《图像分割和边缘检测》由会员分享，可在线阅读，更多相关《图像分割和边缘检测（7页珍藏版）》请在金锄头文库上搜索。
1、岭南师范学院课程名称 数字图像处理实验序号 实验5实验名称 图像分割和边缘检测 实验地点 综B2072017年 10 月 14 日一、实验目的及要求1。 了解边缘检测的意义。2. 掌握边缘检测的数学方法。3. 掌握常用的几种边缘检测算子二、实验原理与内容图像边缘对人的视觉有重要意义。一般而言，人们看一个有边缘的物体首先感觉到的就是边缘。灰度或结构等信息的突变处称为边缘。边缘是一个区域的结束，也是另一个区域的开始，利用该特征可以分割图像。但检测出的边缘不等于实际目标的真实边缘.由于图像数据是二维的,而实际物体是三维的，从三维到二维必然会造成信息丢失，再加上成像过程的光照不均和噪声等因素，使有边缘
2、的地方不一定能检测出来，而检测出的边缘也不一定代表实际边缘。图像的边缘有方向和幅度两个属性,沿边缘方向象素变化平缓，垂直于边缘方向象素变化剧烈。这种变化可用微分算子检测出来。三、实验软硬件环境1.计算机2。Matlab软件四、实验过程（实验步骤、记录、数据、分析）1。基于一阶导数的边缘算子a=imread（y.jpg);f=rgb2gray（a);subplot(2，2,1)，imshow（f),title（原始图像）;g1 ， t1=edge(f,roberts, , horizontal)； subplot(2，2,2)， imshow(g1），title（Roberts）;g2, t2=
3、edge（f, sobel， ， horizontal);subplot（2，2,3), imshow（g2)，title（Sobel)；g3, t3=edge（f, prewitt， , horizontal)；subplot（2,2，4）, imshow(g3）,title（Prewitt)；从图像结果来看，Roberts的边缘检测范围更加大2、基于二阶导数的边缘算子:应用LOG算子检测边缘a=imread（y。jpg)；f=rgb2gray（a)；subplot(1，2，1），imshow(f）,title(原始图像)；g ， t=edge（f， log);subplot（1,2，2)，
4、imshow（g),title（log）;3、基于约束条件的最优化检测边缘算子：应用Canny算子检测边缘a=imread（y。jpg）；f=rgb2gray（a）;subplot（1，2,1)，imshow(f)，title（原始图像）；g , t=edge(f，canny)；subplot(1,2，2),imshow（g）,title（Canny）；五、测试/调试及实验结果分析实验结果如上所示六、实验结论与体会1. 结论：基于一阶导数的边缘算子、基于二阶导数的边缘算子、基于约束条件的最优化检测边缘算子,图所得到的图像差异挺大。一阶的采集点数要比二阶和约束条件的要少.这样算法的实现都是需要将图像灰度处理.这点还需要优化。1
