|
（1）Sobel算子对于图像边缘检测，Sobel算子对噪声具有平滑抑制作用，但是得到的边缘较粗，且可能出现伪边缘，Sobel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。 （2）Prewitt算子对于图像边缘检测，Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用，然而Prewitt算子图像边缘检测的判定是欠合理的，会造成边缘点的误判。 （3）Canny算子对于图像边缘检测，Canny边缘检测算法是高斯函数的一阶导数，Canny边缘检测弱化了噪音的影响，然而Canny算子对图像边缘检测，边缘检测过于细化，同样不利于图像纹理特征的提取。 （4）Roberts算子能够较好的去除伪边缘，定位较准，垂直方向边缘的性能好于斜线方向，然而Roberts算子对噪声敏感，无法抑制噪声的影响，提取图像边缘较粗。 （5）Laplacian算子是最简单的各向同性微分算子，具有旋转不变性，比较适用于改善因为光线的漫反射造成的图像模板，又Laplacian算子对噪声比较敏感，对于图像纹理特征提取较容易出现伪边缘，图像产生较细的边缘，且对细节有较强的响应较细。 （6）kirsch方向算子融合后的图像边缘分割能够较好的去除噪音的影响，而且相对于Sobel算子、Prewitt算子、Canny算子、Roberts算子、Lapacian算子而言，图像分割较好，没有伪边缘出现，对噪声不敏感，然而kirsch方向算子根据图像灰度梯度进行处理，丢失了局部的边缘特征，造成特征丢失。 综合上述六种算子，本章提出一种多算子融合的图像边缘提取方法，该方法客户了噪声的影响，严格按照灰度梯度来，模拟人的视觉生理特征，对图像进行边缘提取，该多算子结合Sobel算子、Prewitt算子、Canny算子、Roberts算子、kirsch方向算子的优点，各算子之间相互取并集最终得到相应的图像边缘，采用多算子融合的图像边缘检测，程序如下： - % 图像边缘纹理处理
- % 提取每幅图像研究位置的坐标，保持在eyelocs
- clc,clear,close all % 清屏、清工作区、关闭窗口
- warning off % 消除警告
- feature jit off % 加速代码执行
- geshi = { '*.bmp','Bitmap image (*.bmp)';...
- '*.jpg','JPEG image (*.jpg)';...
- '*.*','All Files (*.*)'};
- [FileName FilePath] = uigetfile(geshi,'导入外部数据',...
- '*.bmp','MultiSelect','on');% 选中所有的图片
- % 如果选择了图片文件，生成图片文件的完整路径，否则退出程序，不再运行后面命令
- if ~isequal([FileName,FilePath],[0,0]);
- FileFullName = strcat(FilePath,FileName);
- else
- return;
- end
- n = length(FileFullName); % 选择的图片文件个数
- for i = 1 : n
- irow=[];icol=[];img=[];
- % 依次读取每一张图片
- im = imread(FileFullName{i}); % 读取图像
- if size(im,3)==1
- a=im;
- else
- hsi=rgb2hsi(im);
- H = hsi(:, :, 1);
- S = hsi(:, :, 2);
- I = hsi(:, :, 3);
- a= I;
- % a= rgb2gray(im);
- end
- a = medfilt2(a,[5,5]); % 中值滤波
- b = edge(a,'sobel'); %% sobel算子
- c = edge(a,'prewitt'); %% prewitt算子
- d = edge(a,'canny') ; %% canny算子
- e = edge(a,'Roberts') ; %% Roberts算子
- f = kirsch_algorithm(a); %% kirsch方向算子
- p=max(b,c);
- p=min(d,p);
- p=max(e,p);
- p=max(f,p);
- imwrite(p,strcat('.\bw_pic\',num2str(i),'.bmp'),'bmp');
- end
| 
发表于 2017-2-5 12:07:42