clc;

clear all;

close all;

%邊緣連接測試圖像

I=im2double(imread('D:\Gray Files\10-34.tif'));

[M,N]=size(I);

n=13;

%尋找圖像的邊緣

sigma=2;

H=0.15;

L=0.05;

g_c=CannyEdgeDetector(n,sigma,H,L,I);

%找出所有的邊線點

[rows,cols]=find(g_c);

points=cat(2,rows,cols);

%進行霍夫變換，Hough Transform

theta_max=90;

theta_range=-theta_max:theta_max;

n=length(theta_range);

rho_max=floor(sqrt(M^2+N^2));

rho_range=-rho_max:rho_max;

m=length(rho_range);

Hough=zeros(m,n);

%霍夫變換后的矩陣,行與上述邊界點集相對應，列為每一個點的霍夫轉換

while ~isempty(points)

%取出堆棧頂上的點

p=points(1,:);

%霍夫變換

for k=-90:1:90

j=k+theta_max+1;

%四舍五入

i=round(cosd(k)*p(1,1)+sind(k)*p(1,2))+rho_max+1;

Hough(i,j)=Hough(i,j)+1;

end

%刪除該點

points(1,:)=[];

end

Hou=Hough/max(Hough(:));

for i=1:m

for j=1:n

if Hou(i,j)>0

Hou(i,j)=Hou(i,j)+0.5;

end

end

end

%顯示邊界線的霍夫空間圖像

% imshow(Hou)

%尋找最大值及其在霍夫空間的坐標

%霍夫空間門限

th=200;

T=max(Hough(:));

[rows,cols]=find(Hough==T)

inds=cat(2,rows,cols);

%求解笛卡爾坐標中的線

ps=[];

while ~isempty(inds)

%取出極坐標值

ind=inds(1,:);

rho=ind(1,1);

theta=ind(1,2);

%還原角度和極坐標值

rho=rho-rho_max-1;

theta=theta-theta_max-1;

%定義一條線

g_l=zeros(M,N);

%判斷theta的角度

if theta==0

%取出邊緣圖像中第rho行為1的點

ind=find(g_c(rho,:)==1);

%取出最小下標和最大下標

ind_y_min=ind(1);

ind_y_max=ind(end);

g_l(rho,ind_y_min:ind_y_max)=1;

%與邊緣圖像交集

g_c=g_c+g_l;

else

for i=1:M

j=round((rho-i*cosd(theta))/sind(theta));

if j>0 && j<=N

g_l(i,j)=1;

end

end

g_l_c=and(g_l,g_c);

[rows,cols]=find(g_l_c==1);

ps=cat(2,rows,cols);

ps=sortrows(ps,1);

rows=sort(rows);

ind_x_min=rows(1,1);

ind_x_max=rows(end);

if ind_x_min>1

g_l(1:ind_x_min-1,:)=0;

end

if ind_x_max

g_l(ind_x_max+1:M,:)=0;

end

g_c=g_c+g_l;

end

inds(1,:)=[];

end

imshow(g_c)

hold on

plot(ps(:,2),ps(:,1),'red','LineWidth',2)

hold off

Canny算子，CannyEdgeDetector如下：

%canny邊界檢測器

% n 高斯低通濾波器的大小

% sigma 高斯濾波器參數

% H 高門限

% L 低門限

function [g]=CannyEdgeDetector(n,sigma,H,L,I)

[M,N]=size(I);

%%

%=============================邊緣檢測(五)=================================

% Canny Edge Detector

%-------------------------用高斯低通濾波器平滑圖像-------------------------

%建筑圖像所設參數

% n=25;

% sigma=4;

%頭顱掃描圖像所設參數

% n=13;

% sigma=2;

%lena測試圖像所設參數

% n=5;

% sigma=1;

type='symmetric';

f_s=GaussianBlur(n,I,sigma,type);

% imshow(f_s)

% imwrite(f_s,'D:\Gray Files\lena-test.jpg','jpg');

%-----------------------計算平滑后的圖像梯度和角度-------------------------

n_l=1;

%Sobel算子

s_y=[-1 -2 -1;

0 0 0;

1 2 1];

s_x=[-1 0 1;

-2 0 2;

-1 0 1];

%定義梯度和角度

gx=zeros(M,N);

gy=zeros(M,N);

f_s_pad=padarray(f_s,[n_l,n_l],'replicate');

for i=1:M

for j=1:N

Block=f_s_pad(i:i+2*n_l,j:j+2*n_l);

gx(i,j)=sum(sum(Block.*s_x));

gy(i,j)=sum(sum(Block.*s_y));

end

end

type='replicate';

gx=GaussianBlur(n,gx,sigma,type);

gy=GaussianBlur(n,gy,sigma,type);

M_s=sqrt(gx.^2+gy.^2);

M_s=M_s/max(M_s(:));

a_s=atan2(gy,gx)*180/pi;

%--------------------對梯度圖像進行差值非極大值抑制------------------------

n_l=1;

%定義非極大值抑制圖像

g_N=M_s;

M_s_pad=padarray(M_s,[n_l,n_l],'replicate');

for i=1:M

for j=1:N

%取出中心點的梯度值

K=M_s_pad(i+1,j+1);

theta=a_s(i,j);

if (theta>=0 && theta<=45) ||...

(theta=-180)

yBot=[M_s_pad(i+1,j+2) M_s_pad(i+2,j+2)];

yTop=[M_s_pad(i+1,j) M_s_pad(i,j)];

k=abs(gy(i,j)/M_s_pad(i+1,j+1));

K1=(yBot(2)-yBot(1))*k+yBot(1);

K2=(yTop(2)-yTop(1))*k+yTop(1);

end

if (theta>45 && theta<=90) ||...

(theta=-135)

yBot=[M_s_pad(i+2,j+1) M_s_pad(i+2,j+2)];

yTop=[M_s_pad(i,j+1) M_s_pad(i,j)];

k=abs(gx(i,j)/M_s_pad(i+1,j+1));

K1=(yBot(2)-yBot(1))*k+yBot(1);

K2=(yTop(2)-yTop(1))*k+yTop(1);

end

if (theta>90 && theta<=135) ||...

(theta=-90)

yBot=[M_s_pad(i+2,j+1) M_s_pad(i+2,j)];

yTop=[M_s_pad(i,j+1) M_s_pad(i,j+2)];

k=abs(gx(i,j)/M_s_pad(i+1,j+1));

K1=(yBot(2)-yBot(1))*k+yBot(1);

K2=(yTop(2)-yTop(1))*k+yTop(1);

end

if (theta>135 && theta<=180) ||...

(theta<0&& theta>=-45)

yBot=[M_s_pad(i+1,j) M_s_pad(i+2,j)];

yTop=[M_s_pad(i+1,j+2) M_s_pad(i,j+2)];

k=abs(gy(i,j)/M_s_pad(i+1,j+1));

K1=(yBot(2)-yBot(1))*k+yBot(1);

K2=(yTop(2)-yTop(1))*k+yTop(1);

end

if K

g_N(i,j)=0;

end

end

end

g_N=g_N/max(g_N(:));

imshow(g_N)

%-------------------------------設置雙門限---------------------------------

%對非極大值抑制圖像進行擴展(0)，方便后續的邊界處理

n_l=1;

g_N_pad=padarray(g_N,[n_l,n_l],'replicate');

T_max=max(g_N_pad(:));

%lena圖像所設參數

% T_max=max(g_N_pad(:));

% H=0.275;

% L=0.25;

%高門限

% T_H=T_max*H;

%低門限

% T_L=T_H*L;

%頭顱圖像所設參數

% T_H=0.15;

% T_L=0.05;

T_H=H;

T_L=L;

%建筑圖像所設參數

% H=0.1;

% L=0.04;

%高門限

% T_H=T_max*H;

% %低門限

% T_L=T_H*L;

%尋找大于高門限點

ind_H=find(g_N_pad>T_H);

g_N_pad(ind_H)=1;

ind_Zeros=find(g_N_pad

g_N_pad(ind_Zeros)=0;

% imshow(g_N_pad)

%--------------------------消除未連通的邊界點------------------------------

M_temp=M+2;

g_N_copy=g_N_pad;

g_N_copy(ind_H)=0;

ind_L=find(g_N_copy~=0);

g_N_pad(ind_L)=1;

while ~isempty(ind_H)

%取出第一個點

p=ind_H(1,1);

%初始化連通點集

Conn=[];

%查找p點是否有連通點，即在ind_L中是否有值

[ind_L,Conn]=FindConnected_8(p,ind_L,Conn,M_temp);

%向下查找所有與p點連通的點

while ~isempty(Conn)

%從連通集中取出第一個點，而后刪除該點

p1=Conn(1,:);

Conn(1,:)=[];

[ind_L,Conn]=FindConnected_8(p1,ind_L,Conn,M_temp);

end

%標記p點已訪問，即從ind_H中刪除

ind_H(1,:)=[];

end

%將ind_L中未與ind_H連通的點，在圖像中置零

g_N_pad(ind_L)=0;

g_N=g_N_pad(2:M+1,2:N+1);

%-----------------------------圖像細化處理-----------------------------

[g]=ImageThinning(g_N);

% imshow(g)

end

Canny算子中的其他函數，如GaussianBlur、FindConnected_8、ImageThinning參見上一篇博文，這里就不在重復粘貼了

標簽：yTop,max,yBot,霍夫,pad,Matlab,theta,ind,邊緣連接

來源： https://blog.csdn.net/lengo/article/details/100586228

總結

以上是生活随笔為你收集整理的边缘链接 matlab,图像分割——边缘检测——边缘连接的全局处理——霍夫变换（Matlab）...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。