1、“.....极大地方便了不同学科的研究工作。的图像处理工具包是由系列支持图像处理操作的函数组成的，所支持的图像处理操作有几何操作区域操作和块操作线性滤波和滤波器设计变换变换图像分析和增强二值图像操作等。图像处理工具包的函数，按功能可以分为以下几类图像显示图像文件输入与输出几何操作象素值统计图像分析与增强图像滤波毕业论文线性二维滤波器设计图像变换领域和块操作二值图像操作颜色映射和颜色空间转换图像类型和类型转换工具包参数获取和设置等。与其他工具包样，用户还可以根据需要书写自己的函数，以满足特定的需要......”。

2、“.....边缘检测中的形态学操作数学形态学的数学基础是集合论，因此数学形态学有完备的数学基础，这为数学形态学用于图像分析和处理奠定了坚实的基础。数学形态学运算由组形态学的代数运算子组成，其基本思想是用具有定形态的结构元素找到图像中的对应形状以达到图像分割识别的目的，基本的操作有膨胀腐蚀开启和关闭。基于这些基本操作可以推导出数学形态学的很多实用算法，从而进步的图像处理。将数学形态学用于图像处理可以简化图像数据，保持它们的基本形状。图像处理工具箱提供了以膨胀和腐蚀为基础的形态学处理算法，本设计中主要用到了算法......”。

3、“.....语法格式对二值图像进行指定的形态学处理。对二值图像进行次指定的形态学处理。可以是无穷大，这意味着将直对该图像做同样的形态学处理直到图像不再发生变化。是个字符串，用于指定进行的形态学处理类型，可以为表中的值表函数中的取值是形态学上的底帽变换操作，返回的图像是原图减去形态学闭操作处理后的图像闭操作先膨胀再腐蚀数字图像边缘检测算法的研究和实现连接断开的像素。也就是将值像素置如果他有两个非零的不相连邻域的像素，比如经过连接后变为移除孤立的像素被包围的。比如下面这个模型的中心像素执行形态学闭操作先膨胀后腐蚀利用对角线填充来消除背景中的连通区域。比如经过变成利用结构执行膨胀操作......”。

4、“.....填充孤立的内部像素被包围的,比如下面模型的中心像素移除连通的像素，例如变成将像素置如果该像素的邻域中至少有个像素为否则将该像素置执行形态学开操作先腐蚀后膨胀移除内部像素。该选项将像素置如果该像素的连通邻域都为,仅留下边缘像素。时，将目标缩成个点。没有孔洞的目标缩成个点，毕业论文有孔洞的目标缩成个连通环。时，移除目标边界像素，但是不允许目标分隔开，保留下来的像素组合成图像的骨架。移除刺激孤立像素。比如变成时，通过在目标外部增加像素加厚目标直到这样做最终使先前未连接目标成为连通域。时，减薄目标成线。没有孔洞的目标缩成最低限度的连通边有孔洞的目标缩成连通环......”。

5、“.....返回的图像是原图减去形态学开操作处理之后的图像开操作先腐蚀再膨胀。种改进算法本章节将针对经典边缘检测算子存在的些不足，例如数字图像边缘定位精度不高，提取出的边缘较粗等，提出了种基于算子的改进算法。改进的算法的最大改进是提高了边缘定位精度，改善了提取的边缘粗细。改进的算法在原有水平和垂直模板的基础上新增个方向模板以确保提高定位精度，并在此基础上进行了形态学处理，减薄边缘成线，没有孔洞的目标缩成最低限度的连通边，有孔洞的目标缩成连通环提取边缘的骨架，去除物体外边缘的点，但是保持物体不发生断裂，保持欧拉数不变。现在重点介绍改进的边缘检测方法......”。

6、“.....改进的算法在传统的算子水平和垂直模板的基础上增加六个方向的模板，即，具体如图所示。改进后的算子能更加有效地检测图像多个方向的边缘，使边缘信息更加全面更加完整。数字图像边缘检测算法的研究和实现图边缘检测的八个方向模板在进行八方向的算子边缘检测后，提取出的边缘较粗，而且有些地方会有些独立点和不连续点。因此用形态学中的函数，使得减薄边缘成线，没有孔洞的目标缩成最低限度的连通边，有孔洞的目标缩成连通环用函数去除孤立的亮点用函数提取边缘的骨架，即去除物体外边缘的点。以上改进的算子满足边缘检测的最佳结果去噪的同时很有效的地保留了图像的真实边缘......”。

7、“.....本论文利用了对彩色图像进行了边缘检测，我们采用前面所述的检测方法，在无噪声和有噪声的环境下分别给出检测结果。首先对没有添加任何噪声的原图进行边缘检测，各种边缘检测效果图如下所算法的研究和实现第章总结和展望由于涉及到图像处理分析和理解的图像工程问题在各个领域都有着越来越广泛的应用，使得图像增强压缩编码边缘检测图像分割模式识别等图像低层次的处理成为了个非常活跃的领域，在这里，只是对基于图像滤波技术与边缘检测中的主要方法进行了分析研究。主要工作体现在以下几个方面本文从边缘检测的两难问题出发，对实际图像中可能出现的边缘类型进行了数学模型描述......”。

8、“.....分析不同的边缘类型表现出来的特性，并研究分析了传统边缘检测算法的特点。介绍了各种算子边缘检测的基本原理，如算子算子算子算子算子算子算子，并通过理论分析和实验验证，比较了它们各自的优缺点和适用性。其中重点分析了这些传统边缘检测算法的抗噪性，在此过程中，本文采用了传统算法对加入了高斯白噪声以后的图像进行边缘检测的分析方法。实验结果表明，其效果强于经典的边缘检测方法，适用于背景较复杂图像的边缘检测。最后针对传统算子在滤波过程中存在的缺陷，提出种基于八方向的维纳滤波改进的边缘检测算子，并应用了形态学处理，进步抑制了噪声的影响。通过对实验图像的分析表明......”。

9、“.....本文仅对图像边缘检测中常用方法的个初步总结与探讨，由于时间及本人对图像处理涉及的知识的了解也较有限，本文的些分析与结果尚显粗浅和不全面。进步的工作应该考虑如下几个方面如何提高边缘检测算子的抗噪性能，以便可以精确地检测出带噪图像的边缘，从而提高算法的实用性。如何提高边缘检测的精度，通过采用些算法来实现检测精度达到亚像素级。在灰度图像边缘研究的基础上结合彩色图像的特点，开展彩色图像边缘检测的研究。制约图像边缘检测技术发展的个根本问题是解决检测精度与抗噪声能力间的矛毕业论文盾，这两者之间存在着相互制约的互变关系......”。