4．1Canny算子检测的程序及仿真图BW=edge(I,canny);%以自动....docVIP

41 canny算子检测的程序及仿真图bw = edge(i,canny);% 以自动阈值选择法对图像进行canny算子检测bw,thresh = edge(i,canny);% 返回当前canny算子边缘检测的阈值disp(canny算子自动选择的阈值为：)disp(thresh)subplot(121),imshow(bw);title(自动阈值的canny算子边缘检测)bw = edge(i,canny,0.2 0.5);% 以阈值为0.1 0.5对图像进行canny算子检测subplot(122),imshow(bw);title(阈值为0.1 0.5的canny算子边缘检测)图 142 roberts算子检测的程序及仿真图i = imread(rice.tif);bw1 = edge(i,roberts);% 以自动阈值选择法对图像进行roberts算子检测bw1,thresh1 = edge(i,roberts);% 返回当前roberts算子边缘检测的阈值disp(roberts算子自动选择的阈值为：)disp(thresh1)subplot(121),imshow(bw1);title(自动阈值的roberts算子边缘检测)bw1 = edge(i,roberts,0.05);% 以阈值为0.05对图像进行roberts算子检测subplot(122),imshow(bw1);title(阈值为0.05的roberts算子边缘检测)bw2 = edge(i,sobel);% 以自动阈值选择法对图像进行sobel算子检测figure,subplot(131),imshow(bw2);title(自动阈值的sobel算子边缘检测)bw2,thresh2 = edge(i,sobel);% 返回当前sobel算子边缘检测的阈值disp(sobel算子自动选择的阈值为：)disp(thresh2)bw2 = edge(i,sobel,0.05,horizontal);% 以阈值为0.05水平方向对图像进行sobel算子检测subplot(132),imshow(bw2);title(阈值0.05水平方向sobel算子)bw2 = edge(i,sobel,0.05,vertical);% 以阈值为0.05垂直方向对图像进行sobel算子检测subplot(133),imshow(bw2);title(阈值0.05垂直方向sobel算子)bw3 = edge(i,prewitt);% 以自动阈值选择法对图像进行prewitt算子检测figure,subplot(131),imshow(bw3);title(自动阈值的prewitt算子边缘检测)bw3,thresh3 = edge(i,prewitt);% 返回当前prewitt算子边缘检测的阈值disp(prewitt算子自动选择的阈值为：)disp(thresh3)bw3 = edge(i,prewitt,0.05,horizontal);% 以阈值为0.05水平方向对图像进行prewitt算子检测subplot(132),imshow(bw3);title(阈值0.05水平方向prewitt算子)bw3 = edge(i,prewitt,0.05,vertical);% 以阈值为0.05垂直方向对图像进行prewitt算子检测subplot(133),imshow(bw3);title(阈值0.05垂直方向prewitt算子)图 2图 3图 443 log算子检测的程序及仿真图i = imread(rice.tif);bw1 = edge(i,log);% 以自动阈值选择法对图像进行log算子检测bw1,thresh1 = edge(i,log);% 返回当前log算子边缘检测的阈值disp(log算子自动选择的阈值为：)disp(thresh1)subplot(121),imshow(bw1);title(自动阈值的log算子边缘检测)bw1 = edge(i,log,0.005);% 以阈值为0.005对图像进行log算子检测subplot(122),imshow(bw1);title(阈值为0.005的log算子边缘检测)h=fspecial(gaussian,5);% 设计高斯滤波器bw2,thresh2 = edge(i,zerocross,h);% 返回当前零交叉检测边缘检测的阈值disp(零交叉检测自动选择的阈值为：)disp(thresh2)figure,subplot(121),imshow(bw2);title(自动阈值的零交叉边缘检测)bw2 = edge(i,zerocross,0.03,h);% 以阈值为0.03对图像进行零交叉检测subplot(122),imshow(bw2);title(阈值为0.03的零交叉边缘检测)图 5图 65、膨胀与腐蚀的算法概念及程序 膨胀(dilation)可以看做是腐蚀的对偶运算，其定义是：把结构元素b平移a后得到ba，若ba击中x，我们记下这个a点。所有满足上述条件的a点组成的集合称做x被b膨胀的结果。用公式表示为：d(x)=a | bax=x b，如图6.13所示。图6.13中x是被处理的对象，b是结构元素，不难知道，对于任意一个在阴影部分的点a，ba击中x，所以x被b膨胀的结果就是那个阴影部分。阴影部分包括x的所有范围，就象x膨胀了一圈似的，这就是为什么叫膨胀的原因。把结构元素b平移a后得到ba，若ba包含于x，我们记下这个a点，所有满足上述条件的a点组成的集合称做x被b腐蚀(erosion)的结果。用公式表示为：e(x)=a| ba x=x b。程序如下：blood = imread(blood1.bmp);x,y=size(blood); % 求出图象大小b=double(blood); n =sqrt(100) * randn(x,y); % 生成方差为10的白噪声i=b+n; % 噪声干扰图象for i=1:x % 实际图象的灰度为0255 for j=1:y if (i(i,j)255) i(i,j)=255; end if (i(i,j)=allow) % 迭代最佳阈值分割算法 count=count+1; for i=1:x for j=1:y if (i(i,j)=t) s0=s0+i(i,j); n0=n0+1; end if (i(i,j)=t) seg(i,j)=1; % 阈值分割的图象 end endendsi=1-seg; % 阈值分割后的图象求反，便于用腐蚀算法求边缘se1=strel(square,3); % 定义腐蚀算法的结构si1=imerode(si,se1); % 腐蚀算法bw=si-si1; % 边缘检测%=传统的边缘检测方法=%i=uint8(i);bw1=edge(i,sobel, 0.11);bw2=edge(i,log, 0.015);%=图象显示=%figure(1);imshow(i);ti