文 献 综 述
研究背景
数字图像处理将图像信号转换成数字信号并利用计算机对其进行处理。起源于20世纪20年代，目前已广泛地应用于科学研究、工农业生产、生物医学工程、航空航天、军事、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，已成为一门引人注目、前景远大的新型学科，发挥着越来越大的作用。数字图像处理作为一门学科形成于20世纪60年代初期，早期的图像处理的目的是改善图像的质量，以人为对象，以改善人的视觉效果为目的，首次获得实际成功应用的是美国喷气推进实验室，并对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，随后又对探测飞船发回的近十万张照片进行了更为复杂的图像处理，以获得了月球的地形图、彩色图及全景镶嵌图，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。数字图像处理取得的另一个巨大成就是在医学上获得的成果，1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置即CT（ComputerTomograph)。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。随着图像处理技术的深入发展，人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界。[1]很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MI的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。正因为如此，图像处理理论和技术受到各界的广泛重视，当前图像处理面临的主要任务是研究新的处理方法，构造新的处理系统，开拓更广泛的应用领域。[2]
研究内容
利用基于梯度的边缘检测算子对原始图像和添加白噪声的图像边缘进行检测，并比较各种算子的特点和性能；
图像轮廓提取
Image Contour Extraction .图像轮廓提取是随着计算机视觉发展而出现的一门新的热门的技术。在计算机视觉研究中，边缘与线段包含丰富的图像信息，代表了图像的特征，边缘与线段的组合构成了一幅图像区别于其他图像的特征集合。物体的轮廓不同于边缘，图像的边缘信息包含了图像所有的轮廓信息，轮廓包含着更多的信息，从图像的轮廓，人们即可识别大量的物体。轮廓提取在许多只能视觉识别系统中，特别是模糊识别中是很重要的过程。传统的轮廓提取方法主要是利用边缘检测算子进行图像边缘的提取，然后根据目标物体的轮廓特点去除杂散的冗余边缘并进行边缘的修补，因此，轮廓提取实际上就是边缘的提取。随着研究的深入和技术的发展，也出现了各种新的提取方法。[3]
边缘检测技术的应用
利用计算机进行图像处理有两个目的：一是产生更适合人观看的图像，二是希望能由计算机自动识别和理解图像。无论为了哪种目的，图像处理中的关键一步就是对图像中包含的大量景物和事物进行特征分析，提取一些具有某种特征的图像信息。图像的边缘是图像的基本特征之一。[4]
所谓边缘是指图像中周围像素灰度有阶跃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。边缘具有幅度和方向两个基本特征，沿边缘走向像素值变化比较平缓，垂直与边缘的走向，像素值变化比较明显，可能呈现阶跃状，也可能呈现屋顶状。因此，边缘可以分两种：一种为阶跃型边缘，它两边的像素灰度值有着明显的不同；另一种为屋顶状边缘，它位于灰度值从增加到减少的变化转折点。[5]对于阶跃边缘，二阶方向导数在边缘处呈现零交叉；对于屋顶状边缘，二阶方向导数在边缘取极值。
