主要内容

边缘

在二维灰度图像中寻找边缘

在页面中全部折叠

语法

BW =边缘(我)
BW =边缘(我的方法)
BW =边缘(我、方法、阈值)
BW =边缘(我、方法、阈值、方向)
BW =边缘(___“几乎”)
BW =边缘(我,方法、阈值、σ)
BW =边缘(我,方法、阈值、h)
[BW, threshOut] =边缘(___）
(BW, threshOut Gx, Gy) =边缘(___）

描述

BW=边缘(我）返回二值图像BW包含1S，函数在灰度或二值图像中寻找边缘我而且0其他地方。默认情况下,边缘采用Sobel边缘检测方法。

提示

若要在3d灰度或二值图像中查找边缘，请使用edge3函数。

例子

BW=边缘(我，方法）检测图像中的边缘我所指定的边缘检测算法方法．

BW=边缘(我，方法，阈值）返回所有强于的边阈值．

BW=边缘(我，方法，阈值，方向）指定要检测的边的方向。Sobel和Prewitt方法可以检测垂直方向、水平方向或两者的边缘。罗伯茨方法可以检测与水平角度为45°的边缘，与水平角度为135°的边缘，或两者同时检测。此语法仅在方法是“索贝尔”，“普瑞维特”,或“罗伯特”．

BW=边缘(___“几乎”)跳过边缘细化阶段，这可以提高性能。此语法仅在方法是“索贝尔”，“普瑞维特”,或“罗伯特”．

BW=边缘(我，方法，阈值，σ）指定σ，为滤波器的标准差。此语法仅在方法是“日志”或“精明”．

BW=边缘(我，方法，阈值，h）方法检测边缘。“zerocross”方法与过滤器，h，你指定的。此语法仅在方法是“zerocross”．

［BW，threshOut) =边缘(___）也返回阈值。

［BW，threshOut，Gx，孔侑) =边缘(___）也返回方向梯度。对于Sobel和Prewitt方法，Gx而且孔侑分别对应于水平梯度和垂直梯度。对于罗伯茨的方法，Gx而且孔侑分别对应与水平夹角为135°和45°的梯度。此语法仅在方法是“索贝尔”，“普瑞维特”,或“罗伯特”．

例子

全部折叠

打开生活的脚本

将灰度图像读入工作空间并显示它。

我= imread (“circuit.tif”）;imshow(我)

图中包含一个axes对象。坐标轴对象包含一个image类型的对象。

使用Canny方法找到边缘。

BW1 =边缘(我“精明”）;

使用Prewitt方法寻找边缘。

BW2 =边缘(我“普瑞维特”）;

并排显示两个结果。

imshowpair (BW1 BW2,“蒙太奇”）

图中包含一个axes对象。坐标轴对象包含一个image类型的对象。

输入参数

全部折叠

输入图像，指定为二维灰度图像或二维二值图像。

为“approxcanny”方法，数据类型的图像单或双必须归一化到范围[0,1]。如果我值在[0,1]范围之外，那么可以使用重新调节函数将值缩放到预期范围。

数据类型:双|单|int8|int16|int32|int64|uint8|uint16|uint32|uint64|逻辑

边缘检测方法，指定为以下之一。

方法 描述
“索贝尔”

在图像的梯度处找到边缘我是最大值，用导数的索贝尔近似。
“普瑞维特”

找到这些点上的边我是最大值，用导数的Prewitt近似。
“罗伯特” 找到这些点上的边我是最大值，用导数的罗伯茨近似。
“日志” 通过寻找滤波后的零交叉点来寻找边缘我用拉普拉斯高斯(LoG)滤波器。
“zerocross” 通过寻找滤波后的零交叉点来寻找边缘我通过指定的过滤器，h．
“精明”

的梯度的局部极大值来寻找边缘我．的边缘函数使用高斯滤波器的导数计算梯度。该方法使用两个阈值来检测强边缘和弱边缘，如果它们连接到强边缘，则包括输出中的弱边缘。通过使用两个阈值，Canny方法比其他方法更不容易被噪声欺骗，更容易检测到真实的弱边缘。
“approxcanny”

使用Canny边缘检测算法的近似版本查找边缘，该算法提供了更快的执行时间，但代价是不太精确的检测。浮点图像被期望归一化到范围[0,1]。

灵敏度阈值，指定为任意的数值标量方法的2元向量“精明”而且“approxcanny”方法。边缘忽略所有强度小于的边阈值．有关该参数的更多信息，请参见算法．

  • 如果不指定阈值，或者如果指定空数组(［］),然后边缘自动选择一个或多个值。

  • 为“日志”而且“zerocross”方法，如果指定阈值0，则输出图像具有闭合轮廓，因为它包含了输入图像中所有的过零点。

  • 的“精明”而且“approxcanny”方法使用两个阈值。边缘忽略所有边缘强度低于较低阈值的边缘，并保留所有边缘强度高于较高阈值的边缘。您可以指定阈值作为一个2元向量的形式(低高)与低而且高取值范围为[0,1]。您还可以指定阈值作为一个数值标量边缘分配给较高的阈值。在这种情况下,边缘使用阈值* 0.4作为低阈值。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

要检测的边的方向，指定为“水平”，“垂直”,或“两个”．的方向参数仅在方法是“索贝尔”，“普瑞维特”,或“罗伯特”．

请注意

如果你选择罗伯茨方法,那么“水平”方向检测与水平方向成135°角的边缘，而“垂直”方向检测与水平成45°角的边缘。

数据类型:字符|字符串

过滤器，指定为数值矩阵。的h参数支持“zerocross”唯一的方法。

数据类型:双

过滤器的标准偏差，指定为数值标量。的σ参数支持“精明”而且“日志”唯一的方法。

方法 描述
“精明”

指定高斯滤波器标准差的标量值。默认值是√6 (2)．边缘自动选择过滤器的大小，根据σ．
“日志”(高斯拉普拉斯算子)

指定高斯滤波器拉普拉斯函数标准差的标量值。默认值是2．过滤器的尺寸为n——- - - - - -n,在那里n =装天花板(σ* 3)* 2 + 1．

数据类型:双

输出参数

全部折叠

输出二值图像，作为大小相同的逻辑数组返回我,1S是函数找到边的地方我而且0其他地方。

在计算中使用的计算阈值，作为2元素向量返回“精明”方法，一个空向量(［］)“approxcanny”方法，或用于所有其他边缘检测方法的数值标量。

水平渐变，作为大小相同的数值数组返回我．较大的水平梯度震级表明垂直边缘较强。

请注意

如果你选择罗伯茨方法,然后边缘返回与水平角度为135°时计算的梯度。

垂直渐变，作为大小相同的数值数组返回我．较大的垂直梯度震级表明水平边缘较强。

请注意

如果你选择罗伯茨方法,然后边缘返回与水平角度为45°时计算的梯度。

算法

  • 对于梯度-幅度边缘检测方法(Sobel, Prewitt和Roberts)，边缘使用阈值以阈值计算的梯度幅度。

  • 对于过零法，包括拉普拉斯高斯法，边缘使用阈值作为过零的阈值。换句话说，跨越零的大跳跃是一条边，而小跳跃不是。

  • Canny方法对梯度应用两个阈值:低边缘灵敏度的高阈值和高边缘灵敏度的低阈值。边缘从低灵敏度结果开始，然后将其增长，以包括来自高灵敏度结果的连接边缘像素。这有助于填补检测到的边缘的空白。

  • 在所有情况下,边缘根据输入数据启发式地选择默认阈值。改变阈值的最佳方法是运行边缘第一次，捕获计算的阈值作为第二个输出参数。然后，从计算的值开始边缘，将阈值调高以检测更少的边缘像素，或调低以检测更多的边缘像素。

参考文献

[1] Canny, John，“边缘检测的计算方法”，模式分析与机器智能汇刊，第6期，1986年，第679-698页。

[2]林载S;二维信号与图像处理，恩格尔伍德悬崖，新泽西州，普伦蒂斯厅，1990年，第478-488页。

詹姆斯·R·帕克，图像处理与计算机视觉算法，纽约，John Wiley & Sons, Inc.， 1997，第23-29页。

扩展功能

版本历史

之前介绍过的R2006a

全部展开

另请参阅

|||

Baidu
map