LOG算子的图像感兴趣区域的识别和提取
LOG算子的图像感兴趣区域的识别和提取[20191218091956]
摘 要
近年来,随着图形图像学、计算机科学技术以及数学的快速发展,数字图像处理技术也得到了迅猛的发展,并得到了广泛的应用。此外，数字图象处理也是备受关注的科研课题。
图像感兴趣区域（Region of Interests,ROI）对应着图像的前景（其它部分成为背景），它们一般是具有感知突出，语义内容丰富的特定图像区域，并不一定具有规则的几何形状。ROI的识别和提取是图像检索的基础，在实际应用中有着重要的作用。
图像ROI的识别和提取本质上属于图像的分割，图像分割首先要做边缘检测。MARR和Hildreth 提出的LOG算子是经典的边缘检测算法之一，在现实生活中得到了广泛的应用。但是LOG算子也有一些缺点与不足，比如对图像椒盐噪声的消除效果不理想，噪声消除与边缘定位能力相矛盾等。
本课题学习经典的算子，如模板算子，LOG算子，Canny算子，研究LOG算子的原理，LOG算子在边缘检测中的应用，对LOG算子作出一定的改进，应用LOG算子实现ROI边缘检测，进而进行图像的分割，提取出ROI。在此基础上实现了基于LOG算子的图像ROI提取系统，并用高级语言程序设计（C#）实现
查看完整论文请+Q: 351916072
关键字:字图像处理图像分割边缘检测LOG算子
Keywords: Image processing;Image segmentation;Edge detection ;LOG operator 目 录
1 引言 1
2 数字图像边缘检测概述 3
2.1 数字图像边缘检测的相关术语 3
2.3 数字图像边缘检测的研究内容 3
2.4 数字图像边缘检测的发展前景 4
3 边缘检测的基础理论和经典方法 6
3.1 边缘检测的基拙理论与步骤 6
3.2 C#进行图像处理的基础与优势 6
3.3 边缘检测算子原理及其实现 7
3.3.1 Roberts边缘算子原理及其实现 8
3.3.2 Sobel边缘算子原理及其实现 10
3.3.3 Prewitt边缘算子原理及其实现 12
3.3.4 Laplacian边缘算子原理及其实现 14
3.3.5 LOG边缘算子原理及其实现 18
3.3.6 Canny边缘算子原理及其实现 26
3.4 本章总结 33
4 基于改进的LOG算子的边缘检测算法 35
4.1定义 35
4.2实现代码 36
4.3效果图 37
结束语 40
参考文献 41
致谢 42
1 引言
图像ROI的识别和提取本质上属于图像的分割，图像分割的基础是边缘检测，本文主要是利用边缘检测技术进行图像ROI的识别和提取，数字图像的边缘检测技术的主要目的是能够精确地定位图像边缘, 同时又能有效地降低噪声的影响。对图像进行边缘检测能够减少图像中的大部分的数据，并且能够去除那些被认为是无关的信息，从而保留了图像中最基本的信息和结构。
数字图像的边缘检测是图像分析，图像理解和计算机可视化处理的重要基础，数字图像的边缘是图像的最重要和最基本的特征，并且包含了图像中最基本的信息。到目前为止，有很多边缘检测的方法，这些技术能被分为像素级和亚像素级边缘检测。早期的边缘检测的方法利用局部算子近似计算空间域中图片灰度级的一阶导数，一阶导数的局部最大值的位置被认为是边缘点。 Prewitt和Sobel算子是基于梯度的边缘检测算子，Marr和Hildreth提出了高斯拉普拉斯（LOG）边缘检测算子，这种算子使用高斯平滑，接着计算二阶倒数，零交叉点被认为是边缘点。Canny提出了一种最优边缘检测，特别是对于二维图像，Canny 算子能够给出强度和方向的边缘信息。上述所有的方法都是基于像素级的边缘检测算法，能够快速进行检测边缘但边缘检测的精度低。亚像素级法能够解决检测精度的问题。许克尔最早提出了一种亚像素边缘检测技术，该技术首先将图像的数据转换到包含九个参数的Hilbert空间中来确定边缘的各个参数，接着如果一个点的边缘参数所得的值非常接近于理想的边缘模型，那么我们就认为这个点是边缘点。但是，这个算子很难检测孤立点。Binford 提出了线性内插的方法来检测边缘，Kris Jensen提出了一个非线性插值以提高图像的分辨率，但是低精确度的问题任然没有得到解决。
在图像的边缘检测算法中，最为经典的就是利用微分进行边缘检测的算法，主要有两种微分检测的算法，一阶微分和二阶微分。最为常用的一阶微分边缘检测算法有：Roberts算子（罗伯茨算子），Canny算子（坎尼算子），Sobel算子（索贝尔算子），Prewitt算子；最为常用的二阶微分边缘检测算法有：Laplacian算子（拉普拉斯算子），LOG算子（拉普拉斯-高斯边缘检测算子）。而在现实的应用中，由于无论是什么样的微分算子，如果将其直接用于边缘检测，很显然都会受到噪声的影响，并且现实中的图像的边缘大多都是多种边缘类型的组合，这些都使得很难有普遍适用的边缘检测的算法，寻找更为高效，更为简单的边缘检测的算法一直是许多学者研究的目标。
本论文的主要内容：阐述数字图像边缘检测技术的背景，前景以及存在的问题，介绍了几个经典的图像边缘检测算子（模板算子，Canny算子，LOG算子）的原理，用C#语言实现这些算子，并且通过实验来分析比较它们的优缺点，并在此基础提出基于LOG算子的改进的边缘检测的算法。
2 数字图像边缘检测概述
数字图像边缘检测技术起源于20世纪初，但是由于技术和理论方面都比较落后，所以一直都没有得到很好的发展，直到最近十几年，随着图形图像学，数学和计算机科学技术的迅猛发展，数字图像处理也得到了高速的发展，尤其有边沿检测技术更是取得了重大突破，已经成为了一个重要的新兴的学科分支，并且边缘检测技术也有很大的应用前景，已经广泛的应用到了科学研究和日常生活中，小到汽车牌照的区域检测，大到医学处理，微生物，人脸识别，人工智能等领域的应用。
2.1数字图像边缘检测的相关术语
在数字图像的边缘检测中，有很多的专业术语，我们需要先做了解，这样在接下来的介绍中，才能够更透彻的理解边缘检测技术。
(1)图边缘：指的是图像中灰度（亮度）变化率最大的位置。
(2)边缘点：指的是图像中那些亮度发生了显著的变化的点，也被称为奇异点。
(3)边缘段：指的是边缘的坐标（x,y）及其方向
(4)边缘检测：指的是从图像中检测出边缘点和边缘段，并且描述边缘方向的过程。
(5)轮廓：图像边缘的列表。
(6)边缘的连接：指的是将边缘列表中的元素排序的过程。
(7)边缘跟踪：指的是在图像或者图像序列中确定轮廓的过程。边缘跟踪通常需要根据总体信息来判断一个像素点是否为边缘点[1]。
2.3 数字图像边缘检测的研究内容
随着图形图像学，数学，计算机科学技术以及数字图象处理技术的迅猛发展，数字图像的边缘检测技术也得到了飞速的发展，并且得到了广泛的应用，几乎每个领域都离不开边缘检测技术，现在越来越多的学者都把研究的目光投向了这个新的学科，边缘检测技术的主要的研究方向包括：
(1) 图像的获得和抽样：就是将获取的信号进行采样，数字化，将图像用数字的形式表现出来，常用的图像获取装置有电视，摄像机等。
(2) 图像的分割：图像分割的目的就是能够根据图像的内部构造和应用要求将图像划分成一个个有意义的子区域。通常我们把这些子区域可以看成具有相同属性的像素的连通集合[13]。
(3) 边界的查索：获得图像的局部结构，是图像分割的预处理的其中一个步骤。
(4) 图像的增强：图像的增强也被称为图像的滤波，其主要目的是根据需要，突出图像中有用的信息，减少或者消除那些无用的信息，以此扩大图像中不同部分的差别，使得处理后的图像比原来的图像更实用，更有针对性。
(5) 模式的识别：模式识别也被称为机器识别或者计算机识别，模式识别就是使得机器能够自动识别物体[2]。
我们处在丰富多彩，五彩斑斓的世界中，各种各样的视觉体验让我们沉醉其中，随着科技的发展，我们对于计算机视觉的需求更高，对于图像处理技术也越来越重视。这些都推动了图像处理技术的发展，小到汽车牌照的应用，大到医学成像，微生物观测，视觉检测，动态对象的跟踪和生物医学成像等，可以说，图像的边缘检测技术与我们的生活息息相关。
2.4 数字图像边缘检测的发展前景
随着计算机科学技术，数学以及图形图像学的迅猛发展，数字图像处理技术也取得了重大的突破，并且广泛的应用到了我们的日常生活中和科学研究中，作为数字图象处理技术的基础，数字图像的边缘检测技术也得到了快速的发展，出现了许多新的边缘检测的算法，但是在现实的应用中，由于无论是什么样的算子，如果将其直接用于边缘检测，很显然都会受到噪声的影响，并且现实中的图像的边缘大多都是多种边缘类型的组合，这些都使得很难有普遍适用的边缘检测的算法。但是正是由于没有固定的，有效的边缘检测算法，因此该领域还有很大的发展空间，有很好的发展前景。现在的边缘检测技术的发展趋势是更加的多元化，现在的学者积极学习和吸收其他学科的技术，创造出了很多新兴的边缘检测技术，例如利用统计学进行的边缘检测技术、利用数学形态学进行的边缘检测技术、利用模糊理论进行的边缘检测技术、利用神经网络进行的边缘检测技术、利用小波分析和变换进行的边缘检测技术、利用信息论进行的边缘检测技术等。同时现在的边缘检测技术也更加功能化，具体问题具体分析，针对特殊的图像进行特殊的边缘检测，例如，有专门针对彩色图像的边缘检测技术、有专门针对三维算子的边缘检测技术、有专门针对雷达的边缘检测技术、有专门针对运动图像的边缘检测技术等，这些进步都让我们看到了图像边缘检测的美好的前景，同时，要实现边缘检测技术更好的发展，也需要我们当代的学者不断努力的探索，不断开阔创新，来寻求算法更为简单，去除噪声效果更好，检测精度更高的算子。
摘 要
近年来,随着图形图像学、计算机科学技术以及数学的快速发展,数字图像处理技术也得到了迅猛的发展,并得到了广泛的应用。此外，数字图象处理也是备受关注的科研课题。
图像感兴趣区域（Region of Interests,ROI）对应着图像的前景（其它部分成为背景），它们一般是具有感知突出，语义内容丰富的特定图像区域，并不一定具有规则的几何形状。ROI的识别和提取是图像检索的基础，在实际应用中有着重要的作用。
图像ROI的识别和提取本质上属于图像的分割，图像分割首先要做边缘检测。MARR和Hildreth 提出的LOG算子是经典的边缘检测算法之一，在现实生活中得到了广泛的应用。但是LOG算子也有一些缺点与不足，比如对图像椒盐噪声的消除效果不理想，噪声消除与边缘定位能力相矛盾等。
本课题学习经典的算子，如模板算子，LOG算子，Canny算子，研究LOG算子的原理，LOG算子在边缘检测中的应用，对LOG算子作出一定的改进，应用LOG算子实现ROI边缘检测，进而进行图像的分割，提取出ROI。在此基础上实现了基于LOG算子的图像ROI提取系统，并用高级语言程序设计（C#）实现
查看完整论文请+Q: 351916072
关键字:字图像处理图像分割边缘检测LOG算子
Keywords: Image processing;Image segmentation;Edge detection ;LOG operator 目 录
1 引言 1
2 数字图像边缘检测概述 3
2.1 数字图像边缘检测的相关术语 3
2.3 数字图像边缘检测的研究内容 3
2.4 数字图像边缘检测的发展前景 4
3 边缘检测的基础理论和经典方法 6
3.1 边缘检测的基拙理论与步骤 6
3.2 C#进行图像处理的基础与优势 6
3.3 边缘检测算子原理及其实现 7
3.3.1 Roberts边缘算子原理及其实现 8
3.3.2 Sobel边缘算子原理及其实现 10
3.3.3 Prewitt边缘算子原理及其实现 12
3.3.4 Laplacian边缘算子原理及其实现 14
3.3.5 LOG边缘算子原理及其实现 18
3.3.6 Canny边缘算子原理及其实现 26
3.4 本章总结 33
4 基于改进的LOG算子的边缘检测算法 35
4.1定义 35
4.2实现代码 36
4.3效果图 37
结束语 40
参考文献 41
致谢 42
1 引言
图像ROI的识别和提取本质上属于图像的分割，图像分割的基础是边缘检测，本文主要是利用边缘检测技术进行图像ROI的识别和提取，数字图像的边缘检测技术的主要目的是能够精确地定位图像边缘, 同时又能有效地降低噪声的影响。对图像进行边缘检测能够减少图像中的大部分的数据，并且能够去除那些被认为是无关的信息，从而保留了图像中最基本的信息和结构。
数字图像的边缘检测是图像分析，图像理解和计算机可视化处理的重要基础，数字图像的边缘是图像的最重要和最基本的特征，并且包含了图像中最基本的信息。到目前为止，有很多边缘检测的方法，这些技术能被分为像素级和亚像素级边缘检测。早期的边缘检测的方法利用局部算子近似计算空间域中图片灰度级的一阶导数，一阶导数的局部最大值的位置被认为是边缘点。 Prewitt和Sobel算子是基于梯度的边缘检测算子，Marr和Hildreth提出了高斯拉普拉斯（LOG）边缘检测算子，这种算子使用高斯平滑，接着计算二阶倒数，零交叉点被认为是边缘点。Canny提出了一种最优边缘检测，特别是对于二维图像，Canny 算子能够给出强度和方向的边缘信息。上述所有的方法都是基于像素级的边缘检测算法，能够快速进行检测边缘但边缘检测的精度低。亚像素级法能够解决检测精度的问题。许克尔最早提出了一种亚像素边缘检测技术，该技术首先将图像的数据转换到包含九个参数的Hilbert空间中来确定边缘的各个参数，接着如果一个点的边缘参数所得的值非常接近于理想的边缘模型，那么我们就认为这个点是边缘点。但是，这个算子很难检测孤立点。Binford 提出了线性内插的方法来检测边缘，Kris Jensen提出了一个非线性插值以提高图像的分辨率，但是低精确度的问题任然没有得到解决。
在图像的边缘检测算法中，最为经典的就是利用微分进行边缘检测的算法，主要有两种微分检测的算法，一阶微分和二阶微分。最为常用的一阶微分边缘检测算法有：Roberts算子（罗伯茨算子），Canny算子（坎尼算子），Sobel算子（索贝尔算子），Prewitt算子；最为常用的二阶微分边缘检测算法有：Laplacian算子（拉普拉斯算子），LOG算子（拉普拉斯-高斯边缘检测算子）。而在现实的应用中，由于无论是什么样的微分算子，如果将其直接用于边缘检测，很显然都会受到噪声的影响，并且现实中的图像的边缘大多都是多种边缘类型的组合，这些都使得很难有普遍适用的边缘检测的算法，寻找更为高效，更为简单的边缘检测的算法一直是许多学者研究的目标。
本论文的主要内容：阐述数字图像边缘检测技术的背景，前景以及存在的问题，介绍了几个经典的图像边缘检测算子（模板算子，Canny算子，LOG算子）的原理，用C#语言实现这些算子，并且通过实验来分析比较它们的优缺点，并在此基础提出基于LOG算子的改进的边缘检测的算法。
2 数字图像边缘检测概述
数字图像边缘检测技术起源于20世纪初，但是由于技术和理论方面都比较落后，所以一直都没有得到很好的发展，直到最近十几年，随着图形图像学，数学和计算机科学技术的迅猛发展，数字图像处理也得到了高速的发展，尤其有边沿检测技术更是取得了重大突破，已经成为了一个重要的新兴的学科分支，并且边缘检测技术也有很大的应用前景，已经广泛的应用到了科学研究和日常生活中，小到汽车牌照的区域检测，大到医学处理，微生物，人脸识别，人工智能等领域的应用。
2.1数字图像边缘检测的相关术语
在数字图像的边缘检测中，有很多的专业术语，我们需要先做了解，这样在接下来的介绍中，才能够更透彻的理解边缘检测技术。
(1)图边缘：指的是图像中灰度（亮度）变化率最大的位置。
(2)边缘点：指的是图像中那些亮度发生了显著的变化的点，也被称为奇异点。
(3)边缘段：指的是边缘的坐标（x,y）及其方向
(4)边缘检测：指的是从图像中检测出边缘点和边缘段，并且描述边缘方向的过程。
(5)轮廓：图像边缘的列表。
(6)边缘的连接：指的是将边缘列表中的元素排序的过程。
(7)边缘跟踪：指的是在图像或者图像序列中确定轮廓的过程。边缘跟踪通常需要根据总体信息来判断一个像素点是否为边缘点[1]。
2.3 数字图像边缘检测的研究内容
随着图形图像学，数学，计算机科学技术以及数字图象处理技术的迅猛发展，数字图像的边缘检测技术也得到了飞速的发展，并且得到了广泛的应用，几乎每个领域都离不开边缘检测技术，现在越来越多的学者都把研究的目光投向了这个新的学科，边缘检测技术的主要的研究方向包括：
(1) 图像的获得和抽样：就是将获取的信号进行采样，数字化，将图像用数字的形式表现出来，常用的图像获取装置有电视，摄像机等。
(2) 图像的分割：图像分割的目的就是能够根据图像的内部构造和应用要求将图像划分成一个个有意义的子区域。通常我们把这些子区域可以看成具有相同属性的像素的连通集合[13]。
(3) 边界的查索：获得图像的局部结构，是图像分割的预处理的其中一个步骤。
(4) 图像的增强：图像的增强也被称为图像的滤波，其主要目的是根据需要，突出图像中有用的信息，减少或者消除那些无用的信息，以此扩大图像中不同部分的差别，使得处理后的图像比原来的图像更实用，更有针对性。
(5) 模式的识别：模式识别也被称为机器识别或者计算机识别，模式识别就是使得机器能够自动识别物体[2]。
我们处在丰富多彩，五彩斑斓的世界中，各种各样的视觉体验让我们沉醉其中，随着科技的发展，我们对于计算机视觉的需求更高，对于图像处理技术也越来越重视。这些都推动了图像处理技术的发展，小到汽车牌照的应用，大到医学成像，微生物观测，视觉检测，动态对象的跟踪和生物医学成像等，可以说，图像的边缘检测技术与我们的生活息息相关。
2.4 数字图像边缘检测的发展前景
随着计算机科学技术，数学以及图形图像学的迅猛发展，数字图像处理技术也取得了重大的突破，并且广泛的应用到了我们的日常生活中和科学研究中，作为数字图象处理技术的基础，数字图像的边缘检测技术也得到了快速的发展，出现了许多新的边缘检测的算法，但是在现实的应用中，由于无论是什么样的算子，如果将其直接用于边缘检测，很显然都会受到噪声的影响，并且现实中的图像的边缘大多都是多种边缘类型的组合，这些都使得很难有普遍适用的边缘检测的算法。但是正是由于没有固定的，有效的边缘检测算法，因此该领域还有很大的发展空间，有很好的发展前景。现在的边缘检测技术的发展趋势是更加的多元化，现在的学者积极学习和吸收其他学科的技术，创造出了很多新兴的边缘检测技术，例如利用统计学进行的边缘检测技术、利用数学形态学进行的边缘检测技术、利用模糊理论进行的边缘检测技术、利用神经网络进行的边缘检测技术、利用小波分析和变换进行的边缘检测技术、利用信息论进行的边缘检测技术等。同时现在的边缘检测技术也更加功能化，具体问题具体分析，针对特殊的图像进行特殊的边缘检测，例如，有专门针对彩色图像的边缘检测技术、有专门针对三维算子的边缘检测技术、有专门针对雷达的边缘检测技术、有专门针对运动图像的边缘检测技术等，这些进步都让我们看到了图像边缘检测的美好的前景，同时，要实现边缘检测技术更好的发展，也需要我们当代的学者不断努力的探索，不断开阔创新，来寻求算法更为简单，去除噪声效果更好，检测精度更高的算子。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/3366.html
