实验五图像的傅立叶变换和边缘提取
兰州大学信息学院 0级通信工程一班赵军伟
第一部分图像的傅立叶变换
一、实验目的
1.了解图像变换的意义和手段；
2. 熟悉傅里叶变换的基本性质；
3. 熟练掌握FFT的方法及应用；
4. 通过实验了解二维频谱的分布特点；
5. 通过本实验掌握利用MATLAB编程实现数字图像的傅立叶变换。
二、实验原理
1．应用傅立叶变换进行图像处理
傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。通过实验培养这项技能，将有助于解决大多数图像处理问题。对任何想在工作中有效应用数字图像处理技术的人来说，把时间用在学习和掌握博里叶变换上是很有必要的。b5E2RGbCAP
2．傅立叶 对于二维信号，二维Fourier变换定义为： 二维离散傅立叶变换为： 三、实验步骤 1.打开计算机，安装和启动MATLAB程序；程序组中“work”文件夹中应有待处理的图像文件； 2.利用MatLab工具箱中的函数编制FFT频谱显示的函数。 3. a>调入、显示三张不同的图像； b>对这三幅图像做FFT并利用自编的函数显示其频谱。 c>讨论不同的图像内容与FFT频谱之间的对应关系。 4．记录和整理实验报告。 四、实验仪器 1计算机， MATLAB软件； 3移动式存储器<软盘、U盘等）。 4记录用的笔、纸。 五、实验结果及程序 1.程序 I1=imread('F:\MATLAB学习\实验\picture\LENA.TIF'>。 %读入原图像文件p1EanqFDPw I2=imread('F:\MATLAB学习\实验\picture\cell.tif'>。 %读入原图像文件DXDiTa9E3d I3=imread('cameraman.tif'>。 %读入原图像文件 subplot(3,2,1>。imshow(I1>。 %显示原图像 fftI1=fft2(I1>。 %二维离散傅立叶变换sfftI1=fftshift(fftI1>。 %直流分量移到频谱中心 RR1=real(sfftI1>。 %取傅立叶变换的实部II1=imag(sfftI1>。 %取傅立叶变换的虚部A1=sqrt(RR1.^2+II1.^2>。 %计算频谱幅值 A1=(A1-min(min(A1>>>/(max(max(A1>>-min(min(A1>>>*225。%归一化RTCrpUDGiT subplot(3,2,2>。imshow(A1>。 %显示原图像的频谱 subplot(3,2,3>。imshow(I2>。 %显示原图像 fftI2=fft2(I2>。 %二维离散傅立叶变换sfftI2=fftshift(fftI2>。 %直流分量移到频谱中心RR2=real(sfftI2>。 %取傅立叶变换的实部II2=imag(sfftI2>。 %取傅立叶变换的虚部A2=sqrt(RR2.^2+II2.^2>。 %计算频谱幅值 A2=(A2-min(min(A2>>>/(max(max(A2>>-min(min(A2>>>*225。%归一化5PCzVD7HxA subplot(3,2,4>。imshow(A2>。 %显示原图像的频谱 subplot(3,2,5>。imshow(I3>。 %显示原图像 fftI3=fft2(I3>。 %二维离散傅立叶变换sfftI3=fftshift(fftI3>。 %直流分量移到频谱中心RR3=real(sfftI3>。 %取傅立叶变换的实部II3=imag(sfftI3>。 %取傅立叶变换的虚部A3=sqrt(RR3.^2+II3.^2>。 %计算频谱幅值 A3=(A3-min(min(A3>>>/(max(max(A3>>-min(min(A3>>>*225。%归一化jLBHrnAILg subplot(3,2,6>。imshow(A3>。 %显示原图像的频谱 2.结果 六、思考题 1．傅里叶变换有哪些重要的性质? 线性、时频对偶性、展缩性、时移性、时域和频域的微分性等。 第二部分图像边缘提取 一．实验目的： 掌握图像边缘提取的常用算子的特点和程序实现。 二．实验原理： 边缘就是图像中包含的对象的边界所对应的位置。物体的边缘以图像局部特性的不连续性的形式出现的，例如，灰度值的突变，颜色的突变，纹理结构的突变等。从本质上说，边缘就意味着一个区域的终结和另外一个区域的开始。图像边缘信息在图像分析和人的视觉中十分重要，是图像识别中提取图像特征的一个重要属性。xHAQX74J0X 边缘检测 三．实验内容： 编制一个通用的边缘提取函数。通过输入不同的参数，能够实现Sobel算子、Prewitt算子、Roberts算子、Laplace算子和Canny 边缘检测,并比较不同算子处理后的边缘图像的特点。(实验图像任选>Zzz6ZB2Ltk MATLAB图像处理工具箱提供的edge函数可以实现检测边缘的功能,详细的使用语法可以在MATLAB命令窗口键入”help edge.m”获得帮助。该函数只能应用于灰度图像，其基本原理就是识别图像中灰度值变化较大的像素点。dvzfvkwMI1 四．实验步骤： a、读入图像 对图像依次进行Sobel算子，Prewitt算子,Roberts算子，Laplace算子和Canny算子运算，比较处理结果。rqyn14ZNXI 五．实验仪器 1计算机； 2 MATLAB软件； 3移动式存储器<软盘、U盘等）。 4记录用的笔、纸。 六、实验结果及程序 1.程序 I=imread('cameraman.tif'>。 subplot(2,3,1>。 imshow(I>。title(' subplot(2,3,2>。 I1=edge(I,'sobel'>。 imshow(I1>。title(' subplot(2,3,3>。 I2=edge(I,'prewitt'>。 imshow(I2>。title(' subplot(2,3,4>。 I3=edge(I,'robert'>。 imshow(I3>。title(' subplot(2,3,5>。 I4=edge(I,'log'>。 imshow(I4>。title(' subplot(2,3,6>。 I5=edge(I,'canny'>。 imshow(I5>。title(' 2.实验结果 3.实验结果分析 由于Robert s 算子是利用图像的两个对角线的相邻像素之差进行梯度幅值的检测,所以求得的是在差分点处梯度幅值的近似值,并 且检测水平和垂直方向边缘的性能好于斜线方向的边缘, 检测精度比较高, 但容易丢失一部分边缘, 同时由于没经过图像平滑计算,因此不能抑制噪声,该算子对具有陡峭的低噪声图像响应最好。EmxvxOtOco Prewit t 算子和Sobel 算子都是对图像进行差分和滤波运算,仅在平滑部分的权值选择上有些差异, 因此两者均对噪声具有一定的抑制能力, 但这种抗噪能力是通过像素平均来实现的, 所以图像产生了一定的模糊, 而且还会检测出一些伪边缘, 所以检测精度比较低, 该类算子比较适用于图像边缘灰度值比较尖锐,且图像噪声比较小的情况。SixE2yXPq5 Laplace算子首先通过高斯函数对图像进行平滑处理, 因此对噪声的抑制作用比较明显, 但同时也可能将原有的边缘也平滑了, 造成某些边缘无法检测到,。此外高斯分布因子σ的选择对图像边缘检测效果有较大的影响。σ越大, 检测到的图像细节越丰富, 但抗噪能力下降, 从而出现伪边缘, 反之则抗噪能力提高, 但边缘检测精度下降, 易丢失许多真边缘, 因此, 对于不同图像应选择不同参数。6ewMyirQFL Canny 算子也采用高斯函数对图像进行平滑处理, 因此具有较强的去噪能力, 但同样存在容易平滑掉一些边缘信息, 其后所采用的一阶微分算子的方向性较Laplace算子要好,因此边缘定位精度较高。该算子与其它边缘检测算子的不同之处在于, 它使用2 种不同的阈值分别检测强边缘和弱边缘, 并且仅当弱边缘与强边缘相连时 才将弱边缘包含在输出图像中, 因此这种方法较其它方法而言不容易被噪声“填充”,更容易检查出真正的弱边缘。通过实验结果可以看出,该算子在上述几种边缘检测算子当中效果最好。kavU42VRUs <参考文档：基于MATLAB的遥感图像边缘检测算子的实验比较分析） 申明： 所有资料为本人收集整理，仅限个人学习使用，勿做商业用途。 实验四图像分割与边缘检测 一．实验目的及要求 1．利用MATLAB研究图像分割与边缘检测的常用算法原理； 2．掌握MATLAB图像域值分割与边缘检测函数的使用方法； 3．了解边缘检测的算法和用途，比较Sobel、Prewitt、Canny等算子边缘检测的差异。 二、实验内容 （一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。 1．图像阈值分割 clear all, close all; I = imread('cameraman.tif'); figure (1),imshow(I) figure(2); imhist(I) T=120/255; Ibw1 = im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L = uint8(T*255) Ibw2 = im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; clear all, close all; I = imread('cameraman.tif'); figure (1),imshow(I) figure(2); imhist(I) T=240/255; Ibw1 = im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L = uint8(T*255) Ibw2 = im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; 数字图像处理实验报告 题目：图像的阈值分割及边缘检测技术 班级： 姓名： 学号： 图像的阈值分割及边缘检测技术 一、实验目的 1、了解图像的分割技术，掌握图像的全局阈值分割技术并通过MATLAB实现； 2、了解图像的边缘检测，掌握梯度算子图像边缘检测方法。 二、实验内容 1、基于直方图的全局阈值图像分割方法； 2、Edge命令（roberts,perwitt,sobel,log,canny），实现边缘检测。 三、实验原理 1、全局阈值是最简单的图像分割方法。其中，直方图法的原理如下：想做出图 像的直方图，若其直方图呈双峰且有明显的谷底，则可以讲谷底点所对应的灰度值作为阈值T，然后根据该阈值进行分割，九可以讲目标从图像中分割出来。这种方法是用于目标和背景的灰度差较大且直方图有明显谷底的情况。 2、用于边缘检测的梯度算子主要有Roberts算子、Prewitt算子、Sobel算子。 这三种检测算子中，Roberts算子定位精度较高，但也易丢失部分边缘，抗噪声能力差，适用于低噪声、陡峭边缘的场合。Prewitt算子、Sobel算子首先对图像做平滑处理，因此具有一定的抑制噪声的能力，但不能排除检测结果中的虚假边缘，易出现多像素宽度。 四、实验步骤 1、全局阈值分割： ①读取一张图像； ②生成该图像的直方图； ③根据直方图双峰产生的低谷估计阈值T； ④依次读取图像各个点的像素，若大于阈值，则将像素改为255，若小于 阈值，则将该像素改为0； 实验代码如下： I=imread('cameraman.tif'); %读取一张图像 subplot(221);imshow(I); %显示该图像 subplot(222);imhist(I); %生成该图像的直方图 T=60; %根据直方图估计阈值T为60 [m,n]=size(I); %取图像的大小为【m,n】 for i=1:m %依次读取图像各个点的像素，若大于阈 值，则将像素改为255，若小于阈值， 则将该像素改为0 for j=1:n if I(i,j)>=T I(i,j)=255; else I(i,j)=0; end end 图像增强和边缘检测 实验内容 1）将Image1.jpg 转换为灰度图像A。 2）读懂文档（图像直方图均衡化.doc），利用里面的方法通过编程对图像A进行直方图均衡化处理，得到处理后的图像B。显示图像A和B，以及各自对应的灰度直方图。 3）利用锐化方法（教材118－120页），编制程序，对图像A和B分别使用罗伯特梯度，索伯尔梯度，拉普拉斯方法，进行处理，比较哪种求边缘的方法好，以及进行图像的直方图均衡化后能否提高求边缘的精确度。 4）撰写报告书，说明实验的步骤和方法，实验的结果等。 5）提交报告书以及源程序 实验步骤和方法 1）调用rgb2gray()函数将Image1.jpg 转换为灰度图像A。并将图像A保存到f和I1中。2）统计图像A中的像素并进行均衡化处理并将结果保存到B，显示图像A和B；调用imhist()函数显示两图像的灰度直方图。 3）编制罗伯特锐化函数，设定两个模板t1=[1,0;0,-1] t2=[0,-1;1,0]，调用conv2()函数获得图像和两个模板的卷积并取绝对值相加获得罗伯特锐化结果，缩小结果图像。4）编制索伯尔锐化函数，设定两个模板t1=[1,2,1;0,0,0;-1,-2,-1] t2=[-1,0,1;-2,0,2;-1,0,1] ,其余步骤与罗伯特锐化相似。 5）编制拉普拉斯锐化函数，设定模板t(m,n)=[0,1,0;1,-4,1;0,1,0]，将待处理图像与模板卷积，并用原图像的至减去模板运算结果的整数倍，将结果缩小化到原图像大小既得拉普拉斯锐化结果。 6）函数整合，将编制好的3）、4）、5）三个函数整合到2）的程序后面并加以调整，分别对图像A和B进行锐化，并将结果输出到2*4的图框中进行对比 实验结果 1） 岭南师范学院 课程名称数字图像处理 实验序号实验5 实验名称图像分割和边缘检测 实验地点综B207 2017年10 月14 日 四、实验过程（实验步骤、记录、数据、分析） 1.基于一阶导数的边缘算子 a=imread('y.jpg'); f=rgb2gray(a); subplot(2,2,1),imshow(f),title('原始图像'); [g1 , t1]=edge(f,'roberts',[ ], 'horizontal'); subplot(2,2,2), imshow(g1),title('Roberts'); [g2, t2]=edge(f, 'sobel',[ ], 'horizontal'); subplot(2,2,3), imshow(g2),title('Sobel'); [g3, t3]=edge(f, 'prewitt',[ ], 'horizontal'); subplot(2,2,4), imshow(g3),title('Prewitt'); 从图像结果来看，'Roberts'的边缘检测范围更加大 2、基于二阶导数的边缘算子：应用LOG算子检测边缘 a=imread('y.jpg'); f=rgb2gray(a); subplot(1,2,1),imshow(f),title('原始图像'); [g , t]=edge(f, 'log'); subplot(1,2,2),imshow(g),title('log'); 3、基于约束条件的最优化检测边缘算子：应用Canny算子检测边缘a=imread('y.jpg'); f=rgb2gray(a); subplot(1,2,1),imshow(f),title('原始图像'); [g , t]=edge(f,'canny'); subplot(1,2,2),imshow(g),title('Canny'); DSP 实验报告 一、 图像的锐化处理（高通滤波处理） 1、 实验原理 处理模板如下： ???? ??????--+--=004100 ααα ααM 25.0=α 对应数学表达式： ()[])1,(),1()1,(),1(),(41),(++++-+--+=y x f y x f y x f y x f y x f y x g αα 2、 C 程序及运行结果 程序： Acute_RGB_Image(int *buffer) { int x,y; for (y=0;y 运行结果： 锐化前锐化后 分析：从上面两幅图可以看出锐化后的图像轮廓变得明显，且噪声变得强烈。 3、汇编程序及运行结果 程序： ImageAcuteSub(ImageWidth,ImageHeight,buffer_red); ImageAcuteSub(ImageWidth,ImageHeight,buffer_green); ImageAcuteSub(ImageWidth,ImageHeight,buffer_blue); .mmregs .def _ImageAcuteSub .text _ImageAcuteSub: mov t0,brc1 ;IMAGE WIDTH mov t1,brc0 ;IMAGE HEIGHT rptb y_loop rptb x_loop mov *ar0(#1),ac1;f(x+1,y) add *ar0(#-1),ac1 ;f(x-1,y) add *ar0(#-250),ac1 ;f(x,y-1) add *ar0(#250),ac1 ;f(x,y+1) sfts ac1,#-2 mov *ar0<<#1,ac0;2f(x,y) 课程设计报告 设计题目：数字图像处理中的边缘检测技术学院： 专业： 班级：学号： 学生姓名： 电子邮件： 时间：年月 成绩： 指导教师： 数字图像处理中的边缘检测技术课程设计报告I 目录 1 前言:查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 (1) 1.1理论背景 (1) 1.2图像边缘检测技术研究的目的和意义 (1) 1.3国内外研究现状分析 (2) 1.4常用边缘检测方法的基本原理 (3) 2 小波变换和小波包的边缘检测、基于数学形态学的边缘检测法算法原理 (7) 2.1 小波边缘检测的原理 (7) 2.2 数学形态学的边缘检测方法的原理 (7) 3 算法实现部分：程序设计的流程图及其描述 (9) 3.1 小波变换的多尺度边缘检测程序设计算法流程图 (9) 3.2 数学形态学的边缘检测方法程序设计算法描述 (10) 4实验部分：对所给的原始图像进行对比实验，给出相应的实验数据和处理结果 (11) 5分析及结论：对实验结果进行分析比较，最后得出相应的结论 (15) 参考文献 (17) 附录：代码 (18) 1前言 查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 1.1 理论背景 图像处理就是对图像信息加工以满足人的视觉心理或应用需求的方法。图像处理方法有光学方法和电子学方法。从20世纪60年代起随着电子计算机和计算技术的不断提高和普及，数字图像处理进入了高速发展时期，而数字图像处理就是利用数字计算机或其它的硬件设备对图像信息转换而得到的电信号进行某些数学处理以提高图像的实用性。 图像处理在遥感技术，医学领域，安全领域，工业生产中有着广泛的应用，其中在医学应用中的超声、核磁共振和CT等技术，安全领域的模式识别技术，工业中的无损检测技术尤其引人注目。 计算机进行图像处理一般有两个目的：(1)产生更适合人观察和识别的图像。 (2)希望能由计算机自动识别和理解图像。数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2 图像边缘检测技术研究的目的和意义 数字图像处理是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像处理也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像处理和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像处理中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速 数字图像处理实验报告 学生姓名王真颖 学生学号L0902150101 指导教师梁毅雄 专业班级计算机科学与技术1501 完成日期2017年11月06日 计算机科学与技术系信息科学与工程学院 目录 实验一.................................................................................................. 错误!未定义书签。 一、实验目的.................................................................................................... 错误!未定义书签。 二、实验基本原理 ........................................................................................... 错误!未定义书签。 三、实验内容与要求....................................................................................... 错误!未定义书签。 四、实验结果与分析....................................................................................... 错误!未定义书签。实验总结............................................................................................... 错误!未定义书签。参考资料.. (3) 实验一图像分割与边缘检测 一．实验目的 1. 理解图像分割的基本概念； 2. 理解图像边缘提取的基本概念； 3. 掌握进行边缘提取的基本方法； 实验三图像的边缘检测 一、实验目的与要求 1、了解图像边缘提取的基本概念； 2、了解进行边缘提取的基本方法； 3、编程实现对所给图像的边缘进行提取。 二、知识点 1、边缘检测的思想和原理 图像理解是图像处理的一个重要分支，研究为完成某一任务需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。边缘检测实际上就是检测图像特征发生变化的位置。 由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。边缘检测的方法大多数是基于方向导数掩模求卷积的方法。导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。 一阶导数是最简单的导数算子，它们分别求出了灰度在x和y方向上的变化率，而方向上的灰度变化率可以用相应公式进行计算；对于数字图像，应该采用差分运算代替求导，差分公式参考相关教材。 2、常用的梯度算子 （1）Roberts Cross算子，它的2个2 X2模板如图3所示。 图3 Robert Cross算子模板 （2）Prewitt 算子，它的2个3×3模板如图4所示。 图4 Prewitt算子模板 （3）Sobel 算子，它的2个3×3模板如图5所示。 图3 Sobel算子模板 3、高斯拉普拉斯（LoG）算法 高斯拉普拉斯（LoG）算法是一种二阶边缘检测方法。它通过寻找图像灰度值中二阶微分中的过零点（Zero Crossing）来检测边缘点。其原理为，灰度 1.几种算子图像边缘提取: 程序代码如下: 运行结果: 原图为一堆苹果(彩图),各算子处理后的边缘提取图: 分水岭算法实现: a.直接对图像进行分水岭算法处理 代码如下：（原图还是上题一堆苹果） 运行结果如右图： 很明显，属于过度分割了。下面有改进算法： b.改进算法代码如下： 实现包括下列步骤： (1)读图像。读入图像 (2)对比度最大化。注意到图像中有许多彼此连通的 不同大小的对象。为使通过watershed变换找到的低 谷数目最小，我们使感兴趣的对象的对比度达到最 大。对比度增强的一个常用的技术是综合应用top— hat和bottom—hat变换。 top—hat变换定义为原图像和它的开之差。图像的 开是一与特定结构元素匹配的图像前景部分的集合。 bottom—hat变换定义为在原图像和它的闭之间的 差。图像的闭是一与特定结构元素匹配的图像背景 的集合。 通用的结构元素是正方形，长方形，圆盘，菱 形，球和线。既然图像中我们感兴趣的目标对象看 起来像圆盘，我们用strel函数建立一个半径为15个 像素的圆盘形结构元素。这个圆盘尺度是图像中的 目标对象的平均半径的一个估计。 (3)图像相加减。为使目标对象与分隔它们的间隙之 间的对比达到最大，用“原图top—hat图像+bottom —hat图像”得到增强的结果图。 ( 4)转换感兴趣的对象。调用watershed变换找出图像 的亮度”低谷”，把imcomplement作用 增强过的图像上，将感兴趣的目标对象转换为亮度低谷，得到增强图的补图。 (5)检测亮度低谷。对所得补图运用imextendedmin函数检测低于某特别阈值的所有亮度低谷。 数字图像处理实验五 15生医 一、实验内容 对某一灰度图像，进行如下处理： （1）分别用Roberts、Prewitt和Sobel边缘检测算子进行边缘检测；（2）将Roberts、Prewitt和Sobel边缘检测算子修改为锐化算子，对原图像进行锐化，同屏显示原图像、边缘检测结果和锐化后图像，说明三者之间的关系。一灰度图像的二值化。 二、运行环境 MATLAB R2014a 三、运行结果及分析 运行结果如图所示：可以观察出原图像、边缘检测结果和锐化后图像三者之间的关系为：原图像+边缘检测结果=锐化后图像 四、心得体会 通过MATLAB编程更加熟悉了课本上关于锐化与边缘检测的相关知识 点，对二者的关系也有了具体的认识。同时，对MATLAB图像导入函数、图像边缘检测函数、锐化窗口矩阵卷积函数的调用及实现机理也有所掌握，比如后边附的程序中会提到的“%”标注的思考。 五、具体程序 size=512; Img_rgb=imread('E:\lena.jpg'); %读取图像 Img_gray=rgb2gray(Img_rgb); %进行RGB到灰度图像的转换（虽然原来在网上下载的lena就是黑白图像，但是这一步必须要有！否则处理结果不正确） figure(1); subplot(2,3,1); imshow(Img_gray); title('原图像'); Img_edge=zeros(size); a={'roberts','prewitt','sobel'}; for i=1:3 Img_edge=edge(Img_gray,a{i}); figure(1); subplot(2,3,i+1); imshow(Img_edge); axis image; title(a(i)); end A=imread('E:\lena.jpg'); B=rgb2gray(A); B=double(B); Window=[-1 -1 -1;-1 9 -1;-1 -1 -1]; %八邻域拉普拉斯锐化算子（α取1） C=conv2(B,Window,'same'); Img_sharp=uint8(C); subplot(2,3,5); imshow(Img_sharp); title('sharp'); 数字图像处理作业----第三次 1、什么是图像增强？常见算法有哪些？典型算法的程序实现，其优缺点？结果对比。 1.1图像增强的定义 为了改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采取的简单改善方法或者加强特征的措施称为图像增强。 一般情况下，图像增强是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不需要的信息的处理方法，也是提高图像质量的过程。图像增强的目的是使图像的某些特性方面更加鲜明、突出，使处理后的图像更适合人眼视觉特性或机器分析，以便于实现对图像的更高级的处理和分析。图像增强的过程往往也是一个矛盾的过程：图像增强希望既去除噪声又增强边缘。但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊，因此，在图像增强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的。传统的图像增强算法在确定转换函数时常是基于整个图像的统计量，如：ST转换，直方图均衡，中值滤波，微分锐化，高通滤波等等。这样对应于某些局部区域的细节在计算整幅图的变换时其影响因为其值较小而常常被忽略掉，从而局部区域的增强效果常常不够理想，噪声滤波和边缘增强这两者的矛盾较难得到解决。 1.2 图像增强的分类及方法 图像增强可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。 图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分 收稿日期：2013-04-05；修订日期：2013-05-18 基金项目：中央高校基本科研业务费专项资金(2010YD03) 作者简介：夏清(1987-)，女，博士生，主要从事红外图像处理、摄影测量与遥感研究。Email:xiaqingfriendxia@https://www.doczj.com/doc/1e3467049.html, 导师简介：胡振琪（1963-），男，博士生导师，主要从事遥感监测、3S 技术与土地复垦等方面研究。Email:huzqbj@yahoo.一种新的红外热像仪图像边缘检测方法 夏清，胡振琪，位蓓蕾，王亚云，陈超 (中国矿业大学（北京）土地复垦与生态重建研究所，北京100083) 摘要：针对红外热像仪采集的红外影像边缘信息模糊、影像存在噪声、边缘信息难提取的特点，提出了一种基于数学形态学对LOG 算子改进和Roberts 算子数据相结合的边缘检测新方法。该方法首先引进形态学中的开闭运算对具有随机噪声的红外影像进行滤波，接着运用拉普拉斯算法边缘检测，然后再采用Roberts 算子提取边缘信息，建立相应的融合规则及阈值条件，将两种方法检测出的影像边缘信息融合，得到最终的融合影像。最后，对增加椒盐噪声的影像用MATLAB 进行仿真实验，结果表明，该方法结合了两种检测算子的优点，定位精度高，有很强的抗噪性，获得了比较理想的检测效果。关键词：影像处理；边缘检测；数学形态学；LOG 算子；红外影像中图分类号：TP751.1文献标志码：A 文章编号：1007-2276(2014)01-0318-05 New edge detection method for images of infrared thermal imager Xia Qing,Hu Zhenqi,Wei Beilei,Wang Yayun,Chen Chao (Institute of Land Reclamation and Ecological Reconstruction,China University of Mining and Technology(Beijing), Beijing 100083,China) Abstract:According to the character of fuzzy image edge,noise image,difficult to extract the edge information collected by infrared thermal imager,a new edge detection method was proposed.The method combined LOG operator improved by mathematical morphology with Roberts operator.First the thermal infrared camera images with random noise was filtered using opening and closing operation of mathematical morphological.Then the Laplace algorithm was used for edge detection of thermal infrared images.Second,Roberts operator was introduced to extract edge information.Fusing edge information of images detected by two methods,at the same time,establishing corresponding fusion rule and the threshold condition were applied for this images,the final fused image was obtained.Finally,MATLAB was introduced to perform the experimental simulation for adding salt and pepper noise image.The experimental results show that the method has the advantages of two detection operators and has a good effect in noise suppression and positioning accuracy.Meanwhile the proposed algorithm is insensitive to noise and ideal detection results are obtained. Key words:image processing; edge detection;mathematical morphology;the improved LOG operator;infrared image 第43卷第1期 红外与激光工程2014年1月Vol.43No.1Infrared and Laser Engineering Jan .2014 实验二图像分割与边缘检测 一．实验目的及要求 1．利用MATLAB研究图像分割与边缘检测的常用算法原理； 2．掌握MATLAB图像域值分割与边缘检测函数的使用方法； 3．了解边缘检测的算法和用途，比较Sobel、Prewitt、Canny等算子边缘检测的差异。 二、实验内容 （一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。 1．图像阈值分割 clear all, close all; I = imread('rice.tif'); figure (1),imshow(I) figure(2); imhist(I) T=120/255; Ibw1 = im2bw(I,T); %选择阈值T=120/255对图像二值化； figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); %采用Otsu方法计算最优阈值T对图像二值化； L = uint8(T*255) Ibw2 = im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; （令Ｔ取不同值，重做上述试验，观察试验结果） 以下是程序执行结果： Comand窗口： L = 125 IM2BW Convert image to binary image by thresholding. IM2BW produces binary images from indexed, intensity, or RGB images. To do this, it converts the input image to grayscale format (if it is not already an intensity image), and then converts this grayscale image to binary by thresholding. The output binary image BW has values of 0 (black) for all pixels 边缘提取与图像分割 理论、算法、源码与实例 1）理论 一、边缘检测的基本方法： 各种差分算子，主要有： 差分边缘检测方法 Roberts梯度模算子 前两种对垂直，水平，对角检测好。 Prewitt算子，Robinson算子（算八个方向的梯度最大值） Sobel算子（利用上下左右加权，可平滑噪声）； Kirsch算子 Rosenfeld算子 Laplace算子（二阶导数算子，一般不用于检测，用于之后判别暗区与明区。） LOG算子，（高斯平滑后求导提取边界。） 主要思路用高斯函数对图像平滑滤波，然后再对图像进行拉普拉斯运算，算得的值等于零的点认为是边界点。 该算法高斯函数方差取值很重要，过大会导至精度不高。还容易产生虚假边界。但可以用一些准备去除虚假边界。对于灰度渐变图的效果也不太好。但大部份图片边缘提取效果还好。Canny边界检测算子 二、拟合曲面求导提取边界。 主要思路为在点的邻域各点拟合一个曲面，由曲面的求导代替离散点求差分，这种方法对于噪声比较不敏感。 三、统计判决法提取边界 以误判概率最小化设置门限，对边界检测算子作用后的每个像点判别/。统计判决法依赖于先验知识。 四、分裂—合并算法 按一定的均一化标准，将图片分成子图。合并满足均一性准则的子图。 五、跟踪技术 1）区域跟踪，基于区域的图像分割方法。 应用于直接提取区域。检测满足跟踪准则的点，找到这样的点，检测其所有邻点，把满足跟踪准则的任合邻点合并再重复。直到没有邻点满足检测准则。 2）曲线跟踪，基于边界的图像分割方法。 对整幅图扫描，对所有“现在点”的邻点检测，周围没有满足跟踪条件的点时，返回到上一个最近的分支处，取出另一个满足跟踪原则的现在点。重复根踪。 六、模型化与统计检验法检测边界 开始步骤为对图像划分成多块子图，每块子图进行曲面拟合。并应用误差的分析，构造F 统计量，判断此区域是否有边界的存在。 七、匹配检测技术 基于区域的一种分割方法。 1）归一化互相关测度匹配 类似于求相关系数。但是这种方法实用时不太理想，因为匹配模板的尺寸跟图上的尺寸差异，造成操作很难。 2）匹配滤波器 基于最大信噪比准则。 用一个滤波器对图像子图作卷积，当滤波器为子图旋转180度后的K倍时，功能与相关系数一样。此时称为匹配滤波器。 3）线检测 用匹配滤波器可以设计一些线检测器。对直线检测效果好。 八、利用模式识别某些技术进行图像分割 对每个像素提取特征，提取一个n维特征，如果特效果好，那么在特征空间里，像素点会表现出类聚。一般来说，特征是区域性的，一般是征对邻域或图像的各个子图提取特征。通常特征包含，灰度，空间关系（梯度，像素小块邻域平均灰度，纹理参数，颜色）等。 九、基于活动轮廓模型的边界提取算法 不同于经典的基于求导自下而上过程，而是一种基于总体和局部的自上而下和自下而上的处理过程。借助一些物理概念构造一个描述轮廓状态指标，将图像灰度分布，灰度梯度及轮廓形状约束等信息作为“外能”和“内能”构造活运轮廓的能量函数。将一个初始轮廓放在感兴趣的图像区域中，轮廓在外力和内力作用下变形，外力推动活动轮廓向着物体的边缘运动，而内力要使活动轮廓趋于光滑和保持其拓朴性。在达到平衡时，对应的能量最小，此时的活动轮廓即为要检测的边界。 十、基于视觉特性的边界提取方法 ——线性加权函数（LWF）在边界检测中的应用 视觉系统对亮度对比度的感知可以转化为数学中的微分算子的特征值问题，视觉的感觉响应类似于高斯函数与其拉普拉斯变换之和。基于生理学和数学导出的线性加权函数（LWF）是高斯函数与它的二阶导数的线性组合. 视觉处理过程是图像与一系列不同方差的高斯函数及其二阶导数的卷积过程。 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) 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 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。早在1965 年就有人提出边缘检测算子，边缘检测的传统方法包括Kirsch，Prewitt，Sobel，Roberts，Robins，Mar-Hildreth 边缘检测方法以及Laplacian-Gaussian（LOG）算子方法和Canny 最优算子方法等。 本设计主要讨论其中5种边缘检测算法。在图像处理的过程需要大量的计算工作,我们利用MATLAB各种丰富的工具箱以及其强大的计算功能可以更加方便有效的完成图像边缘的检测。并对这些方法进行比较 图像分割和图像边缘检测 边缘检测和图像分割的联系：边缘检测是通过图像的梯度变化将图像中梯度变化明显的地方检测出来，针对的是边缘信息。图像分割是将目标分割出来，针对的是目标对象，边缘检测是空间域图像分割的一种方法，属于包含关系 边缘检测后的图像是二值图像，对二值图像可以运用形态学操作来分割目标，所以边缘检测是图像分割的一个前提。但分割不一定非要用边缘检测。 图像分割：概念： 图像分割是将图像划分成若干个互不相交的小区域的过程，所谓小区域是某种意义下具有共同属性的像素的连通集合。 从集合的观点看：它应该是具有如下性质的一种点集，集合R代表整个区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集R1，R2，，RN： 目的： 无论是图像处理、分析、理解与识别，其基础工作一般都建立在图像分割的基础上； 将图像中有意义的特征或者应用所需要的特征信息提取出来； 图像分割的最终结果是将图像分解成一些具有某种特征的单元，称为图像的基元； 相对于整幅图像来说，这种图像基元更容易被快速处理。 图像分割原理图像分割的研究多年来一直受到人们的高度重视，至今提出了各种类型的分割算法。Pal把图像分割算法分成了6类：阈值分割，像素分割、深度图像分割、彩色图像分割，边缘检测和基于模糊集的方法。但是，该方法中，各个类别的内容是有重叠的。为了涵盖不断涌现的新方法，有的研究者将图像分割算法分为以下六类：并行边界分割技术、串行边界分割技术、并行区域分割技术、串行区域分割技术、结合特定理论工具的分割技术和特殊图像分割技术。 图像分割的特征：分割出来的各区域对某种性质例如灰度，纹理而言具有相似性，区域内部是连通的的且没有过多小孔。 区域边界是明确的 图像锐化的目的和意义 图像模糊的主要原因是图像中的高频成分低于低频成分，它对图像质量的影响体现在两个不同均匀灰度区域的边界部分。 当成像参数正确，图像的亮度变化传递正常时，在图像中对象边缘与背景之间的理想边缘面应该时阶梯形的，这样的图像看上去边缘清晰，反之，则会边缘模糊，其特征时对象与背景间的灰度改变有一个过渡带，这将损害图像的视觉效果。要消除图像中不应又的模糊边缘，需要增强图像中的高频成分，使边缘锐化。 图像锐化是一种使图像原有的信息变换到有利于人们观看的质量，其目的是为了改善图像的视觉效果，消除图像质量劣化的原因（模糊），使图像中应又的对象边缘变得轮廓分明。 图像的锐化，需要利用积分的反运算（微分），因为微分运算是求信号的变化率，又加强图像中高频分量的作用，从而要锐化图像需要采用各向同性的，具有旋转不变特征的线性微分算子。 图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法.锐化的目标实质上是要增强原始图像的高频成分.常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声.为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法.实验结果表明,该方法有效地解决了图像锐化后的噪声问题 图像的锐化可以在空间域中进行，也可以在频率域中实现。 一. 图像信号的锐化过程 1.空间域中锐化图像的目的 在空间域中进行图像的锐化也成为空间滤波处理，目的又 (1)一是提取图像中用于认识和识别图像特征的参量，为 图像识别准备数据 (2)消除噪声。图像数字化时产生的噪声主要是造成对图像 内容的干扰，这用图像的平滑处理。图像数字化时在信号 高频区域产生的误差以及设备自身噪声对图像的高频（轮 廓特征）干扰同样也是一种噪声，可以用空间滤波的方法 去除。 实验报告课程名称数字图像处理导论 专业班级 _______________ 姓名 _______________ 学号 _______________ 电气与信息学院 和谐勤奋求是创新 附录：可能用到的函数和参考结果**************报告里不能用参考结果中的图像 1.分别用Roberts,Sobel和拉普拉斯高斯算子对图像进行边缘检测。比较三种算子处理的不同之处； 输入如下代码： I=imread(''); imshow(I) BW1=edge(I,'roberts'); figure ,imshow(BW1),title('用Roberts算子') BW2=edge(I,'sobel'); figure,imshow(BW2),title('用Sobel算子 ') BW3=edge(I,'log'); figure,imshow(BW3),title('用拉普拉斯高斯算子') 得到： 比较提取边缘的效果可以看出，sober算子是一种微分算子，对边缘的定位较精确，但是会漏去一些边缘细节。而Laplacian-Gaussian算子是一种二阶边缘检测方法，它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来，边缘的细节比较丰富。通过比较可以看出Laplacian-Gaussian算子比sober算子边缘更完整，效果更好。 2.设计一个检测图3-2中边缘的程序，要求结果类似图3-3，并附原理说明。 利用双峰法 i=imread(''); subplot(1,2,1); imhist(i); title('原始图像直方图'); thread=130/255; subplot(1,2,2); i3=im2bw(i,thread); imshow(i3); title('分割结果'); 根据原图 像的直方 图，发现 背景和目 标的分割 值大约在 130左右， 并将灰度 图像转为 二值图 像，分割 效果比较 理想。 3．任 选一种阈 值法进行 图像分割. 选用双峰法对图像进行分割： i=imread(''); subplot(1,2,1); imhist(i); title('原始图像直方图'); thread=100/255;实验-四-图像分割与边缘检测
图像的阈值分割及边缘检测技术
图像增强和边缘检测实验报告
图像分割和边缘检测
系统实验(DSP)--图像的锐化处理、图像的边缘检测
数字图像处理中的边缘检测技术
实验三图像分割与边缘检测
实验三 图像的边缘检测
图像边缘检测及提取,分水岭算法
数字图像处理_边缘检测算子与锐化算子(含MATLAB代码)
图像增强与边缘检测..
一种新的红外热像仪图像边缘检测方法
实验二 图像分割与边缘检测
图像处理边缘提取与分割实验报告附源码
基于Matlab的图像边缘检测算法的实现及应用
图像分割和图像边缘检测
图像锐化的目的和意义
数字图像处理实验报告图像分割实验
相关主题
文本预览