【正文】 我們的耐心和學(xué)習(xí)的能力。gui_OutputF39。function varargout = Mywork_OutputF(hObject, eventdata, handles) varargout{1} = 。%用axes命令設(shè)定當(dāng)前操作的坐標(biāo)軸是axes_src fpath=[pathname filename]。 ... 39。%用axes命令設(shè)定當(dāng)前操作的坐標(biāo)軸是axes_src img_src=getappdata(,39。 % 計算Y方向的梯度分量grad = sqrt(dx.*dx + dy.*dy)。)。img_src39。 % 計算梯度grad = mat2gray(grad)。 mask=[0,1,0。imshow(I)。)。img_src39。imshow(A)。 % 建立X方向的模板I = im2double(A)。 % 用閾值分割梯度圖像imshow(BW)。axes()。 % 建立Y方向的模板x_mask = y_mask39。img_src39。*.png。}, ... 39。img_src39。gui_Singleton39?！　? 通過這次課程設(shè)計，對其的一些常見函數(shù)以及與圖像處理相關(guān)的函數(shù)都比較了解，并能夠應(yīng)用這些函數(shù)來解決圖像處理的問題。*.*39。邊緣定位準(zhǔn)確，連續(xù)性較好，虛假邊緣少且邊緣均具有單像素寬度。檢測階躍邊緣的大部分工作集中在尋找能夠用于實際圖像的梯度數(shù)字逼近。由于利用局部差分檢測比較陡峭的邊緣，但對于噪聲比較敏感，經(jīng)常會出現(xiàn)孤立點，于是人們又提出了 Prewitt 算子 [4]。邊緣是兩個不同區(qū)域之間的邊界。*******************實踐教學(xué)*******************蘭州理工大學(xué)計算機與通信學(xué)院圖像處理綜合訓(xùn)練題 目： 圖像邊緣檢測課程設(shè)計 目 錄摘 要 ......................................................................................................1一、前言 ....................................................................................................2二、算法分析與描述 ................................................................................3三、詳細(xì)設(shè)計過程 ....................................................................................8四、調(diào)試過程中出現(xiàn)的問題及相應(yīng)解決辦法 ......................................10五、程序運行截圖及其說明 ..................................................................11六、簡單操作手冊 ..................................................................................14設(shè)計總結(jié) ..................................................................................................16參考資料 ..................................................................................................17致謝 ..........................................................................................................18附錄 ..........................................................................................................191摘 要 在實際圖像處理問題中，圖像的邊緣作為圖像的一種基本特征，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中去。圖像邊緣檢測是圖像處理，圖像分析，模式識別等一系列圖像處理過程中最重要的步驟。4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。由于實際的圖像經(jīng)過了攝像機光學(xué)系統(tǒng)和電路系統(tǒng)(帶寬限制)固有的低通濾波器的平滑，因此，圖像中的階躍邊緣不是十分陡立。LoG 算子首先通過高斯函數(shù)對圖像進(jìn)行平滑處理，因此對噪聲的抑制作用比較明顯，但同時也可能將原有的邊緣也平滑了，造成某些邊緣無法檢測到，比外高斯分布因子 的選擇對圖像邊緣檢測效果有較大的影響， 越大，檢測? ?到的圖像細(xì)節(jié)越豐富，但抗噪能力下降，從而出現(xiàn)偽邊緣，反之則抗噪能力提9高，但邊緣精度下降，易丟失許多真邊緣，因此，對于不同圖像應(yīng)選擇不同參數(shù)。, 39。GUI 對于我們是一個新的知識，通過各方面的學(xué)習(xí)，我們最終對 GUI 也有了比較深的了解，能夠很順利的應(yīng)用 GUI 來設(shè)計出適合并且美觀的界面。, gui_Singleton, ... 39。,0)。Pick an image39。*.jpeg39。)。 % 建立X方向的模板I = im2double(A)。imshow(A)。 % 顯示分割后的圖像即邊緣圖像title(39。 % 將圖像數(shù)據(jù)轉(zhuǎn)化為雙精度dx = imfilter(I, x_mask)。title(39。)。axes()。)。 % 計算Y方向的梯度分量grad = sqrt(dx.*dx + dy.*dy)。)22 function m_priwit