sober算子邊緣檢測,不用庫函數(shù)EDGE

1、1數(shù)字圖象處理介紹1.1數(shù)字圖像處理主要研究的內容數(shù)字圖像處理主要研究的內容有以下幾個方面：1）圖像變換由于圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術，將空間域的處理轉換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進行數(shù)字濾波處理）。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應用。2）圖像編碼壓縮圖像編碼壓縮技術可減少描述圖像的數(shù)據(jù)量（即比特數(shù)），以便節(jié)省圖像傳輸、處理時間和減少所占用的存儲器容量。壓縮可以在不失真

2、的前提下獲得，也可以在允許的失真條件下進行。編碼是壓縮技術中最重要的方法，它在圖像處理技術中是發(fā)展最早且比較成熟的技術。3）圖像增強和復原圖像增強和復原的目的是為了提高圖像的質量，如去除噪聲，提高圖像的清晰度等。圖像增強不考慮圖像降質的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯；如強化低頻分量可減少圖像中噪聲影響。圖像復原要求對圖像降質的原因有一定的了解，一般講應根據(jù)降質過程建立"降質模型"，再采用某種濾波方法，恢復或重建原來的圖像。4）圖像分割圖像分割是數(shù)字圖像處理中的關鍵技術之一。圖像分割是將圖像中有意義的特征部分提取出來，其有

3、意義的特征有圖像中的邊緣、區(qū)域等，這是進一步進行圖像識別、分析和理解的基礎。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。5）圖像描述圖像描述是圖像識別和理解的必要前提。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經開始進行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。6）圖像分類（識別）圖像分類（識別）屬于模式識

4、別的范疇，其主要內容是圖像經過某些預處理（增強、復原、壓縮）后，進行圖像分割和特征提取，從而進行判決分類。圖像分類常采用經典的模式識別方法，有統(tǒng)計模式分類和句法（結構）模式分類，近年來新發(fā)展起來的模糊模式識別和人工神經網絡模式分類在圖像識別中也越來越受到重視。1.2MATLAB在圖像處理中的應用MATLAB6.x提供了2O類圖像處理函數(shù)，涵蓋了圖像處理包括近期研究成果在內的幾乎所有的技術方法，是學習和研究圖像處理的人員難得的寶貴資料和加工工具箱。這些函數(shù)按功能可分為圖像顯示、圖像文件1/0、圖像算術運算、幾何變換、圖像登記、像素值與統(tǒng)計、圖像分析、圖像增強、線性濾波、線性二元濾波設計、圖像去模

5、糊、圖像變換、鄰域與塊處理、灰度與二值圖像的形態(tài)學運算、結構元素創(chuàng)建與處理、基于邊緣的處理、色彩映射表操作、色彩空間變換及圖像類型與類型轉換Maflab數(shù)字圖像處理工具箱函數(shù)包括以下幾類：（1）圖像顯示函數(shù)；（2）圖像文件輸入、輸出函數(shù)；（3）圖像幾何操作函數(shù)；（4）圖像像素值及統(tǒng)計函數(shù)；（5）圖像分析函數(shù)；（6）圖像增強函數(shù)；（7）線性濾波函數(shù)；（8）二維線性濾波器設計函數(shù)；（9）圖像變換函數(shù)；（10）圖像鄰域及塊操作函數(shù)；（11）二值圖像操作函數(shù)；（12）基于區(qū)域的圖像處理函數(shù)；（13）顏色圖操作函數(shù)；（14）顏色空間轉換函數(shù)；（15）圖像類型和類型轉換函數(shù)。2武漢理工大學<<

6、專業(yè)綜合課程設計>>說明書3武漢理工大學<<專業(yè)綜合課程設計>>說明書2原理與實現(xiàn)2.1基本思想圖像邊緣是一種重要的視覺信息，圖像邊緣檢測是圖像處理、圖像分析、模式識別、計算機視覺以及人類視覺的基本步驟。其結果的正確性和可靠性將直接影響到機器視覺系統(tǒng)對客觀世界的理解。實現(xiàn)邊緣檢測有很多不同的方法，也一直是圖像處理中的研究熱點，人們期望找到一種抗噪強、定位準、不漏檢、不誤檢的檢測算法。經典的算法中主要用梯度算子，最簡單的梯度算子是Roberts算子，比較常用的有Prewitt算子和Sobel算子，其中Sobel算子效果較好，但是經典Sobel算子也存在不足，其

7、邊緣具有很強的方向性，只對垂直與水平方向敏感，其他方向不敏感，這就使得那些邊緣檢測不到j。對后續(xù)的圖像處理有很大的影響。本文在此基礎提出了一種新的算法，該算子該算法提高了傳統(tǒng)Sobel檢測算子的性能，具有良好的檢測精度。2.2Sobel算子的原理索貝爾算子(Sobeloperator)是圖像處理中的算子之一，主要用作邊緣檢測。在技術上，它是一離散性差分算子，用來運算圖像亮度函數(shù)的梯度之近似值。在圖像的任何一點使用此算子，將會產生對應的梯度矢量或是其法矢量該算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。如果以A代表原始圖像，Gx及Gy分

8、別代表經橫向及縱向邊緣檢測的圖像，其公式如下Z-10+Gx=-20+2*A(10+1<+1+2+1Gy=000A1-1一2-1圖像的每一個像素的橫向及縱向梯度近似值可用以下的公式結合，來計算梯度的大小。G=、,Gx2Gy2然后可用以下公式計算梯度方向-Gy=arctan()Gx在以上例子中，如果以上的角度©等于零，即代表圖像該處擁有縱向邊緣，左方較右方暗。在邊沿檢測中，常用的一種模板是Sobel算子。Sobel算子有兩個，一個是檢測水平邊沿的；另一個是檢測垂直平邊沿的。與和相比，Sobel算子對于象素的位置的影響做了加權，因此效果更好。Sobel算子另一種形式是各向同性Sobe

9、l(lsotropicSobel)算子，也有兩個，一個是檢測水平邊沿的，另一個是檢測垂直平邊沿的。各向同性Sobel算子和普通Sobel算子相比，它的位置加權系數(shù)更為準確，在檢測不同方向的邊沿時梯度的幅度一致。由于建筑物圖像的特殊性，我們可以發(fā)現(xiàn)，處理該類型圖像輪廓時，并不需要對梯度方向進行運算，所以程序并沒有給出各向同性Sobel算子的處理方法。由于Sobel算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)，簡單有效，因此應用廣泛。美中不足的是，Sobel算子并沒有將圖像的主體與背景嚴格地區(qū)分開來，換言之就是Sobel算子沒有基于圖像灰度進行處理，由于Sobel算子沒有嚴格地模擬人的

10、視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意。在觀測一幅圖像的時候，我們往往首先注意的是圖像與背景不同的部分，正是這個部分將主體突出顯示，基于該理論，我們給出了閾值化輪廓提取算法，該算法已在數(shù)學上證明當像素點滿足正態(tài)分布時所求解是最優(yōu)的。4武漢理工大學<<專業(yè)綜合課程設計>>說明書2.3算法設計針對經典Sobel算子對邊緣具有很強的方向性特點，提出了一種在Sobel算子上改進的算法，其主要思想是先對圖像進行全局閾值的分割處理，因為分割后的圖像是二值圖像，此時進行邊緣提取，這就可以使各個方向的邊緣都可以檢測到。但也可能會丟失原本可直接用Sobel算子檢測到的邊緣。因

11、此，用處理后所得的圖像與用Sobel算子直接對原始圖像進行邊緣檢測的圖像相加，這一步就顯得尤為重要。其理論框圖如圖1所示：圖1理論框圖迭代法求闞值：根據(jù)圖1的理論框圖，先對圖像進行閾值處理，這里采用的是用迭代法求全局閾值的方法。其具體的步驟如下：i）為閾值T選一個初始估計值（建議初始估計值為圖像中最大亮度值和最小高度值的中間值）。ii）使用T分割圖像。這會產生兩組像素：亮度值T的所有像素組成的G1,高度值<T的所有像素組成的G2iii）計算G1和G2范圍內的像素的平均亮度值u1和“2。iv）計算一個新的閾值：T=1/2（MI+M2）。v）重復步驟（i）到（iv），直到連續(xù)迭代中r的差比預

12、先指定的參數(shù)TO小為止。確定圖像最佳的閾值丁后，對分割圖像進行二值化。本課設采用MATLA里的庫函數(shù)graythresh計算圖像的閥值。3程序設計clcclearallcloseallH=imread('2.jpg');%讀入圖像imshow(H);title('真彩圖');A=rgb2gray(H);figure,imshow(A);title('灰度圖');%VSFAT=edge(A,'sobel','vertical');%figure,imshow(VSFAT),title('垂直邊緣檢測'

13、);%VSFAT=edge(A,'sobel','horizontal');%figure,imshow(VSFAT),title('水平邊緣檢測');y_mask=-1-2-1;000;121;%建立Y方向的模板x_mask=y_mask'%建立X方向的模板I=im2double(A);%將圖像數(shù)據(jù)轉化為雙精度dx=imfilter(l,x_mask);%計算X方向的梯度分量dy=imfilter(I,y_mask);%計算Y方向的梯度分量gradh=mat2gray(dx);%水平方向的梯度圖levelh=graythresh(dx)

14、;ho=im2bw(dx,levelh);figure,imshow(ho),title('水平邊緣檢測');gradv=mat2gray(dy);%垂直方向的梯度圖levelv=graythresh(dy);ve=im2bw(dy,levelv);figure,imshow(ve),title('垂直邊緣檢測');grad=sqrt(dx.*dx+dy.*dy);%計算梯度grad=mat2gray(grad);%將梯度矩陣轉換為灰度圖像level=graythresh(grad);%計算灰度閾值BW=im2bw(grad,level);%用閾值分割梯度圖像f

15、igure,imshow(BW);%顯示分割后的圖像即邊緣圖像title('Sobel')7武漢理工大學<<專業(yè)綜合課程設計>>說明書4結果與分析將程序文件名保存為main.m,以下為MATLAB主窗口運行的過程與結果8武漢理工大學<<專業(yè)綜合課程設計>>說明書#武漢理工大學<<專業(yè)綜合課程設計>>說明書灰度圖9武漢理工大學<<專業(yè)綜合課程設計>>說明書10武漢理工大學<<專業(yè)綜合課程設計>>說明書水平邊緣檢測垂直邊緣檢測#武漢理工大學<<專業(yè)綜合

16、課程設計>>說明書Sobel結果分析：在本實驗中使用Sober算子在3個方向進行了圖像邊緣檢測，從程序運行結果可以看出，45度角Sober算子生成的邊緣檢測圖像呈現(xiàn)出浮雕效果，水平和垂直Sober算子檢測出的邊緣多于單個方向上檢測出的邊緣。Sober算子利用像素的上、下、左、右鄰域的灰度加權算法，根據(jù)在邊緣點處達到極值這一原理進行邊緣檢測。該方法不但產生較好的檢測效果.而且對噪聲具有平滑作用，可以提供較為精確的邊緣方向信息。但是，在抗噪聲好的同時也存在檢測到偽邊緣，定位精度不高的缺點。由于Sober算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)，簡單有效，因此應用廣泛。由

17、于Sober算子沒有嚴格地模擬人的視覺生理特征.所以提取的圖像輪廓有時并不能令人滿意。如果在Sober算子處理圖像之前對圖片進行預處理，突出圖片的邊緣線條部分，那么再經Sober算子運算后的邊緣線條將會精確得多。11武漢理工大學<<專業(yè)綜合課程設計>>說明書5心得體會經過兩周的努力努力，總算把專業(yè)綜合課程設計做完了。通過該課程設計，全面系統(tǒng)的理解了數(shù)字圖像處理的一般原理和基本實現(xiàn)方法。把死板的課本知識變得生動有趣，激發(fā)了學習的積極性。把學過的數(shù)字圖像處理基礎原理的知識強化，能夠把課堂上學的知識通過自己編寫的程序表示出來，加深了對理論知識的理解。在這次課程設計中，我先是認

18、真閱讀課本上的相關知識，理解透后又翻閱關于matlab的書籍，學習matlab中一些函數(shù)及運算符的用法?？傮w來說,這次課設我學到了很多。在設計過程中，加深了對可內知識的理解就，真正懂得了學以致用，熟悉了matlab的使用，了解了matlab在數(shù)字圖像處理中的重大應用。做課程設計我體會到了設計的艱辛的同時，更讓我體會到成功的喜悅和快樂這次數(shù)字圖像處理課程設計，雖然短暫但是讓我得到多方面的提高：首先，提高了我們的對matlab語言的運用能力。以前也曾用matlab做過課程設計，但以前寫的程序既沒有人機交互功能，這次課程設計首次運用模塊化思想，將多個功能分模塊編寫，然后通過主函數(shù)調用，并且有一定的人機交互。matlab程序設計中也有順序、選擇、循環(huán)三種結構，這一點和C語言很像。其次，掌握了數(shù)字圖像的原理及運用matlab進行圖像處理的方法。通過matlab中提供的圖片讀取函數(shù)可以將一幅黑白圖片轉換為二維數(shù)組，然后運用C語言里掌握的編程思想和圖像處理的原理，就能編寫出相應程序。以前用過photoshop之類的軟件進行過圖像處理，但未能理解數(shù)字圖像處理的本質。通過此次課程設計，能夠自己編寫函數(shù)來進行圖像處理，有一種成就感。最后，查閱參考書和資料的獨立思考的