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](https://img-blog.csdnimg.cn/95fb8bf6d40845cab47202f08925ecff.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQUNFX2NvZGVy,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
梯度幅值
梯度方向
实验对比
Sobel算法结果
![在这里插入图片描述](https://img-blog.csdnimg.cn/5cc50a4b39fb4cbf8495e12de35394d2.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQUNFX2NvZGVy,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
Canny算法结果
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')
|