《数字图像课程设计报告边缘检测算子的比较》由会员分享，可在线阅读，更多相关《数字图像课程设计报告边缘检测算子的比较（11页珍藏版）》请在金锄头文库上搜索。
1、数字图像处理课程设计报告题目 数字图像课程设计 各边缘检测算子的对比系 别 电气系 班 级 xxxxxxxxxxxxx 学 号 xxxxxxxxxxxx 姓 名 xxxx 指导老师 xxxx 时 间 xxxxxxx 目录一、课题设计的任务 .31.1 课题选择.31.2 课题设计的背景.3二、课题原理简介.3三、经典边缘检测算子性能比较及程序.63.1 MATLAB程序仿真.63.2 实验结果的比较.10四、实验结论.11五、参考文献.11一、 课题设计的任务1.1 课题选择各边缘检测的对比1.2 课题设计的背景我们感知外部世界的途径主要是听觉和视觉。而视觉主要是获取图像的信息，例如图片的特征
2、和周围的背景区域的差别。这种灰度或结构等信息的突变，就称之为边缘。图像的边缘对人类视觉而言具有重要意义，有些差别很细微，人眼很难观察，这时就需要计算机图像处理技术，物体边缘上的这种变化可以用微分算子检测出来，通常用一阶或两阶导数来检测边缘。本次我的课程设计就利用了MATLAB软件，通过实验，对各边缘检测算子进行了对比和研究，例如基于一阶导数的边缘检测算子Roberts算子、Sobel算子，基于二阶导数的拉普拉斯算子，canny边缘检测算子等。并且在4天内完成了课程设计作业，基本达到既定要求。二、 课题原理简介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。检测出的边缘并不等
3、同于实际目标的真实边缘。图像的边缘有方向和幅度两个属性，沿边缘方向像素变化平缓，垂直于边缘方向像素变化剧烈。边缘上的这种变化可以用微分算子检测出来，通常用一阶或两阶导数来检测边缘，如下图所以。不同的是一阶导数认为最大值对应边缘位置，而二阶导数则以过零点对应边缘位置。 （a）图像灰度变化 （b）一阶导数 （c）二阶导数下面是一些主要的边缘检测算子的原理介绍1 Roberts（罗伯特）边缘检测算子景物的边缘总是以图像中强度的突变形式出现的，所以景物边缘包含着大量的信息。由于景物的边缘具有十分复杂的形态，因此，最常用的边缘检测方法是所谓的“梯度检测法”。 设是图像灰度分布函数；是图像边缘的梯度值；是
4、梯度的方向。则有 （n=1,2,.） （1） （2）式（1）与式（2）可以得到图像在（x,y）点处的梯度大小和梯度方向。Roberts边缘检测算子是一种利用局部差分方法寻找边缘的算子，Robert梯度算子所采用的是对角方向相邻两像素值之差，所以用差分代替一阶偏导，算子形式可表示如下： 实际应用中，图像中的每个像素点都用这两个模板进行卷积运算，为避免出现负值，在边缘检测时常提取其绝对值。2 Sobel（索贝尔）边缘检测算子该算子是由两个卷积核与对原图像进行卷积运算而得到的。其数学表达式为： 实际上Sobel边缘算子所采用的算法是先进行加权平均，然后进行微分运算，我们可以用差分代替一阶偏导，算子的
5、计算方法如下： Sobel算子垂直方向和水平方向的模板如图（B）所示，前者可以检测出图像中的水平方向的边缘，后者则可以检测图像中垂直方向的边缘。实际应用中，图像中的每一个像素点都用这两个卷积核进行卷积运算，取其最大值作为输出。运算结果是一幅体现边缘幅度的图像。 -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -3 0 1 （a） （b） 图（B）Sobel算子模板3 Prewitt（普瑞维特）边缘检测算子Prewitt边缘检测算子就是一种利用局部差分平均方法寻找边缘的算子，它体现了三对像素点像素值之差的平均概念，因为平均能减少或消除噪声，为此我们可以先求平均，再求差分，即
6、利用所谓的平均差分来求梯度。用差分代替一阶偏导可得算子形式如下 它的使用方法同Sobel算子一样，图像中的每个点都用这两个核进行卷积，取得最大值作为输出。Prewitt算子也产生一幅边缘图像。4 Laplacian（拉普拉斯）边缘检测算子拉普拉斯边缘检测算子是对二维函数进行二阶导数运算的标量算子，它的定义是： （8）用差分代替二阶偏导时，与前述三个一阶导数算子不同，拉普拉斯算子的形式可表示如下：它的使用方法是用图中的两个点阵之一作为卷积核，与原图像进行卷积运算即可。拉普拉斯算子又是一个线性的移不变算子，它的传递函数在频域空间的原点为零，因此，一个经拉普拉斯滤波过的图像具有零平均灰度。5 can
7、ny（凯尼）边缘检测算子根据边缘检测的有效性和定位的可靠性，Canny研究了最优边缘检测器所需的特性，给出了评价边缘检测性能优劣的三个指标： 高的准确性，在检测的结果里应尽量多的包含真正的边缘。 高的精确度，检测到的边缘应该在真正的边界上。 单像素宽，要有很高的选择性，对每个边缘有唯一的响应。针对这三个指标，Canny提出了用于边缘检测的一阶微分滤波器的三个最优化标准则，即最大信噪比准则、最优过零点定位准则和单边缘响应准则。具体如下：（a）信噪比准则 （b）定位精确度准则L为边缘的定位精度，定义如下： （c）单边缘响应准则要保证对但边缘只有一个响应，检测算子的脉冲响应导数的零交叉点平均距离应该
8、满足： 这三个准则是对前述边缘检测指标的定量描述。抑制噪声和边缘精确定位是无法同时得到满足的，因此，在实际应用中只能寄希望于再抑制噪声和提高边缘定位精度之间实现一个合理的折衷。 Canny边缘检测算子步骤如下：Step1：用高斯滤波器对图像进行滤波消噪；Step2：用一阶偏导的有限差分来计算梯度的幅值和方向；Step3：对梯度幅值进行非极大值抑制；Step4：用双阈值算法检测和连接边缘。三、 经典边缘检测算子性能比较及程序3.1 MATLAB程序仿真为了分析上述几种算子的效果，我们用MATLAB对lenna原始图像以及分别加入高斯噪声和椒盐噪声后的lenna图像进行检测。1.各算子对lenna
9、原始图像的处理效果程序如下：function jingdianI=imread(lenna.jpg);B1=edge(I,roberts);B2=edge(I,sobel);B3=edge(I,prewitt);B4=edge(I,canny);B5=edge(I,log);B6=DetectContour(I,0.3);subplot(2,3,1);imshow(B1);title(roberts算子检测);%命名为roberts算子检测subplot(2,3,2);imshow(B2);title(sobel算子检测); %命名为sobel算子检测subplot(2,3,3);imshow
10、(B3);title(prewitt算子检测); %命名为prewitt算子检测subplot(2,3,4);imshow(B4);title(canny算子检测); %命名为canny算子检测subplot(2,3,5)imshow(B5);title(log算子检测); %命名为log算子检测subplot(2,3,6);imshow(B6);title(kirsch算子检测); %命名为kirsch算子检测仿真实验结果如下： Lenna原始图像2.对lenna原始图像加入高斯噪声：程序如下：function jingdianI=imread(lenna.jpg);%定义I；I1=imno
11、ise(I,gaussian);B1=edge(I1,roberts);B2=edge(I1,sobel);B3=edge(I1,prewitt);B4=edge(I1,canny);B5=edge(I1,log);B6=DetectContour(I1,0.3);subplot(2,3,1);imshow(B1);title(roberts算子检测); %命名为roberts算子检测subplot(2,3,2);imshow(B2);title(sobel算子检测); %命名为sobel算子检测subplot(2,3,3);imshow(B3);title(prewitt算子检测); %命名为prewitt算子检测subplot(2,3,4);imshow(B4);title(canny算子检测); %命名为canny算子检测subplot(2,3,5)imshow(B5);title(log算子检测); %命名为log算子检测subplot(2,3,6);imshow(B6);title(kirsch算子检测); %命名为kirsch算子检测 加入高斯噪声的lenna图像各算子对加入高斯噪声的lenna图像的处理效果如下所示：3.对lenna原始图像加入椒盐噪声：程序如下：function jingdianI=imread(lenna.jpg);I2=imnoise(I,
