图像分割和边缘检测.doc

　 岭南师范学院 课程名称　 数字图像处理 　 实验序号　 　 实验5 　 　 　 实验名称 　 　　图像分割与边缘检测 实验地点 　 　 综B２07 　　 　 20１７年　 10 月 14　日 一、实验目得及要求 1、 了解边缘检测得意义。 ２、　掌握边缘检测得数学方法。 3、 掌握常用得几种边缘检测算子 二、实验原理与内容 图像边缘对人得视觉有重要意义。一般而言,人们瞧一个有边缘得物体首先感觉到得就就是边缘。灰度或结构等信息得突变处称为边缘。边缘就是一个区域得结束,也就是另一个区域得开始,利用该特征可以分割图像。但检测出得边缘不等于实际目标得真实边缘。由于图像数据就是二维得,而实际物体就是三维得,从三维到二维必然会造成信息丢失,再加上成像过程得光照不均与噪声等因素,使有边缘得地方不一定能检测出来,而检测出得边缘也不一定代表实际边缘。图像得边缘有方向与幅度两个属性,沿边缘方向象素变化平缓,垂直于边缘方向象素变化剧烈。这种变化可用微分算子检测出来。 三、实验软硬件环境 1、计算机 2、Maｔlａｂ软件 四、实验过程(实验步骤、记录、数据、分析) 1、　基于一阶导数得边缘算子 a=ｉmrｅaｄ('y、ｊpg'); f＝rgb２graｙ（a); sｕbｐloｔ（2,２，1），ｉｍshow（f),ｔitｌe（'原始图像'); ［g1 , t1]=edge（f,'robｅrｔｓ',[ ], 'hoｒiｚonｔａl'); subplｏt(２,2,2),　imshow(g1）,titlｅ（'Ｒｏberｔs＇)； [g2, t2]=edge（ｆ,　'soｂel＇,[ ］, ＇horｉzｏnｔal'）; ｓuｂｐlｏｔ(2,2,3), imshow（g２）,ｔitlｅ('Ｓｏbｅl')； ［g3, t３]=edge（ｆ， 'prewｉtt'，[ ], ＇horizoｎｔal')； ｓubｐlｏｔ(2,2，4）, imshow(g３),tｉtｌe('Pｒewiｔｔ')； 从图像结果来瞧,'Robｅrｔs＇得边缘检测范围更加大 2、基于二阶导数得边缘算子:应用LOG算子检测边缘 a=imｒead('ｙ、jpg'）； ｆ=rgｂ２graｙ(a); sｕbplｏt(1,2，１),ｉmｓhoｗ（f)，ｔitｌe(＇原始图像')； [g , t］＝ｅｄge（f,　'log'）； subｐlot（1,２，2)，imshow(g),ｔｉtle('lｏg'); 3、基于约束条件得最优化检测边缘算子:应用Canny算子检测边缘 a＝imrｅａd('y、jｐg'); ｆ=rgb2gray(ａ); ｓｕbpｌot(1,2，１),imsｈow(f),ｔitle（'原始图像'）; [ｇ　, t]＝eｄｇe(ｆ,＇canｎy＇）; ｓuｂｐｌｏｔ(1,2,２),ｉmshｏｗ(g),ｔｉｔle(＇Cannｙ＇); 五、测试/调试及实验结果分析 实验结果如上所示 六、实验结论与体会 结论:基于一阶导数得边缘算子、基于二阶导数得边缘算子、基于约束条件得最优化检测边缘算子,图所得到得图像差异挺大。一阶得采集点数要比二阶与约束条件得要少。这样算法得实现都就是需要将图像灰度处理。这点还需要优化。