【正文】 BW = edge(I,39。 % 將梯度矩陣轉(zhuǎn)化為灰度圖像axes()。Prewitt39。原圖39。 % 計(jì)算X方向的梯度分量dy = imfilter(I, y_mask)。 % 顯示分割后的圖像即邊緣圖像title(39。title(39。)。setappdata(,39。, 39。if nargin amp。 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。 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()。*.jpg。總體而言由于 Prewitt 算子受噪聲影響較小，故檢測(cè)效果要略好于另外兩種。將兩個(gè)卷積結(jié)果的最大值，賦給??2l?圖像中對(duì)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(duì)高頻成分豐富的圖像處理效果好，對(duì)中低頻成分的圖像效果差。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。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(duì)算法均進(jìn)行了仿真實(shí)驗(yàn)。經(jīng)典邊緣檢測(cè)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。 近些年來，對(duì)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。這兩個(gè)方向模板一個(gè)檢測(cè)垂直邊緣，一個(gè)檢測(cè)水平邊緣，如圖 3 所示。8詳細(xì)設(shè)計(jì)過程Roberts 算子、Sobel 算子、Prewitt 算子的檢測(cè)效果相差不大，三種算子的檢測(cè)效果較之 Canny 和 Log 算子還是存在一定的差距。Canny 算子：采用高斯函數(shù)對(duì)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(cè)和連接邊緣，邊緣的連續(xù)性較好。fpath=[pathname filename]。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(cè)）,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(guó)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。, [] , ... 39。*.jpg。title(39。All Files (*.*)39。A=img_src。 % 計(jì)算灰度閾值axes()。 % 建立X方向的模板y_mask = rot90(x_mask)。axes()。BW = im2bw(grad,level)。 % 建立模板I = im2double(A)。)。 % 調(diào)用canny函數(shù) imshow(BW)。 % 顯示分割后的圖像，即梯度圖像title(39。)。0 0 0。 % 將梯度矩陣轉(zhuǎn)換為灰度圖像level = graythresh(grad)。img_src39。21y_mask = [1 2 1。%將文件名和目錄名組合成一個(gè)完整的路徑 img_src=imread(fpath)。function m_file_save_Callback(hObject, eventdata, handles)[filename, pathname] = uigetfile( ... {39。*.*39。end if nargout [varargout{1:nargout}] = gui_mainf(gui_State, varargin{:})。gui_State = struct(39。MATLAB 是我們?cè)谝郧昂鸵院蟮膶W(xué)習(xí)工作中都會(huì)經(jīng)常應(yīng)用到的軟件，但是在以前還是對(duì)其了解不足，操作不是很了解，在實(shí)習(xí)之初便因?yàn)檫@個(gè)問題而無從下手。, 39。Canny 算子采用高斯函數(shù)對(duì)圖像進(jìn)行平滑處理具有較強(qiáng)的去噪能力，容易平滑掉一些邊緣信息，邊緣定位精度較高。原則上，過零點(diǎn)的位置精度可以通過線性內(nèi)插方法精確到子像素分辨率。 二、算法分析與描述 Roberts 算子由 Roberts 提出的算子是一種利用局部差分算子尋找邊緣的算子，對(duì)于邊界陡峭且噪比較小的圖像檢測(cè)效果比較好，它在 22 鄰域上計(jì)算對(duì)角導(dǎo)數(shù)，??????????2 2,=,1,1,1Gijfijfijfijfij????G[i,j]又稱為 Roberts 交叉算子。 嵌入式系統(tǒng)的應(yīng)用領(lǐng)域也非常廣泛。圖像的邊緣包含了圖像的位置、輪廓等特征，是圖像的基本特征之一，廣泛地應(yīng)用于特征描述、圖像分割、圖像增強(qiáng)、圖像復(fù)原、模式識(shí)別、圖像壓縮等圖像分析和處理中。零點(diǎn)交叉邊緣檢測(cè)法（Bovik ，1998）運(yùn)用了二階導(dǎo)數(shù)和拉普拉斯算符。采用 Prewitt 算子不僅能檢測(cè)邊緣點(diǎn)，而且還能抵制噪聲的影響 [5]。抑制噪聲和邊緣精確定位是無法同時(shí)得到滿足的，也就是說，邊緣檢測(cè)算法通過圖像平滑算子去除了噪聲，但卻增加了邊緣定位的不確定性；反過來，若提高邊緣檢測(cè)算子對(duì)邊緣的敏感性，同時(shí)也提高了對(duì)噪聲的敏感性。Sobel 算子：產(chǎn)生的邊緣效果較好，對(duì)噪聲具有平滑作用。Pick an image39?！　? 這次課程設(shè)計(jì)要實(shí)現(xiàn)的內(nèi)容比較多，其中有一些易操作的也有一些比較復(fù)雜的，在實(shí)習(xí)過程中也會(huì)遇到一些難以突破的問題，但是在這個(gè)過程中需要我們耐心的學(xué)習(xí)，一步一步通過各種途經(jīng)學(xué)習(xí)到解決的方法，也培養(yǎng)了