在正确的基础上，在边缘检测的基础上，要考虑问题的准确定位。经典的边缘检测方法往往会断的不完全信息结构，噪声和敏感，为了有效地抑制噪声，通常对原始图像进行平滑，然后边缘检测可以检测真实的边缘。

从人的直观感觉，对应于物体的几何边界的边缘。图像灰度变化比较严重的区域比较符合要求，我们通常用此特征提取图像边缘。但在含有纹理图像的情况下，这是一个小问题，例如，人们穿的衣服，白色和黑色的正方形在图像中，我们通常不希望在网格中提取的边缘，包括衣服。它还涉及到纹理图像处理方法。但一般认为边缘检测是对严重区域，数学上的方差的图像，最直观的方法是差分（如数字图像差），在信号处理的角度，也可以说是一个高通滤波器，它将保持高频率信号。提取边缘的图像识别往往需要输出是一个二值图像，边缘的只有黑白灰度图像，一个灰度级代表边缘，另一个为背景。此外，还需要细化到只有一个像素宽度的边缘。

二、边缘检测基本步骤

具体的图像边缘检测的基本步骤如下：

（1）过滤器。边缘检测主要是基于导数的计算，但受噪声的影响。但过滤器，以减少噪声和强度的边缘损伤。

（2）增强。算法将有显着变化的灰度邻域点突出。通常进行计算的梯度幅度。

（3）检测。但在一些较大的图像梯度幅度不是边缘点。边缘检测是最简单的梯度幅值阈值的确定。

（4）定位。精确确定边缘的位置。

原始图像 平滑图像 平滑图像 - 17 - 总的说来传统边缘检测的流程图如3-1所示: 图像滤波 梯度算子 边缘定位 阈值分割 得出边缘的二值化图像既检出边缘点 边缘增强 边缘检测 重庆邮电大学本科毕业设计（论文）

图3-1 边缘检测的流程图

选取合适的特征提取方法是极其重要的，因为他是边缘检测问题的一个核心模块。经典的边缘检测算子包括：Roberts算子，Prewitt算子，Sobel算子，Log (Laplacian of Gaussian)算子等。

第二节 边缘提取

边缘检测的本质是用一种算法来提取目标和背景图像之间的边界。我们将边缘被定义为图像灰度变化发生在该地区的边界。图像灰度的变化可以反映图像灰度分布的梯度，所以我们可以利用图像差分技术来获得边缘检测算子。

经典的边界提取技术大多是基于微分运算。首先通过平滑滤波器滤除图像中的噪声，然后对一阶微分或二阶微分运算，通过梯度最大或二阶导数得到零点，最后选择适当的阈值来提取边界。

一、边缘提取的步骤

图像边缘检测和边缘检测是至关重要的领域的计算机视觉技术，如何快速、准确地提取图像边缘信息一直在研究和发展的重点技术和整个领域的发展，边缘检测技术已成为图像分割、目标识别、图像压缩技术。它的理论和实践背景很广，具有良好的应用价值和理论困难。边缘检测算法常常面对具体问题，可怜的普遍性。

物体的边缘并不反映在连续的层次。经典的图像边缘检测方法，每个像素在某个社区灰色变化，用二阶导数的方向的边缘，边缘检测，使用一个简单的方法，边缘检测sub-local算子。众所周知，边缘是图像的基本特征，所谓的边缘是一组像素灰度图像分割、纹理分析和图像识别是一个重要的依据。边缘提取的流程如图3-2所示：

图3-2 形状特征提取系统流程

边缘提取的具体步骤如下： 特征库 不变矩特征 目标区域 连续、单值、二值化轮廓 图像库 边缘图像 图像外轮廓 连续外轮廓 - 18 -

重庆邮电大学本科毕业设计（论文）

（1）获取边缘图像，主要是运用canny算法对已有的图形进行提取； （2）对边缘图像进行轮廓跟踪，得到外轮廓图像；

（3）外部轮廓图像的预处理：首先，在外形上获得连续光滑的轮廓线，轮廓线的二值化的自适应二值化方法，精细的轮廓。最后得到清晰的连续光滑，单像素，图像进行二外轮廓；

（4）进行种子填充，得到图像的外轮廓线所包围的目标区域； （5）计算目标区域的七个不变矩，构成这幅图像的形状特征向量； （6）对形状特征向量进行内部归一化处理，将特征值存入图像特征库。

第三节 边缘提取的常用算子

边缘检测方法主要是基于方向导数卷积方法，复合梯度图像和模块，然后根据梯度模式最大提取方向，以获得所需的边缘。这是一个轮廓线或边缘检测。常用的边缘检测方法有Roberts算子、Prewitt算子、Sobel算子和Laplacian算子[17]。在实践中，由于实际原因，如照明，噪音的影响，往往使图像模糊或分离的边缘，边缘检测遇到了许多困难。有几种方法在不同程度的噪声敏感的问题面前存在。因此，为了更准确地找到图像的边缘，以执行以下操作：

（1）充分降低误报，不仅准确判断的边缘，而且也减少了费用的判断的边缘的边缘;

（2）提高定位的准确度得到的边缘和误差尽可能小的理论; （3）唯一响应，也就是说，每一个明确的边缘只能得到响应。

一、Roberts边缘算子

Roberts算子的原理是在差分算子的基础上完成的，其具体公式可以表示如下：

g(x,y)?{[f(x,y)??f(x,y)?f(x?1,y?1)]2f(x?1,y?1)]}21/2 (3.1)

其中，f(x,y)是以整数的形式来表示图像的坐标。

Roberts算子具有其边缘的优点是非常准确的，缺点是，它是对噪声敏感相对。在实践中，操作者常常被用来提取道路的边缘。

二、Sobel边缘算子

- 19 -

重庆邮电大学本科毕业设计（论文）

如在图3-3典型Sobel边缘算子中所示，它的原理是将图像卷积运算的每一个象素。在水平方向和最强烈的回应垂直方向Sobel边缘运营商，因此，选择Sobel边缘算子输出最多两个卷积[18]。

Sobel算子，在与相邻像素之间的距离的像素2的作用，根据指定给不同的权重的像素之间的距离。一般而言，该距离越大，越小的影响。

-1 0 1 -2 0 2 -1 0 1 -1 -2 -1 0 0 0 1 2 1 图3-3 Sobel边缘算子 三、Prewitt边缘算子

如图3-4的典型Prewitt算子的边缘算子，卷积运算对每一像素的操作者，将得到的对应于该范围的边缘时，操作者的输出的振幅的最大值的边缘。

-1 -1 -1 1 0 -1 0 0 0 1 0 -1 1 1 1 1 0 -1 图3-4 Prewitt边缘算子

Prewitt算子原理比较简单，它是在一个水平差的操作，垂直方向中的两种平均操作，相对而言，在操作者对噪声较不敏感，但是，平均处理是图像滤波的过程。

四、Laplacian边缘算子

拉普拉斯算子具有强烈的线性性和移步变形。其基本思想是运用二维向量的二阶导数进行计算。对于连续函数f(x,y)的图像，其位置为(x,y)，可以定义拉普拉斯值为：

?2f?2f?f?2?2

?x?y2(3.2)

使用二阶导数信息拉普拉斯算子，无关各向同性，轴的方向，轴旋转梯度结果仍然是相同的。图像的二阶微分后，创建了一个陡峭的零交叉边缘点，根

- 20 -

重庆邮电大学本科毕业设计（论文）

据该零交叉点边缘点。图3-5和3-6分别邻里域名系统和八个居委会拉普拉斯算子的。

图3-5 邻域Laplacian算子

图3-6 邻域Laplacian算子

通常使用的拉普拉斯算子3×3模板如图3-6所示：

-1 -1 -1 -1 0 1 -1 -2 -1 -1 8 -1 -2 4 2 0 0 0 -1 -1 -1 -1 0 1 1 2 1 图3-7 拉普拉斯算子

Laplace算法对噪声敏感，但其缺点也很明显，即边缘在一些图形具有双重作用。因此，使用拉普拉斯算法的图像处理时，经过一定的流畅处理。

1 1 1 1 1 -8 1 1 1 0 1 0 1 0 -4 1 1 0 五、Log边缘算子

这里介绍一种基于二阶导数求到边缘点算法的图像亮度，这种方法对噪声非常敏感，因此，可以在之前是边缘增强去噪。对于这一点，并设计了一种人类视觉方法的局部特性，该方法是使用高斯操作者对滤波操作，使用拉普拉斯边缘检测，即所谓的算法。该算法的主要思路和步骤如下：

（1）滤波：就是对图像f(x,y)做平滑滤波，选取对应的滤波函数为高斯函数，即：

- 21 -

重庆邮电大学本科毕业设计（论文）

G(x,y)?1?22?exp?(x?y)? ?22??22????1(3.3)

其中，G(x,y)是一个圆对称函数，其平滑的作用是可通过?来控制的。将图像G(x,y)与f(x,y)进行卷积，可以得到一个平滑的图像，即：

g(x,y)?f(x,y)*G(x,y)

(3.4)

（2）增强：对平滑图像g(x,y)进行拉普拉斯运算，即：

h(x,y)??2?f(x,y)*G(x,y)?

(3.5)

（3）检测：该准则由第二衍生物的图像获得的是零点（点），通过取点的第一导数。

这种方法是用高斯卷积滤波器的第一图像，从而平滑图像，减少了噪声，噪声隔离，滤波，和更小的结构。但由于图像的扩大边缘平滑，所以与局部梯度边沿检测器将仅考虑那些最大值点。这可以通过使用过零的二阶导数来实现。二阶导数近似的二维拉普拉斯函数，因为它是一种操作者。在实践中，为了防止边缘检测不明显，应该选择第一导数大于零点作为边缘点的阈值大。由于对平滑图像进行拉普拉斯运算可等效为g(x,y)的拉普拉斯运算与G(x,y)的卷积，故上式变为：

h(x,y)?f(x,y)*?2G(x,y) (3.6)

式中 称为LOG滤波器，其为：

?2G?2G1?x2?y2??122??G(x,y)????1exp?x?y?????? (3.7) 2?x2?y2??4?2?22????2这样就有两种方法求图像边缘：

①对图像和高斯滤波器做卷积运算，再对产生的信号做拉普拉斯变换，最后做过零判断。

②先对高斯滤波器做拉普拉斯变换，再与图像做卷积运算，接着做过零判断。

拉普拉斯算子对图像中的噪声非常敏感。它经常被用于制造双像素边缘，也不提供边缘方向信息。以其他算子相比，Gauss-Laplace边缘检测算子更好，

5?5模板的高斯--拉普拉斯算子如下图所示：

0 0 -1 0 - 22 -

重庆邮电大学本科毕业设计（论文）

-2 -4 -4 -4 -2 -4 -4 -2 0 8 0 8 2 8 -4 -4 -4 0 -1 0 0 -1 -2 -1 0 -2 16 -2 -1 0 -1 0 0 -4 -4 -2

图3-8 高斯-拉普拉斯算子

高斯-拉普拉斯算子在边缘检测过程中达到了很高的精度，其原理是它将高斯算法和拉普拉斯算法结合起来，对图像进行滤波，不仅可以消除噪声，还能进行边缘检测。

六、Canny边缘算子

边缘检测的基本思想一步是发现在图像有一个局部最大值梯度像素。图像的边缘检测必须满足两个条件：第一，我们必须有效地抑制噪声，其次，尽可能精确的边缘位置。改进边缘检测对边缘的敏感性，也增强了对噪声的敏感性。Canny算子是一种性能很高边缘检测算子，它广泛用于许多图像处理领域。从本质上讲，它不仅仅是简单的梯度计算来确定一个像素是否边缘点，在决定是否一个像素是当前边缘点，需要考虑其他像素的影响，这不是一个简单的边界跟踪，寻找边缘点，根据当前像素和像素来确定[19]。它把边缘检测的问题转换为检测函数极大值的问题。其基本思想是：先对处理的图像选择一定的Gauss滤波器进行平滑滤波，然后采用一种称之为“非最大值抑

制”(Non-maxSuppression)的技术，对平滑后的图像处理后，得到最后的边缘图像。下面给出判断边缘检测算子优劣的三个标准：

（1）信噪比准则

在保证不漏检又不误检的情况下，尽可能使输出的信噪比最大。信噪比值越小，提取的边缘效果越低；

（2）定位精度准则

为了得到高精确度的图像，需要检找到边缘点与实际边缘最近的位置； （3）单边缘响应准则

应对每个边缘点是独一无二的。每个真正的边缘对应于边缘点检测和一个接一个，得到一个像素的边缘宽度。基于上述准则，导出了使用功能推导方法的边缘定位精度和信噪比的产品组成一个表达式，该表达式类似于高斯函数的

- 23 -

重庆邮电大学本科毕业设计（论文）

导数，这是这个函数的最佳逼近。Canny算子的算法分为5个步骤：图像滤波、计算图像的梯度、抑制非最大点、搜寻边界的起点、跟踪边界。

1. Canny边缘检测基本原理：

Canny算子实际上是一种滤波器，其既有消除噪音的功能，还有边缘检测的能力。其原理是运用高斯函数在某一方向上的一阶导数作为滤波器来去除噪音，接下来在滤波后的图像中分析图像的梯度，用以确定图像梯度的最大值。

2. Canny边缘检测算法：

step1：处理平滑的图象-高斯滤波器； step2：计算梯度的幅值和方向； step3：抑制梯度幅值的非极大值； step4：连接边缘-双阈值算法。 其数学描述如下： step1:

二维为高斯函数为：

??x2?y2??? G(x,y)?exp??22??2??2???1(3.8)

在某一方向n上是G(x,y)的一阶方向导数为： ?GGn??n?G

?n

(3.9) (3.10)

?cos?? n????sin????G???x?? ?G????G???y??? (3.11)

式中：n式方向矢量，▽G是梯度矢量。

将图像f(x,y)与Gn作卷积，同时改变n的方向，Gn*f(x,y)取得最大值时的n就是正交于检测边缘的方向。

step2:

EX??G*f(x,y) ?x(3.12)

EY??G*f(x,y) ?y(3.13)

- 24 -

重庆邮电大学本科毕业设计（论文）

A(x,y)?EX2?EY2

(3.14) (3.15)

??Arctan??EX?EY?? ?反映了图像(x,y)点处的边缘强度，是图像在(x,y)点处的法向量。 step3:

梯度是不足以确定唯一的边缘，所以要保证边缘，你必须保持局部梯度最大点，而不是抑制。（non-MaxiMa suppression，NMS）

解决方法：利用梯度的方向。

3-9 非极大值抑制

四个区域的编号分别是0到3，对应3?3邻域的四种可能的组合方式。在每一点上，邻域的中心像素M与沿着梯度线的两个像素相比。如果M的梯度值比沿梯度线的两个相邻像素梯度值小，则令M?0。

step4:

降低边缘段数量的基本方式是在G(x,y)上运用一个上下限。将超出范围的所有值都取上下限。

解决方法：采用基于双阈值的方法对边缘进行连接。

①首先是边缘判别：如果边缘强度大于上限，则记为边缘点；如果边缘强度小于下限，则不是边缘点；如果边缘强度介于下限和上限之间，则依据与该像素相邻的像素点来判别是否为边缘点。

②其次是连接边缘：采用双阈值算法对非极大值的图像进行削减。两个阈值?1和?2，且2?1??2，从而可以得到两个阈值边缘图像G1(x,y)和G2(x,y)。由于G2(x,y)使用高阈值得到，因而含有很少的假边缘，但有间断(不闭合)。双阈值法要在G2(x,y)中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在G1(x,y)的8邻点位置寻找可以连接到轮廓上的边缘，这样，算法不断地在

G1(x,y)中收集边缘，直到将G1(x,y)连接起来为止。

事实上，还有很多边缘点检测的方式，例如：将边缘的梯度分为四部分：水平、竖直、45度方向、135度方向。比较不同的相邻像素的四面八方，为了确定局部最大值。如果一个像素灰度值而不是两个梯度方向像素灰度值相比并不是最大的，那么像素复位为零，也就是说，不是在边缘。

- 25 -

重庆邮电大学本科毕业设计（论文）

此外，在实际应用中，检测效果还与滤波模板大小有关，当N?b2??1时有较好的检测效果。

Canny算子检测方法的优点：①低误码率，很少把边缘点误认为非边缘点；②高定位精度，即精确地把边缘点定位在灰度变化最大的像素上；③抑制虚假边缘。

算法这张照片除了罗伯茨算子中使用一个模板，模板操作是一种图像处理邻域处理，有许多图像效果可以使用模板操作如平滑、中值滤波、油画效果，斜角的形象。在运用模板的计算过程，需要先定义一个可用的模板，模板的大小通常是3*3尺寸的。操作时，模板中心对应于图像的每个像素的位置，然后按照模板对应的中心像素与周围像素的公式计算，计算结果的输出值对应的像素的图像。

这些经典的边缘检测算子，尽管不同，有不同的优势，但他们也有一个共同的特点：每个操作符对应于一组预定义的边缘是最适合使用，也就是说它们的目标。他们的目标应用程序，这是优势可以帮助我们来完成特定的任务。这个操作符的限制，一般问题或未知问题，预定义的利润率可能不会达到最好的结果。

第四章 算法的选择和实现

近年来，人们对图像分析和处理的发展很快，这是一个理论与实践的结合。图像分析是基于和众多的学科领域，在众多不同学科的渗透的结果，理论实践，在高科技领域的学科中占有重要的地位。图像边缘检测，在实践中具有重要的应用一直是热图像边缘检测和困难，到目前为止，许多边缘检测方法，其中Robert算子、Sobel算子、Prewitt算子、Laplace算子、Prewitt算子、Krisdl算子、Canny算子、Gauss边缘检测算子、使用平滑技术来提取图像的边缘，利用微分提取图像边缘和图像边缘提取的方法利用小波分析技术是一种常见的方法，但是算法的结果是不同的。

所以，在本文中，我们会选择电信的图像边缘检测与提取方法：即Canny算子。运用Matlab语句进行编程实现。

第一节 边缘检测与识别算法

基于精明的边缘检测算法程序，基于分类算法为圆形和矩形进展的结果，原始图像的各种特征都是一样的，只是如何变形注释。

识别程序所用的核心程序代码如下：

- 26 -

重庆邮电大学本科毕业设计（论文）

a=max(khoangcach{k}); b=min(khoangcach{k}); c=dt(k).Area; dolech=a-b; vuong = c/(4*b^2)

chunhat=c/(4*b*(a^2-b^2)^0.5); tamgiacdeu=(c*3^0.5)/((a+b)^2); elip =c/(a*b*pi);

thoi= (c*( a^2 - b^2 )^0.5) / (2*a^2*b) if dolech < 10

text(s(k).Centroid(1)-20，s(k).Centroid(2)，'圆') elseif (vuong < 1.05 ) & (vuong > 0.95 )

text(s(k).Centroid(1)-20，s(k).Centroid(2)，'正方形') elseif (elip < 1.05 ) & (elip > 0.95 )

text(s(k).Centroid(1)-20，s(k).Centroid(2)，'椭圆') elseif (thoi < 1.05 ) & (thoi > 0.95 )

text(s(k).Centroid(1)-20，s(k).Centroid(2)，'菱形') elseif ((chunhat <1.05) & (chunhat >0.95))

text(s(k).Centroid(1)-20，s(k).Centroid(2)，'长方形') elseif (tamgiacdeu < 1.05 ) & (tamgiacdeu > 0.95 )

text(s(k).Centroid(1)-20，s(k).Centroid(2)，'三角形')

其中，a为图像中心到边缘的最大距离，b为图像中心到边缘的最小距离。如果图像为标准的话，各公式算出的结果应均为1。本程序允许有5%的误差，所以判断参数的范围都是在0.95到1.05之间。程序中各个公式都是根据各种形状的面积计算的特征来确定的。

如椭圆的面积为s??ab。

对椭圆进行边缘提取，并根据求出的圆形度判断出该图形为椭圆。 判断程序代码如下： a=max(khoangcach{k}); b=min(khoangcach{k}); c=dt(k).Area; elip =c/(a*b*pi);

- 27 -

重庆邮电大学本科毕业设计（论文）

elseif (elip < 1.05 ) & (elip > 0.95 )

text(s(k).Centroid(1)-20，s(k).Centroid(2)，'椭圆')

对三角形进行边缘提取，并根据求出的圆形度和矩判断出该图形为三角形。

判断程序代码如下： a=max(khoangcach{k}); b=min(khoangcach{k}); c=dt(k).Area;

tamgiacdeu=(c*3^0.5)/((a+b)^2);

elseif (tamgiacdeu < 1.05 ) & (tamgiacdeu > 0.95 )

text(s(k).Centroid(1)-20，s(k).Centroid(2)，'三角形')

对圆进行边缘提取，并根据求出的圆形度和矩判断出该图形为圆。 判断程序代码如下： a=max(khoangcach{k}); b=min(khoangcach{k}); dolech=a-b; if dolech < 10

text(s(k).Centroid(1)-20，s(k).Centroid(2)，'圆')

对菱形进行边缘提取，并根据求出的圆形度和矩判断出该图形为菱形。 判断程序代码如下： a=max(khoangcach{k}); b=min(khoangcach{k}); c=dt(k).Area;

thoi= (c*( a^2 - b^2 )^0.5) / (2*a^2*b) elseif (thoi < 1.05 ) & (thoi > 0.95 )

text(s(k).Centroid(1)-20，s(k).Centroid(2)，'菱形')

对正方形进行边缘提取，并根据求出的圆形度和矩判断出该图形为正方形。

判断程序代码如下：

- 28 -

重庆邮电大学本科毕业设计（论文）

b=min(khoangcach{k}); c=dt(k).Area; vuong = c/(4*b^2)

elseif (vuong < 1.05 ) & (vuong > 0.95 )

text(s(k).Centroid(1)-20，s(k).Centroid(2)，'正方形')

对长方形进行边缘提取，并根据求出的圆形度和矩判断出该图形为长方形。

判断程序代码如下： a=max(khoangcach{k}); b=min(khoangcach{k}); c=dt(k).Area;

chunhat=c/(4*b*(a^2-b^2)^0.5);

elseif ((chunhat <1.05) & (chunhat >0.95))

text(s(k).Centroid(1)-20，s(k).Centroid(2)，'长方形')

第二节 仿真实验及结果分析

相对来说，用Sobel算子进行边缘检测得到的图像效果较好，因为Sobel算子提供了精确的边缘方向估计。但是Sobel算子也存在着一些不足，仿真过程中会出现边缘多像素点的问题。相比于Sobel算子，Canny算子具有更好的优势，它能够有效的克服Sobel算子的缺点，并且能减弱噪声对识别性能的影响。

一、仿真实验

选取的原始图像如图4-1所示，通过编写matlab程序，分别利用sobel算法，prewitt算法，roberts算法，Canny算法和log算法对该jpg格式的图片进行边缘提取，所的结果如图4-2和4-3所示。

- 29 -

重庆邮电大学本科毕业设计（论文）

图4-1 原始图像

图4-2(a) sobel算法边缘提取图像

图4-2(b) prewitt算法边缘提取图像

- 30 -

重庆邮电大学本科毕业设计（论文）

图4-2(c) roberts算法边缘提取图像

图4-2(d) canny算法边缘提取图像

图4-2(e) log算法边缘提取图像

- 31 -

重庆邮电大学本科毕业设计（论文）

图4-3 识别图像

二、结果分析

仿真实验结果表明，以上算法都可以识别出相对应的形状，但其边缘检测效果各有优势，从整体上来讲，sobel算法，prewitt算法，roberts算法和log算法的仿真效果比canny算法略好，原因是canny算法在识别圆形时出现了明显的毛刺。就单个算法而言，sobel算法和log算法在识别正方形和三角形边缘时的精度不高，有微小的毛刺产生；roberts算法在识别长方形和正方形边缘时的效果比识别圆形与三角形的效果略差；prewitt算法在识别各种边界时都表现出很好的效果。

但以上的各个边缘提取方法皆是针对性相对较强的方案，尤其是在通过了多次仿真后得出这些边缘提取算法的精度被控制在一定范围类，达不到高精度的要求。同时，提取方法在提高抗噪性和提高识别精度方面是对立的。一方面，要想提高算法的抗噪性能，必须以牺牲识别精度为代价；另一方面，要想提高算法的识别精度和识别效率，则在算法的抗噪性能方面考虑较少。然而，在实际的图像处理过程中都会产生噪声，并且噪声往往是难以消除的，其原因是噪声的方向和分布等信息难以预测，即使有些算法可以有效滤出噪音，然而都会对图像边缘进行模糊处理，更大程度上降低了图像识别的精度。当图像受到光照等因素的影响，我们无法的到图像边缘的信息，因此，运用单一的边缘检测算法无法对图像进行较高精确度的处理，因此，边缘检测方法往往只是运用在了图像处理的初级阶段。

由于计算机技术及图像识别技术地不断发展，迫切需要寻找一种相对简单的边缘检测方法能够在提高识别精度的状态下充分减低噪声等因素的影响。在以上提到的各种边缘提取方法的基础上，很多学者在理论分析和四级运用中都做的进一步的优化，并的到了不错的效果。因此，图像识别技术的发展任重而

- 32 -

重庆邮电大学本科毕业设计（论文）

道远，我们应该努力探寻应用范围更广泛，考虑因素更加全面，识别精度更高的方法来解决面对的难题。在整个程序的编写，调试以及仿真过程中，我都遇到了或多或少的难题，遇到了各种程序编译错误，经过仔细查阅书籍，网上搜索等一些途径，最终困难都得以解决。从最初的对matlab语句不够熟悉，到最后的熟悉整个程序运行过程，我收获的很多。

结 论

图像形状识别就是通过特定的识别方法来对图像的轮廓和边缘进行提取，与图像的其他特征相比，其复杂程度在于提取形状特征的精确性得不到保障。也就是说，想要搜寻到与人的视觉特性相匹配的特征四相对困难的，其原因主要有两点，一是图形的轮廓特征不能用比较简单的模型来表示，二是以目前的图像识别技术来看，其无法对图像的特征进行精确提取。除此之外，图像的特征还会因为其大小、尺寸、灰度等原因发生或多或少的变化，以上各种原因都大大阻碍了图像处理技术的进一步发展。图像分割是图像识别中及其重要的一个环节，其分割的效果对图像识别后的结果起到了决定性作用，因此，将图像分割为众多的子图像，并对子图像的特征进行处理显得尤为重要，但是，作为计算机技术有待解决的难点，该技术还不能进行自动分割。

- 33 -

重庆邮电大学本科毕业设计（论文）

本文就是依据各种图像边缘提取算法，对图像的轮廓进行有效的提取，再通过各个图形的圆形度，矩形度来分析出实际的图形。利用matlab软件来编写程序，并以各种图像作为输入进行仿真实验。从仿真结果来看，所编写的程序能够有效辨别图像的轮廓。

本次仿真是根据图像的形状特征对图像的轮廓进行辨识，在今后的工作中，我们还可以通过图像的纹理以及灰度对图像进行进一步的处理。将以上三种方法相结合的方式来处理图像，能够更好的提高图像识别率和识别速度。这可以运用在图像自动识别分类上，会在图像智能检索领域有很大用处。

- 34 -

重庆邮电大学本科毕业设计（论文）

致 谢

回首我在重庆邮电大学的四年学习生活，现在满怀感激之情，我非常荣幸能够来到重庆这个优美的城市生活和学习。在这个美丽的校园里，我遇到了许多的志同道合的朋友，在和他们的交流期间，我学到了很多知识，在做人做事方面收获良多。首先，我要对我的老师致以真诚的感谢，在整个毕业设计的制作和毕业论文的写作中，老师都给予了我细心的指导及帮助，在我完成论文的整个过程，更是从开题报告到完成初稿都有老师的辛劳。感谢老师在学习上给予我的悉心指导，提供我一个很好的学习环境以及实践锻炼机会。并且，老师治学严谨，一丝不苟，注重培养学生研究问题、解决问题的独立工作能力，让我受益匪浅。在此，我还要向整个大学阶段帮助我，指导我的老师致以由衷的敬意和真诚的感谢。

谨向给予我无私帮助的同学表示深切的感谢。衷心感谢所有在学习期间给予我帮助和支持的师长和朋友们，谢谢他们在各方面的帮助，非常高兴能和他们一起分享学习和生活的快乐。深深地感谢父母对我养育之恩和谆谆教诲，虽然现在不在身边，但是他们总是给我鼓励，教我战胜困难，他们的支持给了我战胜困难的勇气。最后，向所有曾经关心和帮助过我的老师，同学，家人表示深深地感谢!

历练是一种财富，经历是一种拥有，毕业设计是我毕业前的最后一次在校学习的经历，在这一经历中所遇到的人和事必将成为我永久的记忆，感谢有你！

- 35 -

本文来源：https://www.bwwdw.com/article/nutg.html