实验二、灰度图像边缘检测.doc.docVIP

实验二、灰度图像边缘检测 一、实验目的 1．掌握各种边缘检测算子的概念及原理。 2．掌握各种边缘检测算子的算法。 3．掌握各种边缘检测算子matlab实现的编制方法。 4．启发学生依据边缘特征进行图像分析与识别，提高学生图像处理与分析能力和实际动手能力。 二、实验原理 基于算子模板的卷积过程，比如有一张8x8的图片，像素矩阵如下： 12 23 52 21 11 0 0 0 12 0 0 0 0 0 0 2 56 45 47 54 5 4 1 2 56 45 47 54 5 4 1 2 56 45 47 54 5 4 1 2 56 45 47 54 5 4 1 2 56 45 47 54 5 4 1 2 56 45 47 54 5 4 1 2 又有一个3x3的算子模板矩阵如下： 0 -1 0 -1 4 -1 0 -1 0 整个模板卷积过程就是用模板覆盖在像素矩阵上，重新计算像素值并移动的过程。如下图即为模板盖住左上角的示例。 12 23 52 21 11 0 0 0 12 0 0 0 0 0 0 2 56 45 47 54 5 4 1 2 56 45 47 54 5 4 1 2 56 45 47 54 5 4 1 2 56 45 47 54 5 4 1 2 56 45 47 54 5 4 1 2 56 45 47 54 5 4 1 2 计算方式为模板单元格的值与被模板覆盖的图像子矩阵的值分别相乘并和并把结果放在模板中央单元格所对应的图像矩阵单元格中。上图模板中央对应单元格的值应为： 12*0+23*(-1)+52*0+12*(-1)+0*4+0*(-1)+56*0+45*(-1)+47*0=-80。 各算子模板如下： 1. Roberts算子 2. 拉普拉斯边缘算子 3. Kirsch边缘算子 4. 高斯-拉普拉斯算子 5. Prewitt边缘算子 6. Sobel算子 -1 -2 -1 0 0 0 1 2 1 三、实验仪器和设备 PC机1台，原始图像文件 四、预习要求 1．复习matlab编程软件的使用方法； 2．复习数字图像处理的一些相关知识； 3．复习数字图像边缘检测的基本原理； 4．学习在matlab中如何进行图像的边缘检测。 五、实验内容 1.编程实现以下六种图像边缘检测算子。 （1）Roberts边缘算子；（2）Sobel边缘算子 （3）Prewitt边缘算子；（4）拉普拉斯边缘算子 （5）Kirsch边缘算子；（6）高斯-拉普拉斯边缘算子 2.根据检测结果，分析与比较各种边缘检测算法的主要区别。 答：用各种边缘检测算子对一幅图像进行边缘检测，其结果如图2所示。从检测的结果来看，Roberts边缘算子提取边缘的结果边缘较粗，边缘定位不很准确，Sobel边缘算子，Prewitt边缘算子对边缘的定位就准确了一些，Kirsch边缘算子比Sobel边缘算子，Prewitt边缘算子和拉普拉斯边缘算子定位更准确而采用高斯-拉普拉斯边缘算子进行边缘提取的结果要明显优于前4 种算子，特别是边缘比较完整，位置比较准确。? 六、实验代码及结果 clear all I=imread(D:\jiaojie20130814001.jpg); I1=im2double(I); I2=rgb2gray(I1); [thr, sorh, keepapp]=ddencmp(den,wv,I2); I3=wdencmp(gbl,I2,sym4,2,thr,sorh,keepapp); I4=medfilt2(I3,[9 9]); I5=imresize(I4,0.2,bicubic); BW1=edge(I5,sobel); BW2=edge(I5,roberts); BW3=edge(I5,log); BW4=edge(I5,prewitt); BW5=edge(I5,sobel); BW6=edge(I5,l); h=fspecial(gaussian,5); subplot(2,4,1); imshow(I1); title(原图); subplot(2,4,2); imshow(I2); title(灰度图); subplot(2,4,3); imshow(BW1); title(Sobel边缘算子); subplot(2,4,4); imshow(BW2); title(Roberts边缘算子); subplot(2,4,5); imshow(BW3); title(高斯-拉普拉斯边缘算子); subplot(2,4,6); imshow(BW4); title(Prewitt边缘算子); subplot(2,4,7