图像边缘检测算法_代码程序_及其结果
一种简单的灰度图像边缘检测算法
收稿 日期 ： ２ ０ １ ２ － ０ ５ － １ ５
定义二维数组 Ｐ ｉ ｘ ｅ ｌ ｓ ［ ］ ［ ］ ， 用于存放从原始图
基金项 目： 国家 自然科学基金（ １ ０ ７ ７ １ ０ ９ １ ） 作者简 介： 孙 亮（ １ ９ ８ ７ 一 ） ， 男， 湖北天 门人 ， 硕士生 ， 主要研究方 向为智能优化算法及应用． Ｅ — ｍａ ｉ ｌ ： ｌ ｉ ａ ｎ ｇ ｓ ｌ ｌ ＠１ ２ ６ ． ｃ ｏ ｍ
幅 图像 的大部分 信息 ， 它 反 映 了 图像 中一 个物 体
区别 于其 他 物 体最 基 本 的特征 ［ １ ］ ． 所谓 边 缘 是 指其
周围像素灰度值有 明显变化 （ 阶跃变化或屋顶变化） 的那 些像 素 的集合 ． 边 缘广 泛 存 在 于 目标 与 背 景之
间、 目标 与 目标之 间 、 区域 与 区域 、 基 元 与基元 之 间． 边 缘 检测 是 基 于 边界 的图像 分 割 方 法 ， 是 采用 某 种算 法来 提取 出 图像 中对 象 与 背 景 问 的交 界 线 ． 边 缘检 测是 实 际中许 多 图像 处理 应用 的基 础 ， 目前 ， 数 字 图像边 缘检 测 技术 广 泛 应 用 于 图像分 割 、 运 动 检测、 目标 跟踪 、 人 脸 识 别 等 领域 ［ ２ ］ ， 因此研 究 图像 边 缘检 测 与提取方 法 具有 重要 的理论 意 义和现 实 意
第３ ２ 卷 第 １ 期 ２ ０ １ ３年 ２月
文章编号 ： １ ０ ０ １ － ４ ３ ７ ３ （ ２ ０ １ ３ ） ０ １ － ０ １ １ １ — ０ ５
兰
州
交
边缘检测及其仿真结果
－ ＿ ＿
下面给出应用 Ｒ ｂｒ 算子提取边缘的实验结果 图像。如图 １２所 示 ｏ ｅｔ ｓ ．
强 的对数作 Ｐｅ ｉ 边缘 检测 ， ｒｗｔ ｔ 这种检 测 的结果 是边 界 区域 和 光的强 度无
关 ， 抗干扰能力强。 故
＿ ＿ ＿
图 １２ Ｒｏｅ ｓ 子 检 测 结 果 ． ｂｒ 算 ｔ
的开始 ， 勾画出 目标物体 ቤተ መጻሕፍቲ ባይዱ轮廓 ， 能使观察者 一 目了然 ， 而且边缘蕴 涵了丰
３） ｒｗｔ算 子 Ｐｅ ｉ ｔ
Ｐｅ ｉ 算 子同 Ｒ ｂｒ 和 Ｓｂ ｒｗｔ ｔ ｏｅｓ ｔ ｏ＆算子均为梯度算子和 一阶微 子， 都可 以 富的内在信息 （ 如方 向、 阶跃性质 、 形状等）， 着特别重要 的意义。 目前它 有 已经 成 为 机 器 视 觉研 究 领 域 最 活 跃 的课 题 之 一 ， 工 程 应 用 中 占有 十 分 重 利用小 区域的快速卷积运算来实现 ， 在 其模板如 图 １ ５所示 ： ． 要 的地位。边缘广泛地存在 于物体 与背景 之间和 物体与物 体之 间。物体 的边缘是由灰度不连续性所反映的 ， 两个具有不 同灰度的相邻 区域 之间总 是存在灰度边缘。边缘检测是所有基于边界的分割方法的第一步。 目前 ， 常用的边缘检 测算 子有 以下几 种 ： ｏｅｔ边 缘检 测算 子，ｏ ｅ Ｒ ｂｒ ｓ Ｓｂｌ 边缘算子 ，ｒｗｔ边缘算子， ａｎ Ｐｅ ｉ ｔ Ｃ ｎｙ边缘算子， 高斯一拉普拉斯边缘算子。 １ Ｒ ｂｒ ） ｏｅ ｓ算子 ｔ
边 缘 检 测 及 其 仿 真 结 果
◆吴 琳
（ 辽宁金融职业 学院信息技术 系）
【 摘要】边缘检测是 图像分割、 目标 区域识别、 区域形状提取等 图像分析领域十分重要 的基础 ， 所谓 的边缘是指其 周围的像 素灰度有 阶跃 或是屋顶 变化 的那些像 素点的集合。 常用的边缘检 测算子有 以下几种 ： ｏｅｔ边缘检 测算子 ，ｏｅ 边缘 算子 ，ｒｗｔ边缘 算子 ，ａ ｎ Ｒｂｒ ｓ Ｓ ｂｌ Ｐｅ ｉ ｔ Ｃｎｙ 边缘算子 ， 高斯一拉普拉斯边缘 算子 。 【 键词 】边缘 检 测 图像 分 割 梯度 算子 关
基于模糊理论的图像边缘检测算法研究与实现
（ 陕西工业 职业技术学 院 计算机 系 ， 陕西 西安 ７ ２ ０ ） １０ ０
摘
要： 针对模糊边缘检测算 法迭代次数过 多、 算量过 大、 计 实时性不好 等缺 陷， 出一种快 速改进 图像边 缘检 测算 提
法， 包括定义隶属 函数 、 模糊 增强处理 、 模糊平滑及模糊边缘检测 ， 通过 实验 ， 改进 算法速度 快， 性能好 ， 率高。 效
（ ） ６ － ７ １ ：９７．
描图 中的应用 ［ ． Ｊ 机械设计 ，０１１１：－． ］ ２０ ，（）４ ６
［ 责任编辑 、 校对 ： 马新华］
［］ Ｈ ｍｄＲ Ｔｚｏｓ． ａｔ ｕｚ ｄ ｅ ｅ ｃｏ ［］ ２ ａ ｉ ｉ ｏｈ Ｆｓ Ｆ ｚ Ｅ ｇ ｔ ｔｎ Ｊ． ｈ ｙ Ｄ ｅｉ
了检测 速 度 。
１ 改进模糊边缘检测算法 的提 出
改 进 算法 的流 程 图如 图 １ 所示 ：
图 １ 改进后的模糊边缘检测算法流程 图
１ １ 隶 属 函数 的定义 ．
图 ２ 改 进 算 法 后 隶 属 函 数 曲线 图
用一种简单而有效 的隶属 函数 （ 中变量名的 其 定义与 Ｐ ｌ ａ算法 中定义相 同）对 图像的像素灰度值 ，
实验结果表明 ： 采用改进算法后 图像增强结果 明显优于 Ｐ ｌ 法的增强结果 ， ａ算 这是 由于 Ｐ ｌ ａ 算法
改进算法与 Ｐ ｌ ａ 算法相 比， 降低了算法 的复杂
６ ６
西安航空技术 高等 专科学校学报
第２ ９卷
度， 提高了算法的效率 ， 在抗噪性能方面有了很大 的
改善 ， 能有效地避免噪声 的干扰 ， 节约时间 ， 运算速 度快 。改进算法不仅适用于普通 图像 ， 而且适用于 各种医学图像 ， 有很强的检测模糊边缘 。
基于CA的图像边缘检测新算法
（ ｅａｔ ｅｔｏ ｎｏｍａｉ ｎ ｏ ｍｕ ｉａｏ ｎｉｅｒ ｇ ａｉ ａｏ Ａｃｄｍ ，Ｌａｎｎ ｌ １ ０ ８ ｈｎ ） Ｄｐ ｒｍ ｎ ｆ Ｉ ｒ ｔ ｎ ａｄ Ｃ ｍ ｎｃｔ ｎ Ｅ ｇｎ ｅｉ ，Ｄ ｌ Ｎ ｖｌ ａ ｅ ｙ ｉ ｉ Ｄａａ １ ６ １，Ｃ ｉａ ｆ ｏ ｉ ｎ ｎ ａ ｏ ｇ ｉ ｎ
Ｉ ａ Ｐ 哑 Ｐ
文 章 编 号： ０ ２ ８ ９ （０ ０ １ — １ １ ０ １０ ～ ６ ２ ２ １ ）１ ０ １ — ３
！
互＝ ：＝ ｌ ＿
基于 Ｃ Ａ的图像边缘检测新算法 术
杨绍 清 ， 李 伟 ， 刘松 涛
（ 军 大 连 舰 艇 学 院 信 息 与 通 信 工 程 系， 宁 大连 １６ １ ） 海 辽 １ ０ ８
ｗｉ ｏ ｅ ｐ ｒ ｔｒ ａ ｄ Ｃａ ｎ ｐ ｒ ｔｒ ｔ ｅ ｒｓ ｌ ｓ ｏ ｈ ｔ ｔ ｅ ｍｅ ｈ ｄ ｂ ｓ ｄ ｏ ｅｅ ｔｄ ｅ ｇ ｓ ｉ ｒ ｕｃ ｃ ｏ ｄ ｎ ｏ ｔ Ｓ ｂ ｌｏ ｅａ ｏ ｎ ｎ ｙ ｏ ｅ ａｏ ， ｈ ｅ ｕ ｔ ｈ ｗｓ ｔ ａ ｈ ｔ ｏ ａ ｅ ｎ ＣＡ ｄ ｔ ｃｅ ｄ ｅ ｓ ｍｏ ｅ ｑ ｉｋ ａ ｃ ｒ ｉ ｇ ｔ ｈ
时 实 现 ， 取 得 很 好 的效 果 ， ａ ａ ｏ等Ｉ 出 了基 于 Ｃ 并 Ｎ ｋｎ ８ ］ 提 Ａ
课 题 之一 ，其 目的 是标 识 出数 字 图像 中亮 度 变 化 明 显 的 点 。 图像 中亮度 的显 著变 化 通 常 是 图像 属 性 的 重 要 事 件 和 变 化 ， 深 度 上 的不 连 续 、 质 属 性 变 化 、 景 照 明变 如 物 场 化 等 。所 以边缘 检 测 广 泛 地 应 用 于 模 式 识 别 、 图像 分 割 、 遥感 和 图像 分析 等 领 域 。目前 ， 典 的边 缘 检 测 方 法 主要 经 包括 Ｓ ｂｌ 子 ＿Ｐｅ ｉ 算 子１ Ｃ ｎ ｙ 子 ［ 。与 Ｓ ｂｌ ｏ ｅ算 １ ｒｗｔ ＿ 、 ｔ ２ ａｎ 算 ３ １ 、 １ 等 ｏｅ 算 子 和 Ｐｅ ｉ 算 子 相 比 较 ，ａ ｎ 算 子 对 图 像 边 缘 检 测 ｒ ｔ ｗｔ Ｃ ｎｙ
彩色图像的边缘检测处理程序设计
---------------------------------------------------------------范文最新推荐------------------------------------------------------ 彩色图像的边缘检测处理程序设计摘要：课题主要是基于彩色图像的边缘检测处理的研究，边缘检测处理对进行图片高层次的特征描述、识别等有很大的意义。
论文对Roberts算子、Sobel算子、Log算子、Canny算子等算子做了分析，详细研究Robrts算子和Sobel算子进行图像边缘检测的原理算法及其实现过程；同时也对BMP图像和图像的彩色空间及颜色模型进行探讨。
设计中，由于基于Roberts 算子具有边缘定位准的优点，Sobel 算子对灰度渐变和噪声较多的图像处理得较好原因，程序采用C#语言进行边缘检测设计。
课题还对基于Roberts算子和Sobel 算子处理结果进行对比，分析这两种算子在实践中的具体表现，找出这两种算子在实际运用中的优劣。
在程序运行实验中，图像边缘检测处理实现了良好的结果。
关键词：彩色图像；边缘检测；Roberts算子；彩色图像边缘检测83611 / 31The Programming of Color Image Processing Edge DetectionAbstract: This article is written mainly to study the edge detection processing, which is of great significance of high-level characterization and identification of pictures, based on color image. The author of this article analyzes the operators, including Roberts, Sobel, Log and Canny, studies the principles and progress of image edge detection with Roberts and Sobel in detail, and discusses BMP images, image color space as well as color model. On processing, the program, through C# language, solves the problems of image, shades of gray and much noise, with the reason that Roberts operator owns the advantages of edge accurate positioning. Research on Roberts operator and Sobel operator processing results were compared based on the analysis of specific performance, the two operators in practice, find out the two operators in the practical application of the pros and cons. In the program to run experiments, edge detection of image processing to achieve good results.---------------------------------------------------------------范文最新推荐------------------------------------------------------3.3彩色图像边缘检测处理273.3.1彩色图像边缘检测程序设计总流程273.3.2Roberts算子设计实现283.3.3Sobel算子设计实现294彩色图像边缘检测的图像处理314.1图像评价标准314.1.1数字图像边缘检测的要求314.2边缘检测处理后结果315总结473 / 315.1小结475.2展望47致谢48参考文献49附录501数字图像处理概述尽管最近几十年来，数字计算机和通信技术并没有十分重大的突破，但人们还是怀着极大的热情关注信息技术这一领域。
基于OpenCV的焊缝图像边缘检测方法
维普资讯
研 究 与 设Байду номын сангаас计
式中
奄珲梭
第３ ７ 卷
“ Ｗｉ ｎ ３ ２ Ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ”或 “ Ｗｉ ｎ ３ ２ ｃ ｏ ｎ ｓ ｏ ｌ ｅ ａ ｐ ｐ ｌ ｉ ｃ —
Ｉ ｒ
一
ａ ｔ ｉ ｏ ｎ ”， 键入 项 目名称 ， 并且 选择 存储 位置 。
（ ５ ） 调节 “ Ｄｅ ｂ ｕ ｇ ”配 置 。
① 选择 “ Ｓ ｅ ｔ ｔ ｉ ｎ ｇ ｓ Ｆ ｏ ｒ ： ”一 “ Ｗｉ ｎ ３ ２ Ｄ ｅ ｂ ｕ ｇ ”； ②选择 “ Ｌ ｉ ｎ ｋ ”一 “ Ｇｅ ｎ ｅ ｒ ａ ｌ ”一 “ ０ ｂ ｊ ｅ ｃ ｆ ｌ ｉ ｂ ｒ ａ ｙ ｒ ｍ ｏ ｄ ｕ ｌ ｅ ｓ ”， 加入用空格分隔 的 ｃ ｖ ｄ ． １ ｉ ｂ ， ｈ ｉ ｇ ｈ ｇ ｕ ｉ ｄ ． １ ｉ ｂ ，
理 函数 。
ｖ ｏ ｉ ｄ ｃ ｖ Ｃ ａ ｎ ｎ ｙ （ ｃ ｏ ｎ ｓ ｔ Ｃ ｖ Ａ ｒ ｒ ｉ ｍａ ｇ ｅ ， Ｃ ｖ Ａ ｒ ｒ ｅ ｄ ｇ ｅ ｓ ，
ｄ ｏ ｕ ｂ ｌ ｅ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ １， ｄ ｏ ｕ ｂ ｌ ｅ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ２， ｉ ｎ ｔ ａ ｐ ｅ ｒ ｔ ｕ ｒ ｅｓ ｉ ｚ ｅ ＝
） ＝ 一 ｋ ｗ，
式中
ｋ为小 于 １的系数 ； ＝Ⅱ［
Ｊ ｆ ２ （ ） Ｊ ｆ ）
４ 基 于 Ｏｐ ｅ ｎ Ｃ Ｖ 的 焊 缝 图 像 边 缘 检 测
］ 。
的 实 现
Ｏ ｐ ｅ ｎ Ｃ Ｖ基础 函数 库 中有 ｃ ｖ Ｃ ａ ｎ ｎ ｙ函数 ， 可 以调
图像处理中的边缘检测算法研究综述
Ｇ ，， ｆ ｉ ， 】 ［ ．＋１＋．【＋１／ 】 ，】 ［一１ Ｊ＋１＋厂 ，／ 】 厂 ， ， ＋１一 ，
其局部搜索能 力不强。进行图像处理时可将两种算法相结
Ｇ ｊ ｌ ．ｉ ｌ — 】 ／ ， １，＋ ［ １ ＋ 卜 ［Ｊ ｆ ＋ ， Ｉ 【 ，】 ｆ ｉ ， ｌ ， ［ Ｊ ｒ ＋ ’ ＋ ＋ Ｊ （ ６）
问题 的算 法 一 直是 图像 处理 与 分 析 的研 究 重点 。 该 文 介绍
了五种经典的边缘检测算子和近年来涌现出的新的边缘检
测方法。
２几种经典边缘检测算子
２ １Ｒ ｂ ｒｓ ． ｏ ｅｔ 算子 Ｒｏ ｅ ｔ ｂ ｒ ｓ算 子 ，它是 一 个 ２ × ２模 板 ，利用 局 部 差 分 检 测 比 较 陡 峭 的 边 缘 ，其 检 测 定 位 精 确 比较 高 ，但 由
Ｇ１０Ｉ （ 处理 ，然后 对去 噪后 的 图像 ｆｘ） 用阶 数为 表 明左右 方 向微 ０。 ５ 分 的合 成分 数阶 微分 算子 提取（ 采 点 。实验 ｑ的 ，该 方法在 ＝ ２ ） ｌ １ １ ｊ 边缘
２ ３ Ｐ ｅ ￣ｔ ． ｒｗ ｔ算子 Ｐｅ ｔ边缘检测算子是一种类似 Ｓ ｂ ｌ ｒｗｉ ｔ ｏ ｅ边缘检测算子的 边缘模板算子 ，通过对 图像进行八个 方 向的边缘检测 ，将 其 中方 向响 应 最 大 的 作 为 边 缘 幅 度 图像 的 边 缘 。 其 定 义 如
分 产 生 的 时 候分 数 阶 微 分 就 诞 生 了 。 随 着科 学 技 术 的 飞速
Ｇ ｒ，】 ｆｉ ｌ ＋ 】 ２ ｆｉ ｌ ．ｆ ， ｌ （） ［ ： ［ ， １ × ［ ， — ＋ ， ， 】 厂 ＋ｌ 】 ＋ ＋ 【 ＋ 一 ４
＿ ， ， 一１一２×．［， １一ｆ［＋１ｊ一１ 厂【一１， ］ ． ｆ ｉＪ— ］ ｆ ， 】
边缘检测算法
边缘检测算法边缘检测算法是一种重要的图像处理算法，它的目的是检测和跟踪图像中元素的边缘。
这种算法可以应用于多种图像处理任务，如图像分割、轮廓提取、模式识别和智能对象跟踪等。
本文将简要介绍边缘检测算法的基本原理、分类及典型应用。
一、边缘检测算法的基本原理边缘检测算法的原理是检测图像中的暗线和亮线，这些线形成的边缘是图像中最基本的元素。
因此，边缘检测算法是一种通过检测图像中元素的边缘来提取图像特征的算法。
它通过比较图像中相邻像素的灰度值来确定是否存在边缘，并对边缘位置、方向和强度进行测定。
一般来说，边缘检测包括：分析图像中元素的灰度变化；检测边缘的位置和方向；图像细化和凸性检测来确定形状信息。
二、边缘检测算法的分类边缘检测算法可以分为积分或空间域算法和滤波器或频域算法两大类。
积分或空间域算法通过计算图像像素灰度变化，例如梯度、高斯梯度、灰度梯度等等，来检测边缘；滤波器或频域算法则通过运用滤波器，如Sobel、Roberts、Prewitt、Laplacian等，来检测边缘。
三、边缘检测算法的典型应用边缘检测算法可以应用于多种图像处理任务，如图像分割、轮廓提取、模式识别和智能对象跟踪等。
1.像分割。
边缘检测算法可以用来识别图像中不同的部分，从而实现图像分割。
2.廓提取。
边缘检测算法可以用来检测图像中各个对象的轮廓，从而实现轮廓提取。
3.式识别。
边缘检测算法可以用来识别图像中的模式，从而实现模式识别。
4.能对象跟踪。
边缘检测算法可以用来跟踪动态对象，从而实现智能对象跟踪。
综上所述，边缘检测算法是一种重要的图像处理算法，它可以应用于多种图像处理任务，如图像分割、轮廓提取、模式识别和智能对象跟踪等，从而能够提高图像处理的效率。
随着技术的不断发展，边缘检测算法将越来越受欢迎并被广泛应用于各种图像处理任务中。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图像边缘检测算法研究 一、边缘检测：边缘是指图像局部亮度变化最显著的部分，边缘主要存在于目标与目标、目标与背景、区域与区域（包括不同色彩）之间，是图像分割、纹理特征提取和形状特征提取等图像分析的重要基础。边缘的检测正是利用物体和背景在某种图像特性上的差异来实现的。这些差异包括灰度、颜色或纹理特征。边缘检测实际上就是检测图像特性发生变化的位置。
二、图像的边缘大致可分为两种：阶跃状和屋顶状；阶跃状的边缘处于图像中两个不同灰度的相邻区域之间，屋顶状的边缘上升和下降都比较缓慢。
阶跃状边缘的位置在一阶导数的峰值点，在二阶导数的过零点；屋顶状边缘（有一定的宽
度范围）的位置在一阶导数的两峰值之间，在二阶导数的两个过零点之间。 三、基于一阶导数法的边缘检测 梯度算子 求梯度的运算可近似为微分模板与图像的卷积。常用一阶边缘检测算子有简单梯度算子、Roberts 算子、priwitt 算子、sobel 算子。梯度算子包含着微分运算，对噪声比较敏感。以上各算子都只包含x，y 两个方向的模板，每种模板只对相应的方向敏感，而对其他方向的变化响应不大。 ①Roberts 算子 Roberts 算子是一种利用局部差分算子寻找边缘的算子 ,它由下式给出:
它是由两个2 ×2 模板作用的结果(标注•的是当前像素的位置)： （1）用卷积函数conv2 处理的Matlab 程序代码： a=imread('lena','tif'); b=[0 1;-1 0]/126;c=[1 0;0 -1]/126; %参数126 是实验时为增强图像对比度试验出来的 d=conv2(a,b,'same');d=abs(d); %处理水平方向算子的结果，参数'same'使得得到的图像与原图大小相等。 e=conv2(a,c,'same');e=abs(e); %处理垂直方向算子的结果 f=max(d,e); %取水平及垂直方向上的大值 subplot(1,3,1),imshow(d), title(' roberts 水平') subplot(1,3,2),imshow(e), title(' roberts 垂直') subplot(1,3,3),imshow(f), title(' roberts 综合') 由图可知，用单个方向的算子则对该方向比较敏感。 （2）用edge函数处理的Matlab程序代码： a = imread('tuxing','tif'); %读取图像 a = imnoise(a, 'salt & pepper',; %对图像加椒盐噪声 b = edge(a,'roberts',; %以阈值为进行roberts边缘检测 c = edge(a,'roberts',; %阈值为 [d,e] = edge(a,'roberts'); %该处可得阈值的默认值e subplot(2,2,1),imshow(a),axis on; title('原图') subplot(2,2,2),imshow(b) ,axis on; title('roberts 阈值=') subplot(2,2,3),imshow(c) ,axis on;title('roberts 阈值=') subplot(2,2,4),imshow(d) ,axis on; title('默认') 运行结果： ②Prewitt算子 为了在边缘检测中减少噪声的影响，1970年Prewitt和Sobel分别提出Prewitt算子和Sobel算子。Prewitt算子加大了边缘检测算子的模板，扩大到3x3来计算差分算子。Prewitt 边缘检测算子使用两个有向算子(一个水平的，一个是垂直的，一般称为模板)，每一个逼近一个偏导数：
如果我们用 Prewitt 算子检测图像M 的边缘的话，我们可以先分别用水平算子和垂直算子对图像进行卷积，得到的是两个矩阵，在不考虑边界的情形下也是和原图像同样大小的 M1， M2，他们分别表示图像M 中相同位置处的两个偏导数。然后把M1，M2 对应位置的两个数平方后相加得到一个新的矩阵G,G 表示M 中各个像素的灰度的梯度值(一个逼近)。然后就可以通过阀值处理得到边缘图像。 （1）用卷积函数conv2 处理的Matlab 程序代码： a=imread('lena','tif'); b=[-1 -1 -1;0 0 0;1 1 1]/256;c=[-1 0 1; -1 0 1; -1 0 1]/256; %参数256 是实验时为增强图像对比度试验出来的 d=conv2(a,b,'same');d=abs(d); %处理水平方向算子的结果 e=conv2(a,c,'same');e=abs(e); %处理垂直方向算子的结果 f=max(d,e); %取水平及垂直方向上的大值 subplot(1,3,1),imshow(d), title(' prewitt 水平') subplot(1,3,2),imshow(e), title(' prewitt 垂直') subplot(1,3,3),imshow(f), title(' prewitt 综合')
由图可知，用单个方向的算子则对该方向比较敏感。 （2）用edge 函数处理的Matlab 程序代码： a = imread('tuxing','tif');%读取图像 a = imnoise(a, 'salt & pepper',; b = edge(a,'prewitt',; c = edge(a,'prewitt',; [d,e] = edge(a,'prewitt'); %该处可得阈值的默认值e subplot(2,2,1),imshow(a),axis on; title('原图') subplot(2,2,2),imshow(b) ,axis on; title('prewitt 阈值=') subplot(2,2,3),imshow(c) ,axis on;title('prewitt 阈值=') subplot(2,2,4),imshow(d) ,axis on; title('默认') ③sobel 算子 Sobel 算子和 Prewitt 算子的不同就在于使用的模板不一样：
（1）用卷积函数conv2 处理的Matlab 程序代码： a=imread('lena','tif'); b=[-1 -2 -1;0 0 0;1 2 1]/256;c=[-1 0 1; -2 0 2; -1 0 1]/256; %参数256 是实验时为增强图像对比度试验出来的 d=conv2(a,b,'same');d=abs(d); %处理水平方向算子的结果 e=conv2(a,c,'same');e=abs(e); %处理垂直方向算子的结果 f=max(d,e); %取水平及垂直方向上的大值 subplot(1,3,1),imshow(d), title(' sobel 水平') subplot(1,3,2),imshow(e), title(' sobel 垂直') subplot(1,3,3),imshow(f), title(' sobel 综合') 由图可知，用单个方向的算子则对该方向比较敏感。用sobel 算子得到的图像边缘较宽。 （2）用edge 函数处理的Matlab 程序代码： a = imread('tuxing','tif');%读取图像 a = imnoise(a, 'salt & pepper',; b = edge(a,'sobel',; c = edge(a,'sobel',; [d,e] = edge(a,'sobel'); %该处可得阈值的默认值e subplot(2,2,1),imshow(a),axis on; title('原图') subplot(2,2,2),imshow(b) ,axis on; title('sobel 阈值=') subplot(2,2,3),imshow(c) ,axis on;title('sobel 阈值=') subplot(2,2,4),imshow(d) ,axis on; title('默认阈值') 实验结果： 由Roberts算子、priwitt算子、sobel算子处理的图像结果可以看出，三者处理效果差不多。由于梯度算子包含着微分运算，因此对图像的噪声有一定的放大作用。阈值的大小决定了像素点赋值为‘1’的点的多少。阈值越大，留下的‘1’点越少。 canny算子 Canny算子具体实现的步骤是：①、用高斯滤波器平滑图像；②、用一阶偏导的有限差分来计算梯度的幅值和方向；③、对梯度幅值进行非极大值抑制；④、用双阈值算法检测和连接边缘。（双阈值检测原理：两个阈值可得两个边缘图像，首先由大阈值把边缘连接成轮廓，当到达轮廓的端点时，就从小阈值图像中寻找可以连接到轮廓上的边缘。） Matlab程序代码： a = imread('tuxing','tif');%读取图像 a = imnoise(a, 'salt & pepper',; b = edge(a,'canny',[,]);% edge(I,'canny',thresh,sigma),sigmaσ默认为1 c = edge(a,'canny',[,]); % σ=3 d = edge(a,'canny',[,],2); subplot(2,2,1),imshow(a); subplot(2,2,2),imshow(b);title('canny 双阈值=[,] σ=1') subplot(2,2,3),imshow(c);title('canny 双阈值=[,] σ=1') subplot(2,2,4),imshow(d);title('canny 双阈值=[,] σ=2')
实验结果： Canny算子由于进行了高斯滤波，因此可以滤除噪声。而且Canny算子是双阈值检测，所以图像连续性较好。高斯滤波器标准差σ的大小决定了滤除噪声的能力；阈值的大小决定了像素点赋值为‘1’的点的多少。 方向算子 Roberts算子、priwitt算子、sobel算子都只包含两个方向的模板，每种模板只对相应的方向敏感，对该方向上的变化有明显的输出，而对其他方向的变化响应不大。为了检测各个方向的边缘，需要有各个方向的微分模板。8个方向的kirsch模板较为常用，这8个方向依次成45°夹角，其3*3的模板为[-5 3 3;-5 0 3;-5 3 3], [3 3 3;-5 0 3;-5 -5 3], [3 3 3;3 0 3;-5 -5 -5], [3 3 3;3 0 -5; 3 -5 -5], [3 3 -5;3 0 -5;3 3 -5], [3 -5 -5;3 0 -5;3 3 3], [-5 -5 -5;3 0 3;3 3 3], [-5 -5 3;-5 0 3;3 3 3]