边缘检测实验报告Word文档下载推荐.docx
- 文档编号:22456827
- 上传时间:2023-02-04
- 格式:DOCX
- 页数:13
- 大小:277.51KB
边缘检测实验报告Word文档下载推荐.docx
《边缘检测实验报告Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《边缘检测实验报告Word文档下载推荐.docx(13页珍藏版)》请在冰豆网上搜索。
这些检测技术采用以下的基本步骤:
(1)将相应的微分算子简化为离散的差分格式,进而简化为模板(记为T)。
(2)利用模板对图像f(m,n)进行运算,获得模板作用后的结果Tf(m,n)。
(3)提出阈值h,在采用一阶微分算子情形记录下高于某个阈值h的位置坐标
(而采用二阶微分算子情形,一般是对某个阈值
确立
)
(4)对集合
进行整理,同时调整阈值h。
Roberts算子
Roberts算子是一种利用局部差分算子寻找边缘的算子,两个模板分别为
则,
=
算法的步骤为:
(1)首先用两个模板分别对图像作用得到
和
;
(2)对
,进行阈值判决,若
大于阈值则相应的点
位于便于边缘处。
对于阈值选取的说明:
由于微分算子的检测性能受阈值的影响较大,为此,针对具体图像我们采用以下阈值的选取方法,对处理后的图像统计大于某一阈值的点,对这些数据求平均值,以下每个程序均采用此方法,不再做说明。
Sobel算子
Sobel算子采用中心差分,但对中间水平线和垂直线上的四个邻近点赋予略高的权重。
两个模板分别如下:
Prewitt算子
Prewitt算子也属于中心差分类型,但没有给最邻近点较高的权重,两个模板如下:
采用一阶微分算子很难找到一个一致的阈值选择办法,保证检测出的图像有相对均匀的宽度,克服这个障碍的办法是改用二阶微分算子进行边缘检测定位。
Laplace
经常采用如下Laplace微分算子:
并进而寻找
的跨零点的位置(零点的局部正和负的取值都有)。
当然实践中可以通过模板来实现,本程序采用如下模板:
无论什么样的微分算子,直接用来进行边缘检测,会受到噪声很大的干扰。
即使是二阶微分算子也不能克服噪声干扰。
但是如果采用高斯低通滤波,所得的结果则比较好地保留了图像的边缘特征。
Marr-Hildrech的LOG边缘检测算法:
Canny检测子
Canny算子采用和数据内容相关的滤波技术。
Canny算子求边缘点具体算法步骤如下:
1.用高斯滤波器平滑图像.
2.用一阶偏导有限差分计算梯度幅值和方向.
3.对梯度幅值进行非极大值抑制.
4.用双阈值算法检测和连接边缘.
步1.图像与高斯平滑滤波器卷积:
步3.对梯度幅值进行非极大值抑制(non_maximasuppression,NMS):
仅仅得到全局的梯度并不足以确定边缘,因此为确定边缘,必须保留局部梯度最大的点,而抑制非极大值。
解决方法:
利用梯度的方向:
步4.用双阈值算法检测和连接边缘:
对非极大值抑制图像作用两个阈值th1和th2,两者关系th1=0.4th2。
我们把梯度值小于th1的像素的灰度值设为0,得到图像1。
然后把梯度值小于th2的像素的灰度值设为0,得到图像2。
由于图像2的阈值较高,去除大部分噪音,但同时也损失了有用的边缘信息。
而图像1的阈值较低,保留了较多的信息,我们可以以图像2为基础,以图像1为补充来连结图像的边缘。
链接边缘的具体步骤如下:
对图像2进行扫描,当遇到一个非零灰度的像素p(x,y)时,跟踪以p(x,y)为开始点的轮廓线,直到轮廓线的终点q(x,y)。
考察图像1中与图像2中q(x,y)点位置对应的点s(x,y)的8邻近区域。
如果在s(x,y)点的8邻近区域中有非零像素s(x,y)存在,则将其包括到图像2中,作为r(x,y)点。
从r(x,y)开始,重复第一步,直到我们在图像1和图像2中都无法继续为止。
当完成对包含p(x,y)的轮廓线的连结之后,将这条轮廓线标记为已经访问。
回到第一步,寻找下一条轮廓线。
重复第一步、第二步、第三步,直到图像2中找不到新轮廓线为止。
至此,完成canny算子的边缘检测。
3、具体过程
Log算子阈值取0.01
Canny算子阈值取0.2
Canny算子阈值取0.25
4、实验分析
通过对上述几种算子的研究,我们可以发现,Prewitt算子和Sobel算子都是对图像进行差分和滤波运算,仅在平滑部分的权值选择上有些差异,但是图像产生了一定的模糊,而且有些边缘还检测不出来,所以检测精度比较低,该类算子比较适用于图像边缘灰度值比较明显的情况。
Roberts算子检测精度比较高,但容易丢失一部分边缘,使检测的结果不完整,同时图像没经过平滑处理,不能抑制噪声,所以该算子对具有陡峭的低噪声图像响应最好。
Laplace算子通过高斯函数对图像进行了平滑处理,对噪声的抑制作用比较明显,但处理的同时也可能将原有的边缘平滑,造成某些边缘无法检测到。
此外,噪声对其影响也较大,检测到的图细节很丰富,同时就可能出现伪边缘。
但是,如果要降低伪边缘的话,又可能使检测精度下降,丢失很多真边缘。
因此,对于不同图像应选择不同参数。
Canny算子也采用高斯函数对图像进行平滑处理,也具有较强的去噪能力,但同样可能会丢失一些边缘信息,但是,从图中可以看出,Canny算子比Laplace算子的检测边缘的精度要高些。
通过实验结果可以看出,该算子在上述几种边缘检测算子当中效果最好。
通过上述实验结果我们可以发现,在加入高斯噪声以后,canny算子的去噪能力减弱,对边缘检测的效果不太明显。
相反,从图中可以发现sobel算子和prewitt算子对噪声的过滤作用较为明显。
基本上能够检测出较为完整的边缘信号。
Matlab代码:
clearall;
closeall;
warningoffall;
I=imread('
cameraman.tif'
);
%%没有噪声时的检测结果
BW_sobel=edge(I,'
sobel'
BW_prewitt=edge(I,'
prewitt'
BW_roberts=edge(I,'
roberts'
BW_laplace=edge(I,'
log'
BW_canny=edge(I,'
canny'
figure
(1);
subplot(2,3,1),imshow(I),xlabel('
原始图像'
subplot(2,3,2),imshow(BW_sobel),xlabel('
sobel检测'
subplot(2,3,3),imshow(BW_prewitt),xlabel('
prewitt检测'
subplot(2,3,4),imshow(BW_roberts),xlabel('
roberts检测'
subplot(2,3,5),imshow(BW_laplace),xlabel('
laplace检测'
subplot(2,3,6),imshow(BW_canny),xlabel('
canny检测'
%%加入高斯噪声(μ=0,σ^2=0.01)检测结果
I_g1=imnoise(I,'
gaussian'
0,0.01);
BW_sobel=edge(I_g1,'
BW_prewitt=edge(I_g1,'
BW_roberts=edge(I_g1,'
BW_laplace=edge(I_g1,'
BW_canny=edge(I_g1,'
figure
(2);
subplot(2,3,1),imshow(I_g1),xlabel('
加入高斯噪声(μ=0,σ^2=0.01)图像'
%%加入高斯噪声(μ=0,σ^2=0.02)检测结果
I_g2=imnoise(I,'
0,0.02);
BW_sobel=edge(I_g2,'
BW_prewitt=edge(I_g2,'
BW_roberts=edge(I_g2,'
BW_laplace=edge(I_g2,'
BW_canny=edge(I_g2,'
figure(3);
subplot(2,3,1),imshow(I_g2),xlabel('
加入高斯噪声(μ=0,σ^2=0.02)图像'
)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 边缘 检测 实验 报告