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’);