感谢网友提供！ 数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础，图像理解和分析的第一步往往就是边缘检测，目前它以成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。本文向读者简单介绍一下这个技术，并给出了在Visual C++环境下实现的代码。 　　所谓边缘就是指图像局部亮度变化最显著的部分，它是检测图像局部变化显著变化的最基本的运算。对于数字图像，图像灰度灰度值的显著变化可以用梯度来表示，以边缘检测Sobel算子为例来讲述数字图像处理中边缘检测的实现： 　　对于数字图像，可以用一阶差分代替一阶微分； 　　△xf(x,y)=f(x,y)-f(x-1,y); 　　△yf(x,y)=f(x,y)-f(x,y-1) 　　求梯度时对于平方和运算及开方运算，可以用两个分量的绝对值之和表示，即： 　　G[f(x,y)]={[△xf(x,y)] +[△yf(x,y)] } |△xf(x,y)|+|△yf(x,y)|; 　　Sobel梯度算子是先做成加权平均，再微分，然后求梯度，即： 　　△xf(x,y)= f(x-1,y+1) + 2f(x,y+1) + f(x+1,y+1)- f(x-1,y-1) - 2f(x,y-1) - f(x+1,y-1); 　　△yf(x,y)= f(x-1,y-1) + 2f(x-1,y) + f(x-1,y+1)- f(x+1,y-1) - 2f(x+1,y) - f(x+1,y+1); 　　G[f(x,y)]=|△xf(x,y)|+|△yf(x,y)|; 　　上述各式中的像素之间的关系见图 f(x-1,y-1) f(x,y-1) f(x+1,y-1) f(x-1,y) f(x,y) f(x+1,y) f(x-1,y+1) f(x,y+1) f(x+1,y+1) 我在视图类中定义了响应菜单命令的边缘检测Sobel算子实现灰度图像边缘检测的函数： void CDibView::OnMENUSobel() //灰度图像数据的获得参见天极网9.10日发表的拙作//VC数字图像处理一文 { 　HANDLE data1handle; 　LPBITMAPINFOHEADER lpBi; 　CDibDoc *pDoc=GetDocument(); 　HDIB hdib; 　unsigned char *hData; 　unsigned char *data; 　hdib=pDoc->m_hDIB; 　BeginWaitCursor(); 　lpBi=(LPBITMAPINFOHEADER)GlobalLock((HGLOBAL)hdib); 　hData= lpbi +* (LPDWORD)lpbi + 256*sizeof(RGBQUAD); 　//得到指向位图像素值的指针 　pDoc->SetModifiedFlag(TRUE);//设修改标志为"TRUE" 　data1handle=GlobalAlloc(GMEM_SHARE,WIDTHBYTES(lpBi->biWidth*8)*lpBi->biHeight); 　//申请存放处理后的像素值的缓冲区 　data=(unsigned char*)GlobalLock((HGLOBAL)data1handle); 　AfxGetApp()->BeginWaitCursor(); 　int i,j,buf,buf1,buf2; 　for( j=0; jbiHeight; j++)//以下循环求(x,y)位置的灰度值 　　for( i=0; ibiWidth; i++) 　　{ 　　　if(((i-1)>=0)&&((i+1)biWidth)&&((j-1)>=0)&&((j+1)biHeight)) 　　　{//对于图像四周边界处的向素点不处理 　　　　buf1=(int)*(hData+(i+1)*WIDTHBYTES(lpBi->biWidth*8)+(j-1)) 　　　　　　　+2*(int)*(hData+(i+1)*WIDTHBYTES(lpBi->biWidth*8)+(j)) 　　　　　　　+(int)(int)*(hData+(i+1)*WIDTHBYTES(lpBi->biWidth*8)+(j+1)); 　　　　buf1=buf1-(int)(int)*(hData+(i-1)*WIDTHBYTES(lpBi->biWidth*8)+(j-1)) 　　　　　　　-2*(int)(int)*(hData+(i-1)*WIDTHBYTES(lpBi->biWidth*8)+(j)) 　　　　　　　-(int)(int)*(hData+(i-1)*WIDTHBYTES(lpBi->biWidth*8)+(j+1)); 　　　　//x方向加权微分 　　　　buf2=(int)(int)*(hData+(i-1)*WIDTHBYTES(lpBi->biWidth*8)+(j+1)) 　　　　　　　+2*(int)(int)*(hData+(i)*WIDTHBYTES(lpBi->biWidth*8)+(j+1)) 　　　　　　　+(int)(int)*(hData+(i+1)*WIDTHBYTES(lpBi->biWidth*8)+(j+1)); 　　　　buf2=buf2-(int)(int)*(hData+(i-1)*WIDTHBYTES(lpBi->biWidth*8)+(j-1)) 　　　　　　　-2*(int)(int)*(hData+(i)*WIDTHBYTES(lpBi->biWidth*8)+(j-1)) 　　　　　　　-(int)(int)*(hData+(i+1)*WIDTHBYTES(lpBi->biWidth*8)+(j-1)); 　　　　//y方向加权微分 　　　　buf=abs(buf1)+abs(buf2);//求梯度 　　　　if(buf>255) buf=255; 　　　　　if(buf<0){buf=0; 　　　　　　　*(data+i*WIDTHBYTES(lpBi->biWidth*8)+j)=(BYTE)buf; 　　　　　} 　　　　else *(data+i*lpBi->biWidth+j)=(BYTE)0; 　　　　} 　　　　for( j=0; jbiHeight; j++) 　　　　　for( i=0; ibiWidth; i++) 　　　　　　*(hData+i*WIDTHBYTES(lpBi->biWidth*8)+j)=*(data+i*WIDTHBYTES(lpBi->biWidth*8)+j); 　　　　　 //处理后的数据写回原缓冲区 　　　　　　AfxGetApp()->EndWaitCursor(); 　　　　　　GlobalUnlock((HGLOBAL)hdib); 　　　　　　GlobalUnlock(data1handle); 　　　　　　GlobalFree(date1handle); 　　　　　　EndWaitCursor(); 　　　　　　Invalidate(TRUE); 　} 　　上述的数学分析读者可能看起来有些吃力，不过不要紧，对与边缘检测，大家只要知道有若干个检测模板（既边缘检测矩阵）可以直接实现检测功能就行了，现在将常用的检测实现公式列出如下： 　　Roberts算子：G[i,i]=|f[i,j]-f[i+1,j+1]|+|f[i+1,j]-f[i,j+1]|; 　　Sobe算子：G[i,i]=|f[i-1,j+1]+2f[i,j+1]+f[i+1,j+1]-f[i-1,j-1]-2f[i,j-1]-f[i+1,j-1]| 　　　　　　　　　　　+|f[i-1,j-1]+2f[i-1,j]+f[i-1,j+1]-f[i+1,j-1]-2f[i+1,j]-f[i+1,j+1]|; 　　拉普拉斯算子：G[I,j]=|f[i+1,j]+f[i-1,j]+f(i,j+1)+f[i,j-1]-4f[i,j]|; 　　其中G[i,j]表示处理后(i,j)点的灰度值，f[i,j]表示处理前该点的灰度值。 　　笔者开发的该图像处理程序在Windows2000环境下编译通过，下面图2给出了依据图像处理算法得到的图像二值化、高通滤波、Sobel边缘算子的处理结果，读者需要注意的是我在进行Sobel算子进行处理后，又对它进行了二值化处理，这才得到C图。关于如何实现二值化图像，我会后续撰文对相关知识进行介绍。