1、 边缘提取算法
方法一：一阶微分算子
-
Sobel算子
Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，Sobel算子对边缘定位不是很准确，图像的边缘不止一个像素。
-
Roberts算子
Roberts算子检测方法对具有陡峭的低噪声的图像处理效果较好，但是利用roberts算子提取边缘的结果是边缘比较粗，因此边缘的定位不是很准确。
-
Prewitt算子
Prewitt算子检测方法对灰度渐变和噪声较多的图像处理效果较好。但边缘较宽，而且间断点多。
-
Canny算子
Canny算子是目前边缘检测最常用的算法，效果也是最理想的。
Canny边缘检测算法不是简单的模板卷积而已，通过梯度方向和双阈值法来检测边缘点，具体算法可以参考：http://www.cnblogs.com/AndyJee/p/3734805.html；
Canny方法不容易受噪声干扰，能够检测到真正的弱边缘。优点在于，使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。
方法二：二阶微分算子
-
Laplacian算子
Laplacian算子法对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素视为与图像的明区还是暗区。
2、 实验结果分析
一、边缘提取：
- Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，sobel算子对边缘定位不是很准确，图像的边缘不止一个像素；
- Roberts算子检测方法对具有陡峭的低噪声的图像处理效果较好，但是利用roberts算子提取边缘的结果是边缘比较粗，因此边缘的定位不是很准确；
- Prewitt算子检测方法对灰度渐变和噪声较多的图像处理效果较好。但边缘较宽，而且间断点多；
- Laplacian算子法对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素视为与图像的明区还是暗区；
- Canny方法不容易受噪声干扰，能够检测到真正的弱边缘。优点在于，使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。
二、边缘复合增强
- Sobel、Robert、Prewitt算子的增强效果并不是很明显，尤其是Robert算子，因为它提取的边缘点过于稀疏和离散；
- Laplacian算子和canny算子的增强效果都比较理想， 将边缘叠加上去后，整个手的轮廓和边缘都很清晰，直观上看，canny算子实现的效果比Laplacian算子好，最明显的地方就是手指尖的边缘。
3、程序实现
下面的程序就实现上面效果的完整Matlab代码：
clear;clc; I=imread(\'x1.tif\'); % I=rgb2gray(I); % gray transform J=imadjust(I,[0.1 0.9],[0 1],1); % Edge detection % Sobel BW1=edge(I,\'sobel\'); sobelBW1=im2uint8(BW1)+J; figure; %imshow(BW1); subplot(1,2,1); imshow(J); title(\'original image\'); subplot(1,2,2); imshow(sobelBW1); title(\'Sobel augmented image\'); % Roberts BW2=edge(I,\'roberts\'); robertBW2=im2uint8(BW2)+J; figure; %imshow(BW2); subplot(1,2,1); imshow(J); title(\'original image\'); subplot(1,2,2); imshow(robertBW2); title(\'robert augmented image\'); % prewitt BW3=edge(I,\'prewitt\'); prewittBW3=im2uint8(BW3)+J; figure; %imshow(BW3); subplot(1,2,1); imshow(J); title(\'original image\'); subplot(1,2,2); imshow(prewittBW3); title(\'Prewitt augmented image\'); % log BW4=edge(I,\'log\'); logBW4=im2uint8(BW4)+J; figure; %imshow(BW4); subplot(1,2,1); imshow(J); title(\'original image\'); subplot(1,2,2); imshow(logBW4); title(\'Laplacian augmented image\'); % canny BW5=edge(I,\'canny\'); cannyBW5=im2uint8(BW5)+J; figure; %imshow(BW5); subplot(1,2,1); imshow(J); title(\'original image\'); subplot(1,2,2); imshow(cannyBW5); title(\'Canny augmented image\'); % gaussian & canny % h=fspecial(\'gaussian\',5); % fI=imfilter(I,h,\'replicate\'); % BW6=edge(fI,\'canny\'); % figure; % imshow(BW6); figure; subplot(2,3,1), imshow(BW1); title(\'sobel edge detect\'); subplot(2,3,2), imshow(BW2); title(\'roberts edge detect\'); subplot(2,3,3), imshow(BW3); title(\'prewitt edge detect\'); subplot(2,3,4), imshow(BW4); title(\'log edge detect\'); subplot(2,3,5), imshow(BW5); title(\'canny edge detect\'); % subplot(2,3,6), imshow(BW6); % title(\'gasussian&canny edge detect\'); figure; subplot(2,3,1), imshow(sobelBW1); title(\'sobel edge detect\'); subplot(2,3,2), imshow(robertBW2); title(\'roberts edge detect\'); subplot(2,3,3), imshow(prewittBW3); title(\'prewitt edge detect\'); subplot(2,3,4), imshow(logBW4); title(\'laplacian edge detect\'); subplot(2,3,5), imshow(cannyBW5); title(\'canny edge detect\');
下面的Matlab程序是精简的边缘提取实现：
clear;clc;
I=imread(\'lena.bmp\');
I=rgb2gray(I);
imshow(I,[]);
title(\'Original Image\');
sobelBW=edge(I,\'sobel\');
figure;
imshow(sobelBW);
title(\'Sobel Edge\');
robertsBW=edge(I,\'roberts\');
figure;
imshow(robertsBW);
title(\'Roberts Edge\');
prewittBW=edge(I,\'prewitt\');
figure;
imshow(prewittBW);
title(\'Prewitt Edge\');
logBW=edge(I,\'log\');
figure;
imshow(logBW);
title(\'Laplasian of Gaussian Edge\');
cannyBW=edge(I,\'canny\');
figure;
imshow(cannyBW);
title(\'Canny Edge\');
请发表评论