【正文】 = im2double(A)。axes()。BW = im2bw(grad,level)。 % 建立Y方向的模板x_mask = y_mask39。axes()。BW = im2bw(grad,level)。 % 建立X方向的模板y_mask = rot90(x_mask)。A=img_src。 % 計(jì)算灰度閾值axes()。1 2 1]。A=img_src。img_src=getappdata(,39。All Files (*.*)39。*.jpg。title(39。All Files (*.*)39。*.jpg。endfunction Mywork_OpeningF(hObject, eventdata, handles, varargin)setappdata(,39。, [] , ... 39。, mfilename, ... 39。17 參考資料[1] 朱虹. 數(shù)字圖像處理基礎(chǔ)[M]. 科學(xué)出版社, 2022[2] R , R 著,阮秋琦,(第 2 版).北京:電子工業(yè)出版社,2022[3] . :電子工業(yè)出版社,2022[4] （上冊）,清華大學(xué),2022[5] C++,2022 [6] C++社,2022.[7] C++,2022[8] R , R , S L. Eddins 著,阮秋琦,像處理(MATLAB 版).北京:電子工業(yè)出版社,2022[9] 李赤楓, 王 俊, 李 克, 等. 自生 Mg2Si 顆粒增強(qiáng) Al 基復(fù)合材料的組織細(xì)化[J]. 中國有色金屬學(xué)報(bào), 2022, 14(2): 233237.[10] 殷 聲. 燃燒合成[M]. 北京: 冶金工業(yè)出版社, 2022: 2544.[11] . 18致謝 在這次課程設(shè)計(jì)的設(shè)計(jì)過程中，我得到了許多人的幫助。實(shí)習(xí)中也遇到了很多問題，但通過查閱書籍、同學(xué)間討論、請教老師以及網(wǎng)上查找最終能夠得以解決，完成這次實(shí)習(xí)。fpath=[pathname filename]。 ... 39。Canny 算子：采用高斯函數(shù)對圖像進(jìn)行平滑處理，因此具有較強(qiáng)的噪聲抑制能力；同樣該算子也將一些高頻邊緣平滑掉，造成邊緣丟失，采用了雙閾值算法檢測和連接邊緣，邊緣的連續(xù)性較好。通過對 lena 圖的仿真實(shí)驗(yàn)結(jié)果可以看出，該算子在上述幾種邊緣檢測算子當(dāng)中效果最好。8詳細(xì)設(shè)計(jì)過程Roberts 算子、Sobel 算子、Prewitt 算子的檢測效果相差不大，三種算子的檢測效果較之 Canny 和 Log 算子還是存在一定的差距。 Canny 算子Canny 檢測階躍邊緣的基本思想是在圖像中找出具有局部最大梯度幅值的像素點(diǎn)。這兩個(gè)方向模板一個(gè)檢測垂直邊緣，一個(gè)檢測水平邊緣，如圖 3 所示。由上面兩個(gè)卷積算子對圖像運(yùn)算后，代入 2 式，可求得圖像的梯度幅度值G[i,j]，然后選取適當(dāng)?shù)拈T限 TH，作如下判斷： G[i,j]TH，[ i,j]為階躍狀邊緣點(diǎn)，{ G[i,j]}為一個(gè)二值圖像，也就是圖像的邊緣。 近些年來，對于圖像處理在許多不同的科學(xué)和工程領(lǐng)域應(yīng)用的研究越來越火熱。 而圖像邊緣檢測則是圖像處理中非?；A(chǔ)但是及其重要步驟。經(jīng)典邊緣檢測方法的抗噪聲性能都較差，解決該問題的主要方法就是設(shè)置閾值，把得到的圖像高頻部分與閾值相比較以達(dá)到去噪的目的，所以閾值的選取顯得尤為重要。它在圖像識別，圖像分割，圖像增強(qiáng)以及圖像壓縮等的領(lǐng)域中有較為廣泛的應(yīng)用，也是它們的基礎(chǔ)。文章中關(guān)于這些方法都有較詳細(xì)的介紹，以及算法的實(shí)現(xiàn)步驟，對算法均進(jìn)行了仿真實(shí)驗(yàn)。目前，學(xué)界上已經(jīng)有許多種不同點(diǎn)的方法來實(shí)現(xiàn)邊緣檢測的功能，比如說差分法（Kirsch,1971）和曲線擬合法（Haralick，1984） 。嵌入式系統(tǒng)將是未來工業(yè)控制和其他一些行業(yè)的主要發(fā)展方向。 Prewitt 算子為在檢測邊緣的同時(shí)減少噪聲的影響，Prewitt 算子從加大邊緣檢測算子出發(fā)。將兩個(gè)卷積結(jié)果的最大值，賦給??2l?圖像中對應(yīng)模板中心位置的像素，作為該像素的新灰度值，即： ??max,1,2iffjki? 通過分析可知，Sobel 算子法對高頻成分豐富的圖像處理效果好，對中低頻成分的圖像效果差。圖像也受到攝像機(jī)噪聲和場景中不希望的細(xì)節(jié)的干擾。總體而言由于 Prewitt 算子受噪聲影響較小，故檢測效果要略好于另外兩種。Roberts 算子：采用對角線方向相鄰兩像素之差表示信號的突變，檢測水平和垂直方向邊緣的性能好于斜線方向，定位精度比較高，但對噪聲敏感，檢測出的邊緣較細(xì)。*.jpg。All Files (*.*)39。 圖像運(yùn)行過程中出現(xiàn)的錯(cuò)誤：應(yīng)該將代碼中的I=rgb2gray()。圖像處理是我們這學(xué)期的一門很重要的課程，在課上雖然學(xué)習(xí)了很多知識，但是不經(jīng)過自己動(dòng)手操作而只看到書上的一些概念和處理的圖片并不能很清楚的了解到各種操作的效果，并且不動(dòng)手操作，知識就只能局限于書本上。 其次，我要感謝幫助過我的同學(xué)，他們也為我解決了不少我不太明白的代碼難題，在一個(gè)個(gè)小問題上給了我很大的幫助。gui_OpeningF39。if nargin amp。 = hObject。, 39。)。setappdata(,39。, 39。)。function m_file_exit_Callback(hObject, eventdata, handles)close()。title(39。 % 將圖像數(shù)據(jù)轉(zhuǎn)化為雙精度dx = imfilter(I, x_mask)。 % 顯示分割后的圖像即邊緣圖像title(39。title(39。 % 計(jì)算X方向的梯度分量dy = imfilter(I, y_mask)。Roberts39。原圖39。 % 計(jì)算X方向的梯度分量dy = imfilter(I, y_mask)。Prewitt39。原圖39。 % 將梯度矩陣轉(zhuǎn)化為灰度圖像axes()。I=img_src。BW = edge(I,