码迷,mamicode.com
首页 > 其他好文 > 详细

灰度图像--图像分割 Sobel算子,Prewitt算子和Scharr算子平滑能力比较

时间:2015-02-11 20:43:39      阅读:435      评论:0      收藏:0      [点我收藏+]

标签:图像处理   sobel算子   scharr算子   prewitt算子   

学习DIP第47天
转载请标明本文出处:http://blog.csdn.net/tonyshengtan ,出于尊重文章作者的劳动,转载请标明出处!文章代码已托管,欢迎共同开发: https://github.com/Tony-Tan/DIPpro

开篇废话

依然是废话,这篇主要想对比下Sobel,Prewitt和Scharr算子的平滑能力,由于一阶微分对噪声响应强,进行微分之前进行降噪是非常必要的,这里我们进行的实验是,以lena图作为实验原图,取其中一行数据作为无噪声的原始信号,分别加上不同的强度的高斯白噪声,对噪声的分类和噪声具体性质的研究将在图像恢复中描述。但这里我们使用不同强度的高斯白噪声。

数学原理

数学原理主要介绍下衡量噪声强度的方法-均方根误差root-mean-square error,第i个测量值与真实值差的平方d2,对d2i进行求和后平均

Re=1nni=1d2i

代码

%matlab代码
clear all;clc;
noise_ratio=3;%噪声的标准差3%
x=imread(‘/Users/Tony/DIPImage/lena‘,‘jpg‘);
signal=double(x(250,:));
noiseImage=uint8(randn(512,512)*2.55*noise_ratio);
dst=x+noiseImage;
figure(1);
imshow(dst);
for m=1:100
    noise=randn(1,512)*2.55*noise_ratio;
    signal_noise=signal+noise;
    for n=2:511
        scharr(n)=signal_noise(n-1)*3./16.+signal_noise(n)*10./16.+signal_noise(n+1)*3./16.; 
        sobel(n)=signal_noise(n-1)*0.25+signal_noise(n)*0.5+signal_noise(n+1)*0.25;
        prewitt(n)=signal_noise(n-1)*1./3.+signal_noise(n)*1./3.+signal_noise(n+1)*1./3.;
    end
    d_noise(m)=0;
    d_scharr(m)=0;
    d_sobel(m)=0;
    d_prewitt(m)=0;
    for n=2:511
        d_scharr(m)=(d_scharr(m)+(scharr(n)-signal(n))^2);
        d_sobel(m)=(d_sobel(m)+(sobel(n)-signal(n))^2);
        d_prewitt(m)=(d_prewitt(m)+(prewitt(n)-signal(n))^2);
        d_noise(m)=d_noise(m)+noise(m)^2;
    end
end
x=1:100;
figure(2);
plot(x,d_scharr,‘-r‘,x,d_sobel,‘.-b‘,x,d_prewitt,‘-g‘,x,d_noise,‘-k‘);

Matlab写程序写的不多,所以将就看。

实验结果

下面我们分别使用不同强度的高斯加性白噪声叠加到图像上,并计算
14×[1,2,1]13×[1,1,1]116×[3,10,3]
对叠加了噪声的lena图的第250行数据进行平滑,叠加的噪声的标准差分别是当前信号的0.5%,1%,2%,3%,4%,5%,均值为0下面我们来观察效果。
下面折线图中,为了观察清楚,均方误差未乘以1n,因为所有信号使用的n都相同,图中的黑色线为未处理信号的噪声强度,红色为Scharr算子的结果,绿色为Prewitt算子的结果,蓝色为Sobel算子结果,下面我们来观察结果:

技术分享

技术分享

技术分享

技术分享

技术分享

技术分享

技术分享

技术分享

技术分享

技术分享

技术分享

技术分享

总结

当噪声强度超过标准差为信号的4%时,Sobel和Scharr的性能开始接近,超过5%的时候Prewitt,Sobel,Scharr性能基本相同,但小于3%时候Scharr的性能明显强于Sobel,并且其性能排名为Scharr>Sobel>Prewitt当噪声标准差为0.5%时,误差大概为1个像素左右,此时不进行平滑的结果更好,此时均值平滑的效果最差。
自此简单的评估了下各算子的噪声平滑效果,在小噪声情况下,3×3的算子Scharr算子性能强于Sobel。
待续。。。。

灰度图像--图像分割 Sobel算子,Prewitt算子和Scharr算子平滑能力比较

标签:图像处理   sobel算子   scharr算子   prewitt算子   

原文地址:http://blog.csdn.net/tonyshengtan/article/details/43736827

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!