图像处理(四) Sobel边缘检测与canny边缘检测对比

您所在的位置:网站首页 边缘检测算法对比分析 图像处理(四) Sobel边缘检测与canny边缘检测对比

图像处理(四) Sobel边缘检测与canny边缘检测对比

2024-07-12 14:22| 来源: 网络整理| 查看: 265

Sobel边缘检测与canny边缘检测对比 Sobel边缘检测与canny边缘检测对比梯度幅值和梯度方向实验对比matlab 代码

Sobel边缘检测与canny边缘检测对比

边缘检测指的是得到灰度发生剧烈变化的位置,边缘检测的目的是制作一个线图,提供对图像数据的合适概述。sobel边缘检测算法和canny边缘检测算法是较为常见的两种边缘检测算法。sobel边缘检测算法分为两个步骤:(1)首先用到sobel算子,提取灰度差值信息,也就是图像梯度值,(2)用单阀值进一步提取边界信息。canny边缘检测算法包含四个步骤:(1)高斯滤波,(2)使用sobel算子分别计算x,y方向梯度分量及梯度方向,(3)对梯度进行非极大值抑制, (4)使用双阈值对边缘进一步检测和增强。 可以看出,这两种算法都是计算梯度信息和方向,最后根据这个梯度信息进行检测边界,总体流程上是一致的。不同点就是检测这一块,cannny算法给出了非极大值抑制和双阈值法可以排除不是边界点的干扰,更好的能够提取出边界。

梯度幅值和梯度方向

在这里插入图片描述

梯度幅值

在这里插入图片描述

梯度方向 在这里插入图片描述

实验对比 Sobel算法结果

在这里插入图片描述

Canny算法结果

在这里插入图片描述 Sobel梯度幅值图像可以看出在图像边缘部分梯度幅值越大,另外对比sobel算法边缘检测结果与canny边缘检测结果可以看出,canny的检测效果更好,主要原因是canny算法在边缘检测时采用了非极大值抑制以及双阈值方法,因此排除了非边缘点的干扰,检测效果更好。

matlab 代码 clc clear close all image=imread('lena.jpg'); image_gray=rgb2gray(image); subplot(2,2,1) imshow(image_gray) title('原图像') %% sobel梯度幅值图像 Gx=conv2(image_gray,[-1 0 1;-2 0 2;-1 0 1],'same'); Gy=conv2(image_gray,[-1 -2 -1;0 0 0;1 2 1],'same'); sobel_amp=sqrt(Gx.^2+Gy.^2); subplot(2,2,2) imshow(sobel_amp/255) title('sobel梯度幅值图像') %% sobel梯度方向图像 sobel_phase=atan(Gy./Gx); subplot(2,2,3) imshow((sobel_phase+pi/2)/pi) title('sobel梯度方向图像') %% 基于梯度的边缘检测结果 edge_sobel=zeros(size(image_gray)); for i=1:size(image_gray,1) for j=1:size(image_gray,2) if sobel_amp(i,j)>80 edge_sobel(i,j)=1; end end end subplot(2,2,4) imshow(edge_sobel) title('基于梯度的边缘检测结果') %% canny边缘检测 edg_canny=edge(image_gray,'canny'); figure imshow(edg_canny) title('canny边缘检测结果')


【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3