Matlab 图像—边缘检测算法及效果演示-技术圈

点击下方卡片，关注“新机器视觉”公众号

重磅干货，第一时间送达

来源：古月居

边缘检测

在图像中，边缘是一条曲线，其走势与图像中强度快速变化的路径一致。边缘通常与场景中目标的边界相关联。边缘检测用于确定图像中的边缘。

要寻找边缘，您可以使用 edge 函数。此函数使用以下两个标准之一来寻找图像中强度迅速变化的位置：

强度的一阶导数的模大于某个阈值的位置
强度的二阶导数有过零点的位置

edge 提供几个导数估算器，其中每个都实现以下定义之一。

对于其中一些估算器，您可以指定运算是否应对水平边缘、垂直边缘敏感或对两者都敏感。

edge 返回二值图像，其中包含的 1 对应于找到边的位置，0 对应于其他位置。

edge 提供的最强大的边缘检测方法是 Canny 方法。Canny 方法与其他边缘检测方法的不同之处在于，它使用两种不同阈值（用于检测强边缘和弱边缘），并且仅当弱边缘连通到强边缘时才在输出中包括弱边缘。

因此，这种方法不太可能受到噪声的影响，更可能检测到真正的弱边缘。

检测图像中的边缘

此示例说明如何同时使用 Canny 边缘检测器和 Sobel 边缘检测器来检测图像中的边缘。

Matlab 代码

I = imread('coins.png');imshow(I);% 将 Sobel 和 Canny 边缘检测器同时应用于图像，并显示它们以进行比较。BW1 = edge(I,'sobel');BW2 = edge(I,'canny');figure;imshowpair(BW1,BW2,'montage')title('Sobel Filter                                   Canny Filter');

代码效果如下：

边缘算法：robert

边缘定位精度较高，对于陡峭边缘且噪声低的图像效果较好，但没有进行平滑处理，没有抑制噪声的能力。

BW1=edge(Img,'Roberts',0.16);

边缘算法：sobel prewitt

进行了平滑处理，对噪声具有一定抑制能力，但容易出现多像素宽度。

BW2=edge(Img,'Sobel',0.16);BW3=edge(Img,'Prewitt',0.16);

边缘算法：laplacian

对噪声较为敏感，使噪声能力成分得到加强，容易丢失部分边缘方向信息，造成一些不连续的检测边缘，同时抗噪声能力较差。

边缘算法：log

抗噪声能力较强，但会造成一些尖锐的边缘无法检测到。

BW5=edge(Img,'LOG',0.16);

边缘算法：canny

最优化思想的边缘检测算子，同时采用高斯函数对图像进行平滑处理，但会造成将高频边缘平滑掉，造成边缘丢失，采用双阈值算法检测和连接边缘。

BW6=edge(Img,'Canny',0.16);

效果对比

还有一篇更加偏向于原理讲解的文章：

图像边缘检测及提取方法总结（含Matlab代码）

https://blog.csdn.net/LemonXQ/article/details/79695641

本文仅做学术分享，如有侵权，请联系删文。

—THE END—