边缘是图像最基本的特征,它包含了图像中的大部分信息,边缘检测技术广泛地应用于特征描述、图像分割、图像增强、模式识别等图像分析和处理领域,并已成为图像处理与分析技术中的研究热点。到目前为止,边缘检测领域已经提出了许多边缘检测算法,但是数字图像的边缘检测问题并没有得到比较完善的解决,图像在生产和传输过程中产生的噪声,使得边缘检测存在伪边缘、漏检边缘等问题,受拍摄环境和条件的限制,图像中总会出现一些与目标无关的干扰。如何提高边缘检测算法的准确性和信噪比是图像处理的经典难题,所以好的边缘检测方法一直是众多学者研究的重点,也是我们要为之努力的方向。本文的主要内容如下。1.介绍了数字图像处理的概念及其应用领域,阐述了边缘检测研究的背景、意义及具体步骤,分析了边缘检测技术仍存在的一些问题。2.分别介绍了经典的图像边缘检测算子,如roberts算子、sobel算子、canny算子、deriche算子等,并通过理论分析和仿真实验比较了他们各自的优缺点及适用性。3.传统的边缘检测算法,尤其是一些基于二阶导数零交叉的方法,对于信号中的噪声比较敏感使得边缘信息不能完全准确地检测出来。本文提出了一种基于零交叉的噪声图像边缘检测方法,先平滑图像,计算图像的梯度,然后对梯度图像用新推导出的递归算子求二阶导数,并分别按行方向和列方向进行过零点检测,最后合并两个方向上检测到的过零点得到图像边缘。实验结果表明该方法不仅对于含噪图像具有良好的边缘检测效果,而且由于所有滤波算子都是可递归执行的,大大减少了运算量和运算时间。4.针对边缘检测技术中经常存在的对单像素宽度边缘的漏检和边缘定位的错位性问题,本文提出了一种基于双阈值非线性导数算子的边缘检测方法。首先计算灰度图像的左右导数,然后通过设置双阈值对左右导数进行调整以保留有意义的边缘信息,最后合并左右导数得到图像梯度。阈值t₁能控制平滑噪声能力,阈值t₂能确保检测出单像素宽度的线边缘,而非线性导数计划可解决定位错位性的问题。实验结果表明,同传统的离散梯度算子相比,此算子不仅计算简单灵活,检测精度高,而且在没有平滑图像噪声的情况下得到了良好的边缘图像和信噪比。5.本文研究了万有引力定律在边缘检测领域的应用,提出了一种基于非线性滤波的万有引力边缘检测方法。首先计算灰度图像每个像素点的非线性梯度值,然后构造以该梯度值为自变量的归一化函数,最后用该函数代替中心像素点的灰度值对图像进行万有引力边缘检测。实验结果表明,同传统的边缘检测方法及Sun等提出的万有引力边缘检测算法相比,此方法不仅边缘定位准确,而且对于各种噪声图像也都具有良好的边缘检测效果。