【Matlab 圖像】邊緣檢測算法及效果演示

• 邊緣檢測
• • 檢測圖像中的邊緣
  • • Matlab 代碼
    • 代碼效果如下
• 邊緣算法：robert
• 邊緣算法：sobel prewitt
• 邊緣算法：laplacian
• 邊緣算法：log
• 邊緣算法：canny
• 效果對(duì)比

邊緣檢測

在圖像中，邊緣是一條曲線，其走勢與圖像中強(qiáng)度快速變化的路徑一致。邊緣通常與場景中目標(biāo)的邊界相關(guān)聯(lián)。邊緣檢測用于確定圖像中的邊緣。

要尋找邊緣，您可以使用 edge 函數(shù)。此函數(shù)使用以下兩個(gè)標(biāo)準(zhǔn)之一來尋找圖像中強(qiáng)度迅速變化的位置：

• 強(qiáng)度的一階導(dǎo)數(shù)的模大于某個(gè)閾值的位置
• 強(qiáng)度的二階導(dǎo)數(shù)有過零點(diǎn)的位置

edge 提供幾個(gè)導(dǎo)數(shù)估算器，其中每個(gè)都實(shí)現(xiàn)以下定義之一。對(duì)于其中一些估算器，您可以指定運(yùn)算是否應(yīng)對(duì)水平邊緣、垂直邊緣敏感或?qū)烧叨济舾小dge 返回二值圖像，其中包含的 1 對(duì)應(yīng)于找到邊的位置，0 對(duì)應(yīng)于其他位置。

edge 提供的最強(qiáng)大的邊緣檢測方法是 Canny 方法。Canny 方法與其他邊緣檢測方法的不同之處在于，它使用兩種不同閾值（用于檢測強(qiáng)邊緣和弱邊緣），并且僅當(dāng)弱邊緣連通到強(qiáng)邊緣時(shí)才在輸出中包括弱邊緣。因此，這種方法不太可能受到噪聲的影響，更可能檢測到真正的弱邊緣。

檢測圖像中的邊緣

此示例說明如何同時(shí)使用 Canny 邊緣檢測器和 Sobel 邊緣檢測器來檢測圖像中的邊緣。

讀取圖像并顯示它。

Matlab 代碼

I = imread('coins.png'); imshow(I); % 將 Sobel 和 Canny 邊緣檢測器同時(shí)應(yīng)用于圖像，并顯示它們以進(jìn)行比較。 BW1 = edge(I,'sobel'); BW2 = edge(I,'canny'); figure; imshowpair(BW1,BW2,'montage') title('Sobel Filter Canny Filter');

代碼效果如下

From: 邊緣檢測

邊緣算法：robert

邊緣定位精度較高，對(duì)于陡峭邊緣且噪聲低的圖像效果較好，但沒有進(jìn)行平滑處理，沒有抑制噪聲的能力。

BW1=edge(Img,'Roberts',0.16);

邊緣算法：sobel prewitt

進(jìn)行了平滑處理，對(duì)噪聲具有一定抑制能力，但容易出現(xiàn)多像素寬度。

BW2=edge(Img,'Sobel',0.16); BW3=edge(Img,'Prewitt',0.16);

邊緣算法：laplacian

對(duì)噪聲較為敏感，使噪聲能力成分得到加強(qiáng)，容易丟失部分邊緣方向信息，造成一些不連續(xù)的檢測邊緣，同時(shí)抗噪聲能力較差。

邊緣算法：log

抗噪聲能力較強(qiáng)，但會(huì)造成一些尖銳的邊緣無法檢測到。

BW5=edge(Img,'LOG',0.16);

邊緣算法：canny

最優(yōu)化思想的邊緣檢測算子，同時(shí)采用高斯函數(shù)對(duì)圖像進(jìn)行平滑處理，但會(huì)造成將高頻邊緣平滑掉，造成邊緣丟失，采用雙閾值算法檢測和連接邊緣。

BW6=edge(Img,'Canny',0.16);

效果對(duì)比

From: 【matlab 圖像處理】五種邊緣檢測算法比較

還有一篇更加偏向于原理講解的文章：圖像邊緣檢測及提取方法總結(jié)（含Matlab代碼）

數(shù)字圖像處理:邊緣檢測(Edge detection)

邊緣檢測matlab算法匯總

總結(jié)

以上是生活随笔為你收集整理的【Matlab 图像】边缘检测算法及效果演示的全部內(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。