边缘检测+摄像头标定.doc

边缘检测一.目的:本实验主要是对图像的边缘进行提取，通过对边缘的分析来分析图像的特征，由于边缘是图象最基本的特征, 边缘检测在计算机视觉、图象分析等应用中起着重要的作用,是图象分析与识别的重要环节,这是因为子图象的边缘包含了用于识别的有用信息,因此进行边缘检测处理是图像分析和模式识别的主要特征提取手段。二.内容: 1.原理：使用数学方法提取图像像元中具有亮度值（灰度）空间方向梯度大的边、线特征的过程，边缘检测的实质是采用某种算法来提取出图像中对象与背景问的交界线。2.方法：有许多用于边缘检测的方法, 他们大致可分为两类：基于搜索和基于零交叉。基于搜索的边缘检测方法首先计算边缘强度， 通常用一阶导数表示， 例如梯度模，然后，用计算估计边缘的局部方向， 通常采用梯度的方向，并利用此方向找到局部梯度模的最大值。基于零交叉的方法找到由图像得到的二阶导数的零交叉点来定位边缘， 通常用拉普拉斯算子或非线性微分方程的零交叉点。3.步骤：滤波：边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失，因此，增强边缘和降低噪声之间需要折中。 增强:增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域(或局部)强度值有显著变化的点突显出来。边缘增强一般是通过计算梯度幅值来完成的。 检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。最简单的边缘检测判据是梯度幅值阈值判据。 定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来。在边缘检测算法中，前三个步骤用得十分普遍。这是因为大多数场合下，仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近，而没有必要指出边缘的精确位置或方向。4.算子：一阶:：Roberts Cross算子，Prewitt算子，Sobel算子，Canny算子等；二阶： Marr-Hildreth，在梯度方向的二阶导数过零点。 下面为各算子模型:100-10-110 Roberts算子模板 -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -3 0 1Sobel算子模板 1 0 -1 1 0 -1 1 0 -1 -1 -1 -1 0 0 0 1 1 1 Prewitt算子模板 0 -1 0 -1 4 -1 0 -1 0 -1 -1 -1 -1 8 -1 -1 -1 -1 Laplace算子模板 三.基于MATLAB的仿真实验结果：1)没有加噪声的情况:2）加入高斯噪声（u=0,2=0.01）的情况3）加入高斯噪声（u=0,2=0.02）的情况四.结论:根据第三部分的实验仿真结果，可以得出以下结论：1） 在没加入噪声的情况下Canny算子模型的效果是最好的，能基本上保持原图像的各种细节轮廓；2） 当加入高斯噪声以后，经Laplace算子模型处理后，基本上失去了原来的图像信息，Canny算子模型也是，而且此时经Sobel算子模型处理后，图像还能基本上保持原图像的边缘轮廓；五.参考文献：1 Rafael C.Gonzalez、Richard E.Woods.冈萨雷斯.数字图像处理（第二版）电子工业出版社2 陈天华.数字图像处理.北京：清华大学出版社，2007.63 Mallat S Zhong.Characterization of signal from multiscale edgeJ.IEEE Trans PAMI,1992;(7):710-732附录：Matlab程序：function main()I = imread(F:/lena.PGN);if ndims(I) = 3 I = rgb2gray(I); %0.2989 * R + 0.5870 * G + 0.1140 * B end% 没有噪声时的检验结果Test_Edge(I);% 加入高斯噪声（u=0.0,2=0.01）检验结果I1 = imnoise(I, gaussian, 0, 0.01);Test_Edge(I1);% 加入高斯噪声（u=0.0,2=0.02）检验结果I2 = imnoise(I, gaussian, 0, 0.02);Test_Edge(I2); function Test_Edge(Img)% 1 原始图像if ndims(Img) = 3 I = rgb2gray(Img);else I = Img;end% 2 Sobel算子边缘检测Esoble = edge(I, sobel);% 3 Prewitt算子边缘检测EPrewitt = edge(I, prewitt);% 4 Roberts算子边缘检测ERoberts = edge(I, roberts);% 5 Laplace算子边缘检测h = fspecial(laplacian);ELaplace = imfilter(I, h, replicate);% 6 Canny算子边缘检测Ecanny = edge(I, canny);figure(Units, Normalized, Position, 0 0 1 1);subplot(3, 2, 1); imshow(I, ); title(原图像, FontWeight, Bold);subplot(3, 2, 2); imshow(Esoble, ); title(Sobel算子边缘检测图像, FontWeight, Bold);subplot(3, 2, 3); imshow(EPrewitt, ); title(Prewitt算子边缘检测图像, FontWeight, Bold);subplot(3, 2, 4); imshow(ERoberts, ); title(Roberts算子边缘检测图像, FontWeight, Bold);subplot(3, 2, 5); imshow(E