1、.1課 程 設(shè) 計(jì) 說 明 書題目： 彩色圖像的邊緣檢測(cè)研究與實(shí)現(xiàn) 院系： 電氣工程學(xué)院 基層教學(xué)單位： 自動(dòng)化儀表系設(shè)計(jì)題目彩色圖像的邊緣檢測(cè)研究與實(shí)現(xiàn)設(shè)計(jì)技術(shù)參數(shù)理解彩色圖像的數(shù)據(jù)構(gòu)成 ，利用灰度圖像的邊緣檢測(cè)技術(shù)，實(shí)現(xiàn)彩色圖像邊緣檢測(cè)的手段。設(shè)計(jì)要求總結(jié)邊緣檢測(cè)算法，理解彩色圖像的數(shù)據(jù)構(gòu)成。根據(jù)彩色圖像的特點(diǎn)，利用彩色圖像豐富的信息，至少用兩種方法實(shí)現(xiàn)彩色圖像的邊緣檢測(cè)，盡可能用原始彩色圖像數(shù)據(jù)的更多信息實(shí)現(xiàn)圖像的邊緣檢測(cè)。設(shè)計(jì)計(jì)中應(yīng)具有自己的設(shè)計(jì)思想、設(shè)計(jì)體會(huì)。工作量總結(jié)圖像邊緣提取算法，理解彩色圖像的數(shù)據(jù)構(gòu)成?；贛ATLAB設(shè)計(jì)構(gòu)思實(shí)現(xiàn)彩色圖像的邊緣檢測(cè)總結(jié)書寫課設(shè)心得工作計(jì)劃周一

2、. 總結(jié)圖像邊緣提取算法，理解彩色圖像的數(shù)據(jù)構(gòu)成?；赗GB空間，基于CYM空間周二-周三.基于MATLAB設(shè)計(jì)構(gòu)思實(shí)現(xiàn)彩色圖像的邊緣檢測(cè)周四. 總結(jié)書寫課設(shè)心得參考資料1、數(shù)字圖像處理學(xué) 電子工業(yè) 賈永紅 20032、數(shù)字圖像處理Matlab版 電子工業(yè) 岡薩雷斯 20063、其他數(shù)字圖像處理和matlab編程方面的書籍及相關(guān)學(xué)習(xí)資料指導(dǎo)教師簽字基層教學(xué)單位主任簽字說明：此表一式四份，學(xué)生、指導(dǎo)教師、基層教學(xué)單位、系部各一份。2021年12月 12日 摘要視覺是人類從大自然獲取信息的主要來源。據(jù)統(tǒng)計(jì)在人類獲取的信息當(dāng)中，視覺信息約占60%，圖像正是人類獲取視覺信息的主要途徑。邊緣是圖像最根本

3、的特征之一。邊緣檢測(cè)和分類最好能夠模擬人類視覺處理機(jī)制，這樣則可得到最好的結(jié)果。而人類視覺傾向于用色調(diào)、飽和度顏色信息和亮度共同描述彩色物體，所以顏色信息不可或缺。與灰度邊緣檢測(cè)算法相比，彩色圖像邊緣檢測(cè)算法能夠提供更多的邊緣信息。特別是對(duì)于有些物體邊緣，亮度一樣而顏色不同，用傳統(tǒng)的灰色圖像邊緣檢測(cè)算法將失去作用。彩色邊緣檢測(cè)法能檢測(cè)到灰度圖像不能檢測(cè)到的邊緣。研究發(fā)現(xiàn)，灰度邊緣檢測(cè)算法能得到90%的彩色圖像邊緣信息，但仍然剩下10%的邊緣信息需要利用顏色信息才能得到。因此非常有必要尋找更加有效的邊緣檢測(cè)算法以提高質(zhì)量的邊緣信息。關(guān)鍵詞：彩色圖像邊緣檢測(cè) SOBEL算子 邊緣檢測(cè) 輸出融合目錄

4、摘要正文第一節(jié)彩色圖像的數(shù)據(jù)構(gòu)成第二節(jié)邊緣檢測(cè)算法1. Robert梯度算子(2*2) 52. Prewitt算子(3*3) 63.Sobel算子(3*3) 74八方向Kirsch算子(3*3) 75. Laplacian算子76. Canny邊緣檢測(cè)算子9第三節(jié)彩色圖像的邊緣檢測(cè)1.灰度轉(zhuǎn)換法102.輸出融合方法11A.在RGB彩色空間12B在CYM空間12第四節(jié)課設(shè)心得參考資料數(shù)字圖像處理學(xué) 電子工業(yè) 賈永紅 2003數(shù)字圖像處理Matlab版 電子工業(yè) 岡薩雷斯 2006其他數(shù)字圖像處理和matlab編程方面的書籍及相關(guān)學(xué)習(xí)資料和論文正文第一節(jié)彩色圖像的數(shù)據(jù)構(gòu)成RGB空間：最典型最常用的

5、面向硬設(shè)備的彩色模型是RGB模型。電視攝像機(jī)和彩色掃描儀都是根據(jù)RGB模型工作的。RGB模型是一種與人的視覺系統(tǒng)構(gòu)造密切相連的模型。自然界中的所有的顏色都可以由紅，綠，藍(lán)(R,G,B)三原色組合而成。針對(duì)含有紅色成分的多與少，可以將彩色圖像人為地分成0到255共256個(gè)等級(jí)，0表示包含紅色成分255表示含有100%的紅色成分。同理可得綠色和藍(lán)色也被分為256個(gè)等級(jí)。這樣，根據(jù)紅、綠、藍(lán)各種不同的組合我們就能表示出256*256*256(約1600萬)種顏色。當(dāng)一幅圖中每個(gè)像素被賦不同的RGB值時(shí)，就能呈現(xiàn)五彩繽紛的顏色了，這就形成了彩色圖像。最強(qiáng)的紅，綠，藍(lán)三原色相加產(chǎn)生了白色。CMY顏色空間

6、：CMY色彩系統(tǒng)也是一種常用的色彩表示方式，與RGB顏色空間有兩點(diǎn)不同：第一，CMY的三基色分別為青,品紅，黃C,M,Y;第二，計(jì)算機(jī)屏幕的顯示通常用RGB顏色系統(tǒng)，它是通過三種顏色的相加來產(chǎn)生其他顏色的，這種方法被稱作加色合成法，而CMY顏色空間是通過顏色的相減來產(chǎn)生其他顏色的，這種方法被稱為減色合成法。 利用三色光疊加可以產(chǎn)生光的三補(bǔ)色：青C,Cyan、品紅M,Magenta、黃Y,Yellow，分別是紅R、綠G、藍(lán)B三色的互補(bǔ)色。它們與熒光粉組合光顏色的顯示器不同，是通過打印彩墨ink、彩色涂料的反射光來顯現(xiàn)顏色的，是一種減色組合。由青、品紅和黃三色組成的色彩模型，使用時(shí)相當(dāng)于從白色光中

7、減去*種顏色，因此又叫減色系統(tǒng)。在笛卡兒坐標(biāo)系中，CMY色彩模型與RGB色彩模型外觀相似，但原點(diǎn)和頂點(diǎn)剛好相反，CMY模型的原點(diǎn)是白色，相對(duì)的頂點(diǎn)是黑色。一種簡(jiǎn)單而近似的從CMY到RGB的轉(zhuǎn)換為： R=1-C G=1-MB=1-Y第二節(jié)邊緣檢測(cè)算法圖像邊緣是圖像最根本的特征之一，往往攜帶著一幅圖像的大局部信息。而邊緣存在于圖像的不規(guī)則構(gòu)造和不平穩(wěn)現(xiàn)象中，也即存在于信號(hào)的突變點(diǎn)處，這些點(diǎn)給出了圖像輪廓的位置，這些輪廓常常是在圖像處理時(shí)所需要的非常重要的一些特征條件，這就需要對(duì)一幅圖像檢測(cè)并提取出它的邊緣。在通常情況下，可以將信號(hào)中的奇異點(diǎn)和突交點(diǎn)認(rèn)為是圖像中的邊緣點(diǎn)，其附近灰度的變化情況可從它相

8、鄰像素灰度分布的梯度來反映。根據(jù)這一特點(diǎn)，提出了多種邊緣檢測(cè)算子：如Robert算子、Sobel算子、Prewitt算子、Laplacian算子等。這些方法多是以待處理像素為中心的鄰域作為進(jìn)展灰度分析的根底，實(shí)現(xiàn)對(duì)圖像邊緣的提取并已經(jīng)取得了較好的處理效果。簡(jiǎn)單的來說就是通過定義一個(gè)模板算子，然后進(jìn)展匹配運(yùn)算，借以提取圖像的邊緣。常用的邊緣檢測(cè)算子包括：1. Robert梯度算子(2*2)由Roberts提出的算子是一種利用局部差分算子尋找邊緣的算子，對(duì)于邊界陡峭且噪比較小的圖像檢測(cè)效果比較好，它在22鄰域上計(jì)算對(duì)角導(dǎo)數(shù)，Gi,j又稱為Roberts穿插算子。在實(shí)際應(yīng)用中，為簡(jiǎn)化運(yùn)算，用梯度函數(shù)

9、的Roberts絕對(duì)值來近似：用卷積模板，上式變成：其中G*和Gy由下面圖3所示的模板計(jì)算：Roberts算子是該點(diǎn)連續(xù)梯度的近似值，而不是所預(yù)期的點(diǎn)處的近似值。由上面兩個(gè)卷積算子對(duì)圖像運(yùn)算后，代入(1-3)式，可求得圖像的梯度幅度值Gi,j，然后選取適當(dāng)?shù)拈T限TH，作如下判斷：Gi,jTH，i,j為階躍狀邊緣點(diǎn)，Gi,j為一個(gè)二值圖像，也就是圖像的邊緣。該方法僅能計(jì)算相鄰像素的灰度差，用于利用局部差分檢測(cè)比較陡峭的邊緣，但對(duì)于噪聲比較敏感，經(jīng)常會(huì)出現(xiàn)孤立點(diǎn)。2. Prewitt算子(3*3)Prewitt算子從加大邊緣檢測(cè)算子出發(fā)。由22擴(kuò)大到33來計(jì)算差分算子。在圖像中的每個(gè)像素位置都用這

10、2個(gè)模板做卷積，Prewitt算子將方向差分運(yùn)算與局部平均結(jié)合起來，表達(dá)式如下：Prewitt 算子的卷積模板是：根據(jù)式可以計(jì)算Prewitt梯度，選取適當(dāng)?shù)拈撝礣，對(duì)梯度圖像二值化，得到一幅邊緣二值圖像。采用Prewitt算子不僅能檢測(cè)邊緣點(diǎn)，而且還能抵抗噪聲的影響。3.Sobel算子(3*3)Sobel算子是在Prewitt算子的根底上，對(duì)4鄰域采用帶權(quán)的方法計(jì)算差分。Sobel 算子的卷積模板是：該算子不僅能檢測(cè)邊緣點(diǎn)，且能更進(jìn)一步抑制噪聲的影響，但檢測(cè)的邊緣較寬。4八方向Kirsch算子(3*3)它使用了8個(gè)模板來確定梯度幅度值和梯度的方向。Kirsch算子是用一組模板對(duì)圖像中同一像素

11、求卷積，選取其中最大的值作為邊緣強(qiáng)度，而將與之對(duì)應(yīng)的方向作為邊緣方向。常用的八方向Kirsch模板各方向間的夾角為45度，模板如下列圖：小結(jié)：上述算子都是計(jì)算一階導(dǎo)數(shù)的邊緣檢測(cè)器。其根本思想都是：如果所求的一階導(dǎo)數(shù)高于*一閾值，則確定該點(diǎn)為邊緣點(diǎn)。但是這樣做會(huì)導(dǎo)致檢測(cè)的邊緣點(diǎn)太多。總的來說，造成這些算子不能準(zhǔn)確判定邊緣的存在及正確位置的原因在于： (1)實(shí)際的邊緣灰度與理想的邊緣灰度值間存在差異，這類算子可能檢測(cè)出多個(gè)邊緣。 (2)邊緣存在的尺度圍各不一樣，這類算子固定的大小不利于檢測(cè)出不同尺度上的所有邊緣。 (3)對(duì)噪聲比較敏感為了解決這一問題，開展并產(chǎn)生了平滑濾波邊緣檢測(cè)方法，也就是邊緣檢

12、測(cè)中理論最成熟的線性濾波方法，也稱線性邊緣檢測(cè)算子。5. Laplacian算子拉普拉斯算子是二階導(dǎo)數(shù)的二維等效式。函數(shù)f(*,y)的拉普拉斯算子公式為：使用差分方程對(duì)*和y方向上的二階偏導(dǎo)數(shù)近似如下：這一近似式是以點(diǎn)fi,j+1為中心的，用j-1替換j得到它是以點(diǎn)i,j為中心的二階偏導(dǎo)數(shù)的理想近似式，類似地，把式(2-3)和式(2-4)合并為一個(gè)算子，就成為式(2-5)能用來近似拉普拉斯算子的模板：有時(shí)候希望鄰域中心點(diǎn)具有更大的權(quán)值，比方下面式(2-6)的模板就是一種基于這種思想的近似拉普拉斯算子：當(dāng)拉普拉斯算子輸出出現(xiàn)過零點(diǎn)時(shí)就說明有邊緣存在，其中忽略無意義的過零點(diǎn)(均勻零區(qū))。原則上，過

13、零點(diǎn)的位置精度可以通過線性插方法準(zhǔn)確到子像素分辨率，不過由于噪聲，以及由噪聲引起的邊緣兩端的不對(duì)稱性，結(jié)果可能不會(huì)很準(zhǔn)確。6. Canny邊緣檢測(cè)算子Canny檢測(cè)階躍邊緣的根本思想是在圖像中找出具有局部最大梯度幅值的像素點(diǎn)。檢測(cè)階躍邊緣的大局部工作集中在尋找能夠用于實(shí)際圖像的梯度數(shù)字逼近。由于實(shí)際的圖像經(jīng)過了攝像機(jī)光學(xué)系統(tǒng)和電路系統(tǒng)(帶寬限制)固有的低通濾波器的平滑，因此，圖像中的階躍邊緣不是十分陡立。圖像也受到攝像機(jī)噪聲和場(chǎng)景中不希望的細(xì)節(jié)的干擾。圖像梯度逼近必須滿足兩個(gè)要求：首先逼近必須能夠抑制噪聲效應(yīng)；其次必須盡量準(zhǔn)確地確定邊緣的位置。抑制噪聲和邊緣準(zhǔn)確定位是無法同時(shí)得到滿足的，也就是

14、說，邊緣檢測(cè)算法通過圖像平滑算子去除了噪聲，但卻增加了邊緣定位的不確定性；反過來，假設(shè)提高邊緣檢測(cè)算子對(duì)邊緣的敏感性，同時(shí)也提高了對(duì)噪聲的敏感性。有一種線性算子可以在抗噪聲干擾和準(zhǔn)確定位之間提供最正確折衷方案，它就是高斯函數(shù)的一階導(dǎo)數(shù)。Canny根據(jù)檢測(cè)的要求，定義了下面三個(gè)最優(yōu)準(zhǔn)則： (1)最優(yōu)檢測(cè)。對(duì)真實(shí)邊緣不漏檢，非邊緣點(diǎn)不錯(cuò)檢，即要求輸出信噪比最大。 (2)最優(yōu)檢測(cè)精度。檢測(cè)的邊緣點(diǎn)的位置距實(shí)際的邊緣點(diǎn)的位置最近。 (3)檢測(cè)點(diǎn)與邊緣點(diǎn)一一對(duì)應(yīng)。每一個(gè)實(shí)際存在的邊緣點(diǎn)和檢測(cè)的邊緣點(diǎn)是一一對(duì)應(yīng)的關(guān)系。Canny首次將上述判據(jù)用是數(shù)學(xué)的形式表示出來，然后采用最優(yōu)化數(shù)值方法，得到最正確邊緣檢

15、測(cè)模板。對(duì)于二維圖像，需要使用假設(shè)干方向的模板分別對(duì)圖像進(jìn)展卷積處理，再取最可能的邊緣方向?，F(xiàn)在對(duì)Canny邊緣檢測(cè)器作一概括說明。用fi,j表示圖像。使用可別離濾波方法求圖像與高斯平滑濾波器卷積，得到的結(jié)果是一個(gè)已平滑數(shù)據(jù)陣列。其中Gi,j;代表一個(gè)高斯濾波的過程，而是高斯函數(shù)的標(biāo)準(zhǔn)差，它控制著平滑程度。 已平滑數(shù)據(jù)陣列Si,j的梯度可以使用22一階有限差分近似式來計(jì)算*與y偏導(dǎo)數(shù)的兩個(gè)陣列Pi,j與Qi,j：在這個(gè)22正方形求有限差分的均值，以便在圖像中的同一點(diǎn)計(jì)算*和y的偏導(dǎo)數(shù)梯度。幅值和方位角可用直角坐標(biāo)到極坐標(biāo)的坐標(biāo)轉(zhuǎn)化公式來計(jì)算：其中，反正切函數(shù)包含了兩個(gè)參量，它表示一個(gè)角度，其取

16、值圍是整個(gè)圓周圍。為高效率地計(jì)算這些函數(shù)，盡量不用浮點(diǎn)運(yùn)算。梯度的幅度和方向也可以通過查找表由偏導(dǎo)數(shù)計(jì)算。反正切函數(shù)的大多數(shù)計(jì)算使用的是定點(diǎn)運(yùn)算，很少的幾個(gè)計(jì)算是根本浮點(diǎn)運(yùn)算，其中的浮點(diǎn)運(yùn)算是由整數(shù)和定點(diǎn)算術(shù)通過軟件實(shí)現(xiàn)的。 在上式中，Mi,j反映了圖像上的點(diǎn)i,j處的邊緣強(qiáng)度，i,j是圖像點(diǎn)i,j的法向矢量，正交于邊緣方向。根據(jù)Canny的定義，中心邊緣點(diǎn)為算子Gi,j;與圖像fi,j的卷積在邊緣梯度方向上的最大值，這樣就可以在每一個(gè)點(diǎn)的梯度方向上判斷此點(diǎn)強(qiáng)度是否為其鄰域的最大值來確定該點(diǎn)是否為邊緣點(diǎn)。當(dāng)一個(gè)像素滿足下面三個(gè)條件時(shí)，則被認(rèn)為是圖像的邊緣點(diǎn)： (1)該點(diǎn)的邊緣強(qiáng)度大于沿該點(diǎn)梯度

17、方向的兩個(gè)相鄰像素點(diǎn)的邊緣強(qiáng)度 (2)與該點(diǎn)梯度方向上相鄰兩點(diǎn)的方向差小于4 (3)以該點(diǎn)為中心的33鄰域中的邊緣強(qiáng)度極大值小于*個(gè)閾值 Canny給出的這三個(gè)判據(jù)具有廣泛的代表意義。7.其他還包括馬爾算子，俊邊緣檢測(cè)方法，曲面擬合方法等方法可以進(jìn)展圖像的邊緣檢測(cè)。第三節(jié)彩色圖像的邊緣檢測(cè)對(duì)于彩色圖像的邊緣檢測(cè)算法與灰度圖像相比，彩色圖像邊緣檢測(cè)算法能夠提供更多的邊緣信息。特別是對(duì)于有些物體邊緣，亮度一樣而顏色不同，用傳統(tǒng)的灰色圖像邊緣檢測(cè)算法將失去作用。見圖1.1，其中1.1a的square原圖是亮度一樣而顏色不同的正方格形圖案，1.1b為彩色Canny邊緣檢測(cè)結(jié)果，1.1c為灰度Canny

18、邊緣檢測(cè)結(jié)果，由檢測(cè)結(jié)果可以看到，彩色邊緣檢測(cè)法能檢測(cè)到灰度圖像不能檢測(cè)到的邊緣。研究發(fā)現(xiàn)，灰度邊緣檢測(cè)算法能得到90%的彩色圖像邊緣信息，但仍然剩下10%的邊緣信息需要利用顏色信息才能得到。因此非常有必要尋找更加有效的邊緣檢測(cè)算法以提高質(zhì)量的邊緣信息。設(shè)計(jì)思想1.灰度轉(zhuǎn)換法：研究發(fā)現(xiàn)，灰度邊緣檢測(cè)算法能得到90%的彩色圖像邊緣信息，而且基于灰度圖像的邊緣檢測(cè)方法早已成熟，所以對(duì)于信息含量較少的彩色圖像可以先將圖像轉(zhuǎn)換為灰度圖像，然后再運(yùn)用灰度圖像的邊緣檢測(cè)手段進(jìn)展邊緣檢測(cè)?？梢赃\(yùn)用matlab按如下程序?qū)崿F(xiàn)：A=imread(meinv.jpg);A=rgb2gray(A);subplot(

19、1,2,1),imshow(A);title(灰度圖像) %將彩色圖像轉(zhuǎn)換為灰度圖像h1=-1 -2 -1;0 0 0;1 2 1;b=conv2(double(A),h1);subplot(1,2,2),imshow(b); title(sobel算子) %對(duì)轉(zhuǎn)換后的灰度圖像進(jìn)展邊緣檢測(cè)結(jié)果如下：2.輸出融合方法：在RGB彩色空間灰度圖像邊緣檢測(cè)算法分別應(yīng)用于彩色圖像的各個(gè)顏色分量中，然后對(duì)各個(gè)分量的結(jié)果進(jìn)展合并，從而得到最后的邊緣。如對(duì)一個(gè)RGB彩色圖像來說，輸出融合方法原理框圖如圖2.1所示：在這里首先將對(duì)圖片進(jìn)展低通濾波，使得圖像在輪廓上顯得更清晰。然后運(yùn)用sobel算子檢測(cè)RGB每個(gè)

20、灰度圖的圖像邊緣，最后對(duì)各個(gè)分量的結(jié)果進(jìn)展合并，從而得到最后的邊緣。運(yùn)用matlab運(yùn)行下面的程序，可以直接檢測(cè)彩色圖像邊緣。源程序如下：A=imread(123.bmp);f1,f2=freqspace(25,meshgrid); %首先構(gòu)建二維濾波器dHd=zeros(25,25); d=sqrt(f1.2+f2.2)0.5; %0.5為截止半徑大小Hd(d)=1; h=fsamp2(Hd); figure,freqz2(h,64,64);A2=imnoise(A,speckle);%用所構(gòu)建的二維濾波器對(duì)以上圖像進(jìn)展頻域低通濾波A1=imfilter(A2,h,replicate)R=d

21、ouble(A1(:,:,1);G=double(A1(:,:,2);B=double(A1(:,:,3);h1=-1 -2 -1;0 0 0;1 2 1;R*=conv2(R,h1);G*=conv2(G,h1);B*=conv2(B,h1);rgb*=cat(3,R*,G*,B*);imshow(rgb*,);B在CYM空間由于CMY色彩系統(tǒng)也是一種常用的色彩表示方式，它的基色分別為青,品紅，黃C,M,Y。所以在CYM空間提取圖像邊緣的方法與RGB圖像空間大致一樣，不同是的算機(jī)屏幕的顯示通常用RGB顏色系統(tǒng)，它是通過三種顏色的相加來產(chǎn)生其他顏色的，這種方法被稱作加色合成法，而CMY顏色空間

22、是通過顏色的相減來產(chǎn)生其他顏色的，這種方法被稱為減色合成法。通過這種關(guān)系得出一種簡(jiǎn)單而近似的從CMY到RGB的轉(zhuǎn)換為： R=1-C G=1-MB=1-Y同樣利用輸出融合法，提取邊緣檢測(cè)的程序如下：A=imread(meinv.jpg);f1,f2=freqspace(25,meshgrid); %首先構(gòu)建二維濾波器dHd=zeros(25,25); d=sqrt(f1.2+f2.2)0.5; Hd(d)=1; h=fsamp2(Hd); figure,freqz2(h,64,64);A2=imnoise(A,speckle); %用所構(gòu)建的二維濾波器對(duì)以上圖像進(jìn)展頻域低通濾波A1=imfilt

23、er(A2,h,replicate)R=double(A1(:,:,1);G=double(A1(:,:,2);B=double(A1(:,:,3);C=1-R;M=1-G;Y=1-B;h1=-1 -2 -1;0 0 0;1 2 1;R*=conv2(C,h1);G*=conv2(M,h1);B*=conv2(Y,h1);Ra=conv2(R,h1);Ga=conv2(G,h1);Ba=conv2(B,h1);rgb*=cat(3,R*,G*,B*);rgba=cat(3,Ra,Ga,Ba);subplot(1,2,1),imshow(rgba,),title(RGB空間邊緣檢測(cè));subplot(1,2,2),imshow(rgb*,),title(CYM空間邊緣檢測(cè));得到的結(jié)果如圖：結(jié)果分析：通過對(duì)兩種邊緣提取的圖像比照，可以發(fā)現(xiàn)運(yùn)用sobel算子融合輸出法在CYM空間中提取的邊緣更清晰，效果更明顯。在輸出融合方法中