边缘检测（Sobel与Prewitt）Matlab实现

Prewitt算子

 为了提高精度，对于每个像素考虑它与周围8个邻域中像素值的加权差，卷积核Gx=[1,0,-1;1,0,-1;1,0,-1];Gy=[-1,-1,-1;0,0,0;1,1,1]

Sobel算子

Sobel算子与Prewitt算子相同，考虑周围8个像素的加权差，但是该算子认为靠近中心像素的点应该给予更高的权重。卷积核Gx=[1,0,-1;2,0,-2;1,0,-1];Gy=[-1,-2,-1;0,0,0;1,2,1]

注：需要注意的就是卷积核与对应窗口中的元素对应相乘然后求新矩阵的所有元素和就行了。

还有阈值需要自己选，根据运行结果找一个最合适的阈值。

Prewitt代码：

​
F=imread('Lena.jpg');
f=double(rgb2gray(F));
[row,col]=size(f);
f2=rgb2gray(F);
imshow(f2);
f1=zeros(row,col);
gx=[1,0,-1;1,0,-1;1,0,-1];
gy=[-1,-1,-1;0,0,0;1,1,1];
for i=2:row-1
    for j=2:col-1
        fx=[f(i-1,j-1),f(i-1,j),f(i-1,j+1);f(i,j-1),f(i,j),f(i,j+1);f(i+1,j-1),f(i+1,j),f(i+1,j+1)];
        fy=[f(i-1,j-1),f(i-1,j),f(i-1,j+1);f(i,j-1),f(i,j),f(i,j+1);f(i+1,j-1),f(i+1,j),f(i+1,j+1)];
        Gx=gx.*fx;
        Gy=gy.*fy;
        A=abs(abs(sum(Gx,'all'))+abs(sum(Gy,'all')));
        if A>=100
            f1(i,j)=255;
        end
    end
end
figure(2);
imshow(f1);

​

运行结果：

 

Sobel:

%Sobel算子
F=imread('Lena.jpg');
f=double(rgb2gray(F));
[row,col]=size(f);
f2=rgb2gray(F);
imshow(f2);
f1=zeros(row,col);
gx=[1,0,-1;2,0,-2;1,0,-1];
gy=[-1,-2,-1;0,0,0;1,2,1];
for i=2:row-1
    for j=2:col-1
        fx=[f(i-1,j-1),f(i-1,j),f(i-1,j+1);f(i,j-1),f(i,j),f(i,j+1);f(i+1,j-1),f(i+1,j),f(i+1,j+1)];
        fy=[f(i-1,j-1),f(i-1,j),f(i-1,j+1);f(i,j-1),f(i,j),f(i,j+1);f(i+1,j-1),f(i+1,j),f(i+1,j+1)];
        Gx=gx.*fx;
        Gy=gy.*fy;
        A=abs(abs(sum(Gx,'all'))+abs(sum(Gy,'all')));
        if A>=100
            f1(i,j)=255;
        end
    end
end
figure(2);
imshow(f1);

运行结果：

 

代码不难，应该都能看懂。

总结：Sobel算子与Prewitt算子检测的结果基本差不多，这两者对灰度渐变低噪声的图像有较好的检测效果。但对复杂噪声图像，Prewitt算子的检测结果更好些。