最近由于項(xiàng)目需要，需要做一些邊緣檢測相關(guān)的工作。于是把最近幾天的學(xué)習(xí)內(nèi)容做一下整理。

①.基本原理

在圖像處理和計(jì)算機(jī)視覺中，邊緣檢測被廣泛使用。其目的在于標(biāo)識(shí)出數(shù)字圖像中亮點(diǎn)變化明顯的點(diǎn)，進(jìn)而

提取出有用的信息。通常情況下我們可以將數(shù)字圖像表示為二位數(shù)組，而概二位數(shù)組中每個(gè)元素的值則對應(yīng)

著圖像各個(gè)像素點(diǎn)的灰度值。而邊緣檢測的根本原理是通過算法將該數(shù)組中各個(gè)數(shù)據(jù)鄰域內(nèi)數(shù)值變化大的數(shù)據(jù)

元素進(jìn)行突出顯示，而鄰域內(nèi)變化不大的相鄰數(shù)據(jù)元素?cái)?shù)據(jù)元素進(jìn)行屏蔽或降低其灰度顯示。

不能看出其邊緣檢測的很像即為如何找出一種算法來突出這種鄰域內(nèi)的數(shù)值變化率。

②.邊緣檢測算法有哪些

不難看出，邊緣檢測算法的核心是突出圖像中變化率，無論目標(biāo)與目標(biāo)，還是目標(biāo)與背景之間。這于導(dǎo)數(shù)的

概念離奇的詳盡。而對于離散的數(shù)字圖像中，我們可以使用與求導(dǎo)類比的差分運(yùn)算來提取圖像邊緣。基于此原

理應(yīng)用于二維數(shù)組中我們可以求出該二維數(shù)組的梯度模矩陣。該梯度模矩陣就能比較清楚的表示出圖像矩陣的

邊緣。當(dāng)然也可以設(shè)定一個(gè)閾值，當(dāng)梯度模矩陣中大于閾值的元素則保留，而低于閾值的元素則設(shè)為黑度。

根據(jù)梯度模矩陣的不同求法，邊緣檢測算法可以分為兩大類：一階導(dǎo)數(shù)方式（梯度算子）和二階導(dǎo)數(shù)方式

而一階導(dǎo)數(shù)方式中幾種常見的邊緣算子為：Robert,Sobel,PreWitt,kvisch.

而二階導(dǎo)數(shù)方式常見的有：laplace算子

③.邊緣檢測在圖像處理中的一般步驟

?

?其中第一步為濾波，因?yàn)閳D像中存在噪聲所以需要先進(jìn)行濾波。然而數(shù)字圖像中的噪聲大多和邊緣信號(hào)一

樣占據(jù)高頻段，所以如果濾波過于完全很可能連同邊緣一起濾除，使得濾波后的圖像變得模糊，無法提取有

效的邊緣。而第二步為我們通常所說的利用邊緣算子對邊緣進(jìn)行增強(qiáng)。這一步的結(jié)果便可直接當(dāng)做邊緣檢測

的結(jié)果。然而大多數(shù)邊緣檢測還需要進(jìn)行第三部，設(shè)定閾值，對超過閾值的像素點(diǎn)進(jìn)行突出，對低于閾值的像

素點(diǎn)進(jìn)行屏蔽。

? ? ?

④.matlab邊緣處理示例。

程序代碼如下：

程序結(jié)果如下：

本文對邊緣檢測做了簡單的概述，也是對近兩天學(xué)習(xí)的總結(jié)。通過此文相信大家會(huì)對邊緣檢測有了

大概的了解，通過最后一個(gè)示例程序使讀者對各種邊緣處理的印象更加直觀。文中難免出現(xiàn)紕漏還望

讀者批評(píng)指正，最后共同進(jìn)步。

?

?

轉(zhuǎn)載于:https://www.cnblogs.com/vpoet/p/4659779.html

總結(jié)

以上是生活随笔為你收集整理的图像处理之边缘检测概述的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。