計算機(jī)視覺形態(tài)學(xué)邊緣檢測

1、實驗二 形態(tài)算子一、實驗?zāi)康呐c要求目的：學(xué)習(xí)常見的數(shù)學(xué)形態(tài)學(xué)運(yùn)算基本方法，了解腐蝕、膨脹、開運(yùn)算、閉運(yùn)算取得的效果，培養(yǎng)處理實際圖像的能力。要求：上機(jī)運(yùn)行，調(diào)試通過。二、 實驗設(shè)備： 計算機(jī)、Matlab軟件、VC+或C語言軟件 三、實驗內(nèi)容：利用VC+/C或MatLab工具箱中關(guān)于數(shù)學(xué)形態(tài)學(xué)運(yùn)算的函數(shù)，對二值圖像進(jìn)行膨脹、腐蝕和開運(yùn)算、閉運(yùn)算處理。四、實驗原理： 膨脹： 腐蝕： 開運(yùn)算： 閉運(yùn)算：五、實驗報告內(nèi)容（1）描述實驗的基本步驟，用數(shù)據(jù)和圖片給出各個步驟中取得的實驗結(jié)果，并進(jìn)行必要的討論，必須包括原始圖像及其計算/處理后的圖像。（2）結(jié)合實驗內(nèi)容，評價腐蝕、膨脹以及開運(yùn)算、閉運(yùn)算的效

2、果，并說明它們各自適用條件。%對二值圖像做腐蝕、膨脹以及開運(yùn)算和閉運(yùn)算close all;clc;clear;I=imread(C:Documents and SettingsOwnerMy DocumentsMATLABroad3.jpg); I2=im2bw(I); %對讀入圖像做二值化處理m,n=size(I2);subplot(2,3,1),imshow(I)title(原始圖像);subplot(2,3,2),imshow(I2)title(二值圖像);s=1 1;1 0; %腐蝕膨脹算子%腐蝕運(yùn)算for i=1:m-1 for j=1:n-1 if (I2(i,j)=1)&(I2(

3、i+1,j)=1)&(I2(i,j+1)=1) I3(i,j)=1; end endendsubplot(2,3,3),imshow(I3)title(圖像腐蝕1次);%膨脹運(yùn)算for i=1:m-1 for j=1:n-1 if (I2(i,j)=1)|(I2(i+1,j)=1)|(I2(i,j+1)=1) I4(i,j)=1; end endendsubplot(2,3,4),imshow(I4)title(圖像膨脹1次);%開運(yùn)算for i=1:m-2 for j=1:n-2 if (I3(i,j)=1)|(I3(i+1,j)=1)|(I3(i,j+1)=1) I5(i,j)=1; en

4、d endendsubplot(2,3,5),imshow(I5)title(開運(yùn)算);%閉運(yùn)算for i=1:m-2 for j=1:n-2 if (I4(i,j)=1)&(I4(i+1,j)=1)&(I4(i,j+1)=1) I6(i,j)=1; end endendsubplot(2,3,6),imshow(I6)title(閉運(yùn)算);由上圖易知，原圖像經(jīng)1次腐蝕后，圖像中的一些不連續(xù)點(diǎn)或線被腐蝕掉；而原圖像經(jīng)1次膨脹后，圖像中的一些不連續(xù)點(diǎn)或線被連接在一起或膨脹。原圖像經(jīng)開運(yùn)算（先腐蝕后膨脹），圖像原先那些不完全連續(xù)部分，邊緣孤點(diǎn)等被去掉，主體部分得以加強(qiáng)，因而圖像特征明顯，且清晰。原

5、圖像經(jīng)閉運(yùn)算（先膨脹后腐蝕），圖像原先那些不完全連續(xù)部分，大部分被去掉，只保留最基本特征部分，因而圖像特征被明顯削弱。實驗三 邊緣檢測一、實驗?zāi)康呐c要求目的：熟悉采用Roberts算子、Sobel算子、Prewitt算子、Laplacian算子和LOG算子檢測數(shù)字圖像的邊緣。要求：上機(jī)運(yùn)行，調(diào)試通過。二、 實驗設(shè)備： 計算機(jī)、Matlab軟件、VC+或C語言軟件 三、實驗內(nèi)容利用VC+/C或MatLab中關(guān)于邊緣檢測的函數(shù)，分別采用Roberts算子、Sobel算子、Prewitt算子、Laplacian算子和LOG算子檢測數(shù)字圖像的邊緣。四、實驗原理兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣

6、，邊緣是灰度值不連續(xù)的結(jié)果，這種不連續(xù)性通?？梢岳们髮?dǎo)數(shù)的方法方便地檢測到。常用的邊緣檢測算子有Roberts算子、Sobel算子、Prewitt算子、LOG算子和Laplacian算子。Roberts算子是一種利用局部差分算子尋找邊緣的算子，其模板如圖：Sobel算子的兩個卷積計算核如圖：Prewitt算子的兩個卷積計算核如圖： LOG算子=高斯濾波+拉普拉斯邊緣檢測。 Laplacian算子是二階導(dǎo)數(shù)的二維等效式，卷積核如圖：五、實驗報告內(nèi)容（1）描述實驗的基本步驟，給出各個算子取得的實驗。（2）結(jié)合實驗內(nèi)容，簡述各個算子的效果、特點(diǎn)和適用范圍。ps=(C:Documents and S

7、ettingsOwnerMy DocumentsMATLABroad3.jpg); %讀取圖像subplot(1,3,1)imshow(ps);title(原圖像);ps=rgb2gray(ps);m,n=size(ps); %用Sobel微分算子進(jìn)行邊緣檢測pa = edge(ps,sobel);subplot(1,3,2);imshow(pa);title(sobel邊緣檢測得到的圖像);ps=(C:Documents and SettingsOwnerMy DocumentsMATLABroad3.jpg); %讀取圖像subplot(1,3,1)imshow(ps);title(原圖像

8、);ps=rgb2gray(ps);m,n=size(ps); %用Roberts微分算子進(jìn)行邊緣檢測pa = edge(ps,Roberts);subplot(1,3,2);imshow(pa);title(Roberts邊緣檢測得到的圖像);ps=(C:Documents and SettingsOwnerMy DocumentsMATLABroad3.jpg); %讀取圖像subplot(1,3,1)imshow(ps);title(原圖像);ps=rgb2gray(ps);m,n=size(ps); %用Prewitt微分算子進(jìn)行邊緣檢測pa = edge(ps,Prewitt);su

9、bplot(1,3,2);imshow(pa);title(Prewitt邊緣檢測得到的圖像);ps=(C:Documents and SettingsOwnerMy DocumentsMATLABroad3.jpg ); %讀取圖像subplot(1,3,1)imshow(ps);title(原圖像);ps=rgb2gray(ps);m,n=size(ps); %用Sobel微分算子進(jìn)行邊緣檢測pa = edge(ps,LOG);subplot(1,3,2);imshow(pa);title(LOG邊緣檢測得到的圖像);實驗四 邊緣檢測一、實驗?zāi)康呐c要求目的：加深對Canny邊緣檢測的原理的

10、理解。要求：上機(jī)運(yùn)行，調(diào)試通過。二、 實驗設(shè)備： 計算機(jī)、Matlab軟件、VC+或C語言軟件 三、實驗內(nèi)容用Matlab語言（或C語言），編寫Canny邊緣檢測器的Matlab（或C語言）函數(shù)；利用上述函數(shù)，對一副圖像進(jìn)行邊緣檢測；利用Matlab自帶的Canny邊緣檢測函數(shù)對同一副圖像進(jìn)行邊緣檢測；比較上述兩個結(jié)果。 四、實驗步驟步1. 圖像與高斯平滑濾波器卷積：步2. 使用一階有限差分計算偏導(dǎo)數(shù)陣列P與Q：步3. 計算梯度幅值與方向角:步4. 非極大值抑制（NMS ） ： 去掉幅值局部變化非極大的點(diǎn) * 將梯度角離散為圓周的四個扇區(qū)之一，以便用33的窗口 作抑制運(yùn)算 * 方向角離散化：* 抑制，得到新幅值圖：步5. 閾值化取高低兩個閾值作用于幅值圖Ni,j，得到兩個邊緣圖：高閾值和低閾值邊緣圖。連接高閾值邊緣圖，出現(xiàn)斷點(diǎn)時，在低閾值邊緣圖中的8鄰點(diǎn)域搜尋邊緣點(diǎn)。五、實驗報告內(nèi)容（1）描述實驗的基本步驟，給出實驗程序代碼及必要說明。ps=imread(C:Documents and SettingsOwnerMy DocumentsMATLABroad3.j