模糊理论边缘检测方法

‘壹’ 模糊理论的应用领域

事实上,模糊理论应用最有效，最广泛的领域就是模糊控制，模糊控制在各种领域出人意料的解决了传统控制理论无法解决的或难以解决的问题，并取得了一些令人信服的成效。
模糊控制的基本思想：
把人类专家对特定的被控对象或过程的控制策略总结成一系列以“IF(条件)THEN(作用)”形式表示的控制规则，通过模糊推理得到控制作用集，作用于被控对象或过程。控制作用集为一组条件语句,状态语句和控制作用均为一组被量化了的模糊语言集，如“正大”、“负大”、“正小”、“负小”、零等。
模糊控制的几个研究方向：
·模糊控制的稳定性研究
·模糊模型及辩识
·模糊最优控制
·模糊自组织控制
·模糊自适应控制
·多模态模糊控制
模糊控制的主要缺陷:
信息简单的模糊处理将导致系统的控制精度降低和动态品质变差。若要提高精度则必然增加量化级数，从而导致规则搜索范围扩大，降低决策速度,甚至不能实时控制。模糊控制的设计尚缺乏系统性,无法定义控制目标。控制规则的选择，论域的选择，模糊集的定义，量化因子的选取多采用试凑发，这对复杂系统的控制是难以奏效的。 模糊理论发展至今已接近三十余年，应用的范围非常广泛，从工程科技到社会人文科学都可以发现模糊理论研究的踪迹与成果。我们分别由工程科技与社会人文科学的角度，了解模糊理论应用的范畴。
一、工程科技方面
1、型样识别：文字识别、指纹识别、手写字体辨识、影像辨识、语音辨识
2、控制工程：机器人控制、汽车控制、家电控制、工业仪表控制、电力控制
3、信号及资讯处理：影像处理、语音处理、资料整理、数据库管理
4、人工智能及专家系统：故障诊断、自然语言处理、自动翻译、地震预测、工业设计
5、环保：废水处理、净水处理厂工程、空气污染检验、空气品质监控
6、其他：建筑结构分析、化工制程控制
二、 教育、社会及人文科学方面
1、教育：教学成果评量、心理测验、性向测验、计算机辅助教学
2、心理学：心理分析、性向测验
3、决策决定：决策支援、决策分析、多目标评价、综合评价、风险分析 模糊理论是指用到了模糊集合的基本概念或连续隶属度函数的理论。根据下图可将模糊理论进行大致的分类。主要有五个分支：(1)模糊数学，它用模糊集合取代经典集合从而扩展了经典数学中的概念； (2)模糊逻辑与人工智能，它引入了经典逻辑学中的近似推理，且在模糊信息和近似推理的基础上开发了专家系统；
(3)模糊系统，它包含了信号处理和通信中的模糊控制和模糊方法；
(4)不确定性和信息，它用于分析各种不确定性；
(5)模糊决策，它用软约束来考虑优化问题。
当然，这五个分支并不是完全独立的，他们之间有紧密的联系。例如，模糊控制就会用到模糊数学和模糊逻辑中的概念。
从实际应用的观点来看，模糊理论的应用大部分集中在模糊系统上，尤其集中在模糊控制上。也有一些模糊专家系统应用于医疗诊断和决策支持。由于模糊理论从理论和实践的角度看仍然是新生事物，所以我们期望，随着模糊领域的成熟，将会出现更多可靠的实际应用。

‘贰’ 在Matlab如何使用自己需要检测的图像

使用imread函数将图像读入，例如A=imread('d:\picture.bmp','bmp'); 其中picture.bmp'为自己的图像。最好把图像放在MATLAB的work文件夹下，否则好多东西不方便。

关于边缘检测的问题，这是图像处理的一个很大的方向，有很多种方法来做，有Roberts Cross算子, Prewitt算子, Sobel算子, Canny算子等等，还可以结合模糊理论和神经网络，没有最好只有更好，基本都是基于的梯度方法。网上也有些现成的MATLAB程序。
我也是在做图像的，MATLAB做做算法仿真还是
不难的，自己编一下效果会更好。

‘叁’ 边缘检测的理论依据是什么有哪些方法各有什么特点

就是通过一些临近像素相关算法突出灰度变化比较大的部分。变化平缓的取值低，变化越剧烈取值越高。比如有卷积算法，具体计算方法，有拉普拉斯算子、高斯算子等的应用。

‘肆’ 算法和随机性检测的工具有哪些

早期的有边缘算子法、曲线拟合法、模板匹配法、门限化法。近年来又有许多新的边缘检测的算法:小波变换、小波包的边缘检测等，基于数学形态学、模糊理论和神经网络的边缘检测算法等。

‘伍’ 求图像边缘检测的流程图

Adobe Creative Suite 2设计套件中的Photoshop Creative Suite 2（简称PS CS2）带来了很多的新功能：比如更多的创造性选项，按照用户使用习惯定制更方便使用的Photoshop界面环境，增加了更多可以节省工作效率的文件处理功能，例如批处理数码相机RAW格式文件。总之，Adobe Photoshop CS2一定可以使你的创意得到更大的提升。

现在我们就用图解和实例的方式来仔细体验Photoshop CS2带给我们的新感觉！

第一部分 体验全新Adobe Bridge文件浏览器带来工作流程改革

一、全新的Adobe Bridge文件浏览器

1、基本操作 2、文件与文件夹 3、Bridge中心
4、自动任务 5、查找元数据Metadata 6、免费图片库Stock Photos

二、增强的色彩管理功能

Photoshop CS2除了继续保持以前版本色彩管理方面的优势功能之外，最大的改进就在于可以通过Adobe Bridge在Adobe Creative Suite的不同程序之间很方便地同步颜色设置。

三、Version CUE
Version Cue是Adobe公司推出的内容管理工具，使用它可以方便用户加强图像文件的分享工作。新版的Version Cue 2.0文档管理内建于Adobe Creative Suite 2环境中，帮助用户通过视觉预览、跟踪和访问Adobe Creative Suite 2项目中的历史和更替文件版本。

第二部分 体验增强的图像处理能力

一、32位高动态区域(HDR)支持
二、快速处理相机的RAW格式文件
三、光学透镜校正
四、高级降噪功能
五、智能锐化滤镜
六、去斑工具
七、一键修正红眼
八、新增的模糊滤镜

第三部分 体验工作效率的有效提升

一、自定义菜单和工作空间
二、图像处理机
三、脚本与动作事件管理器
四、自定义用户界面字体大小
五、自动更新管理器
六、数据驱动图像
七、视频预览
八、所见即所得的字体列表

第四部分 体验增强的设计功能

一、灭点工具
滤镜菜单中新增的灭点工具能够按透视校正来处理包含透视面的图像。下面我们举一个例子来说明它的具体用法。

二、智能对象
智能对象是一种容器，在其中可以植入光栅或矢量图像数据，比如植入来自其它Photoshop文件或Illustrator的光栅或矢量图像。

三、多图层控制
现在图层的操作变得更加方便自如，我们来看看有关图层基本操作方面的改进。

四、图像扭曲
我们通过一个往茶杯上贴图的小例子说明如何使用图像扭曲功能。
回答者：lzcbox - 试用期 一级 11-5 12:01

photoshop cs2 是 photoshop 的最新的版本，和以前比最大的不同在于7.0出现的文件浏览器被CS1大大加强后在CS2中独立出来，可以作为一个独立的软件使用。其他详细的不同处可以参考它的帮助：
新功能
工作流程改进
Adobe Bridge 简化了 Photoshop 以及带有 Adobe Bridge（下一代文件浏览器）的 Adobe Creative Suite 中的文件处理。 有效地浏览、标记、搜索和处理图像。 （请参阅关于 Adobe Bridge。）
色彩管理改进 保留所有 Adobe Creative Suite 组件中的通用颜色设置。 通过用于色彩管理的简化打印界面进行打印。 （请参阅在 Adobe 应用程序间同步颜色设置。）
Version Cue® 2.0 作为单一用户或小型工作组成员来管理文件和版本。 与 Adobe Bridge 集成以管理 Photoshop 和 Adobe Creative Suite 项目文件。 （请参阅受 Version Cue 管理的项目。）
增强的照片功能
多图像相机原始数据 在极短的时间内处理完整个照片拍摄过程。 由于提供了整套数码相机支持，您可以自动调整设置，转换为通用数字负片 (DNG) 格式，并为成批图像应用非破坏性的编辑。 （请参阅相机原始数据增效工具。）
高动态范围 (HDR) 处理具有扩展动态范围的 32 位/通道图像。 摄影师可以使用多次曝光来捕捉整个动态范围的场景，并将文件合并为单个图像。 （请参阅关于高动态范围图像。）
光学镜头校正 校正镜头偏差，如桶形和枕形失真、色差和镜头晕影。 使用滤镜网格方便地校正图像透视。 （请参阅镜头校正滤镜。）
减少杂色 减少数字图像杂色、JPEG 不自然感以及扫描的胶片颗粒。 （请参阅减少图像杂色。）
智能锐化滤镜 使用新的算法来锐化图像，以获得更好的边缘检测并减少锐化晕圈。 控制高光和阴影中的锐化量。 （请参阅使用智能锐化滤镜。）
污点修复工具 快速修复污点和瑕疵，而不选择源内容。 （请参阅使用污点修复画笔工具。）
只需点按一次即可校正红眼 点按一次来修复红眼。 设置选项以调整瞳孔大小和变暗量。 （请参阅移去红眼。）
模糊滤镜 使用新的“模糊”滤镜来应用模糊效果：“方框模糊”、“形状模糊”和“表面模糊”。 （请参阅模糊滤镜。）
生产率提高工具
可自定的菜单 设置和存储自定菜单和工作区，突出显示新的或常用菜单项以及简化屏幕显示内容以便于访问所需的工具。 （请参阅定义菜单组。）
图像处理器 将一批文件处理为多种文件格式。 （请参阅关于图像处理器。）
全新的 PDF 引擎 功能全面的、可自定的预设以及 PDF 1.6/Acrobat 7.0 兼容性。 （请参阅以 PDF 格式存储文件 (Photoshop)。）
脚本和动作事件管理器 将 JavaScript 和 Photoshop 动作设置为在发生指定的 Photoshop 事件时自动运行。 （请参阅将脚本和动作设置为自动运行。）
自定 UI 字体大小 在选项栏、调板以及“图层样式”对话框中自定文本大小。 （请参阅更改工作区域中的字体大小。）
更新管理器 自动搜索 Photoshop 更新。
变量 在 Photoshop 中创建数据驱动图形，这与目前在 ImageReady 中执行的操作相同。 （请参阅关于数据驱动图形。）
视频预览 使用 Firewire (IEEE1394) 链接在视频显示器中显示文档。 （请参阅在视频显示器上预览文档 。）
所见即所得字体菜单 直接在“字体”菜单中预览字体系列和字体样式。 （请参阅选取字体系列和样式。）
设计师增强功能
消失点 粘贴、复制和绘制自动与图像中透视平面匹配的图素。 （请参阅关于消失点。）
智能对象 对嵌入矢量和像素数据执行非破坏性的变换。 创建多个嵌入数据实例，并方便地同时更新所有实例。 （请参阅智能对象。）
多图层控制 将图层作为对象使用。 选择多个图层并对其进行移动、编组、对齐和变换。 （请参阅选择图层和将图层编组和取消图层编组。）
图像变形 可以使用“图像变形”将图像折成任何形状，或者伸展、卷曲和弯曲图像，从而方便地创建包模型或其他维度效果。 （请参阅变形命令。）
动画 在 Photoshop 中创建动画 GIF 文件，这与在 ImageReady 中创建动画非常类似。 （请参阅创建动画。）
日语文字功能 使用新字符对齐 (Mojisoroe) 和更多避头尾法则文字来设置文本的格式。 （请参阅关于亚洲文字。）
智能参考线 在移动图层时使用参考线（仅在需要时出现）对齐其内容。 （请参阅关于参考线和网格。）
集成的 Adobe Online Services 访问和下载专业级 Adobe Stock Photos 并使用 Adobe Photoshop Services 共享和在线打印。 （请参阅关于 Adobe Stock Photos。）

参考资料：PS

‘陆’ 边缘检测的阈值确定

一旦我们计算出导数之后，下一步要做的就是给出一个阈值来确定哪里是边缘位置。阈值越低，能够检测出的边线越多，结果也就越容易受到图片噪声的影响，并且越容易从图像中挑出不相关的特性。与此相反，一个高的阈值将会遗失细的或者短的线段。一个常用的这种方法是带有滞后作用的阈值选择。这个方法使用不同的阈值去寻找边缘。首先使用一个阈值上限去寻找边线开始的地方。一旦找到了一个开始点，我们在图像上逐点跟踪边缘路径，当大于门槛下限时一直纪录边缘位置，直到数值小于下限之后才停止纪录。这种方法假设边缘是连续的界线，并且我们能够跟踪前面所看到的边缘的模糊部分，而不会将图像中的噪声点标记为边缘。

‘柒’ 什么是模糊理论

模糊理论(Fuzzy Logic) [编辑本段]模糊的基本概念概念是思维的基本形式之一，它反映了客观事物的本质特征。人类在认识过程中，把感觉到的事物的共同特点抽象出来加以概括，这就形成了概念。比如从白雪、白马、白纸等事物中抽象出“白”的概念。一个概念有它的内涵和外延，内涵是指该概念所反映的事物本质属性的总和，也就是概念的内容。外延是指一个概念所确指的对象的范围。例如“人”这个概念的内涵是指能制造工具，并使用工具进行劳动的动物，外延是指古今中外一切的人。
所谓模糊概念是指这个概念的外延具有不确定性，或者说它的外延是不清晰的，是模糊的。例如“青年”这个概念，它的内涵我们是清楚的，但是它的外延，即什么样的年龄阶段内的人是青年，恐怕就很难说情楚，因为在“年轻”和“不年轻”之间没有一个确定的边界，这就是一个模糊概念。
需要注意的几点：首先，人们在认识模糊性时，是允许有主观性的，也就是说每个人对模糊事物的界限不完全一样，承认一定的主观性是认识模糊性的一个特点。例如，我们让100个人说出“年轻人”的年龄范围，那么我们将得到100个不同的答案。尽管如此，当我们用模糊统计的方法进行分析时，年轻人的年龄界限分布又具有一定的规律性；
其次，模糊性是精确性的对立面，但不能消极地理解模糊性代表的是落后的生产力，恰恰相反，我们在处理客观事物时，经常借助于模糊性。例如，在一个有许多人的房间里，找一位“年老的高个子男人”，这是不难办到的。这里所说的“年老”、“高个子”都是模糊概念，然而我们只要将这些模糊概念经过头脑的分析判断，很快就可以在人群中找到此人。如果我们要求用计算机查询，那么就要把所有人的年龄，身高的具体数据输入计算机，然后我们才可以从人群中找这样的人。
最后，人们对模糊性的认识往往同随机性混淆起来，其实它们之间有着根本的区别。随机性是其本身具有明确的含义，只是由于发生的条件不充分，而使得在条件与事件之间不能出现确定的因果关系，从而事件的出现与否表现出一种不确定性。而事物的模糊性是指我们要处理的事物的概念本身就是模糊的，即一个对象是否符合这个概念难以确定，也就是由于概念外延模糊而带来的不确定性。

‘捌’ 模糊模式识别的理论基础

1965年，美国着名控制论专家、加利福尼亚大学L.A.Zadeh(1965)教授提出模糊集(fuzzy sets)概念，建立了模糊集理论，创造了研究模糊性或不确定性问题的理论方法。近40年来，模糊理论与技术得到了迅猛发展，以模糊集理论为基础的应用学科，如模糊聚类分析、模糊模式识别、模糊综合评判、模糊决策与模糊预测、模糊规划、模糊控制、模糊信息处理等已在工业、农业、医学、军事、计算机科学、信息科学、管理科学、系统科学、工程技术等学科领域中发挥着非常重要的作用，带来了巨大的经济效益。
在日常生活中，人们常常通过感官来对图形、文字、语言等作出识别，在气象科学领域、工程勘察领域、环境工程领域、医学领域、刑侦领域、军事领域等等方面的工作都有一个共同特点，就是都涉及利用已知的各类型来识别给定对象属于哪一个类型的问题，这就是模式识别问题。
模式识别(pattern recognition)是近30年来得到迅速发展的人工智能分支学科。但是，对于什么是“模式”，或者什么是机器(也包括人)能够辨认的模式，迄今尚无确切的定义。这里，我们只能形象地解释说，人之所以能识别图像、声音、动作，文字字形、面部表情等等是因为它们都存在着反映其特征的某种模式。这种解释仍属同义反复，根本没有诠释模式的内涵和外延。连人工智能专家卡纳尔(L.Kanal)也认为：“如果一旦出现了对模式的定义并被证实能够推动理论的发展，那将标志着人类智力的一大进步。虽然如此，目前的局面并不影响模式识别在各领域中广泛的应用。”
人类对模式识别过程的机理目前仍然不是很清楚。对具体事物的识别主要是心理现象，对抽象事物的识别主要是思维现象。当一个人对于具体事物的认识，涉及人与客观事物在人类感官中所引起的刺激之间的关系。当一个人感受到一个模式时，他把此感觉与他从自己过去的经验中得来的一般概念或线索结合起来，并作出归纳性的推理判断。由于客观事物的特征存在不同程度的模糊性，使得经典的识别方法越来越不适应客观实际的要求，模糊识别正是为了满足这一要求而产生起来的。
模糊识别的模糊集方法即模糊模式识别是对传统模式识别方法即统计方法和句法方法的有用补充，就是能对模糊事物进行识别和判断，它的理论基础是模糊数学。模糊模式识别就是在模式识别中引入模糊数学方法，用模糊技术来设计机器识别系统，可简化识别系统的结构，更广泛、更深入地模拟人脑的思维过程，从而对客观事物进行更为有效的分类与识别。

‘玖’ 边缘检测，图像模糊，灰度化和图像去雾的基本思路是什么呢 说出是需要改变哪些色彩空间的值。。。

我挨个说一下吧，也算给自己复习一下。
一 边缘检测
方法很多很多啊。
1 常用的是用各种边缘检测算子对图像进行卷积运算，计算出来图像每个部分的梯度值，由于边缘有突变的像素值，所以梯度大的地方很可能是边缘。常见的有 sobel算子等。
2 形态学运算，主要是针对二值化之后的图比较高效，直接先膨胀再腐蚀，然后相减图像就是边缘。
3 canny算法，这个用的很多，我也很喜欢，主要是用到强边缘和弱边缘进行区分。
4 通过识别feature进行识别，在边缘不明显的时候比较有效。

二 图像模糊
这里你要知道一个概念，什么是模糊呢？
咱们近视眼就是一个模糊，这个模糊就是眼睛的成像不能精确的成像在视网膜上吧？
你可以想象一下，其实这就是一个尺度变换的问题，你看一张报纸很清楚，但是从五十米外看你这张报纸（我们假设能看得到），就非常模糊，不能辨认吧？
我这里就引出这个模糊的概念：叫做高斯滤波，高斯滤波其实就是一个尺度变换。
我再打个比方吧，比如一个围棋棋盘，黑线是黑线，棋盘是棋盘，即使黑线很细，你也能分清楚是吧？
但是如果你摘下眼镜看呢？黑线变粗了是吧？黑线变暗了是吧？
其实真正原因是棋盘的信息进入了原本黑线的地方，而黑线也进入了棋盘的地方。
这就是滤波的魅力，可以使像素各个梯度变小，让图像的像素点之间的联系没有那么强烈。。
既然引出高斯滤波，那就有其他的各种滤波，比如拉普拉斯滤波，中值滤波，均值滤波。
实际操作中应用的也都是算子求卷积的方法。

三 灰度化
你看电视的时候应该知道，电视上的一个彩色点，其实是GRB颜色模式，就是绿红蓝三色。
对应这个RGB颜色模式，你可以通过对这三个颜色通道的值进行处理，比如我就定义 V=(R+G+B)/3。那么这个V就包含了三种颜色的信息了吧？
但是一般的我们不直接用三个平均，而是由各个相应的系数相乘得到。

这是RGB颜色模式，但是如果你用到HSV颜色模式，问题就简单多了。
什么是HSV模式呢？你遥控器上可能有 色度 饱和度 亮度按钮吧？
这个就是HSV模式，其中这个V 就是 亮度 value，这个就直接是灰度信息了。

四 图像去雾
我对这个去雾的理解是，图像增强。
也可以叫做是图像锐化，这个过程正好和图像模糊相对应。
模糊是让梯度值变小，锐化就是让梯度变大。
对应的方法也是响应的算子进行滤波了。
而需要注意的是，锐化用的是高通滤波，模糊是低通滤波。
因为边缘信息一般都是频率高的信号。

视频分析系统团队
风之风信子