圖像邊緣檢測課程設(shè)計(編輯修改稿)
2024-10-04 13:49 本頁面
【文章內(nèi)容簡介】 性算子可以在抗噪聲干擾和精確定位之間提供最佳折衷方案，它就是高斯函數(shù)的一階導(dǎo)數(shù)。 通過分析可知，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 7 法檢測和連接邊緣，邊緣的連續(xù)性較好。 8 三、 詳細(xì)設(shè)計過程 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 。 這三種檢測算子 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，線邊緣檢測要好于點(diǎn)邊緣檢測?？傮w 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 。 由于 Roberts 算子是利用圖像的兩個對角線的相鄰像素之差進(jìn)行梯度幅值的檢測，所以求得的是在差分點(diǎn)處梯度幅值的近似值，并且檢測水平和垂直方向邊緣的性能好于斜線方向的邊緣，檢測精度比較高，但容易丟失一部分邊緣，同時由于沒經(jīng)過圖像平滑計算，因此不能抑制噪聲，但該算子對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現(xiàn)的，所以圖像產(chǎn)生了一定的模糊，而且還會檢測出一些偽邊緣，所以檢測精度比較低，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算子的不同之處在于，它使用 2 種不同的閾值分別檢測強(qiáng)邊緣和弱邊緣，并且僅當(dāng)弱邊緣相連時才將弱邊緣包含 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”更容易檢測出真正的弱邊緣。通過對 lena 圖的仿真實驗結(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。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)。 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)。 Prewitt 算子：對噪聲有平滑作用，檢測出的邊緣比較粗，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，對圖像中的階躍性邊緣點(diǎn)定位準(zhǔn)確，對噪聲非常敏感，丟失一部分邊緣的方向信息，造成一些不連續(xù)的檢測邊緣。 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。 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 算子圖像邊緣檢測截圖如圖（ 4）所示 圖（ 4） Prewitt 算子圖像邊緣檢測截圖如圖（ 5）所示 圖（ 5） 12 Sobel 算子圖像邊緣檢測如圖（ 6）所示 圖（ 6） Laplacian 算子 圖像 邊緣檢測如圖（ 7）所示 圖（ 7） 13 Canny 算子圖 像邊緣檢測如圖（ 8）所示 圖（ 8） 14 六、 簡單操作手冊 本系統(tǒng)主要是對圖像邊緣檢測中一階微分算子，二階微分算子等的實現(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)計總結(jié) 雖然這次 課程設(shè)計 只有二個星期的時間，但是我們對圖像處理的各種方法及應(yīng)用有了更深的理解，學(xué)會了應(yīng)用 MATLAB 軟件及 GUI 來實現(xiàn)界面的操作和編程處理。 MATLAB 是我們在以前和以后的學(xué)習(xí)工作中都會經(jīng)常應(yīng) 用到的軟件，但是在以前還是對其了解不足，操作不是很了解，在實習(xí)之初便因為這個問題而無從下手。于是我們尋找了許多
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1