边缘方向直方图matlab实现

边缘直方图能较好体现图像的边缘和纹理特征。不同类型的模板边缘直方图特征有比较明显的差异。

边缘直方图的算法[1]具体如下:

(1) 图像灰度化。

(2) 将图像进行边缘算子 (如 SOBEL)运 算, 得 到( x, y) 点的 dx 和 dy。

(3) 计算各个像素的边缘方向 θ( x, y) = argtg( dx / dy) 。

(4) 将边缘方向值进行量化, 从 0°～180°量化到 0°～36°。

(5) 将边缘方向值 θ进行直方图统计并归一化。

Matlab代码[2]（采用canny边缘检测）：

rgb_img=imread('man.jpg');
gray_img=rgb2gray(rgb_img);
subplot(2,1,1);imshow(gray_img);

[row,col]=size(gray_img);
gray_img=double(gray_img);

 

% 使用canny算子，提取边缘
edge_canny=edge(gray_img,'canny');
edge_num=sum(sum(edge_canny));%边缘总点数
subplot(2,1,2);imshow(edge_canny);

 

%计算梯度矢量Gx,Gy
for cir1=2:row-1
for cir2=2:col-1
Gx(cir1,cir2)=sum(gray_img(cir1-1:cir1+1,cir2+1))-sum(gray_img(cir1-1:cir1+1,cir2-1))...

                      +gray_img(cir1,cir2+1)-gray_img(cir1,cir2-1);
Gy(cir1,cir2)=sum(gray_img(cir1+1,cir2-1:cir2+1))-sum(gray_img(cir1-1,cir2-1:cir2+1))...
                      +gray_img(cir1+1,cir2)-gray_img(cir1-1,cir2);
Gx(cir1,cir2)=Gx(cir1,cir2)+(Gx(cir1,cir2)==0)*1e-6; % 为避免分母为0，加上一个很小的值。
theta(cir1,cir2)=atan2(Gy(cir1,cir2),Gx(cir1,cir2))*180/pi;

%atan2：计算边缘方向；范围：[-pi,pi]；弧度->角度： [-180,180]
end
end

 

% 将[-180,180]每10度分为一组，那么方向被量化为36 bin
TH=[-170,-160,-150,-140,-130,-120,-110,-100,-90,-80,  -70,   -60,  -50,  -40,  -30,  -20,  -10,   0,...

           10,   20,    30,   40,   50,   60,   70,   80,  90,100, 110,  120,  130, 140, 150,  160, 170,180;...

        -180,-170,-160,-150,-140,-130,-120,-110,-100,-90,-80,-70,-60,-50,-40,-30,-20,-10,0,...

          10,20,30,40,50,60,70,80,90,100,110,120,130,140,150,160,170];

% 存储各方向像素数目的数组
bar_hist= zeros(1,36);

 

ge_theta=theta&edge_canny;

for cir1=1:row
    for cir2=1:col
         for k=1:36
               if (edge_canny(cir1,cir2)==1 & theta(cir1,cir2)

=TH(2,k))                     bar_hist(k)=bar_hist(k)+1;               end          end     end end disp(bar_hist); x=1:36; figure; bar(x,bar_hist(x)); [3]另一代码见：http://www.zhizhihu.com/html/y2009/41.html 参考文献： [1]基于边缘直方图的快速汽车标志识别方法 [2]http://hi.baidu.com/tqjcwtcdgzcjrse/item/4673d9d2d88a02c81a72b413