1 简介
随着计算机软硬件技术的飞速发展,数字图像处理技术在医疗、交通、航空航天、计算机视觉等领域得到了广泛的应用。其中对图像进行计算机自动识别和
理解是其主要目的之一。边缘作为图像的基本特征,广泛地存在于物体与物体、物体与背景之间,它反映了目标的重要特征,是进行图像分割的基本依据。人们常常利用边缘特征将图像分割分解为一系列有意义的目标或区域,进而依据各种特征对其中的物体进行自动识别和理解。物体的边缘表现为灰度的突变。经典的边缘检测方法是考察图像各个像素的特定邻域内灰度的变化,根据相应的一阶或二阶方向导数变化规律对边缘进行检测,这类方法大多数使用基于方向导数掩模求卷积的算法实现。脉冲耦合神经网络由于具有良好的脉冲传播特性,在图像处理、模式识别等领域获得了广泛的应用,利用进行边缘检测是它在图像处理中的重要应用之一。
2 部分代码
%测试边界提取函数
clc
close all
filename='lena.png';
X=imread(filename);%lena.bmp
Xsize=size(size(X));
if Xsize(2)==3
X=rgb2gray(X);
end
figure(2),imshow(X)
[Edge,Numberofaera]=pcnn(X,filename);
figure,imshow(Edge)
figure,imshow(Numberofaera)
3 仿真结果
4 参考文献
[1]卢晶, 胡钢. 基于PCNN算法图像边缘检测及系统级实现[J]. 沈阳工业大学学报, 2019, 41(1):6.
博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。
部分理论引用网络文献,若有侵权联系博主删除。