数字图像处理实验报告图像边缘检测.docx
《数字图像处理实验报告图像边缘检测.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验报告图像边缘检测.docx（18页珍藏版）》请在冰点文库上搜索。
数字图像处理实验报告图像边缘检测
实验报告
实验名称
实验三图像边缘检测
课程名称
数字图像处理
姓名
成绩
班级
学号
日期
地点
备注：
1、实验目得
（1）了解并掌握使用微分算子进行图像边缘检测得基本原理;
（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
锐化得实质；
（3）掌握使用不同梯度算子（一阶导数算子）进行图像边缘检测得原理、方法,根据
实验结果分析各种算子得工作效果;
（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）WinｄｏwsＸＰ/７
（2）Maｔｌａb７、1/7、14
３、实验方法
本次实验要求对２56×２56大小，２56级灰度得数字图像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α=１与α=２两种情况，按如下不同情况进行处理：
① ｇ１（ｍ，n）=f（ｍ，ｎ）-α∇f
② g2（m,n）=４αf （ｍ，n）-α[f（m-１,n）+f（m+1,n）+f （m，n-1）+ｆ（m，ｎ+1）］
、要对图像进行处理，要先读取该图像,实验代码如下:
ｃlosｅaｌｌ；
cｌearａｌl；
fｉd=fｏpen（’leｎa、img＇,’r＇）;
imａge=fread（fid，［256,2５６]，’uiｎt8＇）；
fcloｓｅ（fｉd）;
、读取图像后，对该图像得每一像素（不考虑图像得边界部分）进行遍历,根据公式①（公式①相当于做差分）对每一灰度进行计算,将所得得结果存入一矩阵ｇ１中（矩阵g1初始化为该图像得矩阵），代码如下（仅以ɑ=1为例）:
ｇ1=ｉｍａge;
ａ=１；
［ｘ，y]=ｓｉｚe（iｍaｇe）；
fｏr ｉ＝２：
（ｘ-1）
fｏrj＝２:
（y—1） ﻩﻩ ﻩﻩﻩg１（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））;
end
end
、根据公式②对图像得每一个像素（不考虑图像得边界部分）进行计算，将所得之存入矩阵ｇ２中（g2初始化值为该图像得矩阵值），具体方法与上一步类似,代码如下（仅以ɑ=１为例）：
g2=ｉmａge；
a＝１;
[x,ｙ]＝ｓize（imaｇe）;
foｒi＝2：
（x-1）
forｊ＝2：
（y－1）
ﻩｇ2（i，j）＝４*a＊iｍａgｅ（i,ｊ）—a＊（iｍａge（i+1,j）+imaｇe（ｉ-1，j）+imａge（ｉ,j+1）+image（i,j-1））;
ｅnd
end
（2）分别利用Roｂeｒts、Pｒewｉtt 与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
，不再赘述。
II、对图像进行边缘检测，要对图像得每一像素（不考虑图像得边界部分）得灰度进行遍历，分别用公式对图像得水平与垂直方向得边缘进行检测，并分别存储,在进行合成。
采用不同得算子时，变换得公式有所不同。
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（仅以街区法得Rｏｂeｒts算子为例）：
[ｘ,y]=size（ｉｍage）；
g1＝ｉmage；
gh1＝image;
gv１=imａge;
ｆor i=2:
（ｘ－1）
fｏrｊ=2：
（y－1）
gh1（ｉ,j）=imａｇｅ（i,ｊ）－iｍａgｅ（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））；
end
enｄ
4、实验结果分析
（1）、图像锐化
图像锐化结果如图a与图ｂ（注:
图a为情况
结果;图b为情况
结果）：
图a
图b
由图a与图b对比可知，图像得锐化实质就就是原图像与梯度信息进行叠加,相对于原图像而言，图像得边缘信息得到了加强。
由图b中不同ɑ值所得图像对比可知,ɑ越大，边界越清晰，同时对比图a中不同ɑ值所得图像可知，ɑ得大小决定梯度信息与原图像叠加时所占得比例.
（2）、图像边缘检测
街区法、棋盘法、欧式距离法得不同检测算子结果分别入图ｃ、图d与图ｅ:
图c
图ｄ
图e
由图c、图d与图ｅ对比可知,采用街区法所得得边界清晰度最高，欧式几何法其次，棋盘法最差。
对比同一张图中得不同子图可知，Sｏbel算子得性能更好,Prewitt算子其次，Ｒoｂerts算子最差。
5、实验结论
本次实验就是对图像进行锐化与边缘检测,通过这次实验,我对数字图像处理中图像得锐化与边缘检测有了更加深刻得了解.加深了图像锐化与边缘检测得原理，掌握了图像边缘检测得不同方法。
学会了使用Lａplacian算子（二阶导数算子）实现图像锐化得程序编写；掌握了使用不同梯度算子（一阶导数算子）进行图像边缘检测得原理、方法。
6、源代码
（1）图像锐化（ｇ１）
ｃｌｏseａll；
ｃlearaｌl；
fｉd＝fｏpen（'ｌena、iｍg＇,'r＇）；
iｍage=fread（fid，［256，２5６],’uinｔ8’）；
fｃlose（fｉd）；
suｂplot（2２1）;
imsｈｏw（uiｎt8（image），[］）;
tｉtle（’原图像'）；
％采用拉普拉斯算子
ｇ1=ｉmａge；
a=１；
［x,ｙ]=size（iｍage）;
foｒ ｉ＝２:
（x－1）
ｆｏｒj=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））；
end
ｅnd
subｐｌoｔ（22２）；
iｍｓｈow（uiｎｔ8（g1）,[］）；
ｔｉｔlｅ（'a=１时g1得图像’）；
g1＝ｉmage;
ａ=２;
［x，ｙ］=size（iｍage）;
fｏri＝2:
（x－1）
forj=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））；
end
ｅｎd
subｐｌot（２23）；
iｍshｏw（uｉｎt８（g1）,［］）;
tiｔｌｅ（'a=2时g1得图像＇）；
（2）图像锐化（g2）
cｌoseall；
cｌearalｌ；
fｉd=fopen（’lｅna、img',’r＇）;
ｉmage=ｆrｅａd（fid，［256,２５６］，’uint８’）；
fｃloｓe（fｉｄ）;
subplot（221）；
imshｏw（uint8（iｍage）,［］）;
title（'原图像＇）；
％采用拉普拉斯算子
g２=imａge;
a＝１;
［ｘ,y］=sｉze（ｉmaｇｅ）；
ｆor i=2:
（x－1）
ｆｏrj=2:
（ｙ－1）
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））;
eｎd
end
sｕbpｌot（222）；
imｓhoｗ（ｕiｎt８（ｇ2）,[]）;
tiｔle（＇ａ=1时ｇ２得图像'）；
g２=ｉｍagｅ;
a＝2；
［x，y]=ｓiｚe（iｍagｅ）;
fori=2:
（x—1）
fｏrj=2：
（y-1）
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））;
end
ｅnd
subploｔ（223）;
imshoｗ（uｉｎt8（g２），[]）;
tiｔlｅ（＇a=2时g２得图像＇）;
（3）边缘检测
clｏsｅ all；
cｌｅaraｌｌ；
fid＝fｏpｅn（'lｅna、ｉmg'，’r＇）；
ｉmａge=ｆreａd（fid，[256，2５6］，’uint8’）；
fcloｓｅ（fiｄ）；
fiｇｕrｅ（'Namｅ＇，’街区法’,'NuｍｂeｒTｉtle'，'ｏff'）；
suｂplot（221）；
iｍshｏw（uint8（imagｅ），[］）;
titlｅ（＇原图像'）；
［ｘ，ｙ］=sizｅ（ｉｍagｅ）；
g１=imaｇｅ;
gh1=imａge;
gv１=imaｇe；
for ｉ=2：
（ｘ—1）
foｒｊ=2:
（y-1）
gh1（i，j）=imａge（i，ｊ）—imａｇe（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））；
end
ｅｎd
subｐｌot（22２）；
ｉｍsｈow（uint8（g1），[］）;
tiｔle（'Ｒoｂerts算子'）；
g２=imａge;
gｈ2=imａge;
gv２=image;
foｒi＝２：
（x-1）
forｊ=2：
（y—1）
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））+abs（ｇｖ２（i，j））；
end
eｎｄ
ｓubpｌoｔ（223）；
iｍｓhoｗ（uint8（g2），[］）;
tｉtｌe（＇Prewitt算子’）；
ｇ３=imａｇe;
ｇh３=image；
gv３=imａge;
ｆｏｒｉ=2:
（x—1）
forｊ=２:
（y—1）
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）=max（gh3（i，ｊ）,gv3（i,ｊ））；
% ｇ3（i,j）＝sqrｔ（gh３（i，j）*gｈ3（i，ｊ）+gv3（i，ｊ）*gv3（i,j））；
end
enｄ
ｓubｐｌoｔ（２24）；
imsｈｏw（ｕiｎｔ8（g3）,［］）;
tiｔle（’Sobel算子＇）；
％subplot（23５）
％ｉmshow（uiｎｔ8（gh３）,[]）；
％title（’检测水平边界'）;
% subplｏt（236）；
％imsｈｏw（ｕint８（ｇv3），［］）；
%title（＇检测竖直边界’）；
ｆiｇｕre（’Name＇，’棋盘法＇，'NumｂerTｉｔlｅ','ｏff’）；
sｕbｐlｏｔ（221）;
iｍshow（uinｔ８（imagｅ）,［]）；
title（’原图像＇）;
[x,y]=size（imagｅ）;
ｇ1=ｉｍagｅ;
gｈ1=imａｇe;
gv1=ｉmaｇe;
foｒ i=2:
（x-1）
forj=2：
（y-1）
gh1（i，ｊ）=iｍagｅ（i,ｊ）-ｉmａge（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））;
ｇ1（ｉ,j）=mａx（gh1（i，j），gｖ1（i，j））;
end
end
subplｏt（２２2）;
imｓhow（uiｎt８（g１）,[]）；
tｉtle（'Robｅrts算子’）;
ｇ2＝iｍａge；
gｈ２=ｉmagｅ；
gv２=imaｇe；
fori=２：
（x—1）
fｏｒj=2：
（y—1）
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））+aｂｓ（gv2（i,ｊ））；
g2（i,ｊ）=max（ｇh２（i,j），gv2（i,j））;
end
enｄ
subplot（22３）；
imshｏｗ（ｕｉｎt８（g2）,[］）；
tｉｔｌe（＇Ｐreｗiｔt算子’）;
ｇ３=image；
gh３=image;
ｇｖ３=imaｇe；
ｆor i=2:
（x—1）
forj=2：
（y-1）
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）=max（ｇh３（i,j）,gv3（ｉ,j））;
% g3（i，ｊ）=sqrｔ（gh3（i，ｊ）＊gh3（i,j）＋ｇv3（i,j）＊gｖ3（i，ｊ））;
end
end
sｕbpｌｏｔ（22４）；
iｍｓhow（uinｔ8（ｇ３）,［]）；
title（'Sobeｌ算子’）;
fiｇure（＇Name’,＇欧式几何法'，'ＮumberTitle'，'ｏｆf’）;
subplot（221）；
iｍshow（uint８（ｉmage）,［］）；
ｔiｔｌe（'原图像’）;
[x,ｙ]=size（iｍage）;
g１=iｍagｅ；
ｇh1=imａge；
ｇｖ1=ｉmage；
ｆoｒ i=2：
（x－1）
forj=2：
（ｙ-1）
gｈ1（i，j）=iｍａｇｅ（i，ｊ）-ｉmage（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））；
% 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））；
end
enｄ
subplot（222）;
ｉmshow（uｉnｔ8（g１）,［］）；
ｔitle（’Robｅrts算子'）;
g2=ｉmａge；
ｇh2＝ｉmａge；
ｇv2=iｍage；
ｆori=２：
（x—1）
ｆoｒj=2：
（y-1）
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））+ａｂs（ｇｖ２（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））；
eｎd
eｎd
subｐｌoｔ（223）;
ｉmｓhow（uint8（g2），［］）；
title（’Prewitt算子'）；
ｇ３=imａgｅ；
gh3=image；
ｇv3=image;
fｏri=2：
（x—１）
fｏrj=２：
（y-１）
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）=max（gh3（ｉ,j）,gv3（i,j））；
g3（i，j）=sｑｒt（gｈ3（i,ｊ）＊gh3（i，j）＋ｇv３（i,j）*gv3（i，j））;
ｅnｄ
end
subplot（2２4）；
ｉｍshow（uint8（ｇ3）,［］）;
ｔiｔle（’Soｂel算子’）;
升级会员 