1.2数字图像处理微分的边缘检测算法的研究背景
图像处理的起源可以追溯到20世纪20年代，人们传递信息、优化生产、记录照片等迫切的需求催生了图像处理技术。到了20世纪50年代，伴随着人类航空航天技术的不断进步、计算机技术的飞速发展，图像处理工具以及各种数字化仪器、显示器等才引起了人们的极大的兴趣，并且在研究中取得了很大的进步。21世纪以来，数字图像作为一门科学，被广泛地运用到自动化、电工电子、航天军工、精细化制造等很多领域，受到人们的广泛重视。
边缘检测是在图像处理技术的基础上衍生出来的技术，我们在处理图像分割的时候，边缘检测的作用尤为重要。图片边缘检测的精确与否，对计算机视觉的研究结果起到了决定性的影响，然而随着科学技术的发展，边缘检测也越来越精确。通过提高图片边缘检测精确度，可以大幅提高数字图片处理中特征提取、特征描述、图像理解和目标识别的质量。但是因为成像过程之中不可避免的会受到投影、混合、畸变和噪声等因素的干扰，会导致图形成像发生模糊和变形,那么图像的边缘就会很难去检测，所以现代人们的研究方向趋向于构造性能更加好的检测算子，从而提高图片处理的质量。从近现代科学技术的发展来说，边缘检测技术也算是有比较久远的历史，而鉴于它在图像处理技术中的重要地位，研究图像边缘检测技术就具有着非常深远的意义。
1.3图像边缘检测算法的国内外研究现状
1.4图像边缘检测算法的研究趋势
1.5 本文的研究目标及要求
本文主要叙述了边缘检测的各个算子及改进。在第一章绪论中，介绍了数字图像的意义：边缘检测一直是图像处理技术中人们研究地比较深刻的一个部分，边缘检测的问题运用到非常多的算法和理论的知识，边缘检测一样的运用了几乎所有的数学和图像处理的观念和想法。目前，有为数很多的“边缘检测”算法，它们适用于不同的理论当中，在自动化领域几乎都有着十分广泛的应用，因此提高和改进边缘检测算法是当今非常迫切而且炙手可热的研究方向。边缘检测的国内外现状和它的研究背景。在第二章中主要介绍了边缘检测算法，包括边缘检测的定义，边缘检测的包含的内容和在边缘检测过程中所必要的四个步骤。在第三章中我主要介绍了一些基本的边缘算子，这些算子分为一阶的和二阶的，通过简单的介绍这些算子的过程中知道是如何从图像中得到边缘的。在第四章中我主要介绍了最佳Sobel算子，将Sobel和前面一章的算子进行了比较，突出了它的优点。而且我把原始的该算子自己做了改进，让它在有高斯白噪声的情况下也能很好的把所要求的图像的边缘提取出来。第五章我直接列出了各种算子通过这个软件实验出来的图像，更加直观的显示了每种算子的有缺点。最后一章对本人论文前几章所描述的东西做了总结。
2 图像微分边缘检测算法
2.1 图像边缘检测的定义
边缘检测技术是图像处理技术中的一个关键性的问题，找出数字图像中那些改变的两点就是边缘检测技术。一般来说，图像的属性发生大的变化将反映的深度和表面方向的不连续性，还有就是物质特性的变化和图像所在的场景的光照的变化。边缘检测是在图像分割这一领域中来提取特征的一个非常重要的研究领域。那些经过边缘检测的图像可以大大的减少数据量，在这一相同时刻还可以剔除掉许多不相关的信息，从而能把图像的一些重要的结构属性保留下来。
边缘检测是图像分割技术中的一个重要组成部分，只有检测到目标的边界，进行边缘的提取，才能分离目标与背景。不同区域的灰度值是不同的，不位于同一层次，因此也不连续，边缘检测技术就是利用这种不连续特征，检测出区域的边界，从而实现分割的。确定图像中不同物体的边界首先要检测到每个像素以及直接相邻领域的状态，从而确定这个相素是不是处在一个物体的边界上面，如果具有这种特性，则该点叫做边缘点。如果一幅图像中，其中有两个相邻的区域，它们的灰度值是存在一定的差异的，这说明了在这两个区域之间是有边界存在的，换句话说，边缘就是那些灰度值不连续的结果。我们通常通过求导的方法检测出图像中区域间灰度值的不连续性，最常使用的是一阶导数和二阶导数。边缘检测一般会借助边缘检测算子，通过检测算子准确地定位出边缘，然后进行提取。但因为某种原因包括噪声干扰或者图像本身的模糊，会导致检测出来的区域边界出现间断的情况。 MATLAB环境下的图像微分边缘检测算法设计+程序(3):http://www.youerw.com/zidonghua/lunwen_40457.html