基于matlab的图像边缘提取算法实现及应用

Matlab在边缘检测与边界提取中的应用在计算机视觉领域中，边缘检测与边界提取是非常重要的任务。

边缘是图像中物体不同区域之间的分界线，边界提取则是通过检测图像中的边缘，从而凸显物体的轮廓。

边缘检测与边界提取在许多应用中都发挥着重要作用，如图像分割、目标识别和机器视觉等。

Matlab是一种功能强大且流行的科学计算软件，它提供了许多用于边缘检测和边界提取的工具和函数。

下面将介绍一些常用的Matlab函数和技术，它们在边缘检测与边界提取中的应用。

一、基于梯度的边缘检测梯度是表示图像中变化的指标，边缘通常是图像灰度值变化剧烈的区域。

Matlab中的Sobel、Prewitt和Roberts等函数可以方便地计算图像的梯度，从而实现边缘检测。

例如，使用Sobel算子可以对图像进行边缘检测：```I = imread('image.jpg');gray = rgb2gray(I);sobel_x = edge(gray, 'sobel', 'horizontal');sobel_y = edge(gray, 'sobel', 'vertical');imshowpair(sobel_x, sobel_y, 'montage');```上述代码首先加载并灰度化图像，然后使用Sobel算子分别计算水平和垂直方向上的梯度。

最后，使用imshowpair函数将水平和垂直边缘结果以并排的方式展示出来。

二、基于Canny算法的边缘检测Canny算法是一种广泛应用于边缘检测的算法，它通过多步骤的处理来准确地检测边缘。

在Matlab中，可以使用edge函数以及一些参数来实现Canny算法。

下面是一个使用Canny算法进行边缘检测的示例：```I = imread('image.jpg');gray = rgb2gray(I);canny = edge(gray, 'canny');imshow(canny);```上述代码中，首先加载并灰度化图像，然后使用edge函数采用Canny算法进行边缘检测。

Matlab实现：图像边缘提取1、边缘提取算法⽅法⼀：⼀阶微分算⼦Sobel算⼦Sobel算⼦检测⽅法对灰度渐变和噪声较多的图像处理效果较好，Sobel算⼦对边缘定位不是很准确，图像的边缘不⽌⼀个像素。

Roberts算⼦Roberts算⼦检测⽅法对具有陡峭的低噪声的图像处理效果较好，但是利⽤roberts算⼦提取边缘的结果是边缘⽐较粗，因此边缘的定位不是很准确。

Prewitt算⼦Prewitt算⼦检测⽅法对灰度渐变和噪声较多的图像处理效果较好。

但边缘较宽，⽽且间断点多。

Canny算⼦Canny算⼦是⽬前边缘检测最常⽤的算法，效果也是最理想的。

Canny⽅法不容易受噪声⼲扰，能够检测到真正的弱边缘。

优点在于，使⽤两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。

⽅法⼆：⼆阶微分算⼦Laplacian算⼦Laplacian算⼦法对噪声⽐较敏感，所以很少⽤该算⼦检测边缘，⽽是⽤来判断边缘像素视为与图像的明区还是暗区。

2、实验结果分析⼀、边缘提取：Sobel算⼦检测⽅法对灰度渐变和噪声较多的图像处理效果较好，sobel算⼦对边缘定位不是很准确，图像的边缘不⽌⼀个像素；Roberts算⼦检测⽅法对具有陡峭的低噪声的图像处理效果较好，但是利⽤roberts算⼦提取边缘的结果是边缘⽐较粗，因此边缘的定位不是很准确；Prewitt算⼦检测⽅法对灰度渐变和噪声较多的图像处理效果较好。

但边缘较宽，⽽且间断点多；Laplacian算⼦法对噪声⽐较敏感，所以很少⽤该算⼦检测边缘，⽽是⽤来判断边缘像素视为与图像的明区还是暗区；Canny⽅法不容易受噪声⼲扰，能够检测到真正的弱边缘。

优点在于，使⽤两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。

⼆、边缘复合增强Sobel、Robert、Prewitt算⼦的增强效果并不是很明显，尤其是Robert算⼦，因为它提取的边缘点过于稀疏和离散；Laplacian算⼦和canny算⼦的增强效果都⽐较理想，将边缘叠加上去后，整个⼿的轮廓和边缘都很清晰，直观上看，canny算⼦实现的效果⽐Laplacian算⼦好，最明显的地⽅就是⼿指尖的边缘。

基于matlab的图像边缘检测算法研究和仿真目录第1章绪论 11.1 序言 11.2 数字图像边缘检测算法的意义 1第2章传统边缘检测方法及理论基础 2 2.1 数字图像边缘检测的现状与发展 22.2 MATLAB和图像处理工具箱的背景知识 32.3 数字图像边缘检测关于边缘的定义 42.4 基于一阶微分的边缘检测算子 42.5 基于二阶微分的边缘检测算子 7第3章编程和调试 103.1 edge函数 103.2 边缘检测的编程实现 11第4章总结 13第5章图像边缘检测应用领域 13附录参考文献 15第1章绪论§1.1 序言理解图像和识别图像中的目标是计算机视觉研究的中心任务，物体形状、物体边界、位置遮挡、阴影轮廓及表面纹理等重要视觉信息在图像中均有边缘产生。

图像边缘是分析理解图像的基础，它是图像中最基本的特征。

在Marr的计算机视觉系统中，图像边缘提取占据着非常重要位置，它位于系统的最底层，为其它模块所依赖。

图像边缘提取作为计算机视觉领域最经典的研究课题，长期受到人们的重视。

图像边缘主要划分为阶跃状和屋脊状两种类型。

阶跃状边缘两侧的灰度值变化明显，屋脊状边缘则位于灰度增加与减少的交界处。

传统的图像边缘检测方法大多是从图像的高频分量中提取边缘信息，微分运算是边缘检测与提取的主要手段。

由于传统的边缘检测方法对噪声敏感，所以实际运用效果有一定的局限性。

近年来，越来越多的新技术被引入到边缘检测方法中，如数学形态学、小波变换、神经网络和分形理论等。

Canny于1986年提出基于最优化算法的边缘检测算子，得到了广泛的应用，并成了与其它实验结果作比较的标准。

其原因在于他最先建立了优化边缘检测算子的理论基础，提出了迄今为止定义最为严格的边缘检测的三个标准。

另外其相对简单的算法使得整个过程可以在较短的时间实现。

实验结果也表明，Canny算子在处理受加性高斯白噪声污染的图像方面获得了良好的效果[1]。

matlab边缘提取及拟合边缘提取及拟合是数字图像处理中的一个重要的步骤。

边缘可以用于图像分割、物体识别、目标跟踪等领域。

本文将介绍边缘提取的常用方法以及拟合方法，并结合MATLAB代码进行讲解。

一、边缘提取方法1. Sobel算子Sobel算子是一种基于梯度的边缘检测算法，其原理是利用像素点周围的灰度值来计算梯度，从而得到边缘。

在MATLAB中，可以使用imgradient函数实现Sobel算子。

代码示例：I = imread('lena.png');[Gx, Gy] = imgradientxy(I);[Gmag, Gdir] = imgradient(Gx, Gy);imshowpair(Gmag, Gdir, 'montage');2. Canny算子Canny算子是一种基于多级阈值的边缘检测算法，其原理是先通过高斯滤波器对图像进行平滑处理，然后计算梯度，再进行非极大值抑制和双阈值分割，最后得到边缘。

在MATLAB中，可以使用edge函数实现Canny算子。

代码示例：I = imread('lena.png');BW = edge(I, 'canny');imshow(BW);二、拟合方法1. 直线拟合直线拟合是一种常用的边缘拟合方法，其原理是通过最小二乘法对边缘点进行拟合，从而得到一条直线。

在MATLAB中，可以使用polyfit函数实现直线拟合。

代码示例：I = imread('lena.png');BW = edge(I, 'canny');[H, T, R] = hough(BW);P = houghpeaks(H, 10);lines = houghlines(BW, T, R, P);imshow(I), hold onmax_len = 0;for k = 1:length(lines)xy = [lines(k).point1; lines(k).point2];plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');% Plot beginnings and ends of linesplot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');% Determine the endpoints of the longest line segmentlen = norm(lines(k).point1 - lines(k).point2);if ( len > max_len)max_len = len;xy_long = xy;endend2. 圆拟合圆拟合是一种边缘拟合方法，其原理是通过最小二乘法对边缘点进行拟合，从而得到一个圆。

摘要图像增强是指依据图像所存在的问题，按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些冗余信息的处理方法。

其主要目的是使得处理后的图像对给定的应用比原来的图像更加有效同时可以有效的改善图像质量。

图像增强技术主要包含直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。

本文先对图像增强的原理进行概述，然后对图像增强的方法分类并给出直方图增强、平滑和锐化等几种常用的增强方法、彩色图像增强的理论基础，通过MATLAB实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的技术要点，并对其图像增强方法进行性能评价。

关键词MATLAB ；图像锐化；边界提取AbstractImage enhancement is based on the problems existing in the images, according to the specific need to highlight some of the information in an image, at the same time, to weaken or remove some redundant information processing method. Its main purpose is to make the image after processing for a given application is more effective than the original image at the same time can effectively improve the image quality. Image enhancement technology mainly includes histogram modification, image smoothing processing, image intensification processing and color processing technology, etc. This article first overview of the principle of image enhancement and image enhancement method of classification and histogram enhancement, smoothing and sharpening of several common enhancement method, the theoretical basis of color image enhancement, through practical processing effect of MATLAB experiment compared the advantages and disadvantages of various algorithms, discussed the main technical points of the different enhancement algorithm, and its image enhancement method for performance evaluation.Key wordsMATLAB；image sharpening； edge extraction·目录摘要 0Abstract (1)第一章绪论 (3)1.1 图像锐化及边界提起发展背景和意义 (3)1.2 图像锐化处理的现状和研究方法 (3)1.3MATLAB简介 (4)1.4 MATLAB对图像处理的特点 (4)第二章基于MATLAB的图像锐化 (5)2.1图像锐化概述 (5)2.2 线性锐化滤波器 (5)2.3 非线性锐化滤波器 (6)2.3.1 Roberts算子 (6)2.3.2 Prewitt锐化算子 (7)2.3.3 Sobel锐化算子 (8)2.3.4 一阶微分锐化的效果比较 (9)2.3.5 二阶微分锐化其算法为： (9)第三章基于MATLAB的边界提取 (11)3.1图像边界提取的概念 (11)3.2微分算子法 (11)3.2.1 Sobel算子 (12)3.2.3 prewitt算子 (12)3.2.4 Laplacian算子 (13)3.2.5 Canny边缘检测法 (13)3.2.6各种方法边界提取的图像 (15)3.2.7结论 (17)参考文献 (18)致谢 (19)第一章绪论1.1 图像锐化及边界提起发展背景和意义数字图像处理（Digital Image Processing）又称为计算机图像处理，它最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。

目录摘要 (1)引言 (2)第一章绪论 (3)1.1 课程设计选题的背景及意义 (3)1.2 图像边缘检测的发展现状 (4)第二章边缘检测的基本原理 (5)2.1 基于一阶导数的边缘检测 (8)2.2 基于二阶导的边缘检测 (9)第三章边缘检测算子 (10)3.1 Canny算子 (10)3.2 Roberts梯度算子 (11)3.3 Prewitt算子 (12)3.4 Sobel算子 (13)3.5 Log算子 (14)第四章MATLAB简介 (15)4.1 基本功能 (15)4.2应用领域 (16)第五章编程和调试 (17)5.1 edge函数 (17)5.2 边缘检测的编程实现 (17)第六章总结与体会 (20)参考文献 (21)附录 (22)附录A：程序代码 (22)附录B：各种边缘检测算子得到的边缘图像效果 (23)摘要边缘是图像最基本的特征，包含图像中用于识别的有用信息，边缘检测是数字图像处理中基础而又重要的内容。

该课程设计具体考察了5种经典常用的边缘检测算子,并运用Matlab进行图像处理结果比较。

梯度算子简单有效，LOG算法和Canny边缘检测器能产生较细的边缘。

边缘检测的目的是标识数字图像中灰度变化明显的点，而导函数正好能反映图像灰度变化的显著程度，因而许多方法利用导数来检测边缘。

在分析其算法思想和流程的基础上，利用MATLAB对这5种算法进行了仿真实验，分析了各自的性能和算法特点，比较边缘检测效果并给出了各自的适用范围。

关键词：边缘检测；图像处理；MATLAB仿真如需程序/Word版本，请访问: 嵌入式软件院。

引言边缘检测在图像处理系统中占有重要的作用，其效果直接影响着后续图像处理效果的好坏。

许多数字图像处理直接或间接地依靠边缘检测算法的性能，并且在模式识别、机器人视觉、图像分割、特征提取、图像压缩等方面都把边缘检测作为最基本的工具。

但实际图像中的边缘往往是各种类型的边缘以及它们模糊化后结果的组合，并且在实际图像中存在着不同程度的噪声，各种类型的图像边缘检测算法不断涌现。

《图像处理中的数学方法》实验报告学生姓名：***教师姓名：曾理学院：数学与统计学院专业：信息与计算科学学号：********联系方式：139****1645梯度和拉普拉斯算子在图像边缘检测中的应用一、数学方法边缘检测最通用的方法是检测灰度值的不连续性，这种不连续性用一阶和二阶导数来检测。

1.（1）一阶导数：一阶导数即为梯度，对于平面上的图像来说，我们只需用到二维函数的梯度，即：∇f=[g xg y]=[ðf ðxðfðy],该向量的幅值：∇f=mag(∇f)=[g x2+g y2]1/2= [(ðf/ðx)2+(ðf/ðy)2]1/2,为简化计算，省略上式平方根，得到近似值∇f≈g x2+g y2；或通过取绝对值来近似，得到：∇f≈|g x|+|g y|。

（2）二阶导数：二阶导数通常用拉普拉斯算子来计算，由二阶微分构成：∇2f(x,y)=ð2f(x,y)ðx2+ð2f(x,y)ðy22.边缘检测的基本思想：（1）寻找灰度的一阶导数的幅度大于某个指定阈值的位置；（2）寻找灰度的二阶导数有零交叉的位置。

3.几种方法简介（1）Sobel边缘检测器：以差分来代替一阶导数。

Sobel边缘检测器使用一个3×3邻域的行和列之间的离散差来计算梯度，其中，每行或每列的中心像素用2来加权，以提供平滑效果。

∇f=[g x2+g y2]1/2={[(z7+2z8+z9)−(z1+2z2+z3)]2+[(z3+2z6+z9)−(z1+2z4+z7)]2}1/2（2）Prewitt边缘检测器:使用下图所示模板来数字化地近似一阶导数。

与Sobel检测器相比，计算上简单一些，但产生的结果中噪声可能会稍微大一些。

g x=(z7+z8+z9)−(z1+z2+z3)g y=(z3+z6+z9)−(z1−z4−z7)（3）Roberts边缘检测器：使用下图所示模板来数字化地将一阶导数近似为相邻像素之间的差，它与前述检测器相比功能有限（非对称，且不能检测多种45°倍数的边缘）。

MATLAB目的：检测下列图像的白色区域和红色区域的边缘，并计算其角度和距离。

1)利用烟草包装纸、基准线以及传送带三者之间的特性，首先将高速相机拍摄到的图片进行红色通道分离。

2)将通道分离后的图片进行二值化，得到二值图像3)将所得到的二值图像进行边缘检测4)将边缘检测后的图像先腐蚀运算，再进行膨胀运算，得到最终图像5)将图8最终得到的两条边界线使用MATLAB进行最小二乘法拟合，分别得到两条边界线的关系式，并使用数学方法计算出两条边界线的角度以及图像最左端的直线距离。

此例中，计算得到的两边沿的偏离角大小为3.15°，两边沿最左端距离大小为303.51像素。

clear clcimage=imread('Image.jpg'); %读取图片imtool(image); %显示所读取的图片imager = image(:,:,1); %提取图片红色通道imtool(imager);BW = im2bw(imager,0.15); %二值化BW = ~BW;imtool(BW);BW1 = edge(BW,'canny',0.95); %检测边缘imtool(BW1);se1 = strel('line',9,176); %腐蚀IM1 = imerode(BW1,se1);imtool(IM1);se2 = strel('line',60,176); %膨胀IM2 = imdilate(IM1,se2);imtool(IM2);[a,b]=size(IM2);[h,w]=find(IM2==1); %筛选边界点，像素值为1yx=[h,w];yx_size = size(yx); %像素点坐标对数%数据筛选出上下边界线以供拟合p=1;q=1;for k=1:yx_size(1,1)if(yx(k,1)>=600)yx1(p,:) = yx(k,:);p = p+1;elseyx2(q,:) = yx(k,:);q = q+1;endendyx1_c1 = yx1(:,1);yx1_c2 = yx1(:,2);yx2_c1 = yx2(:,1);yx2_c2 = yx2(:,2);%绘制分离边界的像素点plot(w,h,'r.')axis([0 b 0 a]);hold on%绘制拟合的直线xy1=polyfit(yx1_c2,yx1_c1,1);plot(1:b,polyval(xy1,1:b),'b-')axis([0 b 0 a]);hold onxy2=polyfit(yx2_c2,yx2_c1,1);plot(1:b,polyval(xy2,1:b),'y-')axis([0 b 0 a]);hold on%计算两直线的夹角angle_xy = 180*atan( abs((xy2(1,1)-xy1(1,1)))/(1+xy1(1,1) *xy2(1,1)) )/pi %角度%计算最左端的距离，以像素点为单位dist_xy = polyval(xy1,0)-polyval(xy2,0)。

MATLAB目的：检测下列图像的白色区域和红色区域的边缘，并计算其角度和距离。

1)利用烟草包装纸、基准线以及传送带三者之间的特性，首先将高速相机拍摄到的图片进行红色通道分离。

2)将通道分离后的图片进行二值化，得到二值图像3)将所得到的二值图像进行边缘检测4)将边缘检测后的图像先腐蚀运算，再进行膨胀运算，得到最终图像5)将图8最终得到的两条边界线使用MATLAB进行最小二乘法拟合，分别得到两条边界线的关系式，并使用数学方法计算出两条边界线的角度以及图像最左端的直线距离。

此例中，计算得到的两边沿的偏离角大小为3.15°，两边沿最左端距离大小为303.51像素。

clear clcimage=imread('Image.jpg'); %读取图片imtool(image); %显示所读取的图片imager = image(:,:,1); %提取图片红色通道imtool(imager);BW = im2bw(imager,0.15); %二值化BW = ~BW;imtool(BW);BW1 = edge(BW,'canny',0.95); %检测边缘imtool(BW1);se1 = strel('line',9,176); %腐蚀IM1 = imerode(BW1,se1);imtool(IM1);se2 = strel('line',60,176); %膨胀IM2 = imdilate(IM1,se2);imtool(IM2);[a,b]=size(IM2);[h,w]=find(IM2==1); %筛选边界点，像素值为1yx=[h,w];yx_size = size(yx); %像素点坐标对数%数据筛选出上下边界线以供拟合p=1;q=1;for k=1:yx_size(1,1)if(yx(k,1)>=600)yx1(p,:) = yx(k,:);p = p+1;elseyx2(q,:) = yx(k,:);q = q+1;endendyx1_c1 = yx1(:,1);yx1_c2 = yx1(:,2);yx2_c1 = yx2(:,1);yx2_c2 = yx2(:,2);%绘制分离边界的像素点plot(w,h,'r.')axis([0 b 0 a]);hold on%绘制拟合的直线xy1=polyfit(yx1_c2,yx1_c1,1);plot(1:b,polyval(xy1,1:b),'b-')axis([0 b 0 a]);hold onxy2=polyfit(yx2_c2,yx2_c1,1);plot(1:b,polyval(xy2,1:b),'y-')axis([0 b 0 a]);hold on%计算两直线的夹角angle_xy = 180*atan( abs((xy2(1,1)-xy1(1,1)))/(1+xy1(1,1) *xy2(1,1)) )/pi %角度%计算最左端的距离，以像素点为单位dist_xy = polyval(xy1,0)-polyval(xy2,0)。