本站原创本文是一篇计算机工程论文范文,计算机工程相关本科论文开题报告,关于图像边缘检测算法相关毕业论文题目范文。适合计算机工程及计算机及参考文献方面的的大学硕士和本科毕业论文以及计算机工程相关开题报告范文和职称论文写作参考文献资料下载。
摘 要：图像边缘时图像最基本的特征,边缘检测是图像处理及计算机视觉领域的基本问题.数字图像中存在一些亮度变化明显的点,边缘检测的目的就是将这些点标示出来.典型的边缘检测算法有Sobel、Log、Canny,这些算法由于涉及梯度运算,存在对噪声敏感、计算量大等缺点.本文主要研究了SUSAN算法并检验了该算法的抗噪能力.
关 键 词：边缘检测；Sobel；Log；Canny；SUSAN算法
中图分类号：TP391.41
边缘检测的基本思想是先检测图像中的边缘点,接着以某种策略将边缘点连接成轮廓,这样就构成了分割区域.由于边缘是所要提取对象和背景的分界线,只有提取出边缘方可分离对象和背景.由此可以看出边缘检测对于数字图像处理的重要性.Sobel、Prewitt、Log等常用边缘检测方法,都是对原图像中像素的小邻域构造出边缘检测算子,进行微分运算,得到梯度最大值或者二阶导数算子过零点,最后通过选取适当的阈值来提取边界.这些算法均涉及到了梯度运算,故都存在抗噪性差、计算量大等缺点.针对这些,本文主要研究了Susan算法,该算法不需要梯度运算,只需要与周边像素的灰度进行比较,因此抗噪能力好且运算量小.同时Susan算法还具有使用灵活,可检测边缘方向信息等优点.
1Susan边缘检测原理
与常规卷积算法的正方形模板不同,Susan算子采用一种近似圆形的模板.在模板圆内,将与模板核像元值相似的像元数量或面积称为吸收核同值区（UnivalueSegmentAssimilatingNucleus,USAN）面积,如图1所示,从左往右共6个模板圆,圆在图像上移动时,圆内USAN面积是变化的.圆1和圆5USAN区域面积最大；当模板移向图像边缘时,USAN区域逐渐变小；当模板核处于角点时,USAN区域最小,如圆6.因此,可通过计算图像中所有像素的USAN值,并与设定的阈值进行比较来确定边缘点.基于USAN面积的检测方法与其他方法最大不同就是不需要微分运.
2Susan边缘检测算法
2.1构造圆形模板
对于数字图像,真正的圆形模板无法实现,故采用近似圆来代替.同时要考虑模板的大小,模板过大会增大运算量；模板较小或门限选取不当,可能会导致边缘点漏检.通常是取5×5窗口或37像素模板.
2.2计算USAN区域面积
2.3阈值t,g的选取
边缘点的USAN区域的最大值由阈值g决定,当n（r0） 阈值t决定SUSAN算子所能检测到的最小对比度以及去除噪声点的能力,它关乎到能够提取的特征点数量.若t越小,则可从对比度越低的图像中提取特征,且提取的特征也越多,因此对于不同对比度和噪声情况的图像,应取不同的t值. 3实验结果 4结语 SUSAN算子是一个原理简单、易于了解的算子.由于其只基于对周边象素的灰度比较,完全不涉及梯度的运算,因此其抗噪声能力很强,运算量也比较小；同时,SUSAN算子还是一个各向同性的算子；最后,通过控制参数t和g,可以根据具体情况很容易地对不同对比度、不同形状的图像通过设置恰当的t和g进行控制.比如图像的对比度较大,则可选取较大的t值,而图像的对比度较小,则可选取较小的t值.总之,SUSAN算子是一个非常难得的算子,不仅具有很好的边缘检测性能；而且对角点检测也具有很好的效果.