图像处理(四) Sobel边缘检测与canny边缘检测对比

Sobel边缘检测与canny边缘检测对比

边缘检测指的是得到灰度发生剧烈变化的位置，边缘检测的目的是制作一个线图，提供对图像数据的合适概述。sobel边缘检测算法和canny边缘检测算法是较为常见的两种边缘检测算法。sobel边缘检测算法分为两个步骤：(1)首先用到sobel算子，提取灰度差值信息，也就是图像梯度值，(2)用单阀值进一步提取边界信息。canny边缘检测算法包含四个步骤：(1)高斯滤波，(2)使用sobel算子分别计算x，y方向梯度分量及梯度方向，(3)对梯度进行非极大值抑制, (4)使用双阈值对边缘进一步检测和增强。
可以看出，这两种算法都是计算梯度信息和方向，最后根据这个梯度信息进行检测边界，总体流程上是一致的。不同点就是检测这一块，cannny算法给出了非极大值抑制和双阈值法可以排除不是边界点的干扰，更好的能够提取出边界。

梯度幅值和梯度方向

梯度幅值

梯度方向

实验对比

Sobel算法结果

Canny算法结果

Sobel梯度幅值图像可以看出在图像边缘部分梯度幅值越大，另外对比sobel算法边缘检测结果与canny边缘检测结果可以看出，canny的检测效果更好，主要原因是canny算法在边缘检测时采用了非极大值抑制以及双阈值方法，因此排除了非边缘点的干扰，检测效果更好。

matlab 代码

clc
clear
close all
image=imread('lena.jpg');
image_gray=rgb2gray(image);
subplot(2,2,1)
imshow(image_gray)
title('原图像')
%% sobel梯度幅值图像
Gx=conv2(image_gray,[-1 0 1;-2 0 2;-1 0 1],'same');
Gy=conv2(image_gray,[-1 -2 -1;0 0 0;1 2 1],'same');
sobel_amp=sqrt(Gx.^2+Gy.^2);
subplot(2,2,2)
imshow(sobel_amp/255)
title('sobel梯度幅值图像')

%% sobel梯度方向图像
sobel_phase=atan(Gy./Gx);
subplot(2,2,3)
imshow((sobel_phase+pi/2)/pi)
title('sobel梯度方向图像')
%% 基于梯度的边缘检测结果
edge_sobel=zeros(size(image_gray));
for i=1:size(image_gray,1)
    for j=1:size(image_gray,2)
        if sobel_amp(i,j)>80
            edge_sobel(i,j)=1;
        end
    end
end
subplot(2,2,4)
imshow(edge_sobel)
title('基于梯度的边缘检测结果')
%% canny边缘检测
edg_canny=edge(image_gray,'canny');
figure
imshow(edg_canny)
title('canny边缘检测结果')