基于模糊增强的边缘检测.docVIP

基于模糊增强的边缘检测 图象增强就是有选择地强调图象中的某些信息，进而削弱或除去某些不需要的信息。 模糊增强就是使图象边缘的不确定性即模糊性－“是边缘而又不是边缘”变为要么是边缘要么不是边缘。 对应的模糊矩阵为： 2.对模糊进行增强 对图象进行模糊增强处理，增强了图象边缘两侧图象对比度。模糊增强的关键在于模糊增强算子通过增大大于0.5的隶属度值而减少小于0.5的隶属度值，从而减少G的模糊性。 3.逆变换（模糊空间回到原空间） 4．平滑处理 5．边缘提取 算法优缺点： 对于隶属函数的定义式 通常取 ，当 时 ，称 为度越点。 当图象象素灰度值为零时，由公式可知 也就是说，图象从空间域变换到模糊域的过程中，隶属值在[a,1]间取值，而不是在[0,1]范围内取值。这样对隶属函数进行模糊增强处理时，可能出现 的的情形，即超出了定义域，这样再进行逆变换的时候就会出现无解的情况。这样将会造成原图象中相当多的低灰度值被削减为零，这样就损失相当多的低灰度值边缘信息。 另外参数 ， 的选取很大程度上影响了图象处理的效果。 的选取也要经过多次试探才能找到，十分浪费时间。所以这些参数的选取也给我们带来了一定的麻烦。 源程序 1．Main clear close all x=imread(X.bmp); [m,n]=size(x);x=double(x); figure(1) imshow(uint8(x)); 。。。。。。。。。。。。。。。。。。。。。。。。。。。。 Xmax=max(max(x)); Fe=1;Fd=216; for i=1:m for j=1:n p(i,j)=(1+(Xmax-x(i,j))/Fd)^(-Fe); end end e=enhance1(p,Xmax,Fd,Fe);figure(2) imshow(uint8(e)); 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 Fe1=1;Fd1=20; Emax=max(max(e)); for i=1:m for j=1:n p1(i,j)=(1+(Emax-e(i,j))/Fd1)^(-Fe1); end end e1=enhance2(p1,Emax,Fd1,Fe1);figure(3) imshow(uint8(e1)); 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 s=smooth(e1);figure(4) imshow(uint8(s)); 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 Smax=max(max(s)); w=GwTGw(s);figure(5) imshow(uint8(w)); 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 q=edg(w);figure(6) imshow(uint8(q)); q=edg(x);figure(7) imshow(uint8(q)); 2.edg function s=edg(e) [m,n]=size(e); for i=1:m for j=1:n if (i=2)(i=m-1)(j=2)(j=n-1) Q=[e(i,j) e(i,j+1) e(i,j-1) e(i+1,j) e(i-1,j)]; s(i,j)=abs(e(i,j)-min(Q)); elseif (i==1)(j=2)(j=n-1) Q=[e(i,j) e(i,j+1) e(i,j-1) e(i+1,j)]; s(i,j)=abs(e(i,j)-min(Q)); elseif (i==m)(j=2)(j=n-1) Q=[e(i,j) e(i,j+1) e(i,j-1) e(i-1,j)]; s(i,j)=abs(e(i,j)-min(Q)); elseif (j==1)(i=2)(i=m