Matlab实现：图像边缘提取
1、 边缘提取算法
方法一：一阶微分算子
-
Sobel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
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
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
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
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。
2、 实验结果分析
一、边缘提取：
- 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；
- 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；
- 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。
二、边缘复合增强
- Sobel、Robert、Prewitt算子的增强效果并不是很明显，尤其是Robert算子，因为它提取的边缘点过于稀疏和离散；
- Laplacian算子和canny算子的增强效果都比较理想， 将边缘叠加上去后，整个手的轮廓和边缘都很清晰，直观上看，canny算子实现的效果比Laplacian算子好，最明显的地方就是手指尖的边缘。
3、程序实现
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\');
版权声明：本文为AndyJee原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。