matlab边缘检测算法

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

龙源期刊网

基于Sobel算子图像边缘检测的MATLAB实现

作者：吴术路

来源：《电脑知识与技术》2010年第19期

摘要:边缘检测在数字图像处理中有着重要的应用。边缘是图像的最基本特征。该文利用Sobel算子对图像进行水平和垂直的边缘提取,并对图像进行MATLAB仿真比较,仿真实验表明,该方法对图像边缘的检测精度较高,抗噪声能力强,提高了图像边缘检测效果。

关键词:边缘检测;Sobel算子;MATLAB

中图分类号:TP391文献标识码:A文章编号:1009-3044(2010)19-5314-02

Based on Sobel Edge Detection Operator of MATLAB Implementation

WU Shu-lu

(Qinghai & TV University, Xi'ning 810008, China)

Abstract: Edge detection in the digital image processing has important applications. Edge is the

most basic features of the image. In this paper, Sobel operator to the image horizontal and vertical

edge detection, and image comparison MATLAB simulation, simulation experiments show that the

method has high precision in image detection, anti-noise ability and improving the image edge

边缘检测算子

图像配准的方法

7.4.1 基于特征的图像配准

基于特征的图像配准首先提取图像信息的特征，然后以这些特征为模型进行配准。特征提取的结果是一含有特征的表和对图像的描述，每个特征由一组属性表示，对属性的进一步描述包括边缘的定向和弧度、区域的大小等。局部特征之间存在着相互关系，如几何关系、辐射度量关系、拓扑关系等。可以用这些局部特征之间的关系描述全局特征。通常基于局部特征配准大多都是基于点、线或边缘的，而全局特征的配准则是利用局部特征之间的关系进行配准的方法。

由于图像的特征点比图像的像素点要少很多，因此大大减少了配准过程的计算量，但特征提取方法的计算代价通常较大，不便于实时应用。特征点的配准度量值对位置的变化比较敏感，可以大大提高配准的精确程度。对于纹理较少的图像区域提取的特征的密度通常比较稀少，局部特征的提取就比较困难。特征点的提取过程可以减少噪声的影响，对灰度变化、图像形变和遮挡等都有较好的适应能力。因此，在图像配准领域得到了广泛应用。基于特征的图像配准方法有两个重要环节：特征提取和特征配准。

7.4.2 基于互信息的图像配准

医学图像配准技术从基于特征的配准方法发展到基于统计的配准方法有其突破性的意义。与基于特征的配准方法相比，基于统计的配准方法的突出优点为鲁棒性好、配准精度高、人工干预少。基于统计的配准方法通常是指最大互信息的图像配准方法。

基于互信息的图像配准是用两幅图像的联合概率分布与完全独立时的概率分布的广义距离来估计互信息，并作为多模态医学图像配准的测度。当两幅基于共同的解剖结构的图像达到最佳配准时，它们的对应像素的灰度互信息应为最大。由于基于互信息的配准对噪声比较敏感，首先，通过滤波和分割等方法对图像进行预处理。然后进行采样、变换、插值、优化从而达到配准的目的。

基于互信息的配准技术属于基于像素相似性的方法。它基于图像中所有的像素进行配准，基于互信息的图像配准引入了信息论中的概念，如熵、边缘熵、联合熵和互信息等，可使配准精度达到亚像素级的高精度。

matlab中edge原理

Matlab中的edge函数用于检测图像中的边缘特征。边缘是图像中灰度值突变的地方，常常对图像进行分割和特征提取非常有用。该函数基于Canny边缘检测算法，以下是其原理：

1. 高斯滤波：首先对输入图像进行高斯平滑滤波，去除图像中的噪声，使得后续边缘检测更加精确和稳定。

2. 计算梯度：使用Sobel、Prewitt或Robert等算子计算图像灰度值的梯度幅值和梯度方向。

3. 梯度幅值非极大值抑制：在图像中的每个点处，根据梯度方向进行非极大值抑制，即对每个像素点只保留具有最大幅值的边缘点，其他点设为零。

4. 双阈值处理：通过设置高阈值和低阈值来进一步处理边缘，将幅值大于高阈值的点作为强边缘点，将幅值介于高阈值和低阈值之间的点作为弱边缘点，并将低阈值以下的点舍弃。

5. 边缘连接：通过连接强边缘点和相邻的弱边缘点，形成完整的边缘。

6. 结果输出：最终输出的是二值图像，其中边缘点为白色，非边缘点为黑色。

Edge函数还提供了其他可选参数，如阈值选择、边缘链接等，可以根据具体应用场景和需求进行调整。