matlabsobel边缘检测代码（log算子边缘检测 matlab代码）

今天给各位分享matlabsobel边缘检测代码的知识，其中也会对log算子边缘检测 matlab代码进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、关于图像处理，利用sobel算子边缘检测的Matlab程序
• 2、matlab canny算子边缘检测函数代码是什么？
• 3、用Sobel算子、Roberts算子、Prewitt算子对图像进行边缘检测的程序，在matlab环境下，程序要完整，最好有图
• 4、Matlab边缘检测问题
• 5、急求 sobel算子检测边缘 Matlab程序代码

关于图像处理，利用sobel算子边缘检测的Matlab程序

这很明显啊，你没有定义g函数。看你程序的意思是先检测出边缘，因为边缘中的线都是白色的，然后就是用for 和 if语句把边缘经过处理，也就是将边缘中白色点变为g,这就要看你具体想以何种方式增强了，如果是对数变换的话，你可以先让g(:,:)=log((ps(:,:))+1)（将这条语句放在for语句的上面）;这样增强的结果就是扩展低值灰度，压缩高值灰度，当然了，还有很多其它增强方法，你可以具体再找找图像增强这方面的资料。

matlab canny算子边缘检测函数代码是什么？

I = imread('lena.bmp');                 %%如果是其他类型图像,请先转换为灰度图

%%没有噪声时的检测结果

BW_sobel = edge(I,'sobel');

BW_prewitt = edge(I,'prewitt');

BW_roberts = edge(I,'roberts');

BW_laplace = edge(I,'log');

BW_canny = edge(I,'canny'); figure(1);

subplot(2,3,1),imshow(I),xlabel('原始图像');

subplot(2,3,2),imshow(BW_sobel),xlabel('sobel检测');

subplot(2,3,3),imshow(BW_prewitt),xlabel('prewitt检测');

subplot(2,3,4),imshow(BW_roberts),xlabel('roberts检测');

subplot(2,3,5),imshow(BW_laplace),xlabel('laplace检测');

subplot(2,3,6),imshow(BW_canny),xlabel('canny检测');

%%加入高斯噪声（μ=0，σ^2=0.01）检测结果

I_g1 = imnoise(I,'gaussian',0,0.01);

BW_sobel = edge(I_g1,'sobel');

BW_prewitt = edge(I_g1,'prewitt');

BW_roberts = edge(I_g1,'roberts');

BW_laplace = edge(I_g1,'log');

BW_canny = edge(I_g1,'canny'); figure(2);

subplot(2,3,1),imshow(I_g1),xlabel('加入高斯噪声(μ=0，σ^2=0.01)图像');

subplot(2,3,2),imshow(BW_sobel),xlabel('sobel检测');

subplot(2,3,3),imshow(BW_prewitt),xlabel('prewitt检测');

subplot(2,3,4),imshow(BW_roberts),xlabel('roberts检测');

subplot(2,3,5),imshow(BW_laplace),xlabel('laplace检测');

subplot(2,3,6),imshow(BW_canny),xlabel('canny检测');

%%加入高斯噪声（μ=0，σ^2=0.02）检测结果

I_g2 = imnoise(I,'gaussian',0,0.02);

BW_sobel = edge(I_g2,'sobel');

BW_prewitt = edge(I_g2,'prewitt');

BW_roberts = edge(I_g2,'roberts');

BW_laplace = edge(I_g2,'log');

BW_canny = edge(I_g2,'canny'); figure(3);

subplot(2,3,1),imshow(I_g2),xlabel('加入高斯噪声(μ=0，σ^2=0.02)图像');

subplot(2,3,2),imshow(BW_sobel),xlabel('sobel检测');

subplot(2,3,3),imshow(BW_prewitt),xlabel('prewitt检测');

subplot(2,3,4),imshow(BW_roberts),xlabel('roberts检测');

subplot(2,3,5),imshow(BW_laplace),xlabel('laplace检测');

subplot(2,3,6),imshow(BW_canny),xlabel('c

一、没有噪声时的检测结果 1 原始图像 

2 Sobel算子边缘检测 3 Prewitt算子边缘检测 4 Roberts算子边缘检测 5 Laplace算子边缘检测 6 Canny算子边缘检测

二、加入高斯噪声（μ=0，σ^2=0.01）检测结果 1 原始图像

2 Sobel算子边缘检测 3 Prewitt算子边缘检测 4 Roberts算子边缘检测 5 Laplace算子边缘检测 6 Canny算子边缘检测

三、加入高斯噪声（μ=0，σ^2=0.02）检测结果 1 原始图像

2 Sobel算子边缘检测 3 Prewitt算子边缘检测 4 Roberts算子边缘检测 5 Laplace算子边缘检测 6 Canny算子边缘检测

clear all; close all;

warning off all;

用Sobel算子、Roberts算子、Prewitt算子对图像进行边缘检测的程序，在matlab环境下，程序要完整，最好有图

close all

clear all

I=imread('tig.jpg'); %读取图像

I1=im2double(I); %将彩图序列变成双精度

I2=rgb2gray(I1); %将彩色图变成灰色图

[thr, sorh, keepapp]=ddencmp('den','wv',I2);

I3=wdencmp('gbl',I2,'sym4',2,thr,sorh,keepapp); %小波除噪

I4=medfilt2(I3,[9 9]); %中值滤波

I5=imresize(I4,0.2,'bicubic'); %图像大小

BW1=edge(I5,'sobel'); %sobel图像边缘提取

BW2=edge(I5,'roberts'); %roberts图像边缘提取

BW3=edge(I5,'prewitt'); %prewitt图像边缘提取

BW4=edge(I5,'log'); %log图像边缘提取

BW5=edge(I5,'canny'); %canny图像边缘提取

h=fspecial('gaussian',5); %高斯滤波

BW6=edge(I5,'zerocross',[ ],h); %zerocross图像边缘提取

figure;

subplot(1,3,1); %图划分为一行三幅图，第一幅图

imshow(I2); %绘图

figure;

subplot(1,3,1);

imshow(BW1);

title('Sobel算子');

subplot(1,3,2);

imshow(BW2);

title('Roberts算子');

subplot(1,3,3);

imshow(BW3);

title('Prewitt算子');

Matlab边缘检测问题

用mesh语句似乎可以，具体也不了解你的情况，感觉怪怪的，发一段我以前些的程序，用罗伯特算子写的，把算子一改就是sobel了。两种边缘检测近似算法奉上：

clc

close all

clear all

%%%生成高斯平滑滤波模板%%%

%%%%%%%%%%%%%%%%%%%%%%%%%

hg=zeros(3,3); %设定高斯平滑滤波模板的大小为3*3

delta=0.5;

for x=1:1:3

for y=1:1:3

u=x-2;

v=y-2;

hg(x,y)=exp(-(u^2+v^2)/(2*pi*delta^2));

end

end

h=hg/sum(hg(:));

%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%读入图像%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%

f = imread('1111.tif'); % 读入图像文件

f=rgb2gray(im2double(f));

imshow(f)

title('原始图像');

[m,n]=size(f);

ftemp=zeros(m,n);

rowhigh=m-1;

colhigh=n-1;

%%%高斯滤波%%%

for x=2:1:rowhigh-1

for y=2:1:colhigh-1

mod=[f(x-1,y-1) f(x-1,y) f(x-1,y+1); f(x,y-1) f(x,y) f(x,y+1);f(x+1,y-1) f(x+1,y) f(x+1,y+1)];

A=h.*mod;

ftemp(x,y)=sum(A(:));

end

end

f=ftemp

figure,imshow(f)

title('通过高斯滤波器后的图像');

% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% %%%利用roberts算子进行边缘检测%%%

% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

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

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

for x=2:1:rowhigh-1

for y=2:1:colhigh-1

mod=[f(x-1,y-1) f(x-1,y) f(x-1,y+1); f(x,y-1) f(x,y) f(x,y+1);f(x+1,y-1) f(x+1,y) f(x+1,y+1)];

fsx=sx.*mod;

fsy=sy.*mod;

ftemp(x,y)=sqrt((sum(fsx(:)))^2+(sum(fsy(:)))^2);

end

end

fr=im2uint8(ftemp);

figure,imshow(fr)

title('用roberts算子边缘检测的原始图像');

%%%域值分割%%%

TH1=60; %设定阈值

for x=2:1:rowhigh-1

for y=2:1:colhigh-1

if (fr(x,y)=TH1)((fr(x,y-1) = fr(x,y)) (fr(x,y) fr(x,y+1)) )

fr(x,y)=200;

elseif(fr(x,y)=TH1)( (fr(x-1,y) =fr(x,y)) (fr(x,y) fr(x+1,y)))

fr(x,y)=200;

else fr(x,y)=50;

end

end

end

figure,imshow(fr)

title('用roberts算子边缘检测并细化后的图像');

%%%%%%%%%%%%%%%%%%%%%%%%%%

利用第一种近似算法进行边缘检测%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%3*3的sobel算子%%%%%%%%

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

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

%sx=[0 1 2;-1 0 1;-2 -1 0];

%sy=[-2 -1 0;-1 0 1;0 1 2];

for x=2:1:rowhigh-1

for y=2:1:colhigh-1

mod=[f(x-1,y-1) f(x-1,y) f(x-1,y+1); f(x,y-1) f(x,y) f(x,y+1);f(x+1,y-1) f(x+1,y) f(x+1,y+1)];

fsx=sx.*mod;

fsy=sy.*mod;

ftemp(x,y)=abs(sum(fsx(:)))+abs(sum(fsy(:)));

end

end

fs=im2uint8(ftemp);

figure,imshow(fs)

title('用第一种近似算法进行边缘检测的原始图像');

%%%域值分割%%%

TH2=200; %设定阈值

for x=2:1:rowhigh-1

for y=2:1:colhigh-1

if (fs(x,y)=TH2)((fs(x,y-1) = fs(x,y)) (fs(x,y) fs(x,y+1)) )

fs(x,y)=200;

elseif(fs(x,y)=TH2)( (fs(x-1,y) =fs(x,y)) (fs(x,y) fs(x+1,y)))

fs(x,y)=200;

else fs(x,y)=50;

end

end

end

figure,imshow(fs)

title('采用第一种近似算法进行边缘检测后的图像');

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%利用第二种近似算法进行边缘检测%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%3*3的sobel算子%%%%%%%%

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

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

%sx=[0 1 2;-1 0 1;-2 -1 0];

%sy=[-2 -1 0;-1 0 1;0 1 2];

for x=2:1:rowhigh-1

for y=2:1:colhigh-1

mod=[f(x-1,y-1) f(x-1,y) f(x-1,y+1); f(x,y-1) f(x,y) f(x,y+1);f(x+1,y-1) f(x+1,y) f(x+1,y+1)];

fsx=sx.*mod;

fsy=sy.*mod;

ftemp(x,y)=max(abs(sum(fsx(:))),abs(sum(fsy(:))));

end

end

fs=im2uint8(ftemp);

figure,imshow(fs)

title('用第二种近似算法进行边缘检测的原始图像');

%%%域值分割%%%

TH2=200; %设定阈值

for x=2:1:rowhigh-1

for y=2:1:colhigh-1

if (fs(x,y)=TH2)((fs(x,y-1) = fs(x,y)) (fs(x,y) fs(x,y+1)) )

fs(x,y)=200;

elseif(fs(x,y)=TH2)( (fs(x-1,y) =fs(x,y)) (fs(x,y) fs(x+1,y)))

fs(x,y)=200;

else fs(x,y)=50;

end

end

end

figure,imshow(fs)

title('采用第二种近似算法进行边缘检测后的图像');

急求 sobel算子检测边缘 Matlab程序代码

f=imread('peppers.png'); % 读入图像

f=rgb2gray(f); % 灰度转换

f=im2double(f); % 数据类型转换

% 使用垂直Sobel算子，自动选择阈值

[VSFAT Threshold]=edge(f,'sobel','vertical'); % 边缘探测

figure, imshow(f),title('Original Image'), % 显示原始图像

figure,imshow(VSFAT),title('Sobel Filter - Automatic Threshold'); % 显示边缘探测图像

%使用水平和垂直Sobel算子，自动选择阈值

SFST=edge(f,'sobel',Threshold);

figure,imshow(SFST),title('Sobel Filter (Horizontal and Vertical)'); % 显示边缘探测图像

%使用指定45度角Sobel算子滤波器，指定阈值

s45=[-2 -1 0;-1 0 1;0 1 2];

SFST45=imfilter(f,s45,'replicate');

SFST45=SFST45=Threshold;

figure,imshow(SFST45),title('Sobel Filter (45 Degree)'); % 显示边缘探测图像

%使用指定-45度角Sobel算子滤波器，指定阈值

sm45=[0 1 2;-1 0 1;-2 -1 0];

SFSTM45=imfilter(f,sm45,'replicate');

SFSTM45=SFSTM45=Threshold;

figure,imshow(SFSTM45),title('Sobel Filter (-45 Degree)'); % 显示边缘探测图像

matlabsobel边缘检测代码的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于log算子边缘检测 matlab代码、matlabsobel边缘检测代码的信息别忘了在本站进行查找喔。