基于sobelcanny的邊緣檢測(cè)實(shí)現(xiàn)

1、基于sobel、canny的邊緣檢測(cè)實(shí)現(xiàn)Sobel的原理:索貝爾算子(Sobel operator )是圖像處理中的算子之一， 主要用作邊緣檢測(cè)。在技術(shù)上, 它是一離散性差分算子，用來(lái)運(yùn)算圖像亮度函數(shù)的梯度之近似值。在圖像的任何一點(diǎn)使用此算子，將會(huì)產(chǎn)生對(duì)應(yīng)的梯度矢量或是其法矢量 該算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面 卷積，即可分別得出 橫向及縱向的亮度差分近似值。如果以 A代表原始圖像，Gx及Gy分別代表經(jīng)橫向及縱向邊緣檢測(cè)的圖像，其公式如下-1 02-2 0-1 0(+1+2+1Gy = I 000 A1-1-2-1圖像的每一個(gè)像素的橫向及縱向梯度近似值可用以下的公

2、式結(jié)合，來(lái)計(jì)算梯度的大小。GGx2 Gy2然后可用以下公式計(jì)算梯度方向。Gy心-arctan()Gx在以上例子中，如果以上的角度等于零，即代表圖像該處擁有縱向邊緣，左方較右在邊沿檢測(cè)中，常用的一種模板是 邊沿的；另一個(gè)是檢測(cè)垂直平邊沿的 了加權(quán)，因此效果更好。Sobel算子另一種形式是各向同性方暗。Sobel算子。Sobel算子有兩個(gè)，一個(gè)是檢測(cè)水平。與和相比，Sobel算子對(duì)于象素的位置的影響做Sobel(lsotropic Sobel) 算子，也有兩個(gè)，一個(gè)是檢測(cè)水平邊沿的，另一個(gè)是檢測(cè)垂直平邊沿的。各向同性Sobel算子和普通Sobel算子相比,它的位置加權(quán)系數(shù)更為準(zhǔn)確，在檢測(cè)不同方向的

3、邊沿時(shí)梯度的幅度一致。由于建筑物圖像的特殊性，我們可以發(fā)現(xiàn)， 處理該類(lèi)型圖像輪廓時(shí)， 并不需要對(duì)梯度方向進(jìn)行運(yùn)算，所以程序 并沒(méi)有給出各向同性 Sobel算子的處理方法。由于Sobel算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)，簡(jiǎn)單有效，因此應(yīng)用廣泛。美中不足的是，Sobel算子并沒(méi)有將圖像的主體與背景嚴(yán)格地區(qū)分開(kāi)來(lái)， 換言之就是Sobel算子沒(méi)有基于圖像灰度進(jìn)行處理，由于Sobel算子沒(méi)有嚴(yán)格地模擬人的視覺(jué)生理特征，所以提取的圖像輪廓有時(shí)并不能令人滿意。在觀測(cè)一幅圖像的時(shí)候，我們往往首先注意的是圖像與背景不同的部分，正是這個(gè)部分將主體突出顯示，基于該理論，我們給出了下面閾值化輪

4、廓提取算法，該算法已在數(shù)學(xué)上證明當(dāng)像素點(diǎn)滿足正態(tài)分布時(shí)所求解是最優(yōu)的。Canny的原理:(1)圖象邊緣檢測(cè)必須滿足兩個(gè)條件：一能有效地抑制噪聲；二必須盡量精確確定邊緣的位置。根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子。這就是Canny邊緣檢測(cè)算子。類(lèi)似與Marr( LoG )邊緣檢測(cè)方法，也屬于先平滑后求導(dǎo)數(shù)的方法。Canny邊緣檢測(cè)算法stepl用高斯濾波器平滑圖象；step2用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度的幅值和方向；step3對(duì)梯度幅值進(jìn)行非極大值抑制step 4用雙閾值算法檢測(cè)和連接邊緣二實(shí)驗(yàn)過(guò)程利用上述原理實(shí)現(xiàn)車(chē)牌號(hào)的檢測(cè)及識(shí)別實(shí)驗(yàn)程序：%這是一個(gè)圖像對(duì)象提取方案。車(chē)輛號(hào)牌的

5、書(shū)面分割和提取clc;clear all ;im=imread( 'bmw.bmp');im1=rgb2gray(im);im仁medfilt2(im1,3 3); %中值濾波消除圖像噪聲BW = edge(im1, 'sobel' ); % 尋找邊緣imx,imy=size(BW);msk=0 0 0 0 0;0 1 1 1 0;0 1 1 1 0;0 1 1 1 0;0 0 0 0 0;B=co nv2(double(BW),double(msk); %平滑圖像，減少連接的元件數(shù)量L = bwlabel(B,8); % 計(jì)算連通mx=max(max(L)r,

6、c = fin d(L=17);rc = r c;sx sy=size(rc);n 1=zeros(imx,imy);for i=1:sxx1= rc(i,1);y1= rc(i,2);n1(x1,y1)=255;end %存儲(chǔ)在數(shù)組中提取圖像DD=edgecolor( 'bmw.bmp' );%此處實(shí)現(xiàn)cany檢測(cè)，通過(guò)調(diào)用函數(shù)的方式實(shí)現(xiàn)，函數(shù)代碼在 下面附有figure,imshow(im);title( ' 原始的彩色圖像 ' ) figure,imshow(im1);title( ' 轉(zhuǎn)換后的二值圖像 ' ) figure,imshow(

7、B);title('sobel 邊緣檢測(cè)后的圖像 ' )figure,imshow(B);title('canny 邊緣檢測(cè)后的圖像 ' )CANY僉測(cè)的函數(shù)部分：function R=edgecolor(nm); img=imread(nm);x y z=size(img);if z=1rslt=edge(img, 'canny' );elseif z=3img1=rgb2ycbcr(img);dx1=edge(img1(:,:,1), 'canny' ); dx1=(dx1*255);img2(:,:,1)=dx1;img2(:,:,2)=img1(:,:,2);img2(:,:,3)=img1(:,:,3);rslt=ycbcr2rgb(uint8(img2);endR=rslt;wobel邊緣檢測(cè)后的團(tuán)像匚日nny邊緣檢測(cè)后的圖像根據(jù)上圖明顯可以得出 canny檢測(cè)比sobel檢測(cè)的效果更好。三、實(shí)驗(yàn)總結(jié)1、sobel算子根據(jù)像素點(diǎn)上下、左右鄰點(diǎn)灰度值加權(quán)值，在邊緣處打到極大值這一現(xiàn)象檢測(cè)邊緣。對(duì)噪聲具有平滑作用，提供較為精確的邊緣方向信息，邊緣定位 精度不夠高。當(dāng)對(duì)