图像边缘检测算子

边缘检测

matlab

edge函数用于实现图线的边缘检测，其调用格式如下：        BW=edge(I);默认sobel算子        BW=egde(I,’Sobel’,thresh);           BW=edge(I,’Roberts’);        BW=edge(I,’Prewitt’);        BW=edge(I,’Log’，thresh，sigma);        BW=edge(I,’Canny’); 其中thresh表示阀值，sigma表示Sobel，Roberts,Prewitt,LOG(Laplacian-Gauss),Canny表示边缘检测相关的算子，sigma表示标准差。

Sobel算子Sobel算子从不同的方向进行边缘检测，sobel算子并不是简单求平均然后在差分，而是提高了中心像素上下左右4个方向像素的权重。通常用于处理灰度渐变和噪声较多的图像。示例：利用Sobel算子不同阀值进行图像边缘检测编写对应的m文件如下：       I=imread('coins.png');       I1=edge(I,'Sobel',0.03);       I2=edge(I,'Sobel',0.05);       I3=edge(I,'Sobel',0.08);       subplot(2,2,1)       imshow(I);       title('原始图像');       subplot(2,2,2)       imshow(I1);       title('利用阀值0.03，Sobel算子进行图像边缘检测');       subplot(2,2,3)       imshow(I2);       title('利用阀值0.05，Sobel算子进行图像边缘检测');       subplot(2,2,4)       imshow(I3);       title('利用阀值0.08，Sobel算子进行图像边缘检测');程序运行结果如下图：

Roberts算子Roberts算子是一种斜向偏差分的梯度计算方法，，梯度的大小代表边缘的强度，梯度的方向和边缘走向垂直的示例：利用Roberts算子不同阀值进行图像边缘检测编写对应的m文件如下：        I=imread('rice.png');       BW1=edge(I,'Roberts',0.02);       BW2=edge(I,'Roberts',0.05);       BW3=edge(I,'Roberts',0.07);       subplot(2,2,1)       imshow(I);       title('原始图像');       subplot(2,2,2)       imshow(BW1);       title('利用阀值0.02，Roberts算子进行边缘检测');       subplot(2,2,3)       imshow(BW2);       title('利用阀值0.05，Roberts算子进行边缘检测');       subplot(2,2,4)       imshow(BW3);       title('利用阀值0.08，Roberts算子进行边缘检测');程序运行结果如下图：

Prewitt算子Prewitt算子是一种边缘样板算子，利用像素点上下左右邻点灰度差，在边缘处达到边缘检测的目的。示例：利用Prewitt算子不同阀值进行图像边缘检测编写对应的m文件如下：       I=imread('cameraman.tif');       BW1=edge(I,'Prewitt',0.02);       BW2=edge(I,'Prewitt',0.05);       BW3=edge(I,'Prewitt',0.07);       subplot(2,2,1)       imshow(I);       title('原始图像');       subplot(2,2,2)       imshow(BW1);       title('利用阀值0.02，Canny算子进行边缘检测');       subplot(2,2,3)       imshow(BW2);       title('利用阀值0.05，Canny算子进行边缘检测');       subplot(2,2,4)       imshow(BW3);       title('利用阀值0.08，Canny算子进行边缘检测');程序运行结果如下图：

Laplacian-Gauss算子       Laplacian-Gauss算子是对Laplacian算子的一种改进，需要考虑5×5领域的处理，从而获得更好的边缘检测效果示例：利用不同标准差的LOG算子来检测图像边缘编写对应的m文件如下：       I=imread('pout.tif');      BW1=edge(I,'LOG',0.002,1);      BW2=edge(I,'LOG',0.002,2);      BW3=edge(I,'LOG',0.002,2.5);      subplot(2,2,1)      imshow(I);      title('原始图片');      subplot(2,2,2);      imshow(BW1);      title('标准差为1,阀值0.002的LOG算子边缘检测');      subplot(2,2,3);      imshow(BW2);      title('标准差为2,阀值0.002的LOG算子边缘检测');      subplot(2,2,4);      imshow(BW3);      title('标准差为2.5,阀值0.002的LOG算子边缘检测');程序运行结果如下：

Canny算子     Canny提出了边缘检测的三个准则（1）信噪比准则（2）定位精确度准则（3）单边缘响应准则示例：利用Canny算子来对图像进行边缘检测编写对应的m文件如下：       I=imread('eight.tif');      BW1=edge(I,'Canny',0.02);      BW2=edge(I,'Canny',0.05);      BW3=edge(I,'Canny',0.07);      subplot(2,2,1)      imshow(I);      title('原始图像');      subplot(2,2,2)      imshow(BW1);      title('利用阀值0.02，Canny算子进行边缘检测');      subplot(2,2,3)      imshow(BW2);      title('利用阀值0.05，Canny算子进行边缘检测');      subplot(2,2,4)      imshow(BW3);      title('利用阀值0.08，Canny算子进行边缘检测');程序运行结果如下图：

总结，分别利用上述几种算子对图像进行边缘检测，查看每一种边缘检测效果示例：利用不同边缘检测算子对图像进行边缘检测编写对应m文件如下：        I=imread('cameraman.tif');       BW1=edge(I,'Sobel',0.03);       BW2=edge(I,'Roberts',0.03);       BW3=edge(I,'Prewitt',0.03);       BW4=edge(I,'LOG',0.03);       BW5=edge(I,'Canny',0.03);       subplot(2,3,1)       imshow(I);       title('原始图像');       subplot(2,3,2)       imshow(BW1);       title('利用阀值0.03，Sobel算子进行边缘检测');       subplot(2,3,3)       imshow(BW2);       title('利用阀值0.03，Roberts算子进行边缘检测');       subplot(2,3,4)       imshow(BW3);       title('利用阀值0.03，Prewitt算子进行边缘检测');       subplot(2,3,5)       imshow(BW4);       title('利用阀值0.03，LOG算子进行边缘检测');       subplot(2,3,6)       imshow(BW5);       title('利用阀值0.03，Canny算子进行边缘检测');程序运行结果如下：