邊緣檢測69651

1、邊緣檢測圖像邊緣檢測大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性。有許多方法用于邊緣檢測，它們的絕大部分可以劃分為兩類：基于查找一類和基于零穿越的一類?；诓檎业姆椒ㄍㄟ^尋找圖像一階導(dǎo)數(shù)中的最大和最小值來檢測邊界，通常是將邊界定位在梯度最大的方向?；诹愦┰降姆椒ㄍㄟ^尋找圖像二階導(dǎo)數(shù)零穿越來尋找邊界，通常是Laplacian過零點(diǎn)或者非線性差分表示的過零點(diǎn)。有許多用于邊緣檢測的方法他們大致可分為兩類：基

2、于搜索和基于零交叉?；谒阉鞯倪吘墮z測方法首先計(jì)算邊緣強(qiáng)度，通常用一階導(dǎo)數(shù)表示，例如梯度模，然后，用計(jì)算估計(jì)邊緣的局部方向，通常采用梯度的方向，并利用此方向找到局部梯度模的最大值?；诹憬徊娴姆椒ㄕ业接蓤D像得到的二階導(dǎo)數(shù)的零交叉點(diǎn)來定位邊緣。通常用拉普拉斯算子或非線性微分方程的零交叉點(diǎn)。濾波做為邊緣檢測的預(yù)處理通常是必要的，通常采用高斯濾波。已發(fā)表的邊緣檢測方法應(yīng)用計(jì)算邊界強(qiáng)度的度量，這與平滑濾波有本質(zhì)的不同。正如許多邊緣檢測方法依賴于

3、圖像梯度的計(jì)算，他們用不同種類的濾波器來估計(jì)x方向和y方向的梯度。一旦我們計(jì)算出導(dǎo)數(shù)之后，下一步要做的就是給出一個(gè)閾值來確定哪里是邊緣位置。閾值越低，能夠檢測出的邊線越多，結(jié)果也就越容易受到圖片噪聲的影響，并且越容易從圖像中挑出不相關(guān)的特性。與此相反，一個(gè)高的閾值將會(huì)遺失細(xì)的或者短的線段。一個(gè)常用的這種方法是帶有滯后作用的閾值選擇。這個(gè)方法使用不同的閾值去尋找邊緣。首先使用一個(gè)閾值上限去尋找邊線開始的地方。一旦找到了一個(gè)開始點(diǎn)，我們在圖

4、像上逐點(diǎn)跟蹤邊緣路徑，當(dāng)大于門檻下限時(shí)一直紀(jì)錄邊緣位置，直到數(shù)值小于下限之后才停止紀(jì)錄。這種方法假設(shè)邊緣是連續(xù)的界線，并且我們能夠跟蹤前面所看到的邊緣的模糊部分，而不會(huì)將圖像中的噪聲點(diǎn)標(biāo)記為邊緣。常用的邊緣檢測方法有：roberts算子，sobel算子，prewitt算子，LOG算子，canny算子，小波方法。下面是這幾個(gè)算子的編程實(shí)現(xiàn)，用于比較各種算子的效果。clear%裝入原圖像1f1=[f1p]=uigetfile(.jpg.bm

5、p.tif.gif打開原始圖像文件)addpath(p)iff1==0returnendI=imread(f1)%把原始圖像轉(zhuǎn)換成矩陣saveimageloadimagetitle(sobel檢測圖像)subplot(245)imshow(c)title(prewitt檢測圖像)subplot(246)imshow(d)title(log檢測圖像)subplot(247)imshow(e)title(canny檢測圖像)subplot(