sober算子边缘检测,不用库函数EDGE

1、1数字图象处理介绍1.1数字图像处理主要研究的内容数字图像处理主要研究的内容有以下几个方面：1）图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。2）图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真

2、的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。3）图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立"降质模型"，再采用某种滤波方法，恢复或重建原来的图像。4）图像分割图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有

3、意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。5）图像描述图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。6）图像分类（识别）图像分类（识别）属于模式识

4、别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。1.2MATLAB在图像处理中的应用MATLAB6.x提供了2O类图像处理函数，涵盖了图像处理包括近期研究成果在内的几乎所有的技术方法，是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。这些函数按功能可分为图像显示、图像文件1/0、图像算术运算、几何变换、图像登记、像素值与统计、图像分析、图像增强、线性滤波、线性二元滤波设计、图像去模

5、糊、图像变换、邻域与块处理、灰度与二值图像的形态学运算、结构元素创建与处理、基于边缘的处理、色彩映射表操作、色彩空间变换及图像类型与类型转换Maflab数字图像处理工具箱函数包括以下几类：（1）图像显示函数；（2）图像文件输入、输出函数；（3）图像几何操作函数；（4）图像像素值及统计函数；（5）图像分析函数；（6）图像增强函数；（7）线性滤波函数；（8）二维线性滤波器设计函数；（9）图像变换函数；（10）图像邻域及块操作函数；（11）二值图像操作函数；（12）基于区域的图像处理函数；（13）颜色图操作函数；（14）颜色空间转换函数；（15）图像类型和类型转换函数。2武汉理工大学<<

6、专业综合课程设计>>说明书3武汉理工大学<<专业综合课程设计>>说明书2原理与实现2.1基本思想图像边缘是一种重要的视觉信息，图像边缘检测是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。实现边缘检测有很多不同的方法，也一直是图像处理中的研究热点，人们期望找到一种抗噪强、定位准、不漏检、不误检的检测算法。经典的算法中主要用梯度算子，最简单的梯度算子是Roberts算子，比较常用的有Prewitt算子和Sobel算子，其中Sobel算子效果较好，但是经典Sobel算子也存在不足，其

7、边缘具有很强的方向性，只对垂直与水平方向敏感，其他方向不敏感，这就使得那些边缘检测不到j。对后续的图像处理有很大的影响。本文在此基础提出了一种新的算法，该算子该算法提高了传统Sobel检测算子的性能，具有良好的检测精度。2.2Sobel算子的原理索贝尔算子(Sobeloperator)是图像处理中的算子之一，主要用作边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分

8、别代表经横向及纵向边缘检测的图像，其公式如下Z-10+Gx=-20+2*A(10+1<+1+2+1Gy=000A1-1一2-1图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。G=、,Gx2Gy2然后可用以下公式计算梯度方向-Gy=arctan()Gx在以上例子中，如果以上的角度©等于零，即代表图像该处拥有纵向边缘，左方较右方暗。在边沿检测中，常用的一种模板是Sobel算子。Sobel算子有两个，一个是检测水平边沿的；另一个是检测垂直平边沿的。与和相比，Sobel算子对于象素的位置的影响做了加权，因此效果更好。Sobel算子另一种形式是各向同性Sobe

9、l(lsotropicSobel)算子，也有两个，一个是检测水平边沿的，另一个是检测垂直平边沿的。各向同性Sobel算子和普通Sobel算子相比，它的位置加权系数更为准确，在检测不同方向的边沿时梯度的幅度一致。由于建筑物图像的特殊性，我们可以发现，处理该类型图像轮廓时，并不需要对梯度方向进行运算，所以程序并没有给出各向同性Sobel算子的处理方法。由于Sobel算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数，简单有效，因此应用广泛。美中不足的是，Sobel算子并没有将图像的主体与背景严格地区分开来，换言之就是Sobel算子没有基于图像灰度进行处理，由于Sobel算子没有严格地模拟人的

10、视觉生理特征，所以提取的图像轮廓有时并不能令人满意。在观测一幅图像的时候，我们往往首先注意的是图像与背景不同的部分，正是这个部分将主体突出显示，基于该理论，我们给出了阈值化轮廓提取算法，该算法已在数学上证明当像素点满足正态分布时所求解是最优的。4武汉理工大学<<专业综合课程设计>>说明书2.3算法设计针对经典Sobel算子对边缘具有很强的方向性特点，提出了一种在Sobel算子上改进的算法，其主要思想是先对图像进行全局阈值的分割处理，因为分割后的图像是二值图像，此时进行边缘提取，这就可以使各个方向的边缘都可以检测到。但也可能会丢失原本可直接用Sobel算子检测到的边缘。因

11、此，用处理后所得的图像与用Sobel算子直接对原始图像进行边缘检测的图像相加，这一步就显得尤为重要。其理论框图如图1所示：图1理论框图迭代法求阚值：根据图1的理论框图，先对图像进行阈值处理，这里采用的是用迭代法求全局阈值的方法。其具体的步骤如下：i）为阈值T选一个初始估计值（建议初始估计值为图像中最大亮度值和最小高度值的中间值）。ii）使用T分割图像。这会产生两组像素：亮度值T的所有像素组成的G1,高度值<T的所有像素组成的G2iii）计算G1和G2范围内的像素的平均亮度值u1和“2。iv）计算一个新的阈值：T=1/2（MI+M2）。v）重复步骤（i）到（iv），直到连续迭代中r的差比预

12、先指定的参数TO小为止。确定图像最佳的阈值丁后，对分割图像进行二值化。本课设采用MATLA里的库函数graythresh计算图像的阀值。3程序设计clcclearallcloseallH=imread('2.jpg');%读入图像imshow(H);title('真彩图');A=rgb2gray(H);figure,imshow(A);title('灰度图');%VSFAT=edge(A,'sobel','vertical');%figure,imshow(VSFAT),title('垂直边缘检测'

13、);%VSFAT=edge(A,'sobel','horizontal');%figure,imshow(VSFAT),title('水平边缘检测');y_mask=-1-2-1;000;121;%建立Y方向的模板x_mask=y_mask'%建立X方向的模板I=im2double(A);%将图像数据转化为双精度dx=imfilter(l,x_mask);%计算X方向的梯度分量dy=imfilter(I,y_mask);%计算Y方向的梯度分量gradh=mat2gray(dx);%水平方向的梯度图levelh=graythresh(dx)

14、;ho=im2bw(dx,levelh);figure,imshow(ho),title('水平边缘检测');gradv=mat2gray(dy);%垂直方向的梯度图levelv=graythresh(dy);ve=im2bw(dy,levelv);figure,imshow(ve),title('垂直边缘检测');grad=sqrt(dx.*dx+dy.*dy);%计算梯度grad=mat2gray(grad);%将梯度矩阵转换为灰度图像level=graythresh(grad);%计算灰度阈值BW=im2bw(grad,level);%用阈值分割梯度图像f

15、igure,imshow(BW);%显示分割后的图像即边缘图像title('Sobel')7武汉理工大学<<专业综合课程设计>>说明书4结果与分析将程序文件名保存为main.m,以下为MATLAB主窗口运行的过程与结果8武汉理工大学<<专业综合课程设计>>说明书#武汉理工大学<<专业综合课程设计>>说明书灰度图9武汉理工大学<<专业综合课程设计>>说明书10武汉理工大学<<专业综合课程设计>>说明书水平边缘检测垂直边缘检测#武汉理工大学<<专业综合

16、课程设计>>说明书Sobel结果分析：在本实验中使用Sober算子在3个方向进行了图像边缘检测，从程序运行结果可以看出，45度角Sober算子生成的边缘检测图像呈现出浮雕效果，水平和垂直Sober算子检测出的边缘多于单个方向上检测出的边缘。Sober算子利用像素的上、下、左、右邻域的灰度加权算法，根据在边缘点处达到极值这一原理进行边缘检测。该方法不但产生较好的检测效果.而且对噪声具有平滑作用，可以提供较为精确的边缘方向信息。但是，在抗噪声好的同时也存在检测到伪边缘，定位精度不高的缺点。由于Sober算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数，简单有效，因此应用广泛。由

17、于Sober算子没有严格地模拟人的视觉生理特征.所以提取的图像轮廓有时并不能令人满意。如果在Sober算子处理图像之前对图片进行预处理，突出图片的边缘线条部分，那么再经Sober算子运算后的边缘线条将会精确得多。11武汉理工大学<<专业综合课程设计>>说明书5心得体会经过两周的努力努力，总算把专业综合课程设计做完了。通过该课程设计，全面系统的理解了数字图像处理的一般原理和基本实现方法。把死板的课本知识变得生动有趣，激发了学习的积极性。把学过的数字图像处理基础原理的知识强化，能够把课堂上学的知识通过自己编写的程序表示出来，加深了对理论知识的理解。在这次课程设计中，我先是认

18、真阅读课本上的相关知识，理解透后又翻阅关于matlab的书籍，学习matlab中一些函数及运算符的用法。总体来说,这次课设我学到了很多。在设计过程中，加深了对可内知识的理解就，真正懂得了学以致用，熟悉了matlab的使用，了解了matlab在数字图像处理中的重大应用。做课程设计我体会到了设计的艰辛的同时，更让我体会到成功的喜悦和快乐这次数字图像处理课程设计，虽然短暂但是让我得到多方面的提高：首先，提高了我们的对matlab语言的运用能力。以前也曾用matlab做过课程设计，但以前写的程序既没有人机交互功能，这次课程设计首次运用模块化思想，将多个功能分模块编写，然后通过主函数调用，并且有一定的人机交互。matlab程序设计中也有顺序、选择、循环三种结构，这一点和C语言很像。其次，掌握了数字图像的原理及运用matlab进行图像处理的方法。通过matlab中提供的图片读取函数可以将一幅黑白图片转换为二维数组，然后运用C语言里掌握的编程思想和图像处理的原理，就能编写出相应程序。以前用过photoshop之类的软件进行过图像处理，但未能理解数字图像处理的本质。通过此次课程设计，能够自己编写函数来进行图像处理，有一种成就感。最后，查阅参考书和资料的独立思考的