| ①soble缺省值，用导数的Sobel近似值检测边缘，梯度最大点返回边缘；
②prewitt用导数的Prewitt近似值检测边缘，梯度最大点返回边缘；
③roberts用导数的Roberts近似值检测边缘，梯度最大点返回边缘；
④log使用高斯滤波器的拉普拉斯运算对I进行滤波，通过寻找零相交检测边缘；
⑤zerocross使用指定的滤波器对I滤波后，寻找零相交检测边缘；
⑥canny用导数计算图像的两个阈值，大于高阈值为边缘，小于低阈值为非边缘。
（2）thresh表示该图像边缘提取方法所采用的阈值，所有小于阈值的图像边缘都被忽略，缺省时自动选取阈值；
（3）direction表示所采用方法指定方向，具有方向时才使用。direction为字符串，其中horizontal表示水平方向、vertical表示垂直方向、both表示两个方向(缺省值)；
2）[BW, thresh]=edge(…)表示对图像边缘提取所返回的二进制图像和阈值。
3.2图像的边缘提取
图像采用罗伯特算子、拉普拉斯算子、零交叉、Sobel算子、Prewitt算子和Canny算子等方法对其边缘提取，以2000年摄影的珠江三角洲图像为例，编程如下：
3.2.1编程
I=imread('20000502.jpg'); %读取图像
I1=im2double(I);%将彩图序列变成双精度
I2=rgb2gray(I1);%将彩色图变成灰色图
[thr, sorh,keepapp]=ddencmp('den','wv',I2); I3=wdencmp('gbl',I2,'sym4',2,thr,sorh,keepapp);%小波除噪
I4=medfilt2(I3,[99]); %中值滤波
I5=imresize(I4,0.2,'bicubic'); %图像大小BW1=edge(I5,'sobel'); %sobel图像边缘提
取
BW2=edge(I5,'roberts'); %roberts图像边缘提取
BW3=edge(I5,'prewitt'); %prewitt图像边缘提取
BW4=edge(I5,'log'); %log图像边缘提取BW5=edge(I5,'canny'); %canny图像边缘提
取
h=fspecial('gaussian',5); %高斯滤波
BW6=edge(I5,'zerocross',[],h); %zerocross图像边缘提取
figure;
subplot(1,3,1); %图划分为一行三幅图，第一幅图
imshow(I2);%绘图
title('原始图像'); %标注
subplot(1,3,2); %第二幅图
imshow(I3);
title('消噪后图像');
subplot(1,3,3);%第三幅图
imshow(I4);
title('中值滤波图像');
figure;
subplot(1,3,1);
imshow(BW1);
title('Sobel算子');
subplot(1,3,2);
imshow(BW2);
title('Roberts算子');
subplot(1,3,3);
imshow(BW3);
title('Prewitt算子');
figure;
subplot(1,3,1);
imshow(BW4);
title('log算子');
subplot(1,3,2);
imshow(BW5);
title('Canny算子');
subplot(1,3,3);
imshow(BW6);
title('Zerocross');
3.2.2结果分析
图像采用Sobel算子、Roberts算子、Prewitt算子、LOG算子、Canny算子与零交叉方法等进行边缘提取，仿真如图3、4、5。
 
图3 原始图像与消噪图像图案4 三种算子的边缘提取图
图5三种算子的边缘提取图
从上图中可以看出，Sobel算子对灰度渐变的图像处理效果较好，但是对变化不大的部位处理效果差以及边缘定位不准确；Roberts算子对具有陡峭的低噪声的图像处理效果较好，但是提取的边缘比较粗，因此对边缘的定位不是很准确；Prewitt算子对灰度渐变的图像处理效果较好，但是提取的图像边缘的间断点较多；LOG算子比前面几种方法要好，但是边缘的间断点也较多；Canny方法不容易受噪声干扰，能够检测到真正的弱边缘，原因是它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，可以将弱边缘包含在输出图像中，但是与原始图像比较，所提取的边缘仍然存在不完整，且有丢失的现象；Zerocross方法提取的边缘与原始图像相比，比较完整，优于其它几种方法。论文发表。
4、结论
采用罗伯特算子、拉普拉斯算子、Sobel算子、Prewitt算子、Canny算子和零交叉方法对图像边缘进行提取，并对这几种方法的结果进行分析与比较，发现零交叉方法对图像边缘的提取优于其它几种方法，能够比较完整的显示图像的整个边缘，这为今后深入研究图像边缘的提取提供了有益的参考和帮助。同时还表现出Matlab具有强大的图像处理功能，为图像处理技术的深入研究提供有利的工具保障。
参考文献：
[1]郝文化主编. MATLAB图像图形处理应用教程[M]. 北京：中国水利水电出版社，2003
[2]许志影, 李晋平.MATLAB及其在图像处理中的应用[J].江西：计算机与现代化，2003，92(4)：64～65
[3]余成波编著. 数字图像处理及MATLAB实现[M].重庆：重庆大学出版社，2003
[4]飞思科技产品研发中心编著. Matlab6.5辅助图像处理[M]. 北京：电子工业出版社，2003
2/2 首页 上一页 1 2 |
