文档

边缘

在强度图像中找到边缘

折叠所有页面

语法

BW =边(I)
BW = edge(I,method)
BW = edge(I，方法，阈值)
BW =边缘(I，方法，阈值，方向)
BW =边缘(___, ' nothin ')
BW =边(I，方法，阈值，σ)
BW = edge(I，方法，阈值，h)
[BW,threshOut] = edge(___）
[BW,threshOut,Gv,Gh] = edge(___）
[gpuarrayBW,threshOut] = edge(gpuarrayI，___）

描述

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

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）返回所有比强的边阈值．

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，或两者兼有。此语法仅在以下情况下有效方法是“索贝尔”，“普瑞维特”,或“罗伯特”．

BW=边缘(___, ' nothin ')跳过边缘细化阶段，这可以提高性能。此语法仅在以下情况下有效方法是“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。此语法仅在以下情况下有效方法是“日志”或“精明”．

BW=边缘(我，方法，阈值，h）方法检测边缘“zerocross”方法，h，你指定的。此语法仅在以下情况下有效方法是“zerocross”．

［BW，threshOut= edge(___）还返回阈值。

［BW，threshOut，全球之声，“大酒店”= edge(___）还返回方向梯度大小。对于Sobel和Prewitt方法，全球之声而且“大酒店”对应于垂直和水平梯度。对于罗伯茨方法，全球之声而且“大酒店”分别对应与水平角度为45°和135°的梯度。此语法仅在以下情况下有效方法是“索贝尔”，“普瑞维特”,或“罗伯特”．

例子

［gpuarrayBW，threshOut= edge(gpuarrayI，___）对GPU进行边缘检测操作。的“精明”而且“approxcanny”方法在GPU上不支持。万博1manbetx输入图像和输出图像是gpuArrays.此语法需要并行计算工具箱™。

例子

全部折叠

打开实时脚本

将灰度图像读入工作区并显示它。

I = imread(“circuit.tif”）;imshow(我)

使用Canny方法找到边。

BW1 = edge(I，“精明”）;

使用Prewitt方法找到边。

BW2 = edge(I，“普瑞维特”）;

并排显示两个结果。

imshowpair (BW1 BW2,“蒙太奇”）

读取灰度图像，创建一个gpuArray．

I = gpuArray(imread(“circuit.tif”));

使用Prewitt方法找到边。

BW =边(I，“普瑞维特”）;

显示结果。

图中,imshow (BW)

输入参数

全部折叠

灰度或二值图像，指定为二维、实数、非稀疏、数值或逻辑数组。

为“approxcanny”方法，数据类型的图像单或双必须在范围[0 1]内归一化。

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

边缘检测方法，指定为下列之一。

方法 描述
“索贝尔”

在图像的梯度处找到边我为最大值，使用导数的索贝尔近似。
“普瑞维特”

在的梯度处找到边我为最大值，使用导数的Prewitt近似。
“罗伯特” 在的梯度处找到边我为最大值，使用导数的罗伯茨近似。
“日志” 通过过滤后寻找零交叉来找到边我采用拉普拉斯高斯(LoG)滤波器。
“zerocross” 通过过滤后寻找零交叉来找到边我使用你指定的过滤器，h
“精明” 通过寻找的梯度的局部极大值来找到边我．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，包括输出中的弱边缘，如果它们连接到强边缘。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，更有可能检测到真正的弱边缘。
“approxcanny” 使用近似版本的Canny边缘检测算法查找边缘，以不太精确的检测为代价提供更快的执行时间。为approxcanny方法中，浮点图像预计在规范化范围内[0 1]．

灵敏度阈值，指定为任意的数字标量方法的2元素向量“精明”而且“approxcanny”方法。边缘忽略所有强度小于的边阈值．有关此参数的详细信息，请参见算法．

  • 如果您没有指定阈值，或者指定一个空数组(［］),然后边缘自动选择一个或多个值。

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

  • 的“精明”而且“approxcanny”方法使用两个阈值。边缘忽略边缘强度低于较低阈值的所有边，并保留边缘强度高于较高阈值的所有边。你可以指定阈值作为这样的2元向量(低高)与低而且高取值范围为[0 1]。你也可以指定阈值作为一个数值标量边缘赋给较高的阈值。在这种情况下，边缘使用阈值* 0.4作为较低阈值。

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

要检测的边缘方向，指定为“水平”，“垂直”,或“两个”．的方向时，参数才有效方法是“索贝尔”，“普瑞维特”,或“罗伯特”．

请注意

如果你选择罗伯茨方法，则“水平”方向实际上检测与水平夹角为135°的边缘，而“垂直”方向检测边缘在与水平45°角。

数据类型:字符|字符串

过滤器，指定为一个矩阵。的h参数支持万博1manbetx“zerocross”唯一的方法。

数据类型:双

过滤器的标准偏差，用标量表示。的σ参数支持万博1manbetx“精明”而且“日志”唯一的方法。

方法 描述
“精明”

指定高斯滤波器的标准偏差的标量值。默认为√6 (2)．边缘自动选择过滤器的大小，基于σ．
“日志”(拉普拉斯的高斯)

一个标量值，它指定高斯滤波器的拉普拉斯函数的标准偏差。默认为2．过滤器的大小为n——- - - - - -n,在那里n =装天花板(σ* 3)* 2 + 1．

数据类型:双

输入图像，指定为gpuArray．

输出参数

全部折叠

输出二进制图像，作为大小相同的逻辑数组返回我,1S，即函数在S内找到边我而且0其他地方。

计算中使用的阈值，以2元素向量的形式返回“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。

垂直梯度，作为大小相同的数值数组返回我．

请注意

如果你选择罗伯茨方法,然后边缘返回从水平角度45°计算的梯度。

水平梯度，作为大小相同的数值数组返回我．

请注意

如果你选择罗伯茨方法,然后边缘返回从水平角度135°计算的梯度。

在GPU上运行时输出二进制图像，返回为gpuArray．

提示

  • 这个函数边缘在7.2版(R2011a)更改。以前版本的图像处理工具箱™使用不同的算法来计算Canny方法。如果你需要与前面的实现产生相同的结果，请使用以下语法:BW = edge(I，'canny_old'，___)

算法

  • 对于梯度幅度边缘检测方法(Sobel, Prewitt, Roberts)，边缘使用阈值阈值计算梯度幅度。

  • 对于过零方法，包括高斯的拉普拉斯方法，边缘使用阈值作为过零的阈值。换句话说，跨越零点的大跳跃是一条边，而小跳跃则不是。

  • Canny方法对梯度应用了两个阈值: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，然后将其增加到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，从所计算的值开始边缘，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”，《IEEE模式分析与机器智能汇刊》，PAMI-8卷，第6期，1986，第679-698页。

[2] Lim, Jae S.，二维信号和图像处理，恩格尔伍德悬崖，新泽西州，Prentice Hall, 1990，第478-488页。

[3] Parker, James R.，图像处理和计算机视觉算法，纽约，John Wiley & Sons, Inc.， 1997，第23-29页。

扩展功能

另请参阅

|||

R2006a之前介绍

这个话题有用吗?
图像处理工具箱文档
万博1manbetx

试试MATLAB、Sim万博1manbetxulink和其他产品s manbetx 845

现在就去审判吧