Matlab与图像边缘提取.pdf

Matlab与图像边缘提取.pdf

《Matlab与图像边缘提取.pdf》由会员分享，可在线阅读，更多相关《Matlab与图像边缘提取.pdf（2页珍藏版）》请在冰豆网上搜索。

科技信息1、引言1980年，Matlab的首创者CleveMoler博士在NewMexico大学教线性代数课程时，看到了用高级语言编程解决工程计算问题的诸多不便，因而构思开发了Matlab软件。

该软件主要包括Simulink以及功能各异的工具箱组成，以矩阵运算为基础，把计算、可视化、程序设计融合到一个简单易用的交互式工作环境中。

可以实现工程计算、算法研究、符号运算、建模和仿真、原型开发、数据分析和可视化、科学和工程绘图、应用程序设计等功能。

同时，为帮助科学研究，还推出一系列帮助科学分析的工具箱，如图像处理、信号处理、小波、神经网络以及通信等多个不同领域的专用工具箱，极大地方便了不同领域的科学研究工作。

图像处理在Matlab中的应用是由一系列支持图像处理的操作函数组成，如几何操作、区域操作、块操作、滤波、变换、图像分割、图像边缘提取、图像增强等，为便于应用，在该软件中形成图像处理工具包。

图像处理工具包的函数种类很多：

图像显示、图像文件输入与输出、几何操作、像素值统计、图像分析与增强、图像滤波、滤波器、图像变换、图像类型转换等。

该工具包与其它一样，使用者可以根据需要自行编写函数1,2。

2、图像边缘提取理论2.1图像边缘图像边缘对图像识别和计算机分析十分有用，边缘能勾画出目标物体，使观察者目了然；边缘蕴含了丰富的内在信息，是图像识别中重要的图像特征之一。

从本质上说，图像边缘是图像局部特性不连续的反映，它标志着一个区域的终结和另一个区域的开始3。

它存在于目标与背景、目标与目标、区域与区域、基元与基元之间，因此它是图像分割所依赖的重要特征，也是纹理特征的重要信息源和形状特征的基础，而图像的纹理形状特征的提取又常常要依赖于图像分割。

图像边缘提取也是图像匹配的基础，因为它是位置的标志，对灰度的变化敏感，可作为匹配的特征点。

2.2图像边缘分类图像边缘有方向和幅度两个特性。

根据图像的边缘特性可分为阶跃型、房顶型和凸缘型。

阶跃型边缘常常对应目标的深度或反射边界；而后两种反映表面法线方向的不连续。

对于阶跃型边缘，二阶方向导数在边缘处呈零交叉；而后两种，二阶方向导数在边缘处取极值。

2.3边缘的提取为了计算方便起见，通常选择一阶和二阶导数来检测边界，利用求导方法可以很方便地检测到灰度值的不连续效果。

常用的边缘提取算子4如下：

（1）罗伯特（Robert）算子Robert算子是一种利用局部差分算子寻找边缘的算子，如图1。

该算子对具有陡峭的低噪声的图像效果较好。

图1Robert算子

（2）Sobel算子和Prewitt算子（a）（b）图2Prewitt算和Sobel算子为在检测边缘的同时减少噪声的影响，Prewitt从加大边缘检测算子的模板大小出发，由22扩大到33来计算差分算子，如图2（a）。

采用Prewitt算子不仅能检测边缘点,而且能抑制噪声的影响。

Sobel在Prewitt算子的基础上，采用带权的方法计算差分，对应的模板如图2（b）所示。

该算子不仅能检测边缘点，而且能进一步抑制噪声影响，但检测的边缘较宽。

（3）LOG（LaplacianofGaussian）算子拉普拉斯算子是一个线性移不变的算子，它的传递函数在频域空间的原点是零，因此经拉普拉斯滤波过的图像具有零平均灰度。

LOG算子先用高斯低通滤波器将图像进行预先平滑，然后用拉普拉斯算子找出图像中的陡峭边缘，最后用零灰度值进行二值化产生闭合、连通的轮廓，消除了所有内部点。

（4）Canny算子Canny算了检测边缘的方法是寻找图像梯度的局部极大值，梯度是用高斯滤波器的导数计算的。

该方法使用两个阈值来分别检测强边缘和弱边缘，而且仅当弱边缘与强边缘相连时，弱边缘才会包含在输出中。

此方法不容易受噪声的干扰，能够检测到真正的弱边缘。

因此，Canny算子在图像处理中应用越来越广泛。

它依据图像边缘检测最优准则设计算法：

用高斯滤波模板进行卷积以消除噪声；利用导数算子找到图像灰度沿着两个（x,y）方向的偏导数，并求出梯度的大小；利用的结果计算出梯度的方向；知道边缘的方向，就可以把边缘的梯度方向大致分四种：

0、45、90、135方向。

通过梯度的方向，就可以找到这个像素梯度方向的邻接像素；遍历图像，若某个像素的灰度值与其梯度方向上前后两个像素的灰度值相比不是最大的，那么这个像素值为零，即不是边缘；使用累计直方图计算两个阈值，大于高阈值的一定是边缘，小于低阈值的一定不是边缘，介于之间的,看这个像素的邻接像素中有没有超过高阈值的边缘像素，如果有的话那么它就是边缘了，否则它就不是边缘。

（5）零交叉（Zerocross）方法零交叉方法先用指定的滤波器对图像进行滤波，然后寻找零交叉作为边缘。

3、图像边缘提取的分析3.1图像边缘提取函数Matlab中edge函数用于灰度图像边缘的提取，其语法结构4如下：

（1）BW=edge（I,method,thresh,direction）,返回与读取图像I大小一样的二进制图像BW。

1）method表示图像边缘提取所采用的方法，方法如下：

soble缺省值，用导数的Sobel近似值检测边缘，梯度最大点返回边缘；prewitt用导数的Prewitt近似值检测边缘，梯度最大点返回边缘；roberts用导数的Roberts近似值检测边缘，梯度最大点返回边缘；log使用高斯滤波器的拉普拉斯运算对I进行滤波，通过寻找零相交检测边缘；zerocross使用指定的滤波器对I滤波后，寻找零相交检测边缘；canny用导数计算图像的两个阈值，大于高阈值为边缘，小于低阈值为非边缘。

2）thresh表示该图像边缘提取方法所采用的阈值，所有小于阈值的图像边缘都被忽略，缺省时自动选取阈值；3）direction表示所采用方法指定方向，具有方向时才使用。

direction为字符串，其中horizontal表示水平方向，vertical表示垂直方向，both表示两个方向（缺省值）；

（2）BW,thresh=edge（）表示对图像边缘提取所返回的二进制图像和阈值。

Matlab在图像边缘提取中的应用河南城建学院测绘与城市空间信息系柏春岚摘要本文主要研究图像边缘提取，利用Matlab的图像边缘提取函数和算子，进行图像处理与分析，并对结果进行比较，得出各种边缘提取方法的特点。

关键词图像处理边缘提取Matlab100-101-1010-110-110-1111000-1-1-1121000-1-2-110-120-210-1计算机与网络224科技信息题，并在校园的网络中形成固定的使用群体，才能够在学院的网络文化中，慢慢的培养出重要的归属感。

三、面对冲击，我们不能一味的防守，我们应该发掘网络的重要优势，建立新的校园网络战地面对日新月异的网络时代，我们的高等教育工作者要积极走在学生的前面，充当网络文化的领航员。

不能够只是一味的防守，我们应该发掘网络的重要优势。

校园网络文化的健康发展，离不开优秀的校园网站。

校园网不仅是“人机交互”的工具，更是师生交流互动的平台。

在我们跟学生的交流过程中，不少学生反映他们之所以很少上校园网的主要原因，是因为我们目前的校园网没有特色，吸引不了他们的兴趣。

因此我们必须针对现实，加强校园网站的建设。

注释我国逾1亿网民玩过网络游戏.新华网,2008年05月16日第三版新闻张再兴.高校网络思想教育工作的十年历程和启示.选自中国教育,2008年5月11日参考文献1褚峥.校园网络文化功用的实现途径.江苏高教，2004年第01期2田向阳,刘励之.网络时代高校校园文化活动新的求解方式.理论观察，2006年,第03期3史仕羽.我校大学生对学校的认同归属感、责任感及参与校园活动意识的调查与分析.广东医学院学报，2007年04期4包克冰,徐琴美.学校归属感与学生发展的探索研究.心理学探新，2006年,第26卷,第02期（上接第223页）3.2图像的边缘提取图像采用罗伯特算子、拉普拉斯算子、零交叉、Sobel算子、Prewitt算子和Canny算子等方法对其边缘提取，以2000年摄影的珠江三角洲图像为例，编程如下：

（1）编程I=imread（20000502.jpg）;%读取图像I1=im2double（I）;%将彩图序列变成双精度I2=rgb2gray（I1）;%将彩色图变成灰色图thr,sorh,keepapp=ddencmp（den,wv,I2）;I3=wdencmp（gbl,I2,sym4,2,thr,sorh,keepapp）;%小波除噪I4=medfilt2（I3,99）;%中值滤波I5=imresize（I4,0.2,bicubic）;%图像大小BW1=edge（I5,sobel）;%sobel图像边缘提取BW2=edge（I5,roberts）;%roberts图像边缘提取BW3=edge（I5,prewitt）;%prewitt图像边缘提取BW4=edge（I5,log）;%log图像边缘提取BW5=edge（I5,canny）;%canny图像边缘提取h=fspecial（gaussian,5）;%高斯滤波BW6=edge（I5,zerocross,h）;%zerocross图像边缘提取figure;subplot（1,3,1）;%图划分为一行三幅图，第一幅图imshow（I2）;%绘图title（原始图像）;%标注subplot（1,3,2）;%第二幅图imshow（I3）;title（消噪后图像）;subplot（1,3,3）;%第三幅图imshow（I4）;title（中值滤波图像）;figure;subplot（1,3,1）;imshow（BW1）;title（Sobel算子）;subplot（1,3,2）;imshow（BW2）;title（Roberts算子）;subplot（1,3,3）;imshow（BW3）;title（Prewitt算子）;figure;subplot（1,3,1）;imshow（BW4）;title（log算子）;subplot（1,3,2）;imshow（BW5）;title（Canny算子）;subplot（1,3,3）;imshow（BW6）;title（Zerocross）;

（2）结果分析图像采用Sobel算子、Roberts算子、Prewitt算子、LOG算子、Canny算子与零交叉方法等进行边缘提取，仿真如图3、4、5。

图3原始图像与消噪图像图图4三种算子的边缘提取图图5三种算子的边缘提取图从上图中可以看出，Sobel算子对灰度渐变的图像处理效果较好，但是对变化不大的部位处理效果差以及边缘定位不准确；Roberts算子对具有陡峭的低噪声的图像处理效果较好，但是提取的边缘比较粗，因此对边缘的定位不是很准确；Prewitt算子对灰度渐变的图像处理效果较好，但是提取的图像边缘的间断点较多；LOG算子比前面几种方法要好，但是边缘的间断点也较多；Canny方法不容易受噪声干扰，能够检测到真正的弱边缘，原因是它使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，可以将弱边缘包含在输出图像中，但是与原始图像比较，所提取的边缘仍然存在不完整，且有丢失的现象；Zerocross方法提取的边缘与原始图像相比，比较完整，优于其它几种方法。

4、结论采用罗伯特算子、拉普拉斯算子、Sobel算子、Prewitt算子、Canny算子和零交叉方法对图像边缘进行提取，并对这几种方法的结果进行分析与比较，发现零交叉方法对图像边缘的提取优于其它几种方法，能够比较完整的显示图像的整个边缘，这为今后深入研究图像边缘的提取提供了有益的参考和帮助。

同时还表现出Matlab具有强大的图像处理功能，为图像处理技术的深入研究提供有利的工具保障。

参考文献1郝文化主编.Matlab图像图形处理应用教程M.北京：

中国水利水电出版