【机器视觉】机器视觉实验一——图像边缘检测

发布时间:2024年01月10日

一、实验要求

1.读取文件并且将图片转为8bit;完成图像的拼接;图像框选

2边缘检测的主要步骤是:

(1)为每个像素分配分数;
(2) 沿垂直于边缘的方向找到局部最大值。有时执行第三步,传播局部证据,以便长轮廓更加自信,或者强边缘增强附近弱边缘的自信。
构建一个简单的基于梯度的边缘检测器,包括以下功能;
function [mag, theta] = gradientMagnitude(im, sigma)
此函数应将RGB图像作为输入,使用高斯std=sigma平滑图像,计算平滑图像的x和y梯度值,并输出每个像素处的梯度大小和方向的图像映射。通过获取R、G和B梯度的L2范数,可以计算RGB图像的梯度大小。可以根据对应于最大梯度幅度的通道来计算方向。总梯度大小为x和y梯度的L2范数。mag和theta的大小应该与im相同。
function bmap=edgeGradient(im)
该函数应使用gradientMagnitude计算软边界图,然后执行非最大值抑制。对于该分配,可以通过仅保留Canny边缘检测器产生的二进制边缘的幅度来执行非最大值抑制:边缘(im,“Canny”)。您可以通过编写一个非最大值抑制算法来获得更好的结果,该算法使用您自己对幅度和方向的估计。如果需要,可以重新缩放边界分数,例如,通过提高到指数:mag2=mag.^0.7,这对可视化非常有用。使用evaluateSegmentation进行评估。m,并记录总体和平均F分数。
尝试使用一组定向过滤器来改善结果,而不是上面的高斯方法的简单导数&#

文章来源:https://blog.csdn.net/yuzhangfeng/article/details/135492218
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。