【導讀】基于MATLAB的數(shù)字圖像分析與邊緣檢測。將圖像數(shù)字化，即易于獲得某種預期結(jié)果的技術(shù)，其中邊緣檢測是圖像處理。中必不可少的一步，采用微分算子檢測邊緣是最常用的，也是處理效果比較。理主要研究領(lǐng)域中邊緣檢測的方法，并利用MATLAB圖像處理工具箱提供的。函數(shù)處理圖片，對圖像進行邊緣檢測，給出了各種算子檢測邊緣的結(jié)果并進

　　

【正文】 I,[200,255],39。nearest39。)。%圖像縮小 figure,imshow(I1),title(39。縮小圖 39。)。 I2=imrotate(I1,40,39。nearest39。)。%圖像旋轉(zhuǎn) figure,imshow(I2),title(39。40176。旋轉(zhuǎn)圖 39。)。 figure。 I3=imcrop(I1)。%圖像剪切 I4=imcrop(I1,[100 80,50,60])。 subplot(1,2,1),imshow(I3),title(39。交互式剪切圖 39。)。%交互式剪切 subplot(1,2,2),imshow(I4),title(39。非交互式剪切圖 39。)。%非交互式剪切 H=rgb2gray(I1)。%將 RGB圖像轉(zhuǎn)化了灰度圖像 figure,imshow(H),title(39?；叶葓D 39。)。 I5=imadjust(H,[],[ ])。%灰度圖像亮度調(diào)整 figure,imshow(I5),title(39。亮度調(diào) 整圖 39。)。 subplot(1,2,1),imshow(H),title(39。灰度圖 39。)。 subplot(1,2,2),imshow(I5),title(39。亮度調(diào)整圖 39。)。 figure。 J=histeq(H)。%均衡化 subplot(2,2,1),imshow(H),title(39?；叶葓D 39。)。 subplot(2,2,2),imshow(J),title(39。亮度均衡圖 39。)。 subplot(2,2,3),imhist(H),title(39?；叶戎狈綀D 39。)。 subplot(2,2,4),imhist(J),title(39。亮度均衡直方圖 39。)。 figure。 I6=imnoise(H,39。salt amp。 pepper39。,)。%加入椒鹽噪聲 subplot(1,2,1),imshow(H),title(39。灰度圖 39。)。 30 subplot(1,2,2),imshow(I6),title(39。加椒鹽噪聲后的圖 39。)。 figure。 I7=imnoise(H,39。gaussian39。,)。%加入高斯噪聲 subplot(1,2,1),imshow(I6),title(39。加椒鹽噪聲后的圖 39。)。 subplot(1,2,2), imshow(I7),title(39。加高斯噪聲后的圖 39。)。 figure。 h=ones(3,3)/9。%產(chǎn)生濾波模板 B=conv2(double(I6),h)。%椒鹽噪聲圖的均值濾波 K=medfilt2(I6)。%椒鹽噪聲圖的中指濾波 B1=conv2(double(I7),h)。%高斯噪聲圖的均值濾波 K1=medfilt2(I7)。%高斯噪聲圖的中指濾波 subplot(2,2,1),imshow(B,[]),title(39。加椒鹽噪聲均值濾波后的圖 39。)。 subplot(2,2,2), imshow(K),title(39。加椒鹽噪聲中指濾波后的圖 39。)。 subplot(2,2,3),imshow(B1,[]),title(39。加高斯噪聲均值濾波后的圖 39。)。 subplot(2,2,4), imshow(K1),title(39。加高斯噪聲中指濾波后的圖 39。)。 figure。 BW1=edge(H,39。sobel39。)。%用 sobel進行邊緣檢測 BW2=edge(H,39。roberts39。)。%用“ roberts”進行邊緣檢測 BW3=edge(H,39。prewitt39。)。%用“ prewitt” 進行邊緣檢測 BW4=edge(H,39。log39。)。%用“ log”進行邊緣檢測 BW5=edge(H,39。canny39。)。%用“ canny”進行邊緣檢測 h=fspecial(39。gaussian39。,5)。 BW6=edge(H,39。canny39。)。 subplot(2,3,1),imshow(BW1),title(39。soble edge check39。)。 subplot(2,3,2),imshow(BW2),title(39。roberts edge check39。)。 subplot(2,3,3),imshow(BW3),title(39。prewitt edge check39。)。 subplot(2,3,4),imshow(BW4),title(39。log edge check39。)。 subplot(2,3,5),imshow(BW5),title(39。canny edge check39。)。 subplot(2,3,6),imshow(BW6),title(39。gaussianamp。canny edge check39。)。 I=imread(39。39。)。%讀入圖像 31 figure,imshow(I),title(39。原圖 39。)。 I1=imresize(I,[200,255],39。nearest39。)。%圖像縮小 figure,imshow(I1),title(39?？s小圖 39。)。 I2=imrotate(I1,40,39。nearest39。)。%圖像旋轉(zhuǎn) figure,imshow(I2),title(39。40176。旋轉(zhuǎn)圖 39。)。 figure。 I3=imcrop(I1)。%圖像剪切 I4=imcrop(I1,[100 80,50,60])。 subplot(1,2,1),imshow(I3),title(39。交互式剪切圖 39。)。%交互式剪切 subplot(1,2,2),imshow(I4),title(39。非交互式剪切圖 39。)。%非交互式剪切 H=rgb2gray(I1)。%將 RGB圖像轉(zhuǎn)化了灰度圖像 figure,imshow(H),title(39。灰度圖 39。)。 I5=imadjust(H,[],[ ])。%灰度圖像亮度調(diào)整 figure,imshow(I5),title(39。亮度調(diào)整圖 39。)。 subplot(1,2,1),imshow(H),title(39。灰度圖 39。)。 subplot(1,2,2),imshow(I5),title(39。亮度調(diào)整圖 39。)。 figure。 J=histeq(H)。%均衡化 subplot(2,2,1),imshow(H),title(39?；叶葓D 39。)。 subplot(2,2,2),imshow(J),title(39。亮度均衡圖 39。)。 subplot(2,2,3),imhist(H),title(39?；叶戎狈綀D 39。)。 subplot(2,2,4),imhist(J),title(39。亮度均衡直方圖 39。)。 figure。 I6=imnoise(H,39。salt amp。 pepper39。,)。%加入椒鹽噪聲 subplot(1,2,1),imshow(H),title(39?；叶葓D 39。)。 subplot(1,2,2),imshow(I6),title(39。加椒鹽噪聲后的圖 39。)。 figure。 I7=imnoise(H,39。gaussian39。,)。%加入高斯噪聲 subplot(1,2,1),imshow(I6),title(39。加椒鹽噪聲后的圖 39。)。 subplot(1,2,2), imshow(I7),title(39。加高斯噪聲后的圖 39。)。 32 figure。 h=ones(3,3)/9。%產(chǎn)生濾波模板 B=conv2(double(I6),h)。%椒鹽噪聲圖的均值濾波 K=medfilt2(I6)。%椒鹽噪聲圖的中指濾波 B1=conv2(double(I7),h)。%高斯噪聲圖的均值濾波 K1=medfilt2(I7)。%高斯噪聲圖的中指濾波 subplot(2,2,1),imshow(B,[]),title(39。加椒鹽噪聲均值濾波后的圖 39。)。 subplot(2,2,2), imshow(K),title(39。加椒鹽噪聲中指濾波后的圖 39。)。 subplot(2,2,3),imshow(B1,[]),title(39。加高斯噪聲均值濾波后的圖 39。)。 subplot(2,2,4), imshow(K1),title(39。加高斯噪聲中指濾波后的圖 39。)。 figure。 BW1=edge(H,39。sobel39。)。%用 sobel進行邊緣檢測 BW2=edge(H,39。roberts39。)。%用“ roberts”進行邊緣檢測 BW3=edge(H,39。prewitt39。)。%用“ prewitt”進行邊緣檢測 BW4=edge(H,39。log39。)。%用“ log”進行邊緣檢測 BW5=edge(H,39。canny39。)。%用“ canny”進行邊緣檢測 h=fspecial(39。gaussian39。,5)。 BW6=edge(H,39。canny39。)。 subplot(2,3,1),imshow(BW1),title(39。soble edge check39。)。 subplot(2,3,2),imshow(BW2),title(39。roberts edge check39。)。 subplot(2,3,3),imshow(BW3),title(39。prewitt edge check39。)。 subplot(2,3,4),imshow(BW4),title(39。log edge check39。)。 subplot(2,3,5),imshow(BW5),title(39。canny edge check39。)。 subplot(2,3,6),imshow(BW6),title(39。gaussianamp。canny edge check39。)。 figure。 I8=dct2(H)。%對原圖進程 DCT subplot(1,2,1),imshow(H),title(39。 原圖 39。)。 subplot(1,2,2), imshow(I8),title(39?？焖俑道锶~變換后的圖 39。)。 figure。 E=im2bw(H,)。 33 E1=im2bw(I1,)。 subplot(1,2,1),imshow(E),title(39?；叶葓D像轉(zhuǎn)換為二值圖像 39。)。 subplot(1,2,2),imshow(E1),title(39。彩色圖像轉(zhuǎn)換為二值圖像 39。)。 figure。 SE=ones(5,3)。%建立結(jié)構(gòu)元素 E2=imdilate(E,SE)。%膨脹運算 subplot(1,2,1),imshow(E),title(39。二值圖像 39。)。 subplot(1,2,2),imshow(E2),title(39。膨脹圖像 39。)。 figure。 E3=imerode(H,SE)。%腐蝕運算 subplot(1,2,1),imshow(H),title(39?；叶葓D像 39。)。 subplot(1,2,2),imshow(E2),title(39。腐蝕圖像 39。)。 figure。 I8=dct2(H)。%對原圖進程 DCT subplot(1,2,1),imshow(H),title(39。 原圖 39。)。 subplot(1,2,2), imshow(I8),title(39?？焖俑道锶~變換后的圖 39。)。 figure。 E=im2bw(H,)。 E1=im2bw(I1,)。 subplot(1,2,1),imshow(E),title(39?；叶葓D像轉(zhuǎn)換為二值圖像 39。)。 subplot(1,2,2),imshow(E1),title(39。彩色圖像轉(zhuǎn)換為二值圖像 39。)。 figure。 SE=ones(5,3)。%建立結(jié)構(gòu)元素 E2=imdilate(E,SE)。%膨脹運算 subplot(1,2,1),imshow(E),title(39。二值圖像 39。)。 subplot(1,2,2),imshow(E2),title(39。膨脹圖像 39。)。 figure。 E3=imerode(H,SE)。%腐蝕運算 subplot(1,2,1),imshow(H),title(39?；叶葓D像 39。)。 subplot(1,2,2),imshow(E2),title(39。腐蝕圖像 39。)。 34 答 謝 經(jīng)過近一個學期的忙碌，在老師和同學的幫助下我的畢業(yè)論文以成形。 先感謝我的指導老師 王書文老師 及 楊雪松 老師，在此次論文的設(shè)計過程中，他們給了我許多寶貴 的建議，他們 嚴謹求實的治學態(tài)度、高度的敬業(yè)精神 對我產(chǎn)生了重要的影響。 本文是在他們的悉心指導和關(guān)懷下完成的，他們給了我很 大的幫助，解決了很多難題。在這里我再次深表感 謝！ 其次，感謝我的同學，在畢業(yè)設(shè)計中給我提出了很多問題，在一定程度上解決了一些問題 。 最后，對評審論文的各位老師 表示感謝！