《計(jì)算機(jī)視覺 形態(tài)學(xué) 邊緣檢測》由會員分享，可在線閱讀，更多相關(guān)《計(jì)算機(jī)視覺 形態(tài)學(xué) 邊緣檢測（10頁珍藏版）》請?jiān)谘b配圖網(wǎng)上搜索。

1、 實(shí)驗(yàn)二 形態(tài)算子 一、實(shí)驗(yàn)?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(shí)際圖像的能力。 要求：上機(jī)運(yùn)行，調(diào)試通過。 二、 實(shí)驗(yàn)設(shè)備： 計(jì)算機(jī)、Matlab軟件、VC++或C語言軟件 三、實(shí)驗(yàn)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(shí)驗(yàn)原理： 膨脹： 腐蝕： 開運(yùn)算： 閉運(yùn)算： 五、實(shí)驗(yàn)報(bào)告內(nèi)容 （1）描述實(shí)驗(yàn)的基本步驟，用數(shù)據(jù)和圖片給出各個步驟中取得的實(shí)驗(yàn)結(jié)果，并進(jìn)行必要的討論

2、，必須包括原始圖像及其計(jì)算/處理后的圖像。 （2）結(jié)合實(shí)驗(yàn)內(nèi)容，評價腐蝕、膨脹以及開運(yùn)算、閉運(yùn)算的效果，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 Settings\Owner\My Documents\MATLAB\road3.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),imsho

3、w(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(i+1,j)==1)&&(I2(i,j+1)==1) I3(i,j)=1; end end end subplot(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)

4、||(I2(i+1,j)==1)||(I2(i,j+1)==1) I4(i,j)=1; end end end subplot(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; end end end subplot(2,3,5),imshow(I5

5、) 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 end end subplot(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

6、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(shí)驗(yàn)三 邊緣檢測 一、實(shí)驗(yàn)?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(shí)驗(yàn)設(shè)備： 計(jì)算機(jī)、Matlab軟件、VC++或C語言軟件 三、實(shí)驗(yàn)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、

7、Prewitt算子、Laplacian算子和LOG算子檢測數(shù)字圖像的邊緣。 四、實(shí)驗(yàn)原理 兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣是灰度值不連續(xù)的結(jié)果，這種不連續(xù)性通常可以利用求導(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(jì)算核如圖： Prewitt算子的兩個卷積計(jì)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

8、式，卷積核如圖： 五、實(shí)驗(yàn)報(bào)告內(nèi)容 （1）描述實(shí)驗(yàn)的基本步驟，給出各個算子取得的實(shí)驗(yàn)。 （2）結(jié)合實(shí)驗(yàn)內(nèi)容，簡述各個算子的效果、特點(diǎn)和適用范圍。 ps=('C:\Documents and Settings\Owner\My Documents\MATLAB\road3.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');

9、 subplot(1,3,2); imshow(pa); title('sobel邊緣檢測得到的圖像'); ps=('C:\Documents and Settings\Owner\My Documents\MATLAB\road3.jpg'); %讀取圖像 subplot(1,3,1) imshow(ps); title('原圖像'); 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);

10、imshow(pa); title('Roberts邊緣檢測得到的圖像'); ps=('C:\Documents and Settings\Owner\My Documents\MATLAB\road3.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'); subplot(1,3,2); imshow(pa); titl

11、e('Prewitt邊緣檢測得到的圖像'); ps=('C:\Documents and Settings\Owner\My Documents\MATLAB\road3.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');

12、 實(shí)驗(yàn)四 邊緣檢測 一、實(shí)驗(yàn)?zāi)康呐c要求 目的：加深對Canny邊緣檢測的原理的理解。 要求：上機(jī)運(yùn)行，調(diào)試通過。 二、 實(shí)驗(yàn)設(shè)備： 計(jì)算機(jī)、Matlab軟件、VC++或C語言軟件 三、實(shí)驗(yàn)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(shí)驗(yàn)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(jì)算偏導(dǎo)數(shù)陣列P與Q： 步3. 計(jì)算梯度幅值與方向角: 步4. 非極

13、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3×3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N[i,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(shí)驗(yàn)報(bào)告內(nèi)容 （1）描述實(shí)驗(yàn)的基本步驟，給出實(shí)驗(yàn)程序代碼及必要說明。 ps=imread('C:\Documents and Settings\Owner\My Documents\MATLAB\road3.jpg'); %讀取圖像 subplot(1,3,1) imshow(ps); title('原圖像'); ps=rgb2gray(ps); [m,n]=size(ps); pa = edge(ps,'canny'); subplot(1,3,2); imshow(pa); title('canny邊緣檢測得到的圖像'); （2）結(jié)合實(shí)驗(yàn)內(nèi)容，給出實(shí)驗(yàn)結(jié)果的分析和總結(jié)。