数字图像处理实验报告图像边缘检测Word格式.docx

1、 （2）编写程序使用 Laplacian 算子（二阶导数算子）实现图像锐化，进一步理解图像锐化的实质；（3）掌握使用不同梯度算子（一阶导数算子）进行图像边缘检测的原理、方法，根据实验结果分析各种算子的工作效果；（4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。2、实验环境（1）Windows XP/7（2）Matlab 7.1/7.143、实验方法本次实验要求对256256大小，256级灰度的数字图像lena.img进行处理。（1）对该图像进行锐化处理，要求采用Laplacian算子进行锐化，分 1和 2 两种情况， 按如下不同情况进行处理： g1 （m, n） f

2、 （m, n） f g 2 （m, n） 4 f （m, n） f （m 1, n） f （m 1, n） f （m, n 1） f （m, n 1） I、要对图像进行处理，要先读取该图像，实验代码如下：close all;clear all;fid=fopen（lena.img,r）;image=fread（fid,256,256,uint8fclose（fid）;II、读取图像后，对该图像的每一像素（不考虑图像的边界部分）进行遍历，根据公式（公式相当于做差分）对每一灰度进行计算，将所得的结果存入一矩阵g1中（矩阵g1初始化为该图像的矩阵），代码如下（仅以=1为例）：g1=image;a=1

3、;x,y=size（image）;for i=2:（x-1） for j=2:（y-1） g1（i,j）=（1+4*a）*image（i,j）-a*（image（i+1,j）+image（i-1,j）+image（i,j+1）+image（i,j-1）; endendIII、根据公式对图像的每一个像素（不考虑图像的边界部分）进行计算，将所得之存入矩阵g2中（g2初始化值为该图像的矩阵值），具体方法与上一步类似，代码如下（仅以=1为例）：g2=image;（y-1） g2（i,j）=4*a*image（i,j）-a*（image（i+1,j）+image（i-1,j）+image（i,j+1）+

4、image（i,j-1）;（2）分别利用 Roberts、Prewitt 和 Sobel 边缘检测算子，对原图像进行边缘检测，显示处理前、后图像。I 、同（1）中I，不再赘述。II、对图像进行边缘检测，要对图像的每一像素（不考虑图像的边界部分）的灰度进行遍历，分别用公式对图像的水平和垂直方向的边缘进行检测，并分别存储，在进行合成。采用不同的算子时，变换的公式有所不同。在合成时可以采用三种算法（街区法、棋盘法、欧式几何法），本次实验中均又采用，所以得到三层图像。代码如下（仅以街区法的Roberts算子为例）:gh1=image;gv1=image; gh1（i,j）=image（i,j）-ima

5、ge（i-1,j-1）; gv1（i,j）=image（i,j-1）-image（i-1,j）; g1（i,j）=abs（gh1（i,j）+abs（gv1（i,j）;4、实验结果分析（1）、图像锐化图像锐化结果如图a和图b（注：图a为情况结果；图b为情况结果）：图a图b由图a和图b对比可知，图像的锐化实质就是原图像与梯度信息进行叠加，相对于原图像而言，图像的边缘信息得到了加强。由图b中不同值所得图像对比可知，越大，边界越清晰，同时对比图a中不同值所得图像可知，的大小决定梯度信息与原图像叠加时所占的比例。（2）、图像边缘检测街区法、棋盘法、欧式距离法的不同检测算子结果分别入图c、图d和图e：图c

6、图d图e由图c、图d和图e对比可知，采用街区法所得的边界清晰度最高，欧式几何法其次，棋盘法最差。对比同一图中的不同子图可知，Sobel算子的性能更好，Prewitt算子其次，Roberts算子最差。5、实验结论本次实验是对图像进行锐化和边缘检测，通过这次实验，我对数字图像处理中图像的锐化和边缘检测有了更加深刻的了解。加深了图像锐化和边缘检测的原理，掌握了图像边缘检测的不同方法。学会了使用Laplacian算子（二阶导数算子）实现图像锐化的程序编写；掌握了使用不同梯度算子（一阶导数算子）进行图像边缘检测的原理、方法。6、源代码（1）图像锐化（g1）subplot（221）;imshow（uint

7、8（image）,）;title（原图像%采用拉普拉斯算子 g1（i,j）=（1+4*a）*image（i,j）-a*（image（i+1,j）+image（i-1,j）+image（i,j+1）+image（i,j-1）;subplot（222）;imshow（uint8（g1）,）;a=1时g1的图像a=2;subplot（223）;a=2时g1的图像（2）图像锐化（g2） g2（i,j）=4*a*image（i,j）-a*（image（i+1,j）+image（i-1,j）+image（i,j+1）+image（i,j-1）;imshow（uint8（g2）,）;a=1时g2的图像a=2

8、时g2的图像（3）边缘检测figure（Name街区法NumberTitleoffRoberts算子gh2=image;gv2=image; gh2（i,j）=（image（i+1,j-1）+image（i+1,j）+image（i+1,j+1）/3）-（image（i-1,j-1）+image（i-1,j）+image（i-1,j+1）/3）; gv2（i,j）=（image（i-1,j+1）+image（i,j+1）+image（i+1,j+1）/3）-（image（i-1,j-1）+image（i,j-1）+image（i+1,j-1）/3）; g2（i,j）=abs（gh2（i,j）+

9、abs（gv2（i,j）;Prewitt算子g3=image;gh3=image;gv3=image; gh3（i,j）=（image（i+1,j-1）+2*image（i+1,j）+image（i+1,j+1）-image（i-1,j-1）-2*image（i-1,j）-image（i-1,j+1）/4; gv3（i,j）=（image（i-1,j+1）+2*image（i,j+1）+image（i+1,j+1）-image（i-1,j-1）-2*image（i,j-1）-image（i+1,j-1）/4; g3（i,j）=abs（gh3（i,j）+abs（gv3（i,j）;% g3（i,j

10、）=max（gh3（i,j）,gv3（i,j）;% g3（i,j）=sqrt（gh3（i,j）*gh3（i,j）+gv3（i,j）*gv3（i,j）;subplot（224）;imshow（uint8（g3）,）;Sobel算子% subplot（235）% imshow（uint8（gh3）,）;% title（检测水平边界% subplot（236）;% imshow（uint8（gv3）,）;检测竖直边界棋盘法% g1（i,j）=abs（gh1（i,j）+abs（gv1（i,j）; g1（i,j）=max（gh1（i,j）,gv1（i,j）;% g2（i,j）=abs（gh2（i,j）+

11、abs（gv2（i,j）; g2（i,j）=max（gh2（i,j）,gv2（i,j）; g3（i,j）=max（gh3（i,j）,gv3（i,j）;欧式几何法% g1（i,j）=max（gh1（i,j）,gv1（i,j）; g1（i,j）=sqrt（gh1（i,j）*gh1（i,j）+gv1（i,j）*gv1（i,j）;% g2（i,j）=max（gh2（i,j）,gv2（i,j）; g2（i,j）=sqrt（gh2（i,j）*gh2（i,j）+gv2（i,j）*gv2（i,j）;% g3（i,j）=abs（gh3（i,j）+abs（gv3（i,j）; g3（i,j）=sqrt（gh3（i,j）*gh3（i,j）+gv3（i,j）*gv3（i,j）;