摘 要：隨著計(jì)算機(jī)的不斷普及一個(gè)新的名詞---圖像邊緣檢測(cè)進(jìn)入人們的視線(xiàn)，這是一種新型的有關(guān)圖像的處理的方式，而且他的應(yīng)用現(xiàn)在也十分的廣泛，本文將重點(diǎn)介紹圖像邊緣檢測(cè)方法的應(yīng)用以及相關(guān)的研究。

關(guān)鍵詞：圖像邊緣檢測(cè)；方法；應(yīng)用；研究

中圖分類(lèi)號(hào)：TP391.41

圖像的邊緣檢測(cè)在圖像的處理與識(shí)別的過(guò)程中發(fā)揮著巨大的作用，首先我們應(yīng)該認(rèn)識(shí)到何為邊緣，所謂邊緣就是我們的圖像與背景的分界線(xiàn)。只有將邊緣良好的區(qū)分我們的圖像才能完整。以下我們將展開(kāi)詳細(xì)介紹。

1 現(xiàn)在條件下的邊緣檢測(cè)的方法

1.1 在小波的基礎(chǔ)上進(jìn)行的邊緣檢測(cè)方法

小波的邊緣檢測(cè)的方法是在Fourier的基礎(chǔ)之上發(fā)展來(lái)的。眾所周知，圖像是一種不穩(wěn)定的信號(hào)，所以在處理的時(shí)候會(huì)存在一定的困難。但是，在小波的基礎(chǔ)上進(jìn)行的邊緣檢測(cè)就解決了這方面的缺陷。并且小波的邊緣檢測(cè)還具有自身的特性，例如在高頻的條件之下，能夠有效地辨析時(shí)間，在低頻的條件之下，能夠有效地辨析頻率。我們通過(guò)對(duì)于頻率的分析可以發(fā)現(xiàn)，這是一種變焦的特點(diǎn)，這也是在傳統(tǒng)的邊緣圖像處理的基礎(chǔ)之上的得到的進(jìn)步。在小波的基礎(chǔ)上進(jìn)行的邊緣檢測(cè)在現(xiàn)代的應(yīng)用中十分的廣泛，這主要得益于他本身的優(yōu)點(diǎn)。所謂的小波變換就是能夠捕捉到很小的圖像邊緣的變化，因?yàn)樵谶吘壧幍膱D像變化是很大的，小波的邊緣處理正好符合這個(gè)特性，當(dāng)圖像的尺度越小他的邊緣尺度變化的越快，這樣對(duì)于精度的要求就越高，而且在這樣的條件下噪音對(duì)于圖像就會(huì)有比較大的影響力。相反的一幅圖像的尺度比較大的時(shí)候，它的邊緣的變化是很平緩的，所以與小尺度的相比對(duì)于噪聲的影響也就不那么明顯。由此可見(jiàn)對(duì)于小波的邊緣處理什么尺度的圖像邊緣我們都能夠很好的處理。我們?cè)谶M(jìn)行圖像邊緣檢測(cè)利用的思想是逐漸變化的思想，利用不同的標(biāo)準(zhǔn)進(jìn)行檢測(cè)，然后找到最大值的變化的情況，并通過(guò)對(duì)于數(shù)據(jù)的應(yīng)用，根據(jù)標(biāo)準(zhǔn)的不同合理分析，得到最后的我們需要的圖像，可以較好的解決噪聲和定位精度之間的矛盾。

1.2 在形態(tài)學(xué)的基礎(chǔ)之上進(jìn)行的邊緣檢測(cè)方法

我們所介紹的形態(tài)學(xué)是一種數(shù)學(xué)形態(tài)的應(yīng)用。他在現(xiàn)在科學(xué)的基礎(chǔ)之上得到了比較廣泛的應(yīng)用。所謂的形態(tài)學(xué)是利用整體與部分之間的關(guān)系。準(zhǔn)確的檢測(cè)邊緣與整個(gè)圖像之間的關(guān)系，這樣，可以減少很多外在的影響，直間探測(cè)到我們需要的邊緣。而且這種在形態(tài)學(xué)的基礎(chǔ)之上進(jìn)行的檢測(cè)對(duì)于噪聲的影響的抵抗能力是比較強(qiáng)的。因?yàn)槲覀兊男螒B(tài)邊緣檢測(cè)是在數(shù)學(xué)的基礎(chǔ)之上進(jìn)行的所以這就意味著他也具有很多數(shù)學(xué)方面的特征。因?yàn)閿?shù)學(xué)是一門(mén)數(shù)字的學(xué)科，這就意味著這種檢測(cè)方式具有嚴(yán)謹(jǐn)?shù)奶匦?，所以他在邊緣的?shù)字檢測(cè)方面得到了長(zhǎng)足的發(fā)展。當(dāng)然在現(xiàn)在的基礎(chǔ)之上數(shù)學(xué)的檢測(cè)方法因?yàn)榘l(fā)展的不完善也存在一定的不足之處。因?yàn)閿?shù)學(xué)應(yīng)用的是總體與部分之間的特性。所以當(dāng)結(jié)構(gòu)比較簡(jiǎn)單的時(shí)候，結(jié)構(gòu)的確定就會(huì)比較困難，而且結(jié)構(gòu)簡(jiǎn)單的時(shí)候噪聲也會(huì)對(duì)于整個(gè)邊緣的檢測(cè)造成比較大的影響。所以，我們總結(jié)得出，基于數(shù)學(xué)的基礎(chǔ)之上的圖像的邊緣檢測(cè)對(duì)于圖像是有選擇性的。只有整體的元素比較復(fù)雜的時(shí)候才能應(yīng)用這種形態(tài)邊緣檢測(cè)方式。盡管發(fā)展存在的一定的不足之處，因?yàn)樗?dú)特的嚴(yán)謹(jǐn)性的特性也得到了廣泛的發(fā)展。

1.3 在模糊學(xué)的基礎(chǔ)之上進(jìn)行的邊緣檢測(cè)方法

所謂的模糊學(xué)就是用一些比較模糊的知識(shí)來(lái)描述一件事情。就如同美術(shù)中的印象派，它是一種不清晰的東西。模糊學(xué)的提出是根據(jù)人類(lèi)的視覺(jué)特性來(lái)進(jìn)行的。在模糊識(shí)別的過(guò)程中分成很多的層次，并且我們的模糊的邊緣檢測(cè)在各個(gè)層次應(yīng)用的都是有關(guān)模糊學(xué)的知識(shí)。如在特征層，可將輸入模式表達(dá)成隸屬度值的矩陣： 在分類(lèi)層，可表模糊模式的多類(lèi)隸屬度值，并提供損失信息的估計(jì)。模糊學(xué)的產(chǎn)生是有一定的條件的，在很多的情況下，我們對(duì)于一些事物不能做出明確的解釋?zhuān)俏覀儗?duì)于這個(gè)事物又具有一定程度的了解，這就產(chǎn)生了模糊學(xué)。而在本文討論當(dāng)中，將模糊學(xué)引入圖像的邊緣檢測(cè)，可以比較好的區(qū)分邊緣與背景，這樣在檢測(cè)邊緣的時(shí)候，整個(gè)過(guò)程就會(huì)變得更加簡(jiǎn)單。這種算法應(yīng)用到相應(yīng)的矩陣的知識(shí)，首先將相關(guān)的圖像映射成相關(guān)的模糊的矩陣，然后進(jìn)行相應(yīng)的變換，然后在最大值與最小值的基礎(chǔ)之上進(jìn)行邊緣的檢測(cè)。當(dāng)然，這種模糊學(xué)的算法不可避免的存在一定的不足之處。因?yàn)檎麄€(gè)過(guò)程就是不完善的，而且整個(gè)過(guò)程比較慢，是需要改進(jìn)的。

1.4 在人工智能的基礎(chǔ)上進(jìn)行的邊緣檢測(cè)方法

人腦是世界上最機(jī)密的儀器，他可以進(jìn)行多方面的計(jì)算與數(shù)據(jù)的處理，所謂的人工智能就是在模擬人腦的基礎(chǔ)之上進(jìn)行的邊緣檢測(cè)。他檢測(cè)的特性是可以將很多不是線(xiàn)性的圖像進(jìn)行處理，并將其應(yīng)用在計(jì)算機(jī)當(dāng)中。在人工智能的基礎(chǔ)之上進(jìn)行的邊緣檢測(cè)是比較符合日常中的應(yīng)用的，因?yàn)樗枰幕A(chǔ)數(shù)據(jù)比較少。隨著人工智能在人們生活中更加廣泛的應(yīng)用，他在計(jì)算機(jī)的領(lǐng)域中涵蓋了更多的領(lǐng)域，當(dāng)然，這也不可避免的存在一些問(wèn)題。主要是輸入與輸出層的設(shè)計(jì)問(wèn)題、網(wǎng)絡(luò)數(shù)據(jù)的準(zhǔn)備問(wèn)題、網(wǎng)絡(luò)權(quán)值的準(zhǔn)備及確定問(wèn)題、隱層數(shù)及結(jié)點(diǎn)的問(wèn)題、網(wǎng)絡(luò)的訓(xùn)練問(wèn)題。

1.5 在神經(jīng)網(wǎng)絡(luò)算法基礎(chǔ)上進(jìn)行的邊緣檢測(cè)方法

隨著邊緣檢測(cè)的發(fā)展，一些新的邊緣檢測(cè)方法也出現(xiàn)了，由于神經(jīng)網(wǎng)絡(luò)算法強(qiáng)大的非線(xiàn)性表現(xiàn)能力及學(xué)習(xí)功能，多被關(guān)注及應(yīng)用，在模式識(shí)別等多方面取得了較多成功的應(yīng)用，其基本思想是：先輸入圖像映射為某種神經(jīng)網(wǎng)絡(luò)，所以應(yīng)該有豐富的圖片信息，然后輸入一定的先驗(yàn)知識(shí)-原始邊緣圖，再進(jìn)行訓(xùn)練，直到學(xué)習(xí)過(guò)程熟練用戶(hù)滿(mǎn)意為止。由于神經(jīng)網(wǎng)絡(luò)提取邊緣利用了原圖的已有知識(shí)，是從宏觀(guān)上認(rèn)識(shí)對(duì)象，微觀(guān)上提取細(xì)節(jié)，所以他具有很強(qiáng)的抗噪能力，從而在邊緣圖像處理系統(tǒng)具有可行性。

2 關(guān)于圖像邊緣檢測(cè)的預(yù)測(cè)

在未來(lái)的發(fā)展上，我們應(yīng)該將現(xiàn)有的邊緣檢測(cè)存在的不足進(jìn)行相應(yīng)的改善?，F(xiàn)在的社會(huì)是合作型社會(huì)，所以這種組合型的意識(shí)應(yīng)該應(yīng)用到方方面面。所以我們?cè)趹?yīng)用圖像的邊緣檢測(cè)的時(shí)候應(yīng)該將多種方法組合應(yīng)用，因?yàn)椴坏貌怀姓J(rèn)我們現(xiàn)存的方法總是存在一定的不足。所以只有將多種結(jié)合才能更好的進(jìn)行圖像邊緣的檢測(cè)。在處理相應(yīng)的圖像的時(shí)候應(yīng)該先分析圖像的特性，然后在圖像的基礎(chǔ)之上選擇合適的方法。圖像的邊緣處理是我們剛興起的一項(xiàng)技術(shù)，雖然檢測(cè)得到了很多種方法，但是仍然存在一定的不足之處，所以我們需要一種統(tǒng)一的標(biāo)準(zhǔn)將圖像邊緣檢測(cè)進(jìn)行標(biāo)準(zhǔn)化，所以一套合理的體系必不可少，檢測(cè)體系同樣是必不可少的，只有擁有相應(yīng)的檢測(cè)體系，才能在圖像邊緣檢測(cè)之后判定邊緣檢測(cè)的效果，相關(guān)的技術(shù)人員應(yīng)該應(yīng)用相應(yīng)的理論進(jìn)行檢測(cè)，來(lái)解決我們生活中的實(shí)際問(wèn)題。

3 結(jié)束語(yǔ)

計(jì)算機(jī)技術(shù)在我國(guó)近幾年能到了快速的發(fā)展。而其中圖像邊緣檢測(cè)技術(shù)是計(jì)算機(jī)技術(shù)當(dāng)中應(yīng)用比較廣泛的技術(shù)，也是比較貼近生活的技術(shù)之一。在本文中，我們主要介紹了在現(xiàn)在的條件之下，他的幾種比較基礎(chǔ)的方法，當(dāng)然也介紹相應(yīng)的方法存在的優(yōu)缺點(diǎn)，也介紹了在未來(lái)發(fā)展的過(guò)程中圖像的邊緣檢測(cè)技術(shù)的趨勢(shì)?？偠灾覈?guó)的圖像邊緣檢測(cè)技術(shù)還是存在一定的不足之處，需要我們進(jìn)行相應(yīng)的改進(jìn)，在生活中發(fā)揮更大的作用。

參考文獻(xiàn)：

[1]劉勍，張久文，溫志賢.基于數(shù)學(xué)形態(tài)學(xué)的圖像處理[J].天水師范學(xué)院學(xué)報(bào)，2004，24（2）：29-33.

[2]姚峰林，詹海英，李元宗.機(jī)器視覺(jué)中的邊緣檢測(cè)技術(shù)研究[J].機(jī)械工程與自動(dòng)化，2005，（1）：108-110.

作者單位：無(wú)錫城市職業(yè)技術(shù)學(xué)院，江蘇無(wú)錫 214153