實(shí)驗(yàn)二、灰度圖像邊緣檢測(cè)

實(shí)驗(yàn)二、灰度圖像邊緣檢測(cè)一、實(shí)驗(yàn)?zāi)康?．掌握各種邊緣檢測(cè)算子的概念及原理。2．掌握各種邊緣檢測(cè)算子的算法。3．掌握各種邊緣檢測(cè)算子matlab實(shí)現(xiàn)的編制方法。4．啟發(fā)學(xué)生依據(jù)邊緣特征進(jìn)行圖像分析與識(shí)別，提高學(xué)生圖像處理與分析能力和實(shí)際動(dòng)手能力。二、實(shí)驗(yàn)原理基于算子模板的卷積過(guò)程，比方有一張8x8的圖片，像素矩陣如下：1223522111000120000002564547545412564547545412564547545412564547545412564547545412564547545412又有一個(gè)3x3的算子模板矩陣如下：0-10-14-10-10 整個(gè)模板卷積過(guò)程就是用模板覆蓋在像素矩陣上，重新計(jì)算像素值并移動(dòng)的過(guò)程。如下列圖即為模板蓋住左上角的例如。1223522111000120000002564547545412564547545412564547545412564547545412564547545412564547545412計(jì)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(jié)果放在模板中央單元格所對(duì)應(yīng)的圖像矩陣單元格中。上圖模板中央對(duì)應(yīng)單元格的值應(yīng)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.Roberts算子2.拉普拉斯邊緣算子3.Kirsch邊緣算子4.高斯-拉普拉斯算子5.Prewitt邊緣算子6.Sobel算子-1-2-1000121三、實(shí)驗(yàn)儀器和設(shè)備PC機(jī)1臺(tái)，原始灰度圖像文件，matlab編程軟件四、預(yù)習(xí)要求1．復(fù)習(xí)matlab編程軟件的使用方法；2．復(fù)習(xí)數(shù)字圖像處理的一些相關(guān)知識(shí)；3．復(fù)習(xí)數(shù)字圖像邊緣檢測(cè)的根本原理；4．學(xué)習(xí)在matlab中如何進(jìn)行圖像的邊緣檢測(cè)。五、實(shí)驗(yàn)內(nèi)容1.編程實(shí)現(xiàn)以下六種圖像邊緣檢測(cè)算子。〔1〕Roberts邊緣算子；〔2〕Sobel邊緣算子〔3〕Prewitt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(cè)結(jié)果，分析與比擬各種邊緣檢測(cè)算法的主要區(qū)別。答：用各種邊緣檢測(cè)算子對(duì)一幅圖像進(jìn)行邊緣檢測(cè)，其結(jié)果如圖2所示。從檢測(cè)的結(jié)果來(lái)看，Roberts邊緣算子提取邊緣的結(jié)果邊緣較粗，邊緣定位不很準(zhǔn)確，Sobel邊緣算子，Prewitt邊緣算子對(duì)邊緣的定位就準(zhǔn)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(zhǔn)確而采用高斯-拉普拉斯邊緣算子進(jìn)行邊緣提取的結(jié)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(zhǔn)確。六、實(shí)驗(yàn)代碼及結(jié)果clearallI=imread('D:\jiaojie20230814001.jpg');I1=im2double(I);I2=rgb2gray(I1);[thr,sorh,keepapp]=ddencmp('den','wv',I2);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=fspecial('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);imshow(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(shí)驗(yàn)結(jié)果圖一2、上述現(xiàn)象進(jìn)行分析，并得出相關(guān)結(jié)論。

Sobel算子是典型的基于一階導(dǎo)數(shù)的邊緣檢測(cè)算子，由于該算子中引入了類似局部平均的運(yùn)算，因此對(duì)噪聲具有平滑作用，能很好的消除噪聲的影響。Sobel算子對(duì)于象素的位置的影響做了加權(quán)，與Prewitt算子、Roberts算子相比因此效果更好。Robert算子圖像處理后結(jié)果邊緣不是很平滑經(jīng)分析，由于Robert算子通常會(huì)在圖像邊緣附近的區(qū)域內(nèi)產(chǎn)生較寬的響應(yīng)，故采用上述算子檢測(cè)的邊緣圖像常需做細(xì)化處理，邊緣定位的精度不是很高Prewitt算子對(duì)邊緣的定位不如Roberts算子。Laplace算子對(duì)孤立象素的響應(yīng)要比對(duì)邊緣或線的響應(yīng)要更強(qiáng)烈，因此只適用于無(wú)噪聲圖象。最后Laplacian算子不能檢測(cè)邊緣的方向。七、實(shí)驗(yàn)要求：1.熟練利用matlab編程實(shí)現(xiàn)六個(gè)圖像邊緣檢測(cè)算子2.選取最優(yōu)閾值或近似最優(yōu)閾值實(shí)現(xiàn)圖像二值化3.通過(guò)比照檢測(cè)效果,比照分析六個(gè)檢測(cè)算子八、實(shí)驗(yàn)心得通過(guò)此次實(shí)驗(yàn)掌握