毕业设计（论文）-基于动态双阈值的canny算子对象边缘提取算法研究

《毕业设计（论文）-基于动态双阈值的canny算子对象边缘提取算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要边缘检测在图像理解，分析识别领域中是十分重要的研究课题，边缘检测的效果将直接影响到图像理解和识别的性能。在图像处理领域，边缘是图像的基本特征。所谓边缘是指图像周围像素灰度有阶跃变化或屋顶状变化的像素的集合，它存在于目标和背景，目标与目标，区域与区域，基元与基元之间。边缘具有方向和幅度两个特征，沿边缘走向，像素值变化比较平缓；垂直于边缘走向，像素值变化比较剧烈，可能呈现阶跃状，也可能呈现斜坡状。Canny算子提取算法采用二维高斯函数任一方向上的一阶方向导数为噪声滤波器，通过卷积运算对图像滤波，然后寻找滤波后图像梯度的局部极大值，以确定图像边缘。Canny算子提取算法得到的目标图像，具

2、有信噪比大和检测精度高的优点，因此得到广泛的应用。动态阈值Canny算法根据图像的具体情况而选择阈值，该方法具有更广的自适应能力，保证了图像边界提取的准确性。关键词：边缘检测，Canny算子，动态阈值31ABSTRACTEdgedetectionisanimportanttopicinimageunderstandingandidentifiesareas.Theeffectofedgedetectionwilldirectlyaffecttheimageunderstandingandperformancerecognition.Edgeisthemostbasicfeatureso

3、fimage.Theso-callededgeisaroundthepixelgrayscaleimagewithastepchangeorroof-likechangesinthesetofpixels.Itexistsintargetandbackground,goalsandobjectives,regionalandregional,unitandunit.Therearetwocharacteristicofedge,whicharedirectionandmagnitude.Alongwithedge,changesofpixelvaluearesmall,andinano

4、therdirectionchangesaredramaticallylarge.Sometimesitmayshowsstep-likeandsometimesitmaybepresentedsloping.Cannyedgedetectionemploys2-dimentionalGaussianfilterfunctiontoeliminatenoise.Andthenfindoutthemaximalvalueoffilteredimageinlocal.Therewashighsignal-noiseratioandaccuratelocationofedgesdetecte

5、dbyCanny.Soitiswidelyusedintheworld.DynamicthresholdofCannymethodselectsthethresholdbyeveryimage,soithasamoreadjustableandaccurately.KEYWORDS:edgedetection,cannyoperator,dynamicthreshold31目录第1章前言11.1研究背景11.2Canny算子边缘提取算法的研究现状11.2.1经典算法21.2.2新兴算法31.3本文的研究内容与章节安排51.4本文的研究成果与意义5第2章Canny算子边缘检测的基本理论6

6、2.1图像边缘的定义[12]62.2边缘检测的基本原理与衡量指标[13]72.2.1边缘检测的基本原理82.2.2边缘检测的衡量指标[14][15]92.3Canny算子边缘检测92.3.1Canny算子的实现步骤[16]102.3.2Canny算子的约束准则[18][19]112.3.3固定双阈值的Canny算法122.4Canny算子存在的问题及改进的方法[20]132.4.1Canny算子存在的问题132.4.2改进的Canny算法[21]13第3章动态双阈值Canny算子边缘提取算法与实现173.1算法框图173.2动态阈值的实现173.2.1Matlab函数的意义:183.2

7、.2Matlab函数实现183.2.3改变测试图像2131第4章实验对比与分析244.1测试图像参数说明244.2图像的测试结果与分析244.2.1Tsukuba图像的测试结果与分析244.2.2Mart图像的测试结果与分析264.2.3IlkayJohn图像的测试结果与分析294.3实验总结31第5章结论与展望325.1全文工作总结325.2未来展望32致谢33参考文献34附录1英文原文36附录2中文译文4531北方民族大学学士学位论文第1章