Matlab实现：图像边缘提取

</h1> <div class="clear"></div> <div class="postBody">

1、 边缘提取算法

方法一：一阶微分算子

Sobel算子

Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，Sobel算子对边缘定位不是很准确，图像的边缘不止一个像素。

Roberts算子

Roberts算子检测方法对具有陡峭的低噪声的图像处理效果较好，但是利用roberts算子提取边缘的结果是边缘比较粗，因此边缘的定位不是很准确。

Prewitt算子

Prewitt算子检测方法对灰度渐变和噪声较多的图像处理效果较好。但边缘较宽，而且间断点多。

Canny算子

Canny算子是目前边缘检测最常用的算法，效果也是最理想的。

Canny边缘检测算法不是简单的模板卷积而已，通过梯度方向和双阈值法来检测边缘点，具体算法可以参考：http://www.cnblogs.com/AndyJee/p/3734805.html；

Canny方法不容易受噪声干扰，能够检测到真正的弱边缘。优点在于，使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。

方法二：二阶微分算子

Laplacian算子

Laplacian算子法对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素视为与图像的明区还是暗区。

2、 实验结果分析

一、边缘提取：

Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，sobel算子对边缘定位不是很准确，图像的边缘不止一个像素；Roberts算子检测方法对具有陡峭的低噪声的图像处理效果较好，但是利用roberts算子提取边缘的结果是边缘比较粗，因此边缘的定位不是很准确；Prewitt算子检测方法对灰度渐变和噪声较多的图像处理效果较好。但边缘较宽，而且间断点多；Laplacian算子法对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素视为与图像的明区还是暗区；Canny方法不容易受噪声干扰，能够检测到真正的弱边缘。优点在于，使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。

二、边缘复合增强

Sobel、Robert、Prewitt算子的增强效果并不是很明显，尤其是Robert算子，因为它提取的边缘点过于稀疏和离散；Laplacian算子和canny算子的增强效果都比较理想， 将边缘叠加上去后，整个手的轮廓和边缘都很清晰，直观上看，canny算子实现的效果比Laplacian算子好，最明显的地方就是手指尖的边缘。

3、程序实现

下面的程序就实现上面效果的完整Matlab代码：

clear;clc; I=imread('x1.tif'); % I=rgb2gray(I); % gray transform

J=imadjust(I,[0.1 0.9],[0 1],1);

% Edge detection % Sobel BW1=edge(I,‘sobel’); sobelBW1=im2uint8(BW1)+J; figure; %imshow(BW1); subplot(1,2,1); imshow(J); title(‘original image’); subplot(1,2,2); imshow(sobelBW1); title(‘Sobel augmented image’); % Roberts BW2=edge(I,‘roberts’); robertBW2=im2uint8(BW2)+J; figure; %imshow(BW2); subplot(1,2,1); imshow(J); title(‘original image’); subplot(1,2,2); imshow(robertBW2); title(‘robert augmented image’); % prewitt BW3=edge(I,‘prewitt’); prewittBW3=im2uint8(BW3)+J; figure; %imshow(BW3); subplot(1,2,1); imshow(J); title(‘original image’); subplot(1,2,2); imshow(prewittBW3); title(‘Prewitt augmented image’); % log BW4=edge(I,‘log’); logBW4=im2uint8(BW4)+J; figure; %imshow(BW4); subplot(1,2,1); imshow(J); title(‘original image’); subplot(1,2,2); imshow(logBW4); title(‘Laplacian augmented image’); % canny BW5=edge(I,‘canny’); cannyBW5=im2uint8(BW5)+J; figure; %imshow(BW5); subplot(1,2,1); imshow(J); title(‘original image’); subplot(1,2,2); imshow(cannyBW5); title(‘Canny augmented image’); % gaussian & canny % h=fspecial(‘gaussian’,5); % fI=imfilter(I,h,‘replicate’); % BW6=edge(fI,‘canny’); % figure; % imshow(BW6);

figure; subplot(2,3,1), imshow(BW1); title(‘sobel edge detect’); subplot(2,3,2), imshow(BW2); title(‘roberts edge detect’); subplot(2,3,3), imshow(BW3); title(‘prewitt edge detect’); subplot(2,3,4), imshow(BW4); title(‘log edge detect’); subplot(2,3,5), imshow(BW5); title(‘canny edge detect’); % subplot(2,3,6), imshow(BW6); % title(‘gasussian&canny edge detect’);

figure; subplot(2,3,1), imshow(sobelBW1); title(‘sobel edge detect’); subplot(2,3,2), imshow(robertBW2); title(‘roberts edge detect’); subplot(2,3,3), imshow(prewittBW3); title(‘prewitt edge detect’); subplot(2,3,4), imshow(logBW4); title(‘laplacian edge detect’); subplot(2,3,5), imshow(cannyBW5); title(‘canny edge detect’);

下面的Matlab程序是精简的边缘提取实现：

clear;clc;

I=imread(‘lena.bmp’); I=rgb2gray(I); imshow(I,[]); title(‘Original Image’);

sobelBW=edge(I,‘sobel’); figure; imshow(sobelBW); title(‘Sobel Edge’);

robertsBW=edge(I,‘roberts’); figure; imshow(robertsBW); title(‘Roberts Edge’);

prewittBW=edge(I,‘prewitt’); figure; imshow(prewittBW); title(‘Prewitt Edge’);

logBW=edge(I,‘log’); figure; imshow(logBW); title(‘Laplasian of Gaussian Edge’);

cannyBW=edge(I,‘canny’); figure; imshow(cannyBW); title(‘Canny Edge’);

分类: 数字图像处理DIP 标签: 边缘提取 <div id="blog_post_info"> 好文要顶 关注我 收藏该文 AndyJee 关注 - 0 粉丝 - 337 +加关注 3 0 <div class="clear"></div> <div id="post_next_prev"> <a href="https://www.cnblogs.com/AndyJee/p/3734805.html" class="p_n_p_prefix">« </a> 上一篇： <a href="https://www.cnblogs.com/AndyJee/p/3734805.html" title="发布于 2014-05-18 01:52">计算机视觉之一：特征检测</a> <br> <a href="https://www.cnblogs.com/AndyJee/p/3737499.html" class="p_n_p_prefix">» </a> 下一篇： <a href="https://www.cnblogs.com/AndyJee/p/3737499.html" title="发布于 2014-05-19 19:11">协方差矩阵和相关矩阵</a> posted @ 2014-05-19 17:45  AndyJee 阅读( 33208) 评论( 0) 编辑 收藏 </div><!--end: topics 文章、评论容器--> 刷新评论 刷新页面 返回顶部 注册用户登录后才能发表评论，请 登录 或 注册， 访问 网站首页。 【推荐】超50万行VC++源码: 大型组态工控、电力仿真CAD与GIS源码库 【活动】京东云服务器_云主机低于1折，低价高性能产品备战双11 【推荐】天翼云双十一提前开抢，1核1G云主机3个月仅需59元 【优惠】腾讯云 11.1 1智惠上云，爆款提前购与双11活动同价 【福利】个推四大热门移动开发SDK全部免费用一年，限时抢！ 相关博文： · 基于matlab的边缘提取方法的比较 · 图像特征提取：Sobel边缘检测 · 边缘检测与图像分割 · 基于MATLAB边缘检测算子的实现 · 图像特征提取：Sobel边缘检测 » 更多推荐... <div id="google_ads_iframe_/1090369/C2_0__container__" style="border: 0pt none;"><iframe id="google_ads_iframe_/1090369/C2_0" title="3rd party ad content" name="google_ads_iframe_/1090369/C2_0" width="468" height="60" scrolling="no" marginwidth="0" marginheight="0" frameborder="0" srcdoc="" style="border: 0px; vertical-align: bottom;" data-google-container-id="2" data-load-complete="true"></iframe></div></div> </div> <div id="under_post_kb"> 最新 IT 新闻: · 三星：7nm EUV工艺Q4季度量产 5nm已获得订单 · 你无法看见，但它总在那 · 冲绳首里城大部分建筑被烧毁 · Cray宣布全新存储系统：一秒读写1.6TB、AMD二代霄龙加持 · 对冲基金大佬：WeWork有很大可能性价值“归零” » 更多新闻...