边缘检测与图像处理：中值滤波与Canny/Sobel算子应用

"本资源是一份关于计算机视觉及应用的课程实验报告，着重于滤波和边缘检测的主题。实验是在2017年进行，旨在通过实践学习如何在数字图像处理中识别和定位亮度变化显著的边缘，这是计算机视觉中的核心任务之一。边缘检测对于诸如深度不连续、表面方向变化、物质属性变化和照明变化等图像特征的检测至关重要。 实验使用的设备是配备Windows 10系统的个人计算机，以及基于qt和OpenCV（Open Source Computer Vision Library）的软件工具。实验背景提到，摄像机获取的图像常受到离散脉冲噪声、椒盐噪声和零均值高斯噪声的影响，这些噪声会严重影响图像处理的质量，如图像分割、特征提取和识别性能。 报告详细介绍了中值滤波的基本原理，它通过替换图像中一点的值为其邻域内的中值，消除孤立的噪声点，以平滑图像并保持边缘的连续性。此外，报告还重点讲解了Canny算子和Sobel算子这两种常见的边缘检测算法。 Canny算子是一个高效且精确的边缘检测方法，它强调了抑制噪声的同时精确定位边缘的重要性。它通过信噪比与定位乘积的测量，设计出一种优化的边缘检测算子，类似于Marr（LoG）边缘检测，采用先平滑后求导数的方式工作。 Sobel算子则是另一种常用的梯度算子，它通过对图像的一阶导数进行计算来检测边缘，提供了强度和方向信息，适用于快速边缘检测。这两种算子在实际应用中被广泛用于图像预处理，为后续的特征提取和分析提供清晰的边缘信息。 总结来说，本实验不仅涵盖了基础的图像处理技术，如中值滤波，还深入探讨了边缘检测的理论和实践，特别是Canny和Sobel算子的使用，对于理解和掌握计算机视觉中的边缘检测技术具有重要的参考价值。"