實驗二、灰度圖像邊緣檢測

實驗二、灰度圖像邊緣檢測一、實驗?zāi)康?．掌握各種邊緣檢測算子的概念及原理。2．掌握各種邊緣檢測算子的算法。3．掌握各種邊緣檢測算子matlab實現(xiàn)的編制方法。4．啟發(fā)學(xué)生依據(jù)邊緣特征進行圖像分析與識別，提高學(xué)生圖像處理與分析能力和實際動手能力。二、實驗原理基于算子模板的卷積過程，比方有一張8x8的圖片，像素矩陣如下：1223522111000120000002564547545412564547545412564547545412564547545412564547545412564547545412又有一個3x3的算子模板矩陣如下：0-10-14-10-10 整個模板卷積過程就是用模板覆蓋在像素矩陣上，重新計算像素值并移動的過程。如下列圖即為模板蓋住左上角的例如。1223522111000120000002564547545412564547545412564547545412564547545412564547545412564547545412計算方式為模板單元格的值與被模板覆蓋的圖像子矩陣的值分別相乘并和并把結(jié)果放在模板中央單元格所對應(yīng)的圖像矩陣單元格中。上圖模板中央對應(yīng)單元格的值應(yīng)為：12*0+23*(-1)+52*0+12*(-1)+0*4+0*(-1)+56*0+45*(-1)+47*0=-80。各算子模板如下：1.Roberts算子2.拉普拉斯邊緣算子3.Kirsch邊緣算子4.高斯-拉普拉斯算子5.Prewitt邊緣算子6.Sobel算子-1-2-1000121三、實驗儀器和設(shè)備PC機1臺，原始灰度圖像文件，matlab編程軟件四、預(yù)習(xí)要求1．復(fù)習(xí)matlab編程軟件的使用方法；2．復(fù)習(xí)數(shù)字圖像處理的一些相關(guān)知識；3．復(fù)習(xí)數(shù)字圖像邊緣檢測的根本原理；4．學(xué)習(xí)在matlab中如何進行圖像的邊緣檢測。五、實驗內(nèi)容1.編程實現(xiàn)以下六種圖像邊緣檢測算子?！?〕Roberts邊緣算子；〔2〕Sobel邊緣算子〔3〕Prewitt邊緣算子；〔4〕拉普拉斯邊緣算子〔5〕Kirsch邊緣算子；〔6〕高斯-拉普拉斯邊緣算子2.根據(jù)檢測結(jié)果，分析與比擬各種邊緣檢測算法的主要區(qū)別。答：用各種邊緣檢測算子對一幅圖像進行邊緣檢測，其結(jié)果如圖2所示。從檢測的結(jié)果來看，Roberts邊緣算子提取邊緣的結(jié)果邊緣較粗，邊緣定位不很準(zhǔn)確，Sobel邊緣算子，Prewitt邊緣算子對邊緣的定位就準(zhǔn)確了一些，Kirsch邊緣算子比Sobel邊緣算子，Prewitt邊緣算子和拉普拉斯邊緣算子定位更準(zhǔn)確而采用高斯-拉普拉斯邊緣算子進行邊緣提取的結(jié)果要明顯優(yōu)于前4種算子，特別是邊緣比擬完整，位置比擬準(zhǔn)確。六、實驗代碼及結(jié)果clearallI=imread('D:\jiaojie20230814001.jpg');I1=im2double(I);I2=rgb2gray(I1);[thr,sorh,keepapp]=ddencmp('den','wv',I2);I3=wdencmp('gbl',I2,'sym4',2,thr,sorh,keepapp);I4=medfilt2(I3,[99]);I5=imresize(I4,0.2,'bicubic');BW1=edge(I5,'sobel');BW2=edge(I5,'roberts');BW3=edge(I5,'log');BW4=edge(I5,'prewitt');BW5=edge(I5,'sobel');BW6=edge(I5,'l');h=fspecial('gaussian',5);subplot(2,4,1);imshow(I1);title('原圖');subplot(2,4,2);imshow(I2);title('灰度圖');subplot(2,4,3);imshow(BW1);title('Sobel邊緣算子');subplot(2,4,4);imshow(BW2);title('Roberts邊緣算子');subplot(2,4,5);imshow(BW3);title('高斯-拉普拉斯邊緣算子');subplot(2,4,6);imshow(BW4);title('Prewitt邊緣算子');subplot(2,4,7);imshow(BW5);title('kirsch邊緣算子');subplot(2,4,8);imshow(BW6);title('拉普拉斯邊緣算子');實驗結(jié)果圖一2、上述現(xiàn)象進行分析，并得出相關(guān)結(jié)論。

Sobel算子是典型的基于一階導(dǎo)數(shù)的邊緣檢測算子，由于該算子中引入了類似局部平均的運算，因此對噪聲具有平滑作用，能很好的消除噪聲的影響。Sobel算子對于象素的位置的影響做了加權(quán)，與Prewitt算子、Roberts算子相比因此效果更好。Robert算子圖像處理后結(jié)果邊緣不是很平滑經(jīng)分析，由于Robert算子通常會在圖像邊緣附近的區(qū)域內(nèi)產(chǎn)生較寬的響應(yīng)，故采用上述算子檢測的邊緣圖像常需做細化處理，邊緣定位的精度不是很高Prewitt算子對邊緣的定位不如Roberts算子。Laplace算子對孤立象素的響應(yīng)要比對邊緣或線的響應(yīng)要更強烈，因此只適用于無噪聲圖象。最后Laplacian算子不能檢測邊緣的方向。七、實驗要求：1.熟練利用matlab編程實現(xiàn)六個圖像邊緣檢測算子2.選取最優(yōu)閾值或近似最優(yōu)閾值實現(xiàn)圖像二值化3.通過比照檢測效果,比照分析六個檢測算子八、實驗心得通過此次實驗掌握