【图像检测】基于灰度图像的积累加权边缘检测方法研究附matlab代码

1 内容介绍

研究了基于灰度图像的边缘检测问题,针对传统边缘检测方法对噪声极为敏感的问题,提出了基于灰度图像的积累加权边缘检测方法。该方法采用了积累加权的办法,不仅有效滤除了随机噪声,而且图像细节也得到了很好的保留。理论分析和仿真试验结果表明,该方法抗噪性好,各向同性,实时性好,边缘保持性好。较之传统的模板法,该方法的边缘检测效果更好。

在图像分割中,边缘检测方法是人们研究得最多的方法,它试图通过检测包含不同区域的边缘来解决图像分割问题。图像的大部分主要信息都存在于图像的边缘中,主要表现为图像局部特征的不连续性,是图像中灰度变化比较剧烈的地方,亦即通常所说的信号发生奇异变化的地方。奇异信号沿边缘走向的灰度变化剧烈,通常将边缘划分为阶跃状和屋顶状两种类型。阶跃边缘中边缘两边的灰度值有明显的变化；而屋顶状边缘中边缘位于灰度增加与减少的交界处。在数学上可利用灰度的导数来刻画边缘点的变化,对阶跃边缘、屋顶状边缘分别求其一阶、二阶导数。可见,对阶跃边缘点其灰度变化曲线的一阶导数在边缘点达到极大值,二阶导数在边缘点与零交叉。对屋顶状边缘点,其灰度变化曲线的一阶导数在边缘点与零交叉,二阶导数在边缘点达到极值。经典的边缘检测方法,是对原始图像中像素的某小邻域构造边缘检测算子。首先通过平滑来滤除图像中的噪声,然后进行一阶微分或二阶微分运算,求得梯度最大值或二阶导数的过零点,最后选取适当的阈值来检测边界。由于各种原因,图像常常受到随机噪声的干扰。经典的边缘检测方法由于引入了各种形式的微分运算,从而必然引起对噪声的极度敏感,再加上性[1]。针对传统边缘检测方法抗噪性小的问题,本文提出了积累加权边缘检测方法。该方法既有良好的噪声抑制能力,同时又能有效保持图像的边缘特性。介绍了经典的边缘检测方法,提出了积累加权边缘检测法及其实现步骤,对积累加权边缘检测法进行了仿真,并与传统的Ｌａｐｌａｃｅ和Ｓｏｂｅｌ方法进行了比较,最后对积累加权边缘检测法的优点进行了讨论。执行边缘检测的结果常常是把噪声当做边缘检测出来,而真正的边缘也由于受到噪声干扰而没有被检测出来。因而对于有噪图像来说,一种好的边缘检测方法应具有良好的噪声抑制能力,同时又有完备的边缘保持特

​

2 仿真代码

function Final=img_fusion(LH_out,HL_out,lphaar,hphaar,lphaar2,hphaar2,it2)​  %LH_output hereit2=1;LL=[];LH=[];HL=[];HH=[];       app_img = LH_out;    % Initializing the Approximation Image.        for i = 1:it2        [LL{i}, LH{i} ,HL{i} , HH{i}] = img_decomp(app_img, lphaar, hphaar);        app_img = LL{i};    end            LH_final = LL{it2};    for i = it2:-1:1        LH_final = [LH_final,LH{i};HL{i},HH{i}];    end   LH_final=(LH_final-min(min(LH_final)))/(max(max(LH_final)) - min(min(LH_final)));        %HL_output here     app_img = HL_out;    % Initializing the Approximation Image.        for i = 1:it2        [LL{i}, LH{i} ,HL{i} , HH{i}] = img_decomp(app_img, lphaar, hphaar);        app_img = LL{i};    end        HL_final = LL{it2};    for i = it2:-1:1        HL_final = [HL_final,LH{i};HL{i},HH{i}];    end HL_final=(HL_final-min(min(HL_final)))/(max(max(HL_final)) - min(min(HL_final)));​    Final = img_fuse(LH_final, HL_final);                   Final = img_recomp(Final, it2, lphaar2, hphaar2);Final=(Final-min(min(Final)))/(max(max(Final)) - min(min(Final)));end

3 运行结果

4 参考文献

[1]焦京峰, 肖怀铁, 付强. 基于灰度图像的积累加权边缘检测方法[J]. 电子工程师, 2005, 31(10):4.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。