1、“.....但实现方法不同，算法采用二维高斯函数的任意方向上的阶方向导数为噪声滤波器，通过与图像卷积进行滤波然后对滤波后的图像寻找图像梯度的局部最大值，以此来确定图像边缘。取其最大值作为输出位，运算结果是幅边缘幅度图像。而高斯拉普拉斯算子只需要个模板，故算法中可省略求两幅缓存图像中最大值的部分，而且它把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测。取原始图像图，分别利用算法和高斯拉普拉斯算法进行边缘提取，所的结果如图所示侧重于微分算子的独有特性和阈值的选择......”。

2、“.....且边缘点条理显著。但是当阈值超过时图像边缘的有效信息将丢失如图所示，但是图像的边缘点更加明显判断,高斯拉普拉斯算法提取图像青岛大学本科生毕业论文设计图原始图像图阈值为图阈值为结果分析如图所示采用的阈值越大则图像的边缘处理效果越模糊不清，且边缘点条理无法判断。且当阈值超过时图像边缘的有效信息已经完全丢失如图所示，失去了图像的边缘点判断的有效性,再取原始图像，仍照上述方法进行处理，结果如图所示。高斯拉普拉斯算法提取图像图阈值为图阈值为图阈值为青岛大学本科生毕业论文设计图阈值为图阈值为结果分析如图所示采用的阈值越小则图像的边缘处理效果越清晰，且边缘点条理显著。但是当阈值超过时图像边缘的处理效果越模糊如图所示，但是仍能进行边缘的判断......”。

3、“.....且边缘分界点无法判断，变得模糊不清。且当阈值超过时图像边缘的边缘有效信息部分丢失，边缘点的判断模糊如图所示，虽仍然能够识别它的边界线，但其清晰边界点已无法识别判断图像的边缘点准确性,对以上图形采用主观和客观的判断准则来评判图像效果，比较提取后的两幅图像，可以看出在除了微分算子对边缘检测有影响外，阈值的选择也对边缘检测有着重要的影响。可以看出同样的阈值选择，这两种算子各有自己优势和特点。结果比较从上述图形看由于边缘检测的阶导数的局部最大值对应着二阶导数的零交叉点。这样，通过找图像强度的二阶导数的零交叉点就能找到更精确的边缘点。根据这各原理看出高斯拉普拉斯算子选取的阈值越小则图像的处理效果越好，相同则算子算法则采用的阈值越大则图像的边缘处理效果越清晰。可以看出算子的边缘检测效果更好......”。

4、“.....采用二维高斯函数的任意方向上的阶方向导数为噪声滤波器，通过与图像卷积进行滤波然后对滤波后的图像寻找图像梯度的局部最大值，以此来确定图像边缘。根据对信噪比与定位乘积进行测度，得到最优化逼近算子。除以上两种效果较好的算法外前面介绍的几种算法的效果图如下所示算子效果图图阈值为图阈值为图阈值为算子效果图青岛大学本科生毕业论文设计图阈值为图阈值为图阈值为算子效果图图阈值为图阈值为图阈值为结果分析比较首先，有三种算法的图样效果看它们的效果相差不是很大，但与算子和算子的效果要差点。其次，它们的阈值选择范围要小些。如图第三，其边缘点不够锐利和明确，线边缘检测要好于点边缘检测。总体比较算子的效果要更好些。主要是受噪声影响较小。青岛大学本科生毕业论文设计为了体现出每株算法的独特优势，我们采用横向和纵向，即对不同图像采用相同算法比较......”。

5、“.....以此来体现对不同灰度级别的图像处理效果，突显出各种算法的优劣。现给出幅灰度图像，其图像灰度变化较大，边缘变化明显但也同时存在著噪声较大。算子效果图图原始图像图阈值为图阈值为图阈值为算子效果图青岛大学本科生毕业论文设计图阈值为图阈值为图阈值为算子效果图图阈值为图阈值为图阈值为算子效果图青岛大学本科生毕业论文设计图阈值为图阈值为图阈值为结果分析以上为阶微分算子的边缘检测效果图，由图可以看出算子效果图是最好的。因为对于有噪声的图像，它的具有既能滤去噪声又保持边缘特性的优点保留了有效信息的完整性。保证了图像较高的定位精度，即精确地把边缘点定位在灰度变化最大的像素上并且抑制虚假边缘。而其他算子则由于对噪声较敏感，又无法进行滤波，因此噪点比较多，虚产生的假边缘也过多......”。

6、“.....设计邻域平均后的图像边缘检测程序边缘算子边缘算子边缘算子算子原始图像调用为检测算子判别阈值为阈值为的算子边缘检测图像调用为检测算子判别阈值为阈值为的算子边缘检测图像调用为检测算子判别阈值为阈值为的算子边缘检测图像调用为检测算子判别阈值为阈值为的算子边缘检测图像调用为检测算子判别阈值为阈值为的算子边缘检测图像调用为检测算子判别阈值为阈值为的算子边缘检测图像调用为检测算子判别阈值为阈值为的算子边缘检测图像调用为检测算子判别阈值为青岛大学本科生毕业论文设计阈值为的算子边缘检测图像调用为检测算子判别阈值为阈值为的算子边缘检测图像调用为检测算子判别阈值为阈值为的算子边缘检测图像调用为检测算子判别阈值为阈值为的算子边缘检测图像调用为检测算子判别阈值为阈值为的算子边缘检测图像调用为检测算子判别阈值为阈值为的算子边缘检测图像调用为检测算子判别阈值为阈值为的算......”。

7、“.....由算子的检测原理图知，它利用图像强度二阶导数的零交叉点来求边缘点的算法对噪声十分敏感，所以在对边缘增强前滤除噪声。因此效果较好，但是阈值的选择范围较小，无法较细致的进行边缘点检测。但以上几种边缘提取算法都是针对性比较强的方法......”。

8、“.....而且在边缘提取中存在着抗噪性和检测精度的矛盾。若要提高检测精度，则会检测到噪声产生伪边缘，从而导致不合理的轮廓若要提高抗噪性，则会产生轮廓漏检和位置偏差。实际图像都含有噪声，并且噪声的分布方差等信息也都是未知的，同时噪声和边缘都是高频信号，虽然平滑滤波运算可消除噪声，但它导致些边缘青岛大学本科生毕业论文设计模糊，检测出的边缘往往移位。由于物理和光照等原因，实际图像中的边缘常常发生在不同的尺度范围上，并且每边缘像元的尺度信息是未知的，利用单固定尺度的边缘检测算子不可能同时最佳地检测出这些边缘。事实上，边缘检测作为视觉的初级阶段，通常认为是个非良态问题，因而很难从根本上解决。随着计算机视觉和图像边缘检测技术地发展，迫切需要视觉早期阶段的突破即边缘检测技术的突破......”。

9、“.....相对于以上所说的种种经典的边缘检测方法，许多学者基于对理想边缘检测的分析和对边缘特性方面的改进，提出了很多卓有成效的新的边缘检测方法，取得了较好的效果。数字图像的边缘提取技术未来的发展空间还很广阔，应该继续努力寻求适应性更广局限性更小的方法。在程序的编译过程中，产生了找不到工具箱函数句法等，经仔细检查和运行，才顺利通过。调试运行过程不顺利，对语言仍旧不够精通。上面所述几种方法存在有边缘像素单元宽噪声干扰较严重等缺点，即使采用些辅助的方法去噪，也相应的会带来边缘模糊等难以克服的缺陷。经典的边缘检测方法由于引入了各种形式的微分运算，从而必然引起对噪声的极度敏感，执行边缘检测的结果常常是把噪声当作边缘点检测出来，而真正的边缘也由于受到噪声干扰而没有检测出来。因而对于有噪声图像来说，种好的边缘检测方法应该具有良好的噪声抑制能力......”。