1、i=imread(light.jpg);k=rgb2y(i);%获取h分量,即亮度分量根据边缘的定义,边缘检测的目的是标识数字图像中亮度变化明显的点。(参考维基百科);又根据公式Brightness = 0.3 * R + 0.6 * G + 0.1 * B;计算出亮度分量y;function k=rgb2y(z)%i必须为rgb三维矩阵m,n,p=size(z);k=zeros(m,n);z=double(z);for i=1:m for j=1:n k(i,j)=0.3*z(i,j,1)+0.6*z(i,j,2)+0.1*z(i,j,3); endendfunction j=gaosi(i
2、);%i必须为二维double矩阵j=i;h,w=size(i);for m=2;h-1 for n=2:w-1 j(m,n)=(i(m,n-1)+2*i(m,n)+i(m,n+1)/4;%横向高斯滤波利用上面自定义的gaosi函数对图像进行二维3x3滤波,k1=gaosi(k);%横向滤波k1=k1;%对图像进行转置,为下一步纵向滤波作准备(纵向滤波=转置后横向滤波)k1=gaosi(k1);%还原利用上式,易知p,q分别为计算出的横向、纵向的微分近似,由此再计算出梯度的大小和方向。%计算梯度的大小和方向h,w=size(k);for m=2: zz1=k1(m,n-1)+k1(m+1,n-
3、1); zz2=k1(m,n)+k1(m+1,n); zz3=k1(m,n-1)+k1(m,n); zz4=k1(m+1,n-1)+k1(m+1,n); kp(m,n)=0.5*(zz2-zz1); kq(m,n)=0.5*(zz3-zz4); kfu(m,n)=sqrt(kp(m,n)2)+(kq(m,n)2);%梯度大小 kjiao(m,n)=atan(kq(m,n)/(kp(m,n)+0.001);%梯度方向,0.001防止分母为01.先将梯度方向归类为四个主要方向,左右、上下、左斜、右斜。%非极大值抑制%首先将梯度方向划分为4个方向0,45,90,135(以及他们的反向延长线) if
4、kjiao(m,n)=3/8*pi kjiao(m,n)=2; else if kjiao(m,n)=1/8*pi kjiao(m,n)=1; else if kjiao(m,n)=-1/8*pi kjiao(m,n)=0;=-3/8*pi kjiao(m,n)=3; else kjiao(m,n)=2; end end根据划分后的4个方向,判断该点是否是8邻域的局部最大值(梯度方向),比如,梯度方向为左右方向的点,判断其是否比左右两点的值来的大,如果不是,使该点的值为0.%按照各个方向分别判断k2=k1; if kjiao(m,n)=0 if k1(m,n)k1(m,n-1)&k1(m,n)
5、k1(m,n+1); else k2(m,n)=0; end end if kjiao(m,n)=1k1(m+1,n-1)&k1(m-1,n+1); if kjiao(m,n)=2k1(m-1,n)&k1(m+1,n); if kjiao(m,n)=3k1(m-1,n-1)&k1(m+1,n+1);用两个阈值t1和t2(t2t1,一般取t2=2*t1),我们把梯度值小于t1的像素的灰度设为0,得到图像1,然后我们把梯度值小于t2的像素的灰度设为0,得到图像2。由于图像2的阈值较高,噪音较少(但同时也损失了有用的边缘信息,而图像1的阈值较低,保留了较多信息,因此我们可以以图像2为基础,以图像1为
6、补充来连接图像的边缘。%两次阈值分割k3=k2;%以t1为阈值分割后的矩阵k4=k2;%以t2为阈值分割后的矩阵t1=50;t2=2*t1; if kfu(m,n)t1 k3(m,n)=0;t2 k4(m,n)=0;a.扫描图像2,当我们遇到一个非零值的像素p时(跟踪以p为开始点的轮廓线直到该轮廓线的终点q;b.在图像1中,考察与图像2中p点位置对应的点p的8邻域,如果在p点的8邻域中有非零像素q存在,将其包括到图像2中,作为点r,从r开始(重复第a步,直到我们在图像1和图像2中都无法继续为止;c.我们已经结束了对包含p的轮廓线的连接,将这条轮廓标记为已访问过,回到第a步,寻找下一条轮廓线,重
7、复第(a)(b)(c)步直到图像2中再也找不到新轮廓线为止.findline.m:function ff,flag1=findline(k3,k4,flag,m,n)flag1=flag; m1=m+1;n1=n+1; while(m=m1|n=n1)%若m和n都不发生变化,表明line已到终点 flagg=0; for i=1:3 if(flagg=1) break; end for j=1: if k3(m-2+i,n-2+j)=0 k4(m-2+i,n-2+j)=255; m1=m-2+i;n1=n-2+j;%新的m,n点 flag1(m,n)=1;%标记已检测过 flagg=1;bre
8、ak; end m=m1;n=n1; ff=k4;主函数里写上:figure;subplot(221);imshow(i);title(原图像subplot(222);imshow(k3,);阈值为50的分割图像subplot(223);imshow(k4,);阈值为100的分割图像flag=zeros(h,w);%标记该点是否以检测过,1表示检测过 if k4(m,n)=0&flag(m,n)=0 k4,flag=findline(k3,k4,flag,m,n);end subplot(224);修正后的分割图像至此,程序完成。效果如下:至于程序中阈值的求取,大家自己定义就好了。希望前辈们能给点学习图像处理的经验,谢谢了。
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1