性运算,这极大地限制了光学图像处理能实现的目标。而数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。目前图像处理的应用领域非常广泛,如下表所总结的。Р表1 图像处理应用的领域Р学科Р应用Р物理、化学Р结晶分析、谱分析Р生物、医学Р细胞分析、染色体分类、X 射线成像、CT 等Р环境保护Р水质及大气污染调查等Р地质Р资源勘测、地图绘制、GIS 等Р农业、林业Р农业物估产、植被分布调查Р渔业Р鱼群分布调查等Р气象Р卫星云图分析Р通信Р传真、电视、多媒体通信Р工业Р工业探伤、机器人、产品检测Р军事Р导弹导航、军事侦察Р法律Р指纹识别Р2.2图像处理的边缘检测Р边缘是图象最基本的特征. 边缘检测在计算机视觉、图象分析等应用中起着重要的作用,是图象分析与识别的重要环节,这是因为子图象的边缘包含了用于识别的有用信息. 所以边缘检测是图像分析和模式识别的主要特征提取手段。Р所谓边缘是指其周围像素灰度后阶变化或屋顶状变化的那些像素的集合,它存在于目标与背景、目标与目标、区域与区域,基元与基元之间。因此它是图象分割所依赖的重要的特征,也是纹理特征的重要信息源和形状特征的基础;而图象的纹理形状特征的提取又常常依赖于图象分割。图象的边缘提取也是图象匹配的基础,因为它是位置的标志,对灰度的变化不敏感,它可作为匹配的特征点。Р图象的其他特征都是由边缘和区域这些基本特征推导出来的. 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;而垂直与边缘走向,则像素值变化比较剧烈. 而这种剧烈可能呈现阶跃状,也可能呈现斜坡状。边缘上像素值的一阶导数较大;二阶导数在边缘处值为零,呈现零交叉。Р经典的、最简单的边缘检测方法是对原始图象按像素的某邻域构造边缘算子. 由于原始图象往往含有噪声,而边缘和噪声在空间域表现为灰度有比较大的起落
全文预览