試驗灰度圖像邊緣檢測

1、實驗二、灰度圖像邊緣檢測、實驗目的1 .掌握各種邊緣檢測算子的概念及原理.2 .掌握各種邊緣檢測算子的算法.3 .掌握各種邊緣檢測算子matlab實現(xiàn)的編制方法.4 .啟發(fā)學生依據(jù)邊緣特征進行圖像分析與識別,提升學生圖像處理與分析水平和實際動手水平.、實驗原理基于算子模板的卷積過程,比方有一張8x8的圖片,像素矩陣如下：122352211100012r0r000001256454754541256454754541256145147545411256454754541256:45:47545412564547545412又有一個3x3的算子模板矩陣如下:0-10-14-1I0-10整個模板卷積

2、過程就是用模板覆蓋在像素矩陣上,重新計算像素值并移動的過程.如下列圖即為模板蓋住左上角的例如.1223522111000120二0000101256454754541256454754541256I45147545411I256454754541256r45:475454112564547545412計算方式為模板單元格的值與被模板覆蓋的圖像子矩陣的值分別相乘并和并把結果放在模板中央單元格所對應的圖像矩陣單元格中.上圖模板中央對應單元格的值應為：12*0+23*(-1)+52*0+12*(-1)+0*4+0*(-1)+56*0+45*(-1)+47*0=-80.各算子模板如下：1 .Rober

3、ts算子2 .拉普拉斯邊緣算子010111131181010_111_3 .Kirsch邊緣算子5551805155-35.550-345-305225515一3一5-3L-3-3-3'.550-390-30527051-3一3-31-35一55：一3-3-3：一350-3135-305315-31-3一3-31554 .高斯-拉普拉斯算子- 2-4-4-4-2- 4080-4- 48248-4- 4080-4- 2-4-4-4-2j5. Prewitt邊緣算子- 101-1-1-1- 101000- 101J11_6. Sobel算子-1-2-1000121三、實驗儀器和設備PC機1

4、臺,原始灰度圖像文件,matlab編程軟件四、預習要求1 .復習matlab編程軟件的使用方法；2 .復習數(shù)字圖像處理的一些相關知識；3 .復習數(shù)字圖像邊緣檢測的根本原理；4 .學習在matlab中如何進行圖像的邊緣檢測.五、實驗內容1 .編程實現(xiàn)以下六種圖像邊緣檢測算子.(1) Roberts邊緣算子；(2)Sobel邊緣算子(3) Prew讓t邊緣算子；(4)拉普拉斯邊緣算子(5) Kirsch邊緣算子；(6)高斯-拉普拉斯邊緣算子2 .根據(jù)檢測結果,分析與比擬各種邊緣檢測算法的主要區(qū)別.答：用各種邊緣檢測算子對一幅圖像進行邊緣檢測,其結果如圖2所示,從檢測的結果來看,Roberts邊緣算

5、子提取邊緣的結果邊緣較粗,邊緣定位不很準確,Sobel邊緣算子,Prewitt邊緣算子對邊緣的定位就準確了一些,Kirsch邊緣算子比Sobel邊緣算子,Prewitt邊緣算子和拉普拉斯邊緣算子定位更準確而采用高斯-拉普拉斯邊緣算子進行邊緣提取的結果要明顯優(yōu)于前4種算子,特別是邊緣比擬完整,位置比擬準確.六、實驗代碼及結果clearallI=imread('D:jiaojie20210814001.jpg');I1=im2double(I);I2=rgb2gray(I1);thr,sorh,keepapp=ddencmp('den','wv',I

6、2);I3=wdencmp('gbl',I2,'sym4',2,thr,sorh,keepapp);I4=medfilt2(I3,99);I5=imresize(I4,0.2,'bicubic');BW1=edge(I5,'sobel');BW2=edge(I5,'roberts');BW3=edge(I5,'log');BW4=edge(I5,'prewitt');BW5=edge(I5,'sobel');BW6=edge(I5,'l');h=fsp

7、ecial('gaussian',5);subplot(2,4,1);imshow(I1);title('原圖')；subplot(2,4,2);imshow(I2);title('灰度圖')；subplot(2,4,3);imshow(BW1);title('Sobel邊緣算子');subplot(2,4,4);imshow(BW2);title('Roberts邊緣算子');subplot(2,4,5);imshow(BW3);title('高斯-拉普拉斯邊緣算子);subplot(2,4,6);ims

8、how(BW4);title('Prewitt邊緣算子');subplot(2,4,7);imshow(BW5);title('kirsch邊緣算子');subplot(2,4,8);imshow(BW6);title('拉普拉斯邊緣算子');實驗結果圖一2、上述現(xiàn)象進行分析,并得出相關結論.Sobel算子是典型的基于一階導數(shù)的邊緣檢測算子,由于該算子中引入了類似局部平均的運算,因此對噪聲具有平滑作用,能很好的消除噪聲的影響.Sobel算子對于象素的位置的影響做了加權,與Prew計t算子、Roberts算子相比因此效果更好.Robert算子圖像處理后結果邊緣不是很平滑經分析,由于Robert算子通常會在圖像邊緣附近的區(qū)域內產生較寬的響應,故采用上述算子檢測的邊緣圖像常需做細化處理,邊緣定位的精度不是很高Prewitt算子對邊緣的定位不如Roberts算子.Laplace算子對孤立象素的響應要比對邊緣或線的響應要更強烈,因此只適用于無噪聲圖象.最后Laplacian算子不能檢測邊緣的方向.七、實驗要求：1 .熟練利用matlab編程實現(xiàn)六個圖像邊緣檢測算子2 .選取最優(yōu)閾值或近似最優(yōu)閾值實現(xiàn)圖像二值化3 .通過比照檢測效果,比照分析六