标签：style class blog c code java
方法一：一阶微分算子
Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，Sobel算子对边缘定位不是很准确，图像的边缘不止一个像素。
Roberts算子检测方法对具有陡峭的低噪声的图像处理效果较好，但是利用roberts算子提取边缘的结果是边缘比较粗，因此边缘的定位不是很准确。
Prewitt算子检测方法对灰度渐变和噪声较多的图像处理效果较好。但边缘较宽，而且间断点多。
Canny算子是目前边缘检测最常用的算法，效果也是最理想的。
Canny边缘检测算法不是简单的模板卷积而已，通过梯度方向和双阈值法来检测边缘点，具体算法可以参考：http://www.cnblogs.com/AndyJee/p/3734805.html；
Canny方法不容易受噪声干扰，能够检测到真正的弱边缘。优点在于，使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。
方法二：二阶微分算子
Laplacian算子法对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素视为与图像的明区还是暗区。
一、边缘提取：
二、边缘复合增强
下面的程序就实现上面效果的完整Matlab代码：
clear;clc; I=imread(‘x1.tif‘); % I=rgb2gray(I); % gray transform J=imadjust(I,[0.1 0.9],[0 1],1); % Edge detection % Sobel BW1=edge(I,‘sobel‘); sobelBW1=im2uint8(BW1)+J; figure; %imshow(BW1); subplot(1,2,1); imshow(J); title(‘original image‘); subplot(1,2,2); imshow(sobelBW1); title(‘Sobel augmented image‘); % Roberts BW2=edge(I,‘roberts‘); robertBW2=im2uint8(BW2)+J; figure; %imshow(BW2); subplot(1,2,1); imshow(J); title(‘original image‘); subplot(1,2,2); imshow(robertBW2); title(‘robert augmented image‘); % prewitt BW3=edge(I,‘prewitt‘); prewittBW3=im2uint8(BW3)+J; figure; %imshow(BW3); subplot(1,2,1); imshow(J); title(‘original image‘); subplot(1,2,2); imshow(prewittBW3); title(‘Prewitt augmented image‘); % log BW4=edge(I,‘log‘); logBW4=im2uint8(BW4)+J; figure; %imshow(BW4); subplot(1,2,1); imshow(J); title(‘original image‘); subplot(1,2,2); imshow(logBW4); title(‘Laplacian augmented image‘); % canny BW5=edge(I,‘canny‘); cannyBW5=im2uint8(BW5)+J; figure; %imshow(BW5); subplot(1,2,1); imshow(J); title(‘original image‘); subplot(1,2,2); imshow(cannyBW5); title(‘Canny augmented image‘); % gaussian & canny % h=fspecial(‘gaussian‘,5); % fI=imfilter(I,h,‘replicate‘); % BW6=edge(fI,‘canny‘); % figure; % imshow(BW6); figure; subplot(2,3,1), imshow(BW1); title(‘sobel edge detect‘); subplot(2,3,2), imshow(BW2); title(‘roberts edge detect‘); subplot(2,3,3), imshow(BW3); title(‘prewitt edge detect‘); subplot(2,3,4), imshow(BW4); title(‘log edge detect‘); subplot(2,3,5), imshow(BW5); title(‘canny edge detect‘); % subplot(2,3,6), imshow(BW6); % title(‘gasussian&canny edge detect‘); figure; subplot(2,3,1), imshow(sobelBW1); title(‘sobel edge detect‘); subplot(2,3,2), imshow(robertBW2); title(‘roberts edge detect‘); subplot(2,3,3), imshow(prewittBW3); title(‘prewitt edge detect‘); subplot(2,3,4), imshow(logBW4); title(‘laplacian edge detect‘); subplot(2,3,5), imshow(cannyBW5); title(‘canny edge detect‘);
下面的Matlab程序是精简的边缘提取实现：
clear;clc;
I=imread(‘lena.bmp‘);
I=rgb2gray(I);
imshow(I,[]);
title(‘Original Image‘);
sobelBW=edge(I,‘sobel‘);
figure;
imshow(sobelBW);
title(‘Sobel Edge‘);
robertsBW=edge(I,‘roberts‘);
figure;
imshow(robertsBW);
title(‘Roberts Edge‘);
prewittBW=edge(I,‘prewitt‘);
figure;
imshow(prewittBW);
title(‘Prewitt Edge‘);
logBW=edge(I,‘log‘);
figure;
imshow(logBW);
title(‘Laplasian of Gaussian Edge‘);
cannyBW=edge(I,‘canny‘);
figure;
imshow(cannyBW);
title(‘Canny Edge‘);
Matlab实现：图像边缘提取,布布扣,bubuko.com
标签：style class blog c code java
原文地址：http://www.cnblogs.com/AndyJee/p/3737325.html
