####概述:
边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点。
图像属性中的显著变化通常反映了属性的重要事件和变化。 这些包括(i)深度上的不连续、
(ii)表面方向不连续、(iii)物质属性变化和(iv)场景照明变化。
边缘检测是图像处理和计算机视觉中,尤其是特征提取中的一个研究领域。
- 一阶: Roberts Cross算子,Prewitt算子,Sobel算子, Kirsch算子,罗盘算子;
- 二阶: Marr-Hildreth,在梯度方向的二阶导数过零点,Canny算子,Laplacian算子。
使用Matlab内部函数edge实现边缘检测算法:
I=imread('lena.jpg');%提取图像
img=rgb2gray(I);
[m,n]=size(img);
BW1=edge(img,'sobel'); %用Sobel算子进行边缘检测
BW2=edge(img,'roberts');%用Roberts算子进行边缘检测
BW3=edge(img,'prewitt'); %用Prewitt算子进行边缘检测
BW4=edge(img,'log'); %用Log算子进行边缘检测
BW5=edge(img,'canny'); %用Canny算子进行边缘检测
h=fspecial('gaussian',5);%¸高斯滤波
BW6=edge(img,'canny');%高斯滤波后使用Canny算子进行边缘检测
subplot(2,3,1), imshow(BW1);
title('sobel edge check');
subplot(2,3,2), imshow(BW2);
title('roberts edge check');
subplot(2,3,3), imshow(BW3);
title('prewitt edge check');
subplot(2,3,4), imshow(BW4);
title('log edge check');
subplot(2,3,5), imshow(BW5);
title('canny edge check');
subplot(2,3,6), imshow(BW6);
title('gasussian&canny edge check');
1)Laplacian 算子的实现:
clear;
sourcePic=imread('lena.jpg');%图像读入
grayPic=mat2gray(sourcePic);%实现图像的矩阵归一化操作
[m,n]=size(grayPic);
newGrayPic=grayPic;
LaplacianNum=0;%经Laplacian操作得到的每个像素的值
LaplacianThreshold=0.2;%设定阈值
for j=2:m-1 %进行边界提取
for k=2:n-1
LaplacianNum=abs(4*grayPic(j,k)-grayPic(j-1,k)-grayPic(j+1,k)-grayPic(j,k+1)-grayPic(j,k-1));
if(LaplacianNum > LaplacianThreshold)
newGrayPic(j,k)=255;
else
newGrayPic(j,k)=0;
end
end
end
figure,imshow(newGrayPic);
title('Laplacian算子的处理结果')
图像增强算法的基本原则是“降低低频区域,突出高频区域”,以此强化边缘,达到增强的目的。
最简单的例子就是通过原始图像减去高斯模糊处理后的图像,就能够将边缘强化出来