边缘

在强度图像中查找边缘

折叠所有页面

句法

BW =边缘(我)
BW =边缘(我的方法)
bw =边缘（i，方法，阈值）
bw =边缘（i，方法，阈值，方向）
BW =边缘(___，'没宁'）
bw =边缘（i，方法，阈值，sigma）
BW =边缘（i，方法，阈值，h）
[BW, threshOut] =边缘(___）
(BW threshOut,全球之声,Gh) =边缘(___）

描述

BW.=边缘（一世）返回二进制图像。BW.包含1S函数在这里查找输入图像中的边一世和0.其他地方。默认情况下,边缘采用Sobel边缘检测方法。

您可以选择找到边缘使用GPU（需要并行计算工具箱™）。

例子

BW.=边缘（一世那方法）检测图像中的边缘一世采用的边缘检测算法方法．

BW.=边缘（一世那方法那临界点）返回所有强度的边缘临界点．

BW.=边缘（一世那方法那临界点那方向）指定要检测的边的方向。Sobel和ProWitt方法可以检测垂直方向，水平方向或两者的边缘。Roberts方法可以从水平，135°或两者从水平，135°处的角度检测边缘。此语法仅在何时有效方法是“索贝尔”那'Prowitt',或'罗伯茨'．

BW.=边缘（___，'没宁'）跳过边缘变薄阶段，可以提高性能。此语法仅在何时有效方法是“索贝尔”那'Prowitt',或'罗伯茨'．

BW.=边缘（一世那方法那临界点那Sigma.）指定Sigma.，过滤器的标准偏差。此语法仅在何时有效方法是'日志'或“精明”．

BW.=边缘（一世那方法那临界点那H）使用该检测边缘“zerocross”方法和过滤器，H，你指定的。此语法仅在何时有效方法是“zerocross”．

[BW.那threshOut] =边缘（___）还返回阈值。

[BW.那threshOut那GV.那gh] =边缘（___）也返回方向梯度大小。对于Sobel和Prewitt方法，GV.和gh对应于垂直和水平梯度。对于Roberts的方法，GV.和gh对应于水平45°和135°的角度的梯度。此语法仅在何时有效方法是“索贝尔”那'Prowitt',或'罗伯茨'．

例子

全部收缩

打开生活的脚本

将灰度图像读入工作区并显示它。

我= imread ('circuit.tif'）;imshow（i）

使用Canny方法查找边缘。

bw1 =边缘（我，“精明”）;

使用prowitt方法查找边缘。

bw2 =边缘（我，'Prowitt'）;

并排显示两个结果。

imshowpair (BW1 BW2,'剪辑'）

输入参数

全部收缩

输入图像，指定为二维灰度图像或二维二值图像。

为'近似扫描'方法、数据类型的图像单或双必须归一化到范围[0,1]。如果一世在范围之外的值[0,1]，那么您可以使用rescale.函数以重新划分到预期范围。

数据类型:双|单|int8|int16|INT32.|int64|uint8|uint16|uint32|uint64|逻辑

边缘检测方法，指定为以下方法之一。

方法 描述
“索贝尔”

在图像梯度的那些点找到边缘一世是最大的，使用Sobel近似的导数。
'Prowitt'

在梯度的那些点找到边缘一世最大限度地，使用prowitt近似到衍生物。
'罗伯茨' 在梯度的那些点找到边缘一世是最大的，使用导数的Roberts近似。
'日志' 通过滤波后的零交叉查找边缘一世用拉普拉斯高斯(LoG)滤波器。
“zerocross” 通过滤波后的零交叉查找边缘一世使用指定的过滤器，H
“精明”

通过寻找梯度的局部极大值来寻找边一世．这边缘功能使用高斯滤波器的衍生来计算梯度。该方法使用两个阈值来检测强度和弱边缘，包括输出中的弱边缘，如果它们连接到强边。通过使用两个阈值，Canny方法不太可能被噪声欺骗的方法，并且更有可能检测真正的弱边缘。
'近似扫描'

使用近似版本的Canny Edge检测算法查找边缘，该算法以牺牲更少的精确检测为代价提供更快的执行时间。浮点图像预计将被标准化为范围[0,1]。

灵敏度阈值，指定为任何数字标量方法或者是一个2元素向量“精明”和'近似扫描'方法。边缘忽略所有不强的边缘临界点．有关该参数的详细信息，请参见算法．

  • 如果您未指定临界点，或者如果您指定空数组（[]),然后边缘自动选择一个或多个值。

  • 为'日志'和“zerocross”方法，如果指定阈值0.，则输出图像具有闭合轮廓，因为它包含输入图像中的所有过零点。

  • 这“精明”和'近似扫描'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缘，并保留具有高于更高阈值的边缘强度的所有边缘。您可以指定临界点作为这种形式的2元素向量[低高]和低的和高范围内的值[0 1]。您也可以指定临界点作为一个数字标量边缘分配给更高的阈值。在这种情况下，边缘用途阈值* 0.4为较低阈值。

数据类型:单|双|int8|int16|INT32.|int64|uint8|uint16|uint32|uint64

要检测的边的方向，指定为“水平”那“垂直”,或'两个都'．这方向参数仅当方法是“索贝尔”那'Prowitt',或'罗伯茨'．

笔记

如果你选择罗伯茨方法,那么“水平”方向实际上检测从水平的135°角度检测边缘，“垂直”方向检测从水平的45°角度检测边缘。

数据类型:char|字符串

过滤器，指定为数字矩阵。这H参数得到支持金宝app“zerocross”仅限方法。

数据类型:双

滤波器的标准偏差，指定为数字标量。这Sigma.参数得到支持金宝app“精明”和'日志'唯一的方法。

方法 描述
“精明”

标量值指定高斯滤波器的标准偏差。默认值是SQRT（2）．边缘基于的自动选择过滤器的大小Sigma.．
'日志'(高斯拉普拉斯算子)

指定高斯滤波器拉普拉斯算子标准差的标量值。默认值是2．过滤器的大小是N-经过-N,在那里n = CEIL（SIGMA * 3）* 2 + 1．

数据类型:双

输出参数

全部收缩

输出二进制图像，作为大小相同的逻辑数组返回一世， 和1S函数在其中找到边一世和0.其他地方。

计算中使用的阈值，作为2元素向量返回“精明”方法，空的矢量（[]） 为了'近似扫描'方法，或用于所有其他边缘检测方法的数值标量。

垂直梯度，作为大小相同的数字数组返回一世．

笔记

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。

水平渐变，返回与相同尺寸的数字数组一样一世．

笔记

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。

算法

  • 对于梯度幅度边缘检测方法(Sobel, Prewitt, Roberts)，边缘用途临界点阈值计算计算的梯度幅度。

  • 对于零交法，包括高斯拉普拉斯法，边缘用途临界点作为零点的阈值。换句话说，跨越零的大跳跃是边缘，而小跳则不是。

  • Canny方法将两个阈值应用于梯度：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，然后将其增长以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中的间隙。

  • 在所有情况下，边缘提醒地选择默认阈值，具体取决于输入数据。改变阈值的最佳方式是运行边缘第一次，捕获计算的阈值作为第二个输出参数。然后，从计算得到的值开始边缘，调整更高的阈值以检测更少的边缘像素，或更低以检测更多边缘像素。

兼容性的考虑

全部展开

行为在R2011a中改变

参考

[1] Canny，John，“一个计算方法到边缘检测”IEEE模式分析与机器智能汇刊，PAMI-8卷，第6期，1986,679-698页。

[2] LIM，JAE S.，二维信号和图像处理，Englewood Cliffs，NJ，Prentice Hall，1990，PP。478-488。

詹姆斯·R·帕克图像处理和计算机视觉的算法，纽约，John Wiley & Sons, Inc.， 1997，第23-29页。

扩展功能

也可以看看

||

之前介绍过的R2006a

图像处理工具箱文档
金宝app
图像分割和阈值代码示例

图像分割和阈值代码示例

现在就下载