约翰娜Pingel,MathWorks公司
边缘检测是一种常见的图像处理技术,并且可用于多种应用中,诸如图像分割,对象检测和Hough线检测。使用边缘检测有效地在MATLAB中使用“边缘”功能®,并探索不同的可用参数。
边缘检测为图像内的查找对象的边界的图像处理技术。它通过在图像内检测亮度的改变。除了制造一个有趣的外观的图像,边缘检测可以是用于图像分割一个伟大的预处理步骤。
如果你有边创建的对象的边界,可以填充它来检测对象的位置。如果你有一个相互接触的两个对象,你可以找到边缘,并使用该信息对象分开。您还可以使用边基于纹理找对象,在细分基础上的颜色可能不十分理想某些情况下。
因此,让我们来看看如何使用边缘作为MATLAB的图像预处理技术的详细例子。我们的目标是检测所有的窗户上使用边缘车库门。让我们通过搜索文档开始。
我很快就学会了有图像处理工具箱的函数称为边缘,我的图像,其进行边缘检测。我可以简单地调用边缘,或者如果我想要更多的控制,我可以选择边缘检测的方法。因此,让我们尝试一些这些方法我们的形象,看看他们的表现如何。
我先用Prewitt方法,然后是Roberts,然后是Sobel,我想把这些区别放在一起。如果我放大并观察这些结果的差异,我可以看到这些方法之间的细微差别,特别是在角落,这可能会影响填充这些正方形和找到窗口。
现在,我想把这些图像中的所有洞填满,然后比较这些结果。由于边缘检测算法的不同,一些窗口没有被填充。但我看到最后一个算法填补了所有的漏洞,所以这就是我选择的方法来解决这个问题。
为了快速完成这个算法,我想取出我的图像并删除除了窗口之外的所有东西。这个任务很容易与我们的一个图像处理应用程序。我使用了一款名为Image Region Analyzer的应用程序,根据特定属性(在本例中是尺寸和硬度)过滤出对象。
我强烈推荐的图像处理工具箱内检查出所有的图像处理应用程序。最后,我可以显示边缘检测的结果。首先,表现出原始图像,然后显示变灰的窗户,这证明我们已经成功地检测到的所有图像中的窗口。
最后一个tip--,如果你与边缘检测试验,而你没有得到你所期望的结果,还有其他的参数,你可以改变,最常见的一个是灵敏度。使用默认的灵敏度,我们还缺很多猫头鹰的右侧。但是,我可以快速增加和减少的灵敏度和可视化的结果。
较低的灵敏度给了我前进所需的所有边缘。要了解更多关于边缘检测的信息,请单击链接,以获得MATLAB中的更多示例和文档。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。