边缘提取和边缘检测matlab程序代码大全Word文档格式.docx

1、 % 建立Y方向的模板I = im2double（A）; % 将图像数据转化为双精度dx = imfilter（I, x_mask）; % 计算X方向的梯度分量dy = imfilter（I, y_mask）; % 计算Y方向的梯度分量grad = sqrt（dx.*dx + dy.*dy）; % 计算梯度grad = mat2gray（grad）; % 将梯度矩阵转换为灰度图像level = graythresh（grad）; % 计算灰度阈值BW = im2bw（grad,level）; % 用阈值分割梯度图像subplot（2,4,2）;imshow（BW）; % 显示分割后的图像即边缘

2、图像Robertsy_mask = -1 -2 -1;0 0 0;1 2 1; x_mask = y_mask;subplot（2,4,3）;Sobely_mask = -1 -1 -1;1 1 1;subplot（2,4,4）;Prewittmask=0,-1,0;-1,4,-1;0,-1,0; % 建立模板dx = imfilter（I, mask）; % 计算梯度矩阵grad = mat2gray（dx）; % 将梯度矩阵转化为灰度图像BW = im2bw（grad,0.58）;subplot（2,4,5）; % 显示分割后的图像，即梯度图像Laplacianmask=0,0,-1,0,

3、0;0,-1,-2,-1,0;-1,-2,16,-2,-1;0,0,-1,0,0;subplot（2,4,6）;logBW1 = edge（I,canny % 调用canny函数subplot（2,4,7）;imshow（BW1）;Cannymask1=-1 -2 -1; % 建立方向模板mask2=-2 -1 0;-1 0 1;0 1 2;mask3=-1 0 1;-2 0 2;-1 0 1;mask4=0 1 2;-2 -1 0;mask5=1 2 1;-1 -2 -1;mask6=2 1 0;1 0 -1;0 -1 -2;mask7=1 0 -1;2 0 -2;1 0 -1;mask8=

4、0 -1 -2;2 1 0;d1 = imfilter（I, mask1）; % 计算8个领域的灰度变化d2 = imfilter（I, mask2）;d3 = imfilter（I, mask3）;d4 = imfilter（I, mask4）;d5 = imfilter（I, mask5）;d6 = imfilter（I, mask6）;d7 = imfilter（I, mask7）;d8 = imfilter（I, mask8）;dd = max（abs（d1）,abs（d2）; % 取差值变化最大的元素组成灰度变化矩阵dd = max（dd,abs（d3）;dd = max（dd,ab

5、s（d4）;dd = max（dd,abs（d5）;dd = max（dd,abs（d6）;dd = max（dd,abs（d7）;dd = max（dd,abs（d8）;grad = mat2gray（dd）; % 将灰度变化矩阵转化为灰度图像BB = grad;FW=median（BB（:）/0.6745;B = BB.*BB;B = sum（B（:）;FX= sqrt（B/2562）;FS=sqrt（max（FX2-FW2,0）;T=sqrt（2）*FW2/FS; % 计算最佳阈值grad = mat2gray（BB）;BW2=im2bw（grad,T）; % 用最佳阈值分割梯度图像su

6、bplot（2,4,8）;imshow（BW2）; % 显示分割后的图像，即边缘图像sobel改进算子Part2加入高斯噪声后的cameraman仿真程序：V=0.009;X=imnoise（A,gaussian,0,V）;imshow（X）;%添加均值为0、方差0.09的高斯噪声 % 创建X方向的模板 % 创建Y方向的模板I = im2double（X）; % 图像数据双精度转化 % X方向的梯度分量的计算 % Y方向的梯度分量的计算 % 梯度计算 % 梯度矩阵转换成灰度图像 % 使用阈值分割梯度图像 % 梯度矩阵转为灰度图像加入椒盐噪声的边缘检测程序：function jingdianI=

7、imread（lenna.bmpI1=imnoise（I,salt & pepper%添加椒盐噪声，默认值为0.02figure,imshow（I1）;%添加均值为0、方差0.002的高斯噪声添加椒盐噪声后原图）B1=edge（I1,robertsB2=edge（I1,sobelB3=edge（I1,prewittB4=edge（I1,B5=edge（I1,subplot（2,3,1）;imshow（B1）;roberts算子检测subplot（2,3,2）;imshow（B2）;sobel算子检测subplot（2,3,3）;imshow（B3）;prewitt算子检测subplot（2,3,4）;imshow（B4）;canny算子检测subplot（2,3,5）imshow（B5）;log算子检测%调用roberts算子检测图像%调用soble算子进行边缘检测%调用prewitt算子进行边缘检测%调用canny算子对图像进行边缘检测%调用log算子对图像进行边缘检测%设置图像布局%现实图像并命名为roberts算子检测I = im2double（I1）; % 将数据图像转化为双精度subplot（2,3,6）;加入椒盐噪声的sobel改进算子