Matlab實現(xiàn)圖像邊緣檢測
發(fā)布日期:2021-12-19 09:46 | 文章來源:站長之家
為了在一幅圖像 f 的(x,y)位置尋找邊緣的強度和方向,所選擇的工具就是梯度,梯度使用向量來表示:
該向量指出了圖像 f 在位置(x,y)處的最大變化率的方向,梯度向量的大小表示為:
它是梯度向量方向變化率的值。
梯度向量的方向表示為:
梯度算子
roberts算子:
sobel算子:
prewitt算子:
Matlab實現(xiàn)
function output = my_edge(input_img,method) if size(input_img,3)==3 input_img=rgb2gray(input_img); end input_img=im2double(input_img); sobel_x=[-1,-2,-1;0,0,0;1,2,1]; sobel_y=[-1,0,1;-2,0,2;-1,0,1]; prewitt_x=[-1,-1,-1;0,0,0;1,1,1]; prewitt_y=[-1,0,1;-1,0,1;-1,0,1]; psf=fspecial('gaussian',[5,5],1); input_img=imfilter(input_img,psf);%高斯低通濾波,平滑圖像,但可能會使圖像丟失細節(jié) input_img=medfilt2(input_img); %中值濾波消除孤立點 [m,n]=size(input_img); output=zeros(m,n); if nargin==2 if strcmp(method,'sobel') for i=2:m-1 for j=2:n-1 local_img=input_img(i-1:i+1, j-1:j+1); %近似邊緣檢測,加快速度 %output(i,j)=abs(sum(sum(sobel_x.*local_img)))+abs(sum(sum(sobel_x.*local_img))); output(i,j)=sqrt(sum(sum(sobel_x.*local_img))^2+sum(sum(sobel_y.*local_img))^2); end end elseif strcmp(method,'prewitt') for i=2:m-1 for j=2:n-1 local_img=input_img(i-1:i+1, j-1:j+1); output(i,j)=sqrt(sum(sum(prewitt_x.*local_img))^2+sum(sum(prewitt_y.*local_img))^2); end end else errordlg('maybe you should input sobel or prewitt'); end else %如果不輸入算子的名稱,默認使用roberts算子進行邊緣檢測 for i=1:m-1 for j=1:n-1 output(i,j)=abs(input_img(i,j)-input_img(i+1,j+1))+ ... abs(input_img(i+1,j)-input_img(i,j+1)); end end end output=imadjust(output);%使邊緣圖像更明顯 thresh=graythresh(output);%確定二值化閾值 output=bwmorph(im2bw(output,thresh),'thin',inf);%強化細節(jié) end
代碼效果:
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持本站。
版權(quán)聲明:本站文章來源標注為YINGSOO的內(nèi)容版權(quán)均為本站所有,歡迎引用、轉(zhuǎn)載,請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站,禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像,否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來,僅供學(xué)習(xí)參考,不代表本站立場,如有內(nèi)容涉嫌侵權(quán),請聯(lián)系alex-e#qq.com處理。
相關(guān)文章