【图像处理】边缘检测（Roberts、Prewitt、Sobel、Marr-Hildreth 和 Canny 边缘检测器）和图像分割（Otsu 方法）（matlab实现）

最新推荐文章于 2024-09-22 15:37:41 发布

荔枝科研社

最新推荐文章于 2024-09-22 15:37:41 发布

阅读量845

点赞数 6

文章标签：图像处理 matlab 计算机视觉

本文链接：https://blog.csdn.net/weixin_46039719/article/details/136829565

版权

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

Otsu方法是一种常用的图像分割技术，旨在将图像分成具有统计学意义的不同区域。该方法基于图像的灰度直方图，通过寻找一个阈值来将图像分成两个类别，使得类别内的方差最小化或方差之和最大化。这个阈值可以将图像中的前景和背景等不同区域有效地分开。Otsu方法适用于许多图像分割应用，包括目标检测、图像分析和模式识别等领域。

📚2 运行结果

主函数部分代码：

clc; clear;
%% Read the original image
fig_original = remap_image(double(imread('data/building.tif')));
imwrite(fig_original, 'data/building.png');
figure('Name', 'Original image');
imshow(fig_original, []);

%% Roberts edge detector
figure('Name', 'Roberts edge detector');
gx = [-1 0;0 1];
gy = [0 -1;1 0];
subplot(1, 3, 1);
edge_x = remap_image(abs(filter2(gx, fig_original)));
imshow(edge_x, []);
imwrite(edge_x, 'data/roberts_x.png');
subplot(1, 3, 2);
edge_y = remap_image(abs(filter2(gy, fig_original)));
imshow(edge_y, []);
imwrite(edge_y, 'data/roberts_y.png');
subplot(1, 3, 3);
imshow(remap_image(edge_x + edge_y), []);
imwrite(remap_image(edge_x + edge_y), 'data/roberts_xy.png');

%% Prewitt edge detector
figure('Name', 'Prewitt edge detector');
gx = [-1 -1 -1;0 0 0;1 1 1];
gy = [-1 0 1;-1 0 1;-1 0 1];
subplot(1, 3, 1);
edge_x = remap_image(abs(filter2(gx, fig_original)));
imshow(edge_x, []);
imwrite(edge_x, 'data/prewitt_x.png');
subplot(1, 3, 2);
edge_y = remap_image(abs(filter2(gy, fig_original)));
imshow(edge_y, []);
imwrite(edge_y, 'data/prewitt_y.png');
subplot(1, 3, 3);
imshow(remap_image(edge_x + edge_y), []);
imwrite(remap_image(edge_x + edge_y), 'data/prewitt_xy.png');

%% Sobel edge detector
figure('Name', 'Prewitt edge detector');
gx = [-1 -2 -1;0 0 0;1 2 1];
gy = [-1 0 1;-2 0 2;-1 0 1];