matlab边缘检测和图像分割
                
                

                    图像和算法等领域有多年研究和项目经验；指导发表科技核心期刊经验丰富；多次指导数学建模爱好者参赛。


                
                

                    
                    宋星星
                
            
            

                

                    ¥12.00
                
                

                    立即订阅
                
            
        
    

    
扫码下载「CSDN程序员学院APP」，1000+技术好课免费看
    
APP订阅课程，领取优惠，最少立减5元 ↓↓↓
    

    

        
            
                订阅后：请点击此处观看视频课程
            
        
    

    
 

    

        视频教程-matlab边缘检测和图像分割-Matlab
    
    

        学习有效期：永久观看
    
    

        学习时长：101分钟
    
    

        学习计划：2天
    
    

        难度：低
    

    

         
    

    
    

        
            「口碑讲师带队学习，让你的问题不过夜」
        
    
    
    

        
            讲师姓名：宋星星
        
    
    

        工程师
    
    

        讲师介绍：图像和算法等领域有多年研究和项目经验；指导发表科技核心期刊经验丰富；多次指导数学建模爱好者参赛。


    
    

        
            
                ☛点击立即跟老师学习☚
            
        
    

    

         
    

    
    

        
            「你将学到什么？」
        
    
    

        

	matlab边缘检测


	
    


    

         
    

    
    

        
            「课程学习目录」
        
    

    

        

            
            

                

                    
                    1.精通MATLAB图像处理常用技巧
                    
                
            
            
            

                

                    
                    2.Sobel等算子图像边缘检测matlab案例
                    
                
            
            
            

                

                    
                    3.matlab直线识别拟合角平分线和图像直线边缘提取案例
                    
                
            
            
            

                

                    
                    4.hough变换radon变换实现图像直线检测及傅里叶等多种变换技术案例
                    
                
            
            
            

                

                    
                    5.matlab边界跟踪算法和图像边界提取和图像减法除法去除图像背景
                    
                
            
            
            

                

                    
                    6.matlab直方图阈值法、区域、otsu图像分割案例和滤波、通过拉伸实现对比度等增强案例
                    
                
            
            
            

                

                    
                    7.matlab小波技术图像处理专题案例集
                    
                
            
            
        
    

    

         
    

    
    

        
            「7项超值权益，保障学习质量」
        
    
    

        
大咖讲解
    
    
技术专家系统讲解传授编程思路与实战。

    

        
答疑服务
    
    
专属社群随时沟通与讲师答疑，扫清学习障碍，自学编程不再难。

    

        
课程资料+课件
    
    
超实用资料，覆盖核心知识，关键编程技能，方便练习巩固。（部分讲师考虑到版权问题，暂未上传附件，敬请谅解）

    

        
常用开发实战
    
    
企业常见开发实战案例，带你掌握Python在工作中的不同运用场景。

    

        
大牛技术大会视频
    
    
2019Python开发者大会视频免费观看，送你一个近距离感受互联网大佬的机会。

    

        
APP+PC随时随地学习
    
    
满足不同场景，开发编程语言系统学习需求，不受空间、地域限制。

    

         
    

    
    

        
            「什么样的技术人适合学习？」
        
    

    

        
想进入互联网技术行业，但是面对多门编程语言不知如何选择，0基础的你
        
掌握开发、编程技术单一、冷门，迫切希望能够转型的你
        
想进入大厂，但是编程经验不够丰富，没有竞争力，程序员找工作难。
    

    

         
    

    
    

        
            「悉心打造精品好课，2天学到大牛3年项目经验」
        
    

    

        【完善的技术体系】
    

    
技术成长循序渐进，帮助用户轻松掌握

    
掌握Matlab知识，扎实编码能力

    

        【清晰的课程脉络】
    

    
浓缩大牛多年经验，全方位构建出系统化的技术知识脉络，同时注重实战操作。

    

        【仿佛在大厂实习般的课程设计】
    

    
课程内容全面提升技术能力，系统学习大厂技术方法论，可复用在日后工作中。

    

         
    

    
    

        
            「你可以收获什么？」
        
    

    
    

        matlab边缘检测
    
    
    

        matlab图像分割
    
    
    

        
    
    
    

        
    
    

    

         
    

    

        
            
            
订阅课程 开始学习
            
        
    

确定图像中的物体边界的一种方法是先检测每个像素和其直接淋雨的状态已决定该像素是否确实处于一个物体的边界上。具有这种特性的像素被标记为边缘点。当图像中各个像素的灰度级用来反映各像素要求的程度时，这种图像被称为边缘图像或边缘图。它也可以表示边缘点的位置而没有强弱程度的二值图像来表示。对边缘图像而不是幅度进行编码的图像叫做含方向边缘图。
一幅边缘图通常用边缘点勾画出各个物体的轮廓，单很少能形成图像分割所需要的闭合切连通的边界。因此需要对边缘点进行连接才能完成物体的检测过程。边缘点连接就是一个将邻近的边缘点连接起来，从而产生一条闭合的联通边界的过程。这个过程填补了因为噪声和阴影的影响所产生的间隙。--------引用：杨杰：数字图像处理及MATLAB实现


1.Roberts边缘算子
Roberts边缘检测算子是一种利用局部查分算子寻找边缘的算子。
2.Sobel边缘算子
两个卷积核形成了Sobel边缘算子。图像中的每个点都用这两个核做卷积。一个核对通常的垂直边缘响应最大而另一个对水平边缘响应最大。两个卷积的最大值作为该点的输出值。运算结果是一幅边缘幅度的图像
......理论省略，自行百度
%图像边缘检测
%加载图片并读取图片信息
srcImage=imread('E:\MatlabWorkSpace\实验三边缘检测\image.bmp');
srcImageInfo=imfinfo('E:\MatlabWorkSpace\实验三边缘检测\image.bmp');%图像为truecolor，首先转化为灰度图

%将图像转化为灰度图
grayImage=rgb2gray(srcImage);

%分别使用Roberts\Sobel\Prewitt\Canny算子进行边缘检测
imageRoberts=edge(grayImage,'roberts');
imageSobel=edge(grayImage,'sobel');
imagePrewitt=edge(grayImage,'prewitt');
imageCanny=edge(grayImage,'canny');

%显示检测图像
subplot(2,3,1);
imshow(grayImage);
title('原图像');

subplot(2,3,2);
imshow(imageRoberts);
title('roberts');

subplot(2,3,3);
imshow(imageSobel);
title('sobel');

subplot(2,3,4);
imshow(imagePrewitt);
title('prewitt');

subplot(2,3,5);
imshow(imageCanny);
title('canny');

Matlab-分割与边缘检测实验-使用一阶和二阶检测算子（导数）进行图像的边缘检测
代码链接：https://download.csdn.net/download/qq_43571150/12033266
使用一阶和二阶检测算子（导数）进行图像的边缘检测

问题1：编写程序实现一阶Sobel算子，进行图像的边缘提取；

问题2：编写程序实现一阶Prewitt算子，进行图像的边缘提取；

问题3：编写程序实现一阶Roberts算子，进行图像的边缘提取；

问题4：编写程序实现二阶Laplacian算子（3*3），进行图像的边缘提取。









图像结果👇



Matlab代码👇
clear all;
A=imread('01.jpg'); 
R=rgb2gray(A);
I=double(R);

hx1=[-1 -2 -1;
      0  0  0;
      1  2  1];                 %生产垂直梯度模板
hy1=[-1  0  1;                  %生产水平梯度模板
     -2  0  2;
     -1  0  1];                      

hx2=[-1 -1 -1;
      0  0  0;
      1  1  1];                 %生产垂直梯度模板
hy2=[-1  0  1;                  %生产水平梯度模板
     -1  0  1;
     -1  0  1];                

hx3=[-1  0;
      0  1];                    %生产垂直梯度模板
hy3=[ 0 -1;                     %生产水平梯度模板
      1  0];      
  
hx4=[ 0 -1  0;                  %生产水平梯度模板
     -1  4 -1;
      0 -1  0];
  
hx5=[-1 -1 -1;                  %生产水平梯度模板
     -1  8 -1;
     -1 -1 -1];  

grad1=Edge(I,hx1,hy1);
grad2=Edge(I,hx2,hy2);
grad3=Edge(I,hx3,hy3);
grad4=Laplacian(I,hx4);
grad5=Laplacian(I,hx5);
p1=uint8(grad1);
p2=uint8(grad2);
p3=uint8(grad3);
p4=uint8(grad4);
p5=uint8(grad5);

subplot(3,3,1);imshow(A);title('input'); 
subplot(3,3,2);imshow(R);title('灰度图'); 
subplot(3,3,4);imshow(p1,[]);title('一阶Sobel算子');
subplot(3,3,5);imshow(p2,[]);title('一阶Prewitt算子');
subplot(3,3,6);imshow(p3,[]);title('一阶Roberts算子');
subplot(3,3,7);imshow(p4,[]);title('二阶Laplacian算子四邻域');
subplot(3,3,8);imshow(p5,[]);title('二阶Laplacian算子八邻域');

imwrite(p1,'01 一阶Sobel算子边缘提取.jpg');
imwrite(p2,'01 一阶Prewitt算子边缘提取.jpg');
imwrite(p3,'01 一阶Roberts算子.jpg');
imwrite(p4,'01 二阶Laplacian算子四邻域边缘提取.jpg');
imwrite(p5,'01 二阶Laplacian算子八邻域边缘提取.jpg');


function p = Edge(I,hx,hy)  
gradx=filter2(hx,I,'same');
gradx=abs(gradx);               %计算图像的垂直梯度
  
  
grady=filter2(hy,I,'same');
grady=abs(grady);               %计算图像的水平梯度
   
p=gradx+grady;                  %得到图像的梯度
end

function p = Laplacian(I,hx)  
gradx=filter2(hx,I,'same');
gradx=abs(gradx);               %计算图像的垂直梯度
   
p=gradx;                        %得到图像的梯度
end

医学图像处理课程 实验课 图像gamma修正与分割
图像gamma修正
图像边缘检测

图像gamma修正
一、实验目的：
熟练章握Gamma修正算法原理，步骤和结果
二、实验数据：microorg.jpg
三、实验要求：
编写matlab程序，实现对实验數据
的亮度分量的Gamma修正，Gamma值分别取0.25、0.5、1、2, 3
四、实验方法和结果
步骤1：将像素值归一化，得到a∈[0,1];

歩骤2：计算伽马函数:b = dy;

歩骤3：将经过伽马修正的像素值做灰度变换，得到b∈[0,amax],用公式表示为



程序如下：

首先建立gamma修正图像绘制函数
function gammam(image, gamma)
 image=im2double(image);                
 image=rgb2gray(image);               
 s = image .^ gamma;  %对图像进行gamma修正
imshow(s), title(sprintf('Gamma: %0.2f',gamma));
end

然后进行函数调用即可
image=imread('图像素材2.jpg');
subplot(3,2,[1,2] );
imshow(image);
subplot(323);
gammam(image, 0.25);
subplot(324);
gammam(image, 0.5);
subplot(325);
gammam(image, 2);
subplot(326);
gammam(image, 3);

获得结果如下


图像边缘检测
对计算机合成图像Simulation作边缘检测,试对
检测结果定量评估。生成包括圆,正方形,矩形等不同灰度的图形
应用Sobel算子(双方向模板)等算法对合成图像进行|边缘检测,应用不同阈值取得不同边缘。
由于是计算机合成图像,可以精确知道单像素宽边缘位置(掩膜)。将合成图像边缘作为参考图像,与检|测边缘做定量比较
边缘提取的性能很难定量评估,有两个测度可供参考:
边缘检测错误率


其中,N1是漏检的边缘点数及误增加边缘点数之和,No是真正（参考）边缘点数。
程序与结果
clear;
close all;
w=512;r=200;
[rr,cc] = meshgrid(1:w);
edge_1=ceil(sqrt((rr-floor(w/2)).^2 + (cc-floor(w/2)).^2)) == r;%边界
circle_1 = sqrt((rr-floor(w/2)).^2 + (cc-floor(w/2)).^2) <= r; %圆形
subplot(231)
imshow(edge_1);title('边界');
subplot(232)
imshow(circle_1);title('图像');
sobel_edge=edge(circle_1,'sobel');%sobel边界
prewitt_edge=edge(circle_1,'prewitt');%prewitt边界
subplot(233)
imshow(sobel_edge);title('sobel检测边界');
subplot(234)
imshow(prewitt_edge);title('prewitt检测边界');

N_sobel=sum(sum(xor(sobel_edge,edge_1) ));%sobel相差点数
N_prewitt=sum(sum(xor(prewitt_edge,edge_1) ));%prewitt相差点数
N_edge= sum(sum(edge_1));  %标准边界点数 

P_sobel=N_sobel/N_edge;    %sobel算子P  
P_prewitt=N_prewitt/N_edge;%prwitt算子P
subplot(235)
imshow(xor(sobel_edge,edge_1));title(sprintf('sobel xor P=%0.4f',P_sobel))
subplot(236)
imshow(xor(prewitt_edge,edge_1));title(sprintf('prewitt xor P=%0.4f',P_prewitt))


程序运行结果如下