2

我正在尝试执行一项任务，但有两个问题。第一个，我必须拍一张图像，然后检测表面上的边缘。

这是原始图像：

原始图像

这将是结果：

结果

但是，我得到了这个：

实际结果

我正在使用一个非常简单的代码：

filter=[1 2 1;0 0 0;-1 -2 -1];
image=imread('boat.jpg');
image_edge=filter2(filter,image);
imshow(image_edge);

如您所见，这很容易，但我没有相同的图像。我的过滤器有问题吗？

第二个问题是下一个：我不知道如何创建一个 miximg 系数矩阵，mask(x,y). 该矩阵必须基于边缘创建（平坦区域的值为 1，边缘逐渐减小到 0）。我应该使用什么命令？

4

2 回答 2

3

您的过滤器是否同时提取垂直和水平边缘？因为 filter2 使用 cov2 函数并提取垂直和水平边缘，所以您需要在代码中使用 cov2 两次。检查此页面以获取有关垂直和水平边缘的conv2示例。

您也可以在 MATLAB 中尝试edge命令，尽管它适用于强度图像：

I = imread('boat.jpg');
BW1 = edge(I,'prewitt');  % or any other filters supported
imshow(BW1);

查看此页面以了解不同类型的边缘过滤器。

于 2013-12-26T20:55:05.377 回答
2

NKN 肯定明白了这一点，我唯一要指出的是，您在 y 方向使用 sobel 内核，如果您想有效地在 x 轴上执行边缘检测，内核是

Sobel_x = [1 0 -1; 2 0 -2; 1 0 -1];

另请注意，还有许多其他更好的检测器，例如 Canny 检测器。我强烈建议你看看它。

关于你的第二个问题，我不确定你在问什么，但看起来你想要一个标准化的梯度幅度矩阵。要得到它，你必须首先（惊喜！）计算梯度矩阵：

G=sqrt(G_x.^2 + G_y.^2);

在您的情况下，将图像与 Sobel_x 和 Sobel_y 卷积获得 G_x 和 G_y 的位置。该矩阵将包含您正在检测边缘的图像的每个像素的梯度幅度。

然后为了得到区间 [0,1] 中的东西，您只需对矩阵进行归一化：

G = G/max(G(:));

在这种情况下，你会得到与你想要的相反的结果（接近 1 意味着像素可能是边缘的一部分），所以你可以简单地做 G = 1-G。

编辑：

另请注意，要获得看起来不错的二进制结果，您需要对梯度幅度矩阵进行阈值处理。

例如，在进行 1-G 之前，我在 G 上尝试了 0.15 的阈值。

G = G>0.15;
G = 1-G
imshow(G)

sobel 的结果是：

在此处输入图像描述

我相信你可以做得更好，这只是一个几乎随机的阈值来显示结果。

阈值越高，分类为边缘的特征就越精细。

于 2013-12-26T21:13:42.283 回答