资源描述：
《图像处理之四种边缘检测算子比较.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、数字图像处理第三次作业SpadesQ,SunYat-senUniversity2017/4/271.边缘检测边缘一般是指图像在某一局部强度剧烈变化的区域。强度变化一般有两种情况：阶跃变化屋顶变化边缘检测的任务：找到具有阶跃变化或者屋顶变化的像素点的集合。边缘检测基本原理：既然边缘是灰度变化最剧烈的位置，最直观的想法就是求微分。对于第一种情况：一阶微分的峰值为边缘点，二阶微分的零点为边缘点。对于第二种情况：一阶微分的零点为边缘点，二阶微分的峰值为边缘点。clc;closeall;clearall;2.
2、matlab内置函数sourcePic=imread('lena.jpg');%读取原图像grayPic=rgb2gray(sourcePic);%实现图像灰度bw1=edge(grayPic,'sobel',0.05);%sobel算子bw2=edge(grayPic,'prewitt',0.05);%prewitt算子bw3=edge(grayPic,'roberts',0.05);%roberts算子bw4=edge(grayPic,'log',0.005);%log算子bw5=edge(gray
3、Pic,'canny',0.16);%canny算子figure;imshow(grayPic);title('原图');figure;imshow(bw1);title('sobel（阈值0.05）');figure;imshow(bw2);title('prewitt（阈值0.05）');figure;imshow(bw3);title('roberts（阈值0.05）');figure;imshow(bw4);title('log（阈值0.005）');figure;imshow(bw5);tit
4、le('canny（阈值0.16）');234分析：通过对Roberts，Sobel，Prewitt，Log和Canny进行MATLAB仿真实验对比，结果表明，Sobel，Prewitt和Roberts算子的算法简单，但检测精度不高，Log和Canny算子的算法复杂，但检测精度较高。在应用中应根据实际情况选择不同的算子。53.四种算子对比分析3.1Sobel算子Sobel算子在边缘检测算子扩大了其模版，在边缘检测的同时尽量削弱了噪声。其模版大小为3×3，其将方向差分运算与局部加权平均相结合来提取边缘。在
5、求取图像梯度之前，先进行加权平均，然后进行微分，加强了对噪声的一致。Sobel算子所对应的卷积模版为：图像中的每个像素点和以上水平和垂直两个卷积算子做卷积运算后，再计算得到梯度幅值G(x,y)，然后选取适当的阈值τ，若G(x,y)>τ，则(i,j)为边缘点，否则，判断(i,j)为非边缘点。由此得到一个二值图像{g(i,j)}，即边缘图像。Sobel算子在空间上比较容易实现，不但产生较好的边缘检测效果，同时，由于其引入了局部平均，使其受噪声的影响也较小。若使用较大的邻域，抗噪性会更好，但也增加了计算量，并
6、且得到的边缘比较粗。在对精度要求不是很高的场合下，Sobel算子是一种较为常用的边缘检测算法。grayPic=mat2gray(grayPic);%实现图像矩阵的归一化操作[m,n]=size(grayPic);newGrayPic=grayPic;%为保留图像的边缘一个像素sobelNum=0;%经sobel算子计算得到的每个像素的值sobelThreshold=0.8;%设定阈值forj=2:m-1%进行边界提取fork=2:n-1sobelNum=abs(grayPic(j-1,k+1)+2*gr
7、ayPic(j,k+1)+grayPic(j+1,k+1)-grayPic(j-1,k-1)-2*grayPic(j,k-1)-grayPic(j+1,k-1))+abs(grayPic(j-1,k-1)+2*grayPic(j-1,k)+grayPic(j-1,k+1)-grayPic(j+1,k-1)-2*grayPic(j+1,k)-grayPic(j+1,k+1));if(sobelNum>sobelThreshold)newGrayPic(j,k)=255;elsenewGrayPic(j,k
8、)=0;endendendfigure;imshow(newGrayPic);title('Sobel算子的处理结果');3.2Prewitt算子同Sobel算子相似，Prewitt算子也是一种将方向的差分运算和局部平均相结合的方法，也是取水平和垂直两个卷积核来分别对图像中各个像素点做卷积运算，所不同的是，Sobel算子是先做加权平均然后再微分，Prewitt算子是先平均后求微分，其对应的卷积模版为：图像中的每个像素点和以上水平和垂直两个卷
