基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像邊緣提取算法研究畢業(yè)設(shè)計-資料下載頁
2025-06-27 20:46本頁面
【正文】 報。附 錄二值圖像的CNN邊緣提取程序clear allI=imread(39。39。)。 %讀入一幅灰度圖像level=graythresh(I)。 %使用最大類間方差法（Otsu）獲得閾值BW=im2bw(I,level)。 %灰度圖像轉(zhuǎn)成二值圖像[c,d]=size(BW)。 %讀出矩陣的行列x=zeros(c,d)。m=zeros(c+2,d+2)。 for i=2:c+1 for j=2:d+1 m(i,j)=BW(i1,j1)。 end endcirclenumber=0。 judge=0。while judge==0 circlenumber=circlenumber+1。 for i=1:c, for j=1:d, if x(i,j)=1 f(i,j)=1。 elseif x(i,j)=1 f(i,j)=1。 else f(i,j)=x(i,j)。 end y(i,j)=f(i,j)。 end endfor i=1:c for j=1:d xn(i,j)=+2*y(i,j)+8*m(i+1,j+1)m(i,j)m(i,j+1)m(i,j+2)m(i+1,j)m(i+1,j+2)m(i+2,j)m(i+2,j+1)m(i+2,j+2)。 end endfor i=1:c for j=1:d if abs(xn(i,j))1 judge=0。 else judge=1。 end endend for i=1:c for j=1:d x(i,j)=xn(i,j)。 end end endfor i=1:c for j=1:d if x(i,j)=1 a(i,j)=1。 elseif x(i,j)=1 a(i,j)=0。 end end endfiguresubplot(1,2,1),imshow(BW)。xlabel(39。(a)原始圖像39。)。subplot(1,2,2),imshow(a)。xlabel(39。(b)CNN39。)二值圖像的CNN和傳統(tǒng)方法的邊緣提取程序clear all。B=imread(39。39。)。 %讀入圖片I=double(B)。BW1=edge(I,39。sobel39。)。BW2=edge(I,39。roberts39。)。BW3=edge(I,39。prewitt39。)。BW4=edge(I,39。log39。)。BW5=edge(I,39。canny39。)。[c,d]=size(B)。x=zeros(c,d)。m=zeros(c+2,d+2)。 for i=2:c+1 for j=2:d+1 m(i,j)=B(i1,j1)。 end endcirclenumber=0。 % circlenumber是細(xì)胞神經(jīng)網(wǎng)絡(luò)要循環(huán)的次數(shù)judge=0。 %judge是判斷網(wǎng)絡(luò)穩(wěn)定的標(biāo)志，0是網(wǎng)絡(luò)未達(dá)到穩(wěn)定的標(biāo)志，1表示網(wǎng)絡(luò)已經(jīng)穩(wěn)定了。 %當(dāng)所有的狀態(tài)x(i,j)的絕對值都大于1的時候，就認(rèn)為網(wǎng)絡(luò)趨于穩(wěn)定 % 下面是計算過程，直接迭代到完全收斂while judge==0 circlenumber=circlenumber+1。 for i=1:c, for j=1:d, if x(i,j)=1 elseif x(i,j)=1 f(i,j)=1。 else f(i,j)=x(i,j)。 end y(i,j)=f(i,j)。 end endfor i=1:c for j=1:d xn(i,j)=+2*y(i,j)+8*m(i+1,j+1)m(i,j)m(i,j+1)m(i,j+2)m(i+1,j)m(i+1,j+2)m(i+2,j)m(i+2,j+1)m(i+2,j+2)。 end endfor i=1:c for j=1:d if abs(xn(i,j))1 judge=0。 else judge=1。 end end end for i=1:c for j=1:d x(i,j)=xn(i,j)。 end end endfor i=1:c for j=1:d if x(i,j)=1 b(i,j)=1。 elseif x(i,j)=1 b(i,j)=0。 end end endfigure(1)subplot(2,2,1),imshow(B)xlabel(39。(a)原圖39。)subplot(2,2,2),imshow(BW1)xlabel(39。(b)Sobel39。)subplot(2,2,3),imshow(BW2)xlabel(39。(c)Roberts39。)subplot(2,2,4),imshow(BW3)xlabel(39。(d)Prewitt39。)figure(2)subplot(2,2,1),imshow(BW4)xlabel(39。(e)Log39。)subplot(2,2,2),imshow(BW5)xlabel(39。(f)Canny39。)subplot(2,2,3),imshow(b)。xlabel(39。(g)CNN39。)灰度圖像的CNN和傳統(tǒng)方法的邊緣提取程序RGB=imread(39。39。)。 %讀入彩色圖片 I=rgb2gray(RGB)。 %彩色轉(zhuǎn)化成灰度圖 F=double(I)。BW1=edge(F,39。sobel39。)。BW2=edge(F,39。roberts39。)。BW3=edge(F,39。prewitt39。)。BW4=edge(F,39。log39。)。BW5=edge(F,39。canny39。)。[c,d]=size(I)。 x=zeros(c,d)。 for i=1:c for j=1:d n(i,j)=double(I(i,j))/255。 s(i,j)=2*(n(i,j))。 end end z=。 circlenumber=0。 % circlenumber是細(xì)胞神經(jīng)網(wǎng)絡(luò)要循環(huán)的次數(shù) judge=0。 %judge 是判斷網(wǎng)絡(luò)穩(wěn)定的 標(biāo)志，0 是網(wǎng)絡(luò)未達(dá)到穩(wěn)定的標(biāo)志，1表示網(wǎng)絡(luò)已經(jīng)穩(wěn)定了。%當(dāng)所有的狀態(tài)x(i,j)的絕對值都大于1的時候，就認(rèn)為網(wǎng)絡(luò)趨于穩(wěn)定 % 下面是計算過程，直接迭代到完全收斂 while judge==0 circlenumber=circlenumber+1。 for i=2:c1 % 首先求各個輸出的值for j=2:d1 if x(i,j)=1 % 求f(x(i,j））的值,設(shè)置為f(i,j) f(i,j)=1。 elseif x(i,j)=1 f(i,j)=1。 else f(i,j)=x(i,j)。 end y(i,j)=f(i,j)。endend for i=2:c1 for j=2:d1 xn(i,j)=z+4*y(i,j)+16*s(i,j)2*s(i1,j1)2*s(i1,j)2*s(i1,j+1)2*s(i,j1)2*s(i,j+1)2*s(i+1,j1)2*s(i+1,j)2*s(i+1,j+1)。 end end %判斷是不是已經(jīng)全部收斂了，如果全部收斂了，就置judge為1judge=1。for i=2:c1 for j=2:d1 if abs(xn(i,j))1 judge=0。 end end end for i=2:c1 for j=2:d1 x(i,j)=xn(i,j)。 end end endfor i=2:c1 for j=2:d1 if x(i,j)=1 a(i,j)=0。elseif x(i,j)=1 a(i,j)=1。 end end end figure(1)subplot(2,2,1),imshow(RGB),xlabel(39。（a）彩色圖39。)。subplot(2,2,2),imshow(I),xlabel(39。(b)灰度圖39。)。 subplot(2,2,3),imshow(BW1)xlabel(39。(c)Sobel39。)。subplot(2,2,4),imshow(BW2)xlabel(39。(d)Roberts39。)。figure(2)subplot(2,2,1),imshow(BW3)xlabel(39。(e)Prewitt39。)。subplot(2,2,2),imshow(BW4)xlabel(39。(f)Log39。)。subplot(2,2,3),imshow(BW5)xlabel(39。(g)Canny39。)。subplot(2,2,4),imshow(a),xlabel(39。(h)CNN39。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1