数字图像处理soble进行边沿检测

使用sobel算子进行图像边沿检测一.实验原理Sobel算子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。如果用sobel算子检测图像的边缘的话，可以先分别用水平算子和垂直算子对图像进行卷积，得到的是两个矩阵。-1-2-1-101000-202121-101Sobel梯度算子是先做成加权平均，再微分，然后求梯度，计算公式表示为：Fx’(x,y)=f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)-f(x-1,y-1)-2f(x,y-1)-f(x+1,y-1)Fy’(x,y)=f(x-1,y+1)+2f(x-1,y)+f(x-1,y+1)-f(x+1,y-1)-2f(x+1,y)-f(x+1,y+1)二维图像的灰度值函数f(x,y),其梯度表示为：G[f(x,y)]=|fx’(x,y)+fy’(x,y)|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。并且，Sobel算子对于象素的位置的影响做了加权，因此效果更好。二．实验程序f=imread('jingwu1.jpg');f=rgb2gray(f);f=im2double(f);%使用垂直Sobel算子，自动选择于阈值[VSFATThreshold]=edge(f,'sobel','vertical');%边缘探测figure,imshow(f),title('原始图像');%显示原始图像figure,imshow(VSFAT),title('垂直图像边缘检测');%显示边缘探测图像%使用水平和垂直Sobel算子，自动选择阈值SFST=edge(f,'sobel',Threshold);figure,imshow(SFST),title('水平和垂直图像边缘检测');%显示边缘探测图像%使用指定45度角Sobel算子滤波器，指定阈值s45=[-2-10;-101;012];SFST45=imfilter(f,s45,'replicate');SFST45=SFST45=Threshold;figure,imshow(SFST45),title('45度角图像边缘检测');%最示边缘探测图像s135=[012;-101;-2-10];SFST135=imfilter(f,s135,'replicate');SFST135=SFST135=Threshold;figure,imshow(SFST135),title('135度角图像边缘检测');%最示边缘探测图像三．实验结果本实验分别对三幅图做了sobel算子边缘检测，结果如下：图一：（简单）图二：（中）图三：（复杂）四．实验分析本实验中使用sobel算子在4个方向进行了图像边缘的检测，有上述程序运行的结果图可以看出，45度角sobel算子和135度角sobel算子生成的边缘检测图像呈现出浮雕的效果，水平和垂直sobel算子检测出的边缘多于单个方向上检测的边缘。Sobel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。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，这一点可以从对上述三幅图的检测结果看出。对于轮廓清晰，线条简单的图片（如图一），sobel算子可以较好的检测出其图形边缘；但对于轮廓相对不明显，线条不是很简单，内容较多的图片（如图三）来说，用sobel算子来检测其边缘就暴露了其不能严格的模拟人的视觉生理特征，定位精度不高，易检测到伪边缘，提取出来的图像轮廓有时不令人满意的缺点。