圖像邊緣檢測(cè)課程設(shè)計(jì)_圖像處理綜合訓(xùn)練(編輯修改稿)
2025-10-03 20:27 本頁面
【文章內(nèi)容簡介】 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 7 法檢測(cè)和連接邊緣，邊緣的連續(xù)性較好。 8 三、 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。這三種檢測(cè)算子的閾值選擇范圍與 log 和 canny 算子相比要小些。邊緣點(diǎn)不夠銳利和明確，線邊緣檢測(cè)要好于點(diǎn)邊緣檢測(cè)?？傮w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。 由于 Roberts 算子是利用圖像的兩 個(gè)對(duì)角線的相鄰像素之差進(jìn)行梯度幅值的檢測(cè)，所以求得的是在差分點(diǎn)處梯度幅值的近似值，并且檢測(cè)水平和垂直方向邊緣的性能好于斜線方向的邊緣，檢測(cè)精度比較高，但容易丟失一部分邊緣，同時(shí)由于沒經(jīng)過圖像平滑計(jì)算，因此不能抑制噪聲，但該算子對(duì)具有陡峭的低噪聲圖像響應(yīng)最好。 Prewitt 算子和 Sobel 算子都是對(duì)圖像進(jìn)行差分和濾波運(yùn)算，僅在平滑部分的權(quán)值選擇上有些差異，因此兩者均對(duì)噪聲具有一定的抑制能力，但這種抗噪能力是通過像素平均來實(shí)現(xiàn)的，所以圖像產(chǎn)生了一定的模糊，而且還會(huì)檢測(cè)出一些偽邊緣，所以檢測(cè)精度比較低，該算子比 較適合用于圖像邊緣灰度值比較尖銳且圖像噪聲比較小的情況。 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。該算子與其它邊緣檢測(cè)算子的不同之處在于，它使用 2 種不同的閾值分別檢測(cè)強(qiáng)邊緣和弱邊緣，并且僅當(dāng)弱邊緣相連時(shí)才將弱邊緣包含在輸出圖像中，因此這種方法較其它方法而言不容易被噪聲“填充”更容易檢測(cè)出真正的弱邊緣。通過對(duì) 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(cè)算子當(dāng)中效果最好。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。 LoG 算子首先通過高斯函數(shù)對(duì)圖像進(jìn)行平滑處理，因此對(duì)噪聲的抑制作用比較明顯，但同時(shí)也可能將原有的邊緣也平滑了，造成某些邊緣無法檢測(cè)到，比外高斯分布因子 ? 的選擇對(duì)圖像邊緣檢測(cè)效果有較大的影響， ? 越大，檢測(cè)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(duì)于不同圖像應(yīng)選擇不同參數(shù)。 Roberts 算子：采用對(duì)角線方向相鄰兩像素之差表示信號(hào)的突變，檢測(cè)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(duì)噪聲敏感，檢測(cè)出的邊緣較細(xì)。 Prewitt 算子：對(duì)噪聲有平滑作用，檢測(cè)出的邊緣比較粗，定位精度低，容易損失角點(diǎn)。 Sobel 算子：產(chǎn)生的邊緣效果較好，對(duì)噪聲具有平滑作用。但存在偽邊緣，邊緣比較粗 且 定位精度低。 Laplacian 算子：是二階微分算子，對(duì)圖像中的階躍性邊緣點(diǎn)定位準(zhǔn)確，對(duì)噪聲非常敏感，丟失一部分邊緣的方向信息，造成一些不連續(xù)的檢測(cè)邊緣。 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。 10 四、 調(diào)試過程中出現(xiàn)的問題及相應(yīng)解決辦法 代碼在運(yùn)行過程中的錯(cuò)誤： [filename, pathname] = uigetfile( ... {39。*.bmp。*.jpg。*.png。*.jpeg39。, 39。Image Files (*.bmp, *.jpg, *.png, *.jpeg)39。 ... 39。*.*39。, 39。All Files (*.*)39。}, ... 39。Pick an image39。)。 axes()。 fpath=[pathname filename]。 此代碼缺少了 imread讀入圖片，因此不能夠正確的運(yùn)行。應(yīng)在代碼后面加入如下代碼： img_src=imread(fpath)。 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()。改為 I=rgb2gray(I)。 11 五、程序運(yùn)行截圖 及其說明 Roberts 算子圖像邊緣檢測(cè)截圖如圖（ 4）所示 圖（ 4） Prewitt 算子圖像邊緣檢測(cè)截圖如圖（ 5）所示 圖（ 5） 12 Sobel 算子圖像邊緣檢測(cè)如圖（ 6）所示 圖（ 6） Laplacian 算子 圖像 邊緣檢測(cè)如圖（ 7）所示 圖（ 7） 13 Canny 算子圖像邊緣檢測(cè)如圖（ 8）所示 圖（ 8） 14 六、 簡單操作手冊(cè) 本系統(tǒng)主要是對(duì)圖像邊緣檢測(cè)中一階微分算子，二階微分算子等的實(shí)現(xiàn)，以Sobel 為例，在程序?qū)崿F(xiàn)的過程中主要步驟有以下幾點(diǎn)： 程序執(zhí)行的初始界面如圖（ 9）所示 圖（ 9） 打開圖象進(jìn)行 Sobel 算子邊緣檢測(cè)界面如圖（ 10）所示 圖（ 10） 經(jīng) Sobel 算子處 理后的圖象如圖（ 11）所示 15 圖（ 11） 退出程序 16 設(shè)計(jì)總結(jié) 雖然這次課程設(shè)計(jì)只有二個(gè)星期的時(shí)間，但是我們對(duì)圖像處理的各種方法及應(yīng)用有了更深的理解，學(xué)會(huì)了應(yīng)用 MATLAB 軟件及 GUI 來實(shí)現(xiàn)界面的操作和編程處理。 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。于是我們尋找了許多這方面的書籍以及應(yīng)用網(wǎng)絡(luò)教程來對(duì)其進(jìn)行學(xué)習(xí)，逐漸的增 強(qiáng)了對(duì) MATL
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1