圖片邊緣化處理

五種方法

? ? ? ? 圖像邊緣：是圖像的重要特征，是圖像中特性（如像素灰度、紋理等）分布的不連續(xù)處，圖像周圍特性有階躍變化或屋脊?fàn)钭兓哪切┫袼丶?。圖像的邊緣部分集中了圖像的大部分信息，一幅圖像的邊緣結(jié)構(gòu)與特點(diǎn)往往是決定圖像特質(zhì)的重要部分。圖像邊緣的另一個(gè)定義是指其周圍像素灰度變化不連續(xù)的那些像素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間，因此，邊緣是圖像分割、圖像理解及圖像識(shí)別的重要特征。

圖像邊緣檢測(cè)主要用于增強(qiáng)圖像中的輪廓邊緣、細(xì)節(jié)以及灰度跳變部分，形成完整的物體邊界，達(dá)到將物體從圖像中分離出來(lái)或?qū)⒈硎就晃矬w表面的區(qū)域檢測(cè)出來(lái)的目的。目前為止最通用的方法是檢測(cè)亮度值的不連續(xù)性，用一階和二階導(dǎo)數(shù)檢測(cè)的。

1.微分法

? ? ? ?微分法的目的是利用微分運(yùn)算求信號(hào)的變化率，加強(qiáng)高頻分量的作用，從而使輪廓清晰。遵循如下兩個(gè)基本準(zhǔn)則之一：找到亮度的一階導(dǎo)數(shù)在幅度上比指定的閾值大的地方；找到亮度的二階導(dǎo)數(shù)有零交叉的地方。?

2.差分邊緣檢測(cè)方法

? ? ? 利用像素灰度的一階導(dǎo)數(shù)算子在灰度迅速變化處得到高值來(lái)進(jìn)行奇異點(diǎn)的檢測(cè)。它在某一點(diǎn)的值就代表該點(diǎn)的邊緣強(qiáng)度，通過(guò)對(duì)這些值設(shè)置閾值來(lái)進(jìn)一步得到邊緣圖像。差分邊緣檢測(cè)方法是最原始、最基本的方法。但要求差分方向與邊緣方向垂直，這就需要對(duì)圖像的不同方向（一般為垂直方向、水平方向和對(duì)角線方向）都進(jìn)行差分運(yùn)算，增加了實(shí)際運(yùn)算的繁瑣性，目前很少采用。

3.Roberts邊緣檢測(cè)算子

? ? ? ?Roberts邊緣檢測(cè)算子根據(jù)任意一對(duì)互相垂直方向上的差分可用來(lái)計(jì)算梯度的原理，采用對(duì)角線方向相鄰兩像素之差然后計(jì)算出Roberts的梯度幅度值.
Roberts檢測(cè)器較為簡(jiǎn)單，但具有一些功能上的限制，例如，它是非對(duì)稱的，而且不能檢測(cè)諸如45°倍數(shù)的邊緣。然而，它還是經(jīng)常用于硬件實(shí)現(xiàn)中，因?yàn)樗群?jiǎn)單又快速。

4.Sobel邊緣檢測(cè)算子

? ? ? ? 對(duì)數(shù)字圖像的每個(gè)像素，考察它上下左右鄰點(diǎn)灰度的加權(quán)差，與之接近的鄰點(diǎn)的權(quán)大。
Sobel算子很容易在空間上實(shí)現(xiàn)，邊緣檢測(cè)效果較好，且受噪聲的影響也較小。鄰域增大抗噪性會(huì)更好，但計(jì)算量也會(huì)增大，得出的邊緣也會(huì)相應(yīng)變粗。Sobel算子會(huì)檢測(cè)出許多偽邊緣，邊緣定位精度不夠高，在精度要求不高時(shí)是一種較常用的邊緣檢測(cè)方法。

5.Prewitt邊緣檢測(cè)算子

? ? ? ?圖像中的每個(gè)像素都用這兩個(gè)核作卷積，一個(gè)核對(duì)垂直邊緣影響最大，另一個(gè)核對(duì)水平邊緣影響最大。兩個(gè)卷積的絕對(duì)值的最大值作為該點(diǎn)的輸出值。不能簡(jiǎn)單的將小于0的值處理為0，這樣會(huì)丟失信息。它比Sobel檢測(cè)器在計(jì)算上要簡(jiǎn)單一些，但比較容易產(chǎn)生一些噪聲。

6.拉普拉斯邊緣檢測(cè)算子

? ? ? ?拉普拉斯邊緣檢測(cè)算子是一種二階微分算子，與其它邊緣檢測(cè)方法的不同之處在于，該方法是一種各向同性的檢測(cè)方法，即其邊緣的增強(qiáng)程度與邊緣的方向無(wú)關(guān)，從而可以滿足不同走向的邊緣銳化的要求。
拉普拉斯算子自身很少被直接用作邊緣檢測(cè)，因?yàn)槎A導(dǎo)數(shù)對(duì)噪聲具有無(wú)法接受的敏感性，它的幅度會(huì)產(chǎn)生雙邊緣，而且它不能檢測(cè)邊緣的方向。然而，當(dāng)與其它邊緣檢測(cè)技術(shù)組合使用時(shí)，拉普拉斯算子是一種有效的補(bǔ)充方法。例如，雖然它的雙邊緣使得它不適合直接用于邊緣檢測(cè)，但該性質(zhì)可用于邊緣定位。

MATLAB實(shí)現(xiàn)

? ? ??在MATLAB中可以由edge函數(shù)實(shí)現(xiàn)各算子對(duì)邊緣的檢測(cè)，其調(diào)用格式為：

• BW = edge(I,’METHOD’)—自動(dòng)選擇閾值用指定的算子進(jìn)行邊緣檢測(cè)；
• BW = edge(I,’METHOD’,THRESH)—根據(jù)給定的閾值THRESH用指定的算子進(jìn)行邊緣檢測(cè)，忽略所有小于閾值的邊緣。當(dāng)THRESH為空時(shí)，自動(dòng)選擇閾值；
• [BW, THRESH] = edge(I,’METHOD’,…)—返回edge使用的閾值，以確定哪個(gè)梯度值足夠大到可以稱為邊緣點(diǎn)。

? ? ? ?其中,I為輸入圖像。返回圖像BW為與I同大的二值圖像，1表示邊緣，0表示非邊緣。I是unit8型、unit16型，或者是double型，BW是unit8型。
METHOD：使用檢測(cè)算子的類型，經(jīng)常使用的有：
sobel：缺省值，用導(dǎo)數(shù)的sobel近似值檢測(cè)邊緣，那些梯度最大的點(diǎn)返回邊緣。
roberts：用導(dǎo)數(shù)的roberts近似值檢測(cè)邊緣，那些梯度最大的點(diǎn)返回邊緣。
prewitt：用導(dǎo)數(shù)的prewitt近似值檢測(cè)邊緣，那些梯度最大的點(diǎn)返回邊緣。
LoG：用LoG算子檢測(cè)邊緣。
Canny：用Canny算子檢測(cè)邊緣。
THRESH：指定的閾值，所有不強(qiáng)于thresh的邊緣都被忽略。

?

?

clear clc I=imread('dmm.png'); %imshow(x) I=rgb2gray(I); BW1 = edge(I,'sobel');? ?%sobel邊緣檢測(cè)算子 BW2 = edge(I,'roberts');? %Roberts邊緣檢測(cè)算子 BW3 = edge(I,'prewitt');? %prewitt邊緣檢測(cè)算子 BW4 = edge(I,'log');? ? ?%log邊緣檢測(cè)算子 BW5 = edge(I,'canny');? ?%canny邊緣檢測(cè)算子 subplot(2,3,1),imshow(I),title('灰度圖','fontname','Times New Roman','Color','r','FontSize',16); subplot(2,3,2),imshow(BW1),title('sobel','fontname','Times New Roman','Color','b','FontSize',16) subplot(2,3,3),imshow(BW2),title('roberts','fontname','Times New Roman','Color','y','FontSize',16) subplot(2,3,4),imshow(BW3),title('prewitt','fontname','Times New Roman','Color','m','FontSize',16) subplot(2,3,5),imshow(BW4),title('log','fontname','Times New Roman','Color','g','FontSize',16) subplot(2,3,6),imshow(BW5),title('canny','fontname','Times New Roman','Color','b','FontSize',16)

?

?

歡迎加群：707914447

?

總結(jié)

以上是生活随笔為你收集整理的matlab对图片边缘化处理的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。