于MATLAB的多尺度形态学边缘检测[范文]

摘要：在计算机飞速发展的时代，数字图像处理的重要性已经慢慢的进入了人们的视野，在数字图像处理中，对图像的边缘检测是一个很大的技术难题，边缘检测是对图像的低等次的视觉处理，由于边缘所描述的最根本的目标是形状的特征，边缘检测的目标识别在图像处理中起着非常重要的作用，用来解决高层次的图像处理问题。边缘检测中主要的技术难点是如何降低噪声的干扰和怎样能检测最好最有效的边缘信息。传统的图像平滑方法虽然取得了一些效果，降低了噪声干扰，但在去除噪声的同时，也丢失了一些边缘信息，最终结果并不理想。近年来，人们对空间领域的深入研究，使用单尺度和多尺度的检测方法对图像进行处理，其中单尺度使得传统的方法不能完全获得图像的边缘信息。然而使用多尺度数学形态学方法在视觉领域上取得了较为理想的结果，并且多尺度检测方法和人类的视觉特征方向更加一致。

MATLAB程序

本文基于数学形态学理论，探讨了基于数学形态学的多尺度边缘检测方法。本文介绍了几种边缘检测算子和基本的数学形态学梯度边缘检测方法，并用MATLAB进行了对单尺度和多尺度边缘检测的仿真，比较了多尺度边缘检测和单尺度边缘检测的结果，通过对比，得出结构元素形态学边缘检测方法采用多尺度边缘检测可以更好的对目标图像进行细节处理。

第一章绪论

1.1 多尺度边缘检测的研究意义

在计算机飞速发展的时代，数字图像处理已经渐渐的进入了人们的视野，并且在生活生产的各个领域都有所应用。数字图像处理领域中非常重要的技术之一就是图像的边缘检测。边缘检测主要是将图像通过分割、压缩等操作进行图像的识别和处理，对于视觉领域进行研究，通常用于比较大级别的图像进行处理它是数字图像处理中最重要的研究课题之一，也是人们现阶段对于数字图像的高效处理必不可少的一部分。

边缘检测是图像理解、分析和识别的重要基础领域，边缘是图像的重要特征之一，是计算机视觉和模式识别等领域的重要研究方向。图像的大部分信息主要存在于

图像边缘，其不连续性主要是局部图像的特征，图像灰度变化在强的地方，这就是通常所说的信号奇异变化的地方。经典的边缘检测算法，是利用一阶导数在边缘处的极值，在两个导数的边缘上的梯形像过零或在屋脊边上的极值的微分算法。数学形态学算子是利用对图像的开运算和闭运算进行处理，图像边缘检测是图像处理中的一个热点和难点问题。

近年来，随着数学和人工智能技术的发展，出现了各种各样的边缘检测算法，如神经网络、遗传算法、数学形态学等。但由于边缘检测和边缘检测精度、定位精度和抗噪性等方面的矛盾和检测结果不同，算法的边缘精度却没有统一的标准，到目前为止仍不满意。随着网络和多媒体技术的发展，图像数据库变得非常大；并且由于对目标和背景之间的实时图像的变化是不一样的，如何实现精确定位和实时图像边缘提

取已成为人们必须面对的问题。边缘检测是图像处理领域中的一个基本问题，其中的问题是经典的，对于特征提取的解决方案和高层次的描述，目标识别和图像理解有很大的影响。然而，由于投影成像过程中的混合、畸变和噪声由于图像的模糊和畸变，边缘往往难以检测，这使得人们对边缘检测算子一直致力于结构具有良好的性能。边缘检测是图像预处理的一种重要方法，其检测结果直接决定了后续处理的质量，因此一直是数字图像处理领域的研究热点。到目前为止，已经提出了许多方法，如经典算

子、小波变换、模糊算子和形态学算子等。但这些运营商无法处理的矛盾，解决好定位边缘和去除噪声，提高检测过程中边缘检测的精度，可以达到更好的滤波效果是重难点很多研究领域，本文主要研究图像的多尺度边缘检测形态学和单尺度的比较结论边缘检测方法后。