图像边缘检测各种算子MATLAB实现以和实际应用.doc

《图像处理中的数学方法》实验报告 学生姓名：赵芳舟 教师姓名：曾理 学院：数学与统计学院 专业：信息与计算科学 学号联系方式梯度和拉普拉斯算子在图像边缘检测中的应用 数学方法 边缘检测最通用的方法是检测灰度值的不连续性，这种不连续性用一阶和二阶导数来检测。 （1）一阶导数：一阶导数即为梯度，对于平面上的图像来说，我们只需用到二维函数的梯度，即： ?f=gxgy=?f?x （2）二阶导数：二阶导数通常用拉普拉斯算子来计算，由二阶微分构成： ? 边缘检测的基本思想： 寻找灰度的一阶导数的幅度大于某个指定阈值的位置； 寻找灰度的二阶导数有零交叉的位置。 几种方法简介 Sobel边缘检测器：以差分来代替一阶导数。Sobel边缘检测器使用一个3×3邻域的行和列之间的离散差来计算梯度，其中，每行或每列的中心像素用2来加权，以提供平滑效果。?f= -1 -2 1 0 0 0 1 2 1 -1 0 1 -2 0 2 -1 0 1 Prewitt边缘检测器:使用下图所示模板来数字化地近似一阶导数。与Sobel检测器相比，计算上简单一些，但产生的结果中噪声可能会稍微大一些。 g g -1 -1 -1 0 0 0 1 1 1 -1 0 1 -1 0 1 -1 0 1 Roberts边缘检测器：使用下图所示模板来数字化地将一阶导数近似为相邻像素之间的差，它与前述检测器相比功能有限（非对称，且不能检测多种45°倍数的边缘）。 g g -1 0 0 1 0 -1 1 0 Laplace边缘检测器：二维函数f(x,y) ? 模板算子可分为四邻域和八邻域，如下： 0 1 0 1 -4 1 0 1 0 （四邻域） 1 1 1 1 -8 1 1 1 1 （八邻域） LoG边缘检测器 由于噪声点（灰度与周围点相差很大的像素点）对边缘检测有一定的影响，所以效果更好的是LoG算子，即Laplacian-Guass算子。引入高斯函数来平滑噪声： 该函数的Laplace算子： 它把Guass平滑滤波器和Laplace锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果比单用Laplace算子要更为平滑，效果更好。 Canny边缘检测器 主要分为以下几个步骤：①使用具有指定标准差的一个高斯滤波器来平滑图像，以减少噪声；②在每个点处计算局部梯度和边缘方向；③对步骤②中确定的边缘点产生梯度中的脊线顶部进行追踪，并将实际山不在脊线顶部的像素设置为零，从而在输出中给出一条细线（非最大值抑制），然后使用滞后阈值处理法对这些脊线像素进行阈值处理。最后进行边缘连接。 实验结果 原始图像： 1.Roberts算子 2.Prewitt算子 3.Sobel算子 4.Laplace算子 （4邻域） （8邻域） LoG 四种结果的比较：（Laplace采用8邻域模板） 图像来源：/showhtml（网行天下首页设计图库文化艺术插画集：《牧羊犬灰度》） 图像规格：800×677 格式：SVG 模式：RGB 硬件条件： 软件条件：运行环境：Matlab r2015b 三、讨论 各方法优缺点及比较： Roberts算子：Roberts算子是2×2算子，对具有陡峭的低噪声图像响应最好，并且检测垂直边缘的效果好于斜向边缘，定位精度高。然而，它对噪声敏感，无法抑制噪声的影响。因此，它适用于边缘明显且噪声较少的图像分割。 Prewitt算子：Prewitt算子将两个点的各自一定领域内的灰度值求和，并根据两个灰度值和的差来计算x,y的偏导数。它是平均滤波，对噪声有抑制作用，对于灰度渐变的低噪声图像有较好的检测效果，但是像素平均相当于对图像的低通滤波，所以它对边缘的定位不如Roberts算子。对于混合多复杂噪声的图像，效果不太理想。 Sobel算子：Sobel算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数， 简单有效，因此应用广泛。美中不足的是，Sobel算子并没有将图像的主体与背景严格地区分开来，即Sobel算子没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。 Laplace算子：Laplace算子是一种各向同性算子，在只关心边缘的位置而不考虑其周围的象素灰度差值时比较合适。Laplace算子对孤立象素的响应要比对边缘或线的响应要更强烈，因此只适用于无噪声图象。存在噪声情况下，使用Laplacian算子检测边缘之前需要先进行低通滤波。 LoG算子：由于二阶导数是线性运算，利用LoG卷积一幅图像与首先使用高斯型平滑函数卷积改图像，然后计算所得结果的拉普拉斯是一样的。所以在LoG公式