log算子边缘检测opencv代码

基于双边滤波的LOG边缘检测算法

摘要：传统LOG边缘检测算法采用高斯函数滤波时，尽管抑制了噪声，但同时也损坏了部分低强度边缘。针对这一问题，本文提出了结合双边滤波的LOG边缘检测算法，首先采用双边滤波来替代传统LOG算子中的高斯滤波，然后计算平滑后图像的拉普拉斯，最后提取运算后的零交叉点作为图像的边缘。实验表明，改进后的LOG算法能有效抑制噪声，较好地保护边缘，提高了检测精度，减少伪边缘数，相对传统LOG算法具有更好的检测效果。 关键字：LOG算子；双边滤波；边缘保护；边缘检测

1.引言

边缘是指图像局部强度变化最显著的部分，反映了图像中物体最基本的特征，是对图像进行分割、理解以及检索的重要依据。边缘检测一直是图像处理中的热点和难点??。

1由于数字图像中可能包含不同程度的噪声,使得边缘检测在图像处理中比较困难。经典的边缘检测算子，如Robert、Prewitt、Sobel等??，简单、易于实

2现，但对噪声敏感、抗干扰性能差。Marr边缘检测算法??克服了一般微分运算

3对噪声敏感的缺点，利用能够反映人眼视觉特性的LOG算子对图像的边缘进行检测。该方法在图像边缘检测中具有一定的优势，然而在实际应用中，边缘检测算法仍然存在着一定的问题。比如尺度

数字图像处理技术课程设计

图像边缘检测

编程实现灰度图像的几种常用的边缘检测算法，包括：梯度边缘检测算法、Roberts边缘检测算法、Sobel边缘检测算法、拉普拉斯边缘检测算法、canny边缘检测算法、Prewitt边缘检测算法和Krisch边缘检测算法。

代码：

头文件：

++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ bmpFile.h

#ifndef BMP_FILE_H #define BMP_FILE_H

BYTE *Read8BitBmpFile2Img(const char *filename,int *width,int *height); bool Write8BitImg2BmpFile(BYTE *pImg,int width,int height,const char *filename); BYTE *Read24BitBmpFile2Img(const char *filename,int *width,int *height);

bool Write24BitImg2BmpFile(BYTE *pImg,int

__________________________________________________

《图像处理中的数学方法》实验报告

学生姓名：赵芳舟

教师姓名：曾理

学院：数学与统计学院

专业：信息与计算科学

学号：20141914

联系方式：139********

收集于网络，如有侵权请联系管理员删除

__________________________________________________ 收集于网络，如有侵权请联系管理员删除 梯度和拉普拉斯算子在图像边缘检测中的应用

一、数学方法

边缘检测最通用的方法是检测灰度值的不连续性，这种不连续性用一阶和二阶导数来检测。

1. （1）一阶导数：一阶导数即为梯度，对于平面上的图像来说，我们只需用到二维函数

的梯度，即：

,该向量的幅值：

,为简化计算，省略上式

平方根，得到近似值；或通过取绝对值来近似，得到：。

（2）二阶导数：二阶导数通常用拉普拉斯算子来计算，由二阶微分构成：

2. 边缘检测的基本思想：

（1） 寻找灰度的一阶导数的幅度大于某个指定阈值的位置；

（2） 寻找灰度的二阶导数有零交叉的位置。

3.

几种方法简介

（1） Sobel 边缘检测器：以差分来代替一阶导数。Sobel 边缘检测器使用一个3×3邻

域的行和列之

//摄像头的

#include "cv.h"

#include"highgui.h"

#include"stdio.h"

#ifdef _EiC

#define WIN32

#endif

static CvMemStorage* storage = 0;//设存储器，返回空间头指针

static CvHaarClassifierCascade* cascade = 0;

void detect_and_draw( IplImage* image );

const char* cascade_name =

"haarcascade_frontalface_alt.xml";//人脸检测分类器

int main( int argc, char** argv )

{

CvCapture* capture = 0;

IplImage *frame, *frame_copy = 0;

int optlen = strlen("--cascade=");

const char* input_name;

if( argc > 1 && strncmp( argv[1], "--cascade=", optlen ) == 0 )

{

cascade_name = argv[1] + optlen

基于MATLAB的图像边缘检测

作 者：王艳燕

指导老师：秦怡

摘要：图像边缘检测技术是图像预处理技术之一，边缘作为图像的一种基本特征，经常被应用到较高层次的图像应用中去。它在图像识别，图像分割，图像增强以及图像压缩等的领域中有较为广泛的应用，也是它们的基础。

图像边缘检测的手段多种多样。本文介绍的检测方法是通过一些差分算子，由图像的亮度计算其梯度的变化，从而检测出边缘，主要有Robert、Sobel、Prewitt、Canny、Log等算子。 关键词：算子;边缘;检测

前言

在实际图像边缘检测问题中，图像的边缘作为图像的一种基本特征，经常被应用到较高层次的图像应用中去。它在图像识别，图像分割，图像增强以及图像压缩等的领域中有较为广泛的应用，也是它们的基础。

图像边缘是图像最基本的特征之一，往往携带着一幅图像的大部分信息。而边缘存在于图像的不规则结构和不平稳现象中，也即存在于信号的突变点处，这些点给出了图像轮廓的位置，这些轮廓常常是我们在图像边缘检测时所需要的非常重要的一些特征条件，这就需要我们对一幅图像检测并提取出它的边缘。而边缘检测算法则是图像边缘检测问题中经典技术难题之一，它的解决对于我们进行高层次的特征描述、识别和

不同图像灰度不同，边界处一般会有明显的边缘，利用此特征可以分割图像。需要说明的是：边缘和物体间的边界并不等同，边缘指的是图像中像素的值有突变的地方，而物体间的边界指的是现实场景中的存在于物体之间的边界。有可能有边缘的地方并非边界，也有可能边界的地方并无边缘，因为现实世界中的物体是三维的，而图像只具有二维信息，从三维到二维的投影成像不可避免的会丢失一部分信息；另外，成像过程中的光照和噪声也是不可避免的重要因素。正是因为这些原因，基于边缘的图像分割仍然是当前图像研究中的世界级难题，目前研究者正在试图在边缘提取中加入高层的语义信息。

在实际的图像分割中，往往只用到一阶和二阶导数，虽然，原理上，可以用更高阶的导数，但是，因为噪声的影响，在纯粹二阶的导数操作中就会出现对噪声的敏感现象，三阶以上的导数信息往往失去了应用价值。二阶导数还可以说明灰度突变的类型。在有些情况下，如灰度变化均匀的图像，只利用一阶导数可能找不到边界，此时二阶导数就能提供很有用的信息。二阶导数对噪声也比较敏感，解决的方法是先对图像进行平滑滤波，消除部分噪声，再进行边缘检测。不过，利用二阶导数信息的算法是基于过零检测的，因此得到的边缘点数比较少，有利于后继的处理和识别工

边缘检测电路的硬件实现,用的是Verilog语言,采用的是原理图输入,给出了源代码,对于采用FPGA做图像预处理有着很好的参考价值

(筆記) 如何設計邊緣檢測電路? (SOC) (Verilog)

Abstract

邊緣檢測電路(edge detection circuit)是個常見的基本電路。

Introduction

使用環境：Quartus II 7.2 SP3

所謂的邊緣檢測，簡單的說就是判斷前一個clock的狀態和目前clock狀態的比較，若由0變1，就是上升沿檢測電路(posedge edge detection circuit)(又稱上緣微分電路)，若是由1變0，就是下升沿檢測電路(negedge edge detection circuit)(又稱下緣微分電路)，若上升沿與下升沿都要檢測，就是雙沿檢測電路電路(double edge detection)。

上升沿檢測電路(posedge detection circuit)

Method 1：

使用兩個reg

r_data_in0與r_data_in1為D-FF，分別hold住上一個clock與目前clock的i_data_in，所謂上升沿電路，就是i_data_in由0變1，也就是r_data

摘 要

智能交通系统(ITS)是目前世界交通运输领域正在研究和广泛关注的课题。 近年来，智能交通系统的应用给交通运输业带来了巨大的经济效益，对于道路设 计、流量监控和高速公路管理起到了越来越重要的作用。论文所研究的视频车辆 检测技术在ITS中占有很重要的地位，与传统的车辆检测方法相比，视频车辆检测技术不仅具有安装维护便捷且费用较低、可监视范围广等诸多优点，同时可对道路现场图像进行智能化分析和处理。

本文利用OpenCV中对运动物体检测的数据结构、函数库，建立了一个视频车辆分析系统，用于道路上车辆的检测。检测过程是首先对视频图像进行预处理，比如二值化、去噪等；然后进行背景的提取及更新，由于背景差分法是通过当前帧和背景帧相减来提取运动目标，所以实时的背景更新尤为重要，本文采用多帧求平均的方法来更新背景，避免了光照条件和气候环境等带来的不利影响；最后利用背景差分法检测出运动车辆。经过实验验证，该方法可以较准确地检测出车辆目标，检测的成功率可达到90%以上。

关键字： 视频处理 车辆检测 OpenCV

ABSTRACT

Intelligent Transportation Systems (ITS) is the subj

摘 要

智能交通系统(ITS)是目前世界交通运输领域正在研究和广泛关注的课题。 近年来，智能交通系统的应用给交通运输业带来了巨大的经济效益，对于道路设 计、流量监控和高速公路管理起到了越来越重要的作用。论文所研究的视频车辆 检测技术在ITS中占有很重要的地位，与传统的车辆检测方法相比，视频车辆检测技术不仅具有安装维护便捷且费用较低、可监视范围广等诸多优点，同时可对道路现场图像进行智能化分析和处理。

本文利用OpenCV中对运动物体检测的数据结构、函数库，建立了一个视频车辆分析系统，用于道路上车辆的检测。检测过程是首先对视频图像进行预处理，比如二值化、去噪等；然后进行背景的提取及更新，由于背景差分法是通过当前帧和背景帧相减来提取运动目标，所以实时的背景更新尤为重要，本文采用多帧求平均的方法来更新背景，避免了光照条件和气候环境等带来的不利影响；最后利用背景差分法检测出运动车辆。经过实验验证，该方法可以较准确地检测出车辆目标，检测的成功率可达到90%以上。

关键字： 视频处理 车辆检测 OpenCV

ABSTRACT

Intelligent Transportation Systems (ITS) is the subj

实验三 图像的边缘检测

一、实验目的

1．进一步理解边沿检测的基本原理。 2．掌握对图像边沿检测的基本方法。

3．学习利用Matlab图像工具箱对图像进行边沿检测。 二、实验原理

边缘检测在图像处理中可分为空域下的操作和频域下的操作。本实验以空域下的操作为主要实验内容，其他方法同学们可以在课后自行实验。空域下的图像边缘检测主要应用的是领域运算。

三、实验要求

对边缘检测的要求：使用Matlab图像处理工具箱中的不同方法对下图的边缘进行提取；注意观察不同操作对垂直方向、水平方向、斜方向的提取效果有何区别；注意观察提取后的边界是否连续，若不连续可采用什么方法使其连续。

四、实验步骤

1．打开计算机，启动MATLAB程序；

2．调入实验指导书所示的数字图像，利用MATLAB图像工具箱中已有函数进行编程以实现图像的边缘检测； 3．显示原图和处理过的图像。 4．记录和整理实验报告 五、实验仪器 1．计算机；

2．MATLAB程序； 3．记录用的笔、纸。 六、实验程序：

七、程序说明：

1、先是读取图像I；

2、自定义矩阵[1,1,1,0,0,0,-1,-1,-1]这是横向边缘处理矩阵。[0,1,1,-