【数字图像处理原理与实践matlab】——边缘检测

边缘检测

• 利用梯度算子进行边缘检测

  • BW =edge( I,type,thresh,direction,‘nothinning’)

  • type: ‘roberts’、‘sobel’、‘prewitt’(算子选择)

  • thresh：敏感度预置参数。灰度低于预置的边缘将不会被检测到。（系统自动设定参数）

  • direction:‘vertical’、‘horizontal’、‘both’

  • ‘nothinning’:无细节处理，默认’thinning’

    I = imread('C:\Users\Lenovo\Desktop\lena.jpg');
    I= rgb2gray(I);
    BW1 = edge(I,'roberts');
    BW2 = edge(I,'sobel');
    BW3 = edge(I,'prewitt');
    figure
    subplot(2,2,1),imshow(I),title('orignal')
    subplot(2,2,2),imshow(BW1),title('roberts')
    subplot(2,2,3),imshow(BW2),title('sobel')
    subplot(2,2,4),imshow(BW3),title('prewitt')
    

• 带方向的边缘检测：Robinson算子

• N=[1,2,1
      0,0,0
      -1,-2,-1];
  edge_n = imfilter(I,N,'symmetric','conv');
  
  

• 高斯拉普拉斯算子(LoG):（LoG：低通滤波器）

  • 应用LoG算子处理图像
  • 检测图像中的零交叉点
  • 筛选掉那些不满足条件的点
    • BW=edge(I,‘log’,thresh,sigma)

• 高斯差分算子（DoG):

  • 步骤和LoG一样，DoG相当于一个带通滤波器

  I = double(rgb2gray(imread('C:\Users\Lenovo\Desktop\lena.jpg')));
  figure,imshow(uint8(I))
  DoG=fspecial('gaussian',5,0.8)-fspecial('gaussian',5,0.6);
  ImageDoG=imfilter(I,DoG,'symmetric','conv');%构建DoG算子
  figure, imshow(ImageDoG)
  % threshold = 2
  proc_Img1 = ImageDoG;
  proc_Img1(find(proc_Img1 < 2))=0;%选择了不同的阈值
  figure, imshow(proc_Img1)
  % threshold = 3
  proc_Img2 = ImageDoG;
  proc_Img2(find(proc_Img2 < 3))=0;
  figure, imshow(proc_Img2)
  
  

• Canny边缘检测

  • Canny 准则：
    • 好的检测效果：对边缘检测的错误尽可能低
    • 边缘的定位要准确
    • 同一边缘要有低的相应次数
  • Canny边缘检测算法：
  • Canny实现：BW=edge(I,‘canny’,thresh.sigma)