圖像的邊緣檢測(實驗報告)(共5頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上數(shù)字信號處理實驗圖像的邊緣檢測 圖像的邊緣檢測一，原理本實驗主要是對圖像的邊緣進行提取，通過對邊緣的分析來分析圖像的特征。首先，了解一些術語的定義：邊緣點：圖像中具有坐標i,j且處在強度顯著變化的位置上的點。邊緣段：對應于邊緣點坐標i,j及其方位,邊緣的方位可能是梯度角。邊緣檢測器：從圖像中提取邊緣（邊緣點和邊緣段）集合的算法。輪廓：邊緣列表，或者是一條表示邊緣列表的擬合曲線。邊緣連接：從無序邊緣表形成有序邊緣表的過程，習慣上，邊緣表的表示采用順時針方向來排序。邊緣跟蹤：一個用來確定輪廓的圖像（指濾波后的圖像）搜索過程。邊緣就是圖像中包含的對象的邊界所對應的位置。物體

2、的邊緣以圖像局部特性的不連續(xù)性的形式出現(xiàn)的，例如，灰度值的突變，顏色的突變，紋理結構的突變等。從本質(zhì)上說，邊緣就意味著一個區(qū)域的終結和另外一個區(qū)域的開始。圖像邊緣信息在圖像分析和人的視覺中十分重要，是圖像識別中提取圖像特征的一個重要屬性。邊緣檢測（edge detection）在圖像處理和對象識別領域中都是一個重要的基本問題。由于邊緣的灰度不連續(xù)性，可以使用求導數(shù)的方法檢測到。最早的邊緣檢測方法都是基于像素的數(shù)值導數(shù)的運算。本實驗主要是對圖像依次進行Sobel算子，Prewitt算子,Roberts算子，Laplace算子和Canny算子運算，比較處理結果。邊緣檢測有三個共性準則，1，好的檢測

3、結果，或者說對邊緣的誤測率盡可能低，就是在圖像邊緣出現(xiàn)的地方檢測結果中不應該沒有；另一方面不要出現(xiàn)虛假的邊緣。2，對邊緣的定位要準確，也就是我們標記出的邊緣位置要和圖像上真正邊緣的中心位置充分接近。3，對同一邊緣要有盡可能低的響應次數(shù)，也就是檢測響應最好是單像素的。二，對圖像進行各種算子運算本實驗中主要是對圖像依次進行Sobel算子，Prewitt算子,Roberts算子，Laplace算子和Canny算子運算。由于MATLAB對彩色圖像不能進行分析。所以，我們要將圖像首先進行灰度處理，處理后的圖像才能進行各種算子的變換分析。程序如下所示：>> I=imread('C:Us

4、ersAdministratorDesktop草莓.jpg');>> subplot(3,3,1);>> imshow(I);title('（a）原始圖像');>> J=rgb2gray(I); %轉(zhuǎn)化為灰度圖像>> subplot(3,3,2);>> imshow(J);title('(b)灰度圖');>> K=imadjust(J,40/255 1);%調(diào)整灰度值>> subplot(3,3,3)>> imshow(K);title('(c)調(diào)整灰

5、度后的圖');>> I1=edge(K,'sobel');>> subplot(3,3,4);>> imshow(I1);title('（d）Sobel算子');>> I2=edge(K,'prewitt');>> subplot(3,3,5);>> imshow(I2);title('（e）Prewitt算子');>> I3=edge(K,'robert');>> subplot(3,3,6);>>

6、 imshow(I3);title('（f）Robert算子');>> I4=edge(K,'log');>> subplot(3,3,7);>> imshow(I4);title('（g）Laplace算子');>> I5=edge(K,'canny');>> subplot(3,3,8);>> imshow(I5);title('（h）Canny算子');圖像進行分析之后的結果如圖1所示。圖1 對原圖進行各種算子變換的結果 通過對上述幾種算

7、子的研究，我們可以發(fā)現(xiàn)，Prewit t 算子和Sobel 算子都是對圖像進行差分和濾波運算,僅在平滑部分的權值選擇上有些差異,但是圖像產(chǎn)生了一定的模糊, 而且有些邊緣還檢測不出來，所以檢測精度比較低, 該類算子比較適用于圖像邊緣灰度值比較明顯的情況。Robert s 算子檢測精度比較高, 但容易丟失一部分邊緣, 使檢測的結果不完整，同時圖像沒經(jīng)過平滑處理,不能抑制噪聲,所以該算子對具有陡峭的低噪聲圖像響應最好。Laplace算子通過高斯函數(shù)對圖像進行了平滑處理,對噪聲的抑制作用比較明顯, 但處理的同時也可能將原有的邊緣平滑, 造成某些邊緣無法檢測到。此外，噪聲對其影響也較大，檢測到的圖細節(jié)很

8、豐富,同時就可能出現(xiàn)偽邊緣。但是，如果要降低偽邊緣的話，又可能使檢測精度下降，丟失很多真邊緣。因此, 對于不同圖像應選擇不同參數(shù)。Canny 算子也采用高斯函數(shù)對圖像進行平滑處理,也具有較強的去噪能力, 但同樣可能會丟失一些邊緣信息，但是，從圖中可以看出，Canny 算子比Laplace算子的檢測邊緣的精度要高些。通過實驗結果可以看出,該算子在上述幾種邊緣檢測算子當中效果最好。三，加入噪聲對圖像加入一定的噪聲，然后觀察各種算子對噪聲的影響。（加入高斯噪聲（=0，2=0.01）其程序如下：>> K_g1 = imnoise(K,'gaussian',0,0.01);&

9、gt;> BW_sobel = edge(K_g1,'sobel');>> BW_prewitt = edge(K_g1,'prewitt');>> BW_roberts = edge(K_g1,'roberts');>> BW_laplace = edge(K_g1,'log');>> BW_canny = edge(K_g1,'canny');>> figure(2)>> subplot(2,3,1);imshow(K_g1),tit

10、le('加入高斯噪聲(=0，2=0.01)圖像');>> subplot(2,3,2),imshow(BW_sobel),title('sobel檢測');>> subplot(2,3,3),imshow(BW_prewitt),title('prewitt檢測');>> subplot(2,3,4),imshow(BW_roberts),title('roberts檢測');>> subplot(2,3,5),imshow(BW_laplace),title('laplace檢測');>> subplot(2,3,6),imshow(BW_canny),title('cann