边缘检测算子的边缘提取及Hough变换要点分析.docVIP

题目 边缘检测算子的边缘提取及Hough变换 学 院： 信息科学与技术学院 专 业： 控制科学与工程 学 生： X X 指导教师： XXX 2014 年 12 月 14 日 1、边缘检测算子简介图像处理通过边缘算子能够较好的提取出数字图像的边缘，的边缘检测算子主要分为以下几类：一、irsch算子等，在算法实现过程中，通过2x2（Roberts算子）或者3x3模板作为核与图像中的每个像素点做卷积和运算，然后选取合适的阈值以提取边缘。二、二阶微分的拉普拉斯检测算子，、边缘算子检测边缘分析 基于atlab编程实现边缘检测算子两个目标的进行边缘原始图像如图。anny边缘检测算子 图2.1 原始图像Roberts算子提取边缘图像 图2.2 Roberts算子边缘检测图像2 Sobel算子提取边缘图像 obel算子边缘检测图像Prewitt算子提取边缘图像 边缘检测图像Laplace算子提取边缘图像 图2.5 Laplace算子边缘检测图像 Log算子提取边缘图像 边缘检测图像 Canny算子提取边缘图像 图2.7 Canny算子边缘检测图像ough变换的边缘提取 Hough边缘的主要步骤为：、图像转为二值图像，、的、 图3.1 Hough变换边缘检测图像边缘检测算子的比较分析的分析结果来看，2x2算子，对具有陡峭的低噪声图像响应最好。Sobel算子、Prewitt算子是3x3算子，对灰度渐变和噪声较多的图像处理得较好。使用两个掩模板组成边缘检测器时，通常取较大的幅度作为输出值。这使得它们对边缘的走向有些敏感。取它们的平方和的开方可以获得性能更一致的全方位响应。这与真实的梯度值更接近。值得注意的是3x3的Sobel算子和 Prewitt边缘算子可扩展成八个方向，并且可以像使用Kirsch算子一样获得边缘方向图。Laplace算子与Log算子脊边缘的处理效果比较好，og算子与aplace算子的区别在于og算子，先对图像做滤波处理。ough变换对直线型的边缘提取效果较好，其他边缘提取效果不理想。I=imread(Test.bmp); J=rgb2gray(I); figure(1), subplot(1,2,1),imshow(I),title(原始彩色图像); subplot(1,2,2),imshow(J),title(原始灰度图像); J1=edge(J,Roberts); figure(1), subplot(1,2,1),imshow(J),title(原始灰度图像); subplot(1,2,2),imshow(J1),title(Roberts算子提取边缘图像); J2=edge(J1,sobel); figure(2),imshow(J2),title(Sobel算子提取边缘图像); J3=edge(J,prewitt); figure(3),imshow(J3),title(Prewitt算子提取边缘图像); J4=edge(J,log); figure(4),imshow(J4),title(log算子提取边缘图像); J5=edge(J,canny); figure(5),imshow(J5),title(canny算子提取边缘图像); h = fspecial(laplacian);%产生一个laplace算子 J6=imfilter(J,h);%拉普拉斯检测边缘图像 figure(6),imshow(J6),title(laplace算子提取边缘图像); 附录2 I=imread(Test.bmp); I=rgb2gray(I); [m,n]=size(I); I=im2double(I); im=zeros(m,n); for i=3:m-2 for j=3:n-2%处理领域较大，所以从图像（3,3）开始，在（m-2,n-2）结束 l(i,j)=-I(i-2,j)-I(i-1,j-1)-2*I(i-1,j)-I(i-1,j+1)-I(i,j-2)-2*I(i,j-1)+16*I(i,j)-2*I(i,j+1)-I(i,j+2)-I(i+1,j-1)-2*I(i+1,j)-I(i+1,j+1)-I(i+2,j);%LoG算子 end end [m,n]=size(l); for i=2:m-1 for j=2:n-1 y(i,j)=l(i-1,j-1)+l(i-1,j)+l(i-1,j+1)+l(i,j-1)+l(i,j)+l(i,j+1)+l(i+1,j-1)+l(i+1,j)+l(i+1,j+1); y(i,j)=y(