【導(dǎo)讀】圖像處理就是對圖像信息加工以滿足人的視覺心理或應(yīng)用需求的方法。理方法有光學(xué)方法和電子學(xué)方法。設(shè)備對圖像信息轉(zhuǎn)換而得到的電信號進(jìn)行某些數(shù)學(xué)處理以提高圖像的實(shí)用性。它利用圖像一階倒數(shù)的極值或二階倒數(shù)的過零點(diǎn)信息來提取邊緣。算子，二階微分laplacian算子及Canny算子。通過實(shí)例圖像對不同邊緣檢測算。法的效果進(jìn)行分析，比較了不同算法的特點(diǎn)和適用范圍。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)。圖像邊緣是圖像最基本的特征之一往往攜帶著一幅圖像的大部分信息。給出了圖像輪廓的位置。部分，同時(shí)邊緣也是不同區(qū)域的分界處。我們進(jìn)行高層次的特征描述、識別和理解等有著重大的影響。和解決如何構(gòu)造出具有良好性質(zhì)及好的效果的邊緣檢測算子的問題。這兩種算子對噪聲都有一定的抑制作用,但不能完全排除檢測結(jié)果中出現(xiàn)。虛假邊緣的情況。這兩者對灰度漸變低噪聲的圖像有較好的檢測效果,但是對于

　　

【正文】 % hObject handle to m_file_exit (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % function m_image_Callback(hObject, eventdata, handles) % hObject handle to m_image (see GCBO) % eventdata reserved to be defined in a future version of MATLAB 26 % handles structure with handles and user data (see GUIDATA) % function m_sobel_Callback(hObject, eventdata, handles) axes()。%用 axes命令設(shè)定當(dāng)前操作的坐標(biāo)軸是 axes_src img_src=getappdata(,39。img_src39。)。 A=img_src。 axes()。 imshow(A)。title(39。原圖 39。)。 y_mask = [1 2 1。0 0 0。1 2 1]。 % 建立 Y方向的模板 x_mask = y_mask39。 % 建立 X方向的模板 I = im2double(A)。 % 將圖像數(shù)據(jù)轉(zhuǎn)化為雙精度 dx = imfilter(I, x_mask)。 % 計(jì)算 X方向的梯度分量 dy = imfilter(I, y_mask)。 % 計(jì)算 Y方向的梯度分量 grad = sqrt(dx.*dx + dy.*dy)。 % 計(jì)算梯度 grad = mat2gray(grad)。 % 將梯度矩陣轉(zhuǎn)換為灰度圖像 level = graythresh(grad)。 % 計(jì)算灰度閾值 axes()。 BW = im2bw(grad,level)。 % 用閾值分割梯度圖像 imshow(BW)。 % 顯示分割后的圖像即邊緣圖像 title(39。Sobel39。) % hObject handle to m_sobel (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % 27 function m_Roberts_Callback(hObject, eventdata, handles) img_src=getappdata(,39。img_src39。)。 A=img_src。 axes()。 imshow(A)。title(39。原圖 39。)。 x_mask = [1 0。0 1]。 % 建立 X方向的模板 y_mask = rot90(x_mask)。 % 建立 Y方向的模板 I = im2double(A)。 % 將圖像數(shù)據(jù)轉(zhuǎn)化為雙精度 dx = imfilter(I, x_mask)。 % 計(jì)算 X方向的梯度分量 dy = imfilter(I, y_mask)。 % 計(jì)算 Y方向的梯度分量 grad = sqrt(dx.*dx + dy.*dy)。 % 計(jì)算梯度 grad = mat2gray(grad)。 % 將梯度矩陣轉(zhuǎn)換為灰度圖像 level = graythresh(grad)。 % 計(jì)算灰度閾值 axes()。 BW = im2bw(grad,level)。 % 用閾值分割梯度圖像 imshow(BW)。 % 顯示分割后的圖像即邊緣圖像 title(39。Roberts39。) % hObject handle to m_Roberts (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % function m_priwitt_Callback(hObject, eventdata, handles) img_src=getappdata(,39。img_src39。)。 A=img_src。 axes()。 28 imshow(A)。title(39。原圖 39。)。 y_mask = [1 1 1。0 0 0。1 1 1]。 % 建立 Y方向的模板 x_mask = y_mask39。 % 建立 X方向的模板 I = im2double(A)。 % 將圖像數(shù)據(jù)轉(zhuǎn)化為 雙精度 dx = imfilter(I, x_mask)。 % 計(jì)算 X方向的梯度分量 dy = imfilter(I, y_mask)。 % 計(jì)算 Y方向的梯度分量 grad = sqrt(dx.*dx + dy.*dy)。 % 計(jì)算梯度 grad = mat2gray(grad)。 % 將梯度矩陣轉(zhuǎn)換為灰度圖像 level = graythresh(grad)。 % 計(jì)算灰度閾值 axes()。 BW = im2bw(grad,level)。 % 用閾值分割梯度 圖像 imshow(BW)。 % 顯示分割后的圖像即邊緣圖像 title(39。Prewitt39。) % hObject handle to m_priwitt (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % function m_lapacian_Callback(hObject, eventdata, handles) img_src=getappdata(,39。img_src39。)。 A=img_src。 axes()。 imshow(A)。title(39。原圖 39。)。 mask=[0,1,0。1,4,1。0,1,0]。 % 建立模板 I = im2double(A)。 % 將數(shù)據(jù)圖像轉(zhuǎn)化為雙精度 dx = imfilter(I, mask)。 % 計(jì)算梯度矩陣 grad = mat2gray(dx)。 % 將梯度矩陣轉(zhuǎn)化為灰度圖像 29 axes()。 BW = im2bw(grad,)。 % 用閾值分割梯度圖像 imshow(BW)。 % 顯示分割后的圖像，即梯度圖像 title(39。Laplacian39。) % hObject handle to m_lapacian (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % function m_canny_Callback(hObject, eventdata, handles) img_src=getappdata(,39。img_src39。)。 I=img_src。 axes()。 imshow(I)。title(39。原圖 39。)。 I=rgb2gray(I)。 axes()。 BW = edge(I,39。canny39。)。 % 調(diào)用 canny函數(shù) imshow(BW)。 % 顯示分割后的圖像，即梯度圖像 title(39。canny39。)。 % hObject handle to m_canny (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)