實(shí)驗(yàn)三_圖像邊緣檢測(cè)new

1、精品文檔廣西工學(xué)院信計(jì)系上機(jī)實(shí)驗(yàn)報(bào)告課程：數(shù)字圖像處理第1頁(yè)/共4頁(yè)專業(yè)班級(jí)：電科082實(shí)驗(yàn)日期：2011年6月10日姓名：梁芳梅學(xué)號(hào)：200800902044實(shí)驗(yàn)三圖像的邊緣檢測(cè)一、實(shí)驗(yàn)?zāi)康?、了解邊緣檢測(cè)的基本原理及方法；2、掌握用MATLAB語(yǔ)言進(jìn)行圖象的邊緣檢測(cè)的方法。二、實(shí)驗(yàn)要求1、分別編寫用soble、prewitt、LOG（高斯拉普拉斯算子）進(jìn)行邊緣檢測(cè)的程序，對(duì)lena.bmp進(jìn)行邊緣檢測(cè)，觀察邊緣檢測(cè)的結(jié)果，給出你的分析；2、選擇其他不同類型（邊緣較多與較少）的圖像，再進(jìn)行邊緣檢測(cè)，分析結(jié)果三.程序源代碼：1、(1)%邊緣檢測(cè)log.mf=imread(cameraman.t

2、if);width,height=size(f);f=double(f);%讀入灰度圖像；%計(jì)算灰度圖像的尺寸；%將整形轉(zhuǎn)變?yōu)殡p精度形；%h=-2-4-4-4-2;%-4080-4;%-48248-4;%-4080-4;%-2-4-4-4-2;%h=00-100;0-1-2-10;-1-216-2-1;0-1-2-10;00-100;%g=zeros(width,height);fori=3:1:width-2forj=3:1:height-2sum=0;form=1:1:5forn=1:1:5%建立一個(gè)width*height的全零矩陣；%變量i從1到width-4開(kāi)始循環(huán)；%變量j從1到h

3、eight-4開(kāi)始循環(huán)；sum=sum+f(i+m-3,j+n-3)*h(m,n);endendg(i,j)=sum;endendfori=1:1:heightg(1,i)=0;g(2,i)=0;g(width,i)=0;%變量j循環(huán)結(jié)束；%變量i循環(huán)結(jié)束；%變量i從1到height開(kāi)始循環(huán)；%精品文檔g(width-1,i)=0;%endfori=1:1:widthg(i,1)=0;g(i,2)=0;g(i,height)=0;%g(i,height-1)=0;%endsubplot(1,2,1),imshow(uint8(f);title(原圖像)；subplot(1,2,2),imsho

4、w(uint8(g),);區(qū)；title(邊緣檢測(cè)結(jié)果);%變量i循環(huán)結(jié)束；%變量i從1到height開(kāi)始循環(huán)；%變量i循環(huán)結(jié)束；%將當(dāng)前窗口分成1*2的區(qū)域，原圖像顯示在第一區(qū)；%將當(dāng)前窗口分成1*2的區(qū)域，濾波后的圖像顯示在第二%讀入灰度圖像；%計(jì)算灰度圖像的尺寸；% 將整形轉(zhuǎn)變?yōu)殡p精度形；%(2)%邊緣檢測(cè)prewitt.mf=imread(cameraman.tif);width,height=size(f);f=double(f);%prewitt%h1=-101;-101;-101;%h2=-1-1-1;000;111;%sobel%h1=-101;-202;-101;%h2=-1

5、-2-1;000;121;%Isotropicsobelh1=-101;-1.41401.414;-101;h2=-1-1.414-1;000;11.4141;g=zeros(width,height);%建立一個(gè)width*height的全零矩陣；fori=2:1:width-1%變量i從1到width-4開(kāi)始循環(huán)；forj=2:1:height-1%變量j從1到height-4開(kāi)始循環(huán)；sum1=f(i-1,j-1)*h1(1,1)+f(i-1,j)*h1(1,2)+f(i-1,j+1)*h1(1,3);sum1=sum1+f(i,j-1)*h1(2,1)+f(i,j)*h1(2,2)+f

6、(i,j+1)*h1(2,3);sum1=sum1+f(i+1,j-1)*h1(3,1)+f(i+1,j)*h1(3,2)+f(i+1,j+1)*h1(3,3);sum2=f(i-1,j-1)*h2(1,1)+f(i-1,j)*h2(1,2)+f(i-1,j+1)*h2(1,3);sum2=sum2+f(i,j-1)*h2(2,1)+f(i,j)*h2(2,2)+f(i,j+1)*h2(2,3);sum2=sum2+f(i+1,j-1)*h2(3,1)+f(i+1,j)*h2(3,2)+f(i+1,j+1)*h2(3,3);g(i,j)=abs(sum1)+abs(sum2);%閾值%if(g

7、(i,j)60)%g(i,j)=g(i,j);%else%g(i,j)=0;%end%變量i循環(huán)結(jié)束；%將當(dāng)前窗口分成1*2的區(qū)域，原圖像顯示在第一區(qū)；%將當(dāng)前窗口分成1*2的區(qū)域，濾波后的圖像顯示在第二精品文檔endendfori=1:1:heightg(1,i)=0；g(width,i)=0;%endfori=1:1:widthg(i,1)=0；g(i,height)=0;%endsubplot(1,2,1),imshow(uint8(f);title(原圖像);subplot(1,2,2),imshow(uint8(g);title(邊緣檢測(cè)結(jié)果);%變量j循環(huán)結(jié)束；%變量i循環(huán)結(jié)束；%

8、變量i從1到height開(kāi)始循環(huán);%變量i循環(huán)結(jié)束；%變量i從1到height開(kāi)始循環(huán);%精品文檔2、(1)(2)程序與上面的一樣，只需換圖片即可四.實(shí)驗(yàn)結(jié)果分析與實(shí)驗(yàn)總結(jié):實(shí)驗(yàn)結(jié)果圖：1、(1)邊緣log邊檢測(cè)結(jié)果(2)邊緣prewitt原圖像邊檢測(cè)結(jié)果2、(1)邊緣log原圖像邊修檢測(cè)結(jié)果(2)邊緣prewitt原圖像邊緣檢測(cè)結(jié)果結(jié)果分析：Prewitt算子檢測(cè)出的邊緣比較粗且定位精度低，Log算子則能提取對(duì)比度較弱的邊緣,邊緣定位較高。實(shí)驗(yàn)總結(jié)：Sobel算子根據(jù)在邊緣點(diǎn)處達(dá)到極值這一現(xiàn)象進(jìn)行的邊緣檢測(cè)，不但產(chǎn)生較好的邊緣效果，算法實(shí)現(xiàn)也比較簡(jiǎn)單，而且Sobel算子在微分時(shí)進(jìn)行加權(quán)平均，鄰域的像素對(duì)當(dāng)前像素產(chǎn)生的影響不是等價(jià)的，所以距離不同的像素具有不同的權(quán)值，對(duì)算子結(jié)果產(chǎn)生的影響也不精品文檔精品文檔同，一般來(lái)說(shuō)，距離越遠(yuǎn)，產(chǎn)生的影響越小，進(jìn)行加權(quán)時(shí)對(duì)噪聲具有平滑作用。但存在偽邊緣現(xiàn)象，邊緣比較粗且定位精度低，如果檢測(cè)中對(duì)精度要求不是很高時(shí)，Sobel算子時(shí)一種較為常用的邊緣檢測(cè)方法。Prewitt算子屬于平均濾波，對(duì)噪聲有平滑作用，檢測(cè)出的邊緣比較粗且定位精度低，容易損失角點(diǎn)，與Sobel算子相比計(jì)算量大，也相對(duì)復(fù)雜。同時(shí)對(duì)噪聲有抑制作用，抑制噪聲的原理是通過(guò)像素平均，但是像素平均相當(dāng)于對(duì)圖像的低通濾波。Log算子為二階微分算子，這會(huì)雙倍加強(qiáng)了圖像中的噪聲，并且它