您的位置：首页 > 编程语言 > MATLAB

【数字图像处理原理与实践matlab】——边缘检测

2019-08-03 15:11 363 查看
版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/weixin_43461608/article/details/98340098

边缘检测

  • 利用梯度算子进行边缘检测

    BW =edge( I,type,thresh,direction,‘nothinning’)

  • type: ‘roberts’、‘sobel’、‘prewitt’(算子选择)

  • thresh：敏感度预置参数。灰度低于预置的边缘将不会被检测到。（系统自动设定参数）

  • direction:‘vertical’、‘horizontal’、‘both’

  • ‘nothinning’:无细节处理，默认’thinning’

    I = imread('C:\Users\Lenovo\Desktop\lena.jpg');
I= rgb2gray(I);
BW1 = edge(I,'roberts');
BW2 = edge(I,'sobel');
BW3 = edge(I,'prewitt');
figure
subplot(2,2,1),imshow(I),title('orignal')
subplot(2,2,2),imshow(BW1),title('roberts')
subplot(2,2,3),imshow(BW2),title('sobel')
subplot(2,2,4),imshow(BW3),title('prewitt')

  • 带方向的边缘检测：Robinson算子

  • N=[1,2,1
0,0,0
-1,-2,-1];
edge_n = imfilter(I,N,'symmetric','conv');

  • 高斯拉普拉斯算子(LoG):（LoG：低通滤波器）

      应用LoG算子处理图像
    • 检测图像中的零交叉点
    • 筛选掉那些不满足条件的点 BW=edge(I,‘log’,thresh,sigma)

  • 高斯差分算子（DoG):

      步骤和LoG一样，DoG相当于一个带通滤波器 
    I = double(rgb2gray(imread('C:\Users\Lenovo\Desktop\lena.jpg')));
figure,imshow(uint8(I))
DoG=fspecial('gaussian',5,0.8)-fspecial('gaussian',5,0.6);
ImageDoG=imfilter(I,DoG,'symmetric','conv');%构建DoG算子
figure, imshow(ImageDoG)
% threshold = 2
proc_Img1 = ImageDoG;
proc_Img1(find(proc_Img1 < 2))=0;%选择了不同的阈值
figure, imshow(proc_Img1)
% threshold = 3
proc_Img2 = ImageDoG;
proc_Img2(find(proc_Img2 < 3))=0;
figure, imshow(proc_Img2)

  • Canny边缘检测

      Canny 准则： 好的检测效果：对边缘检测的错误尽可能低
    • 边缘的定位要准确
    • 同一边缘要有低的相应次数
  • Canny边缘检测算法：
  • Canny实现：BW=edge(I,‘canny’,thresh.sigma)
    • 内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
    标签： 
    相关文章推荐
    新的分享
    章节导航