Sobel算子的边缘检测实现
1. Sobel算子的边缘检测实现
1.1. 边缘检测概念
所谓边缘是指其周围像素灰度急剧变化的那些象素的集合,它是图像最基本的特征。边缘存在于目标、背景和区域之间,所以,它是图像分割所依赖的最重要的依据。由于边缘是位置的标志,对灰度的变化不敏感,,因此,边缘也是图像匹配的重要的特征。
边缘检测和区域划分是图像分割的两种不同的方法,二者具有相互补充的特点。在边缘检测中,是提取图像中不连续部分的特征,根据闭合的边缘确定区域。而在区 域划分中,是把图像分割成特征相同的区域,区域之间的边界就是边缘。由于边缘检测方法不需要将图像逐个像素地分割,因此更适合大图像的分割。
边缘大致可以分为两种,一种是阶跃状边缘,边缘两边像素的灰度值明显不同;另一种为屋顶状边缘,边缘处于灰度值由小到大再到小的变化转折点处。
边缘检测的主要工具是边缘检测模板。
边缘检测的有很多,典型的有索贝尔算子,普里维特算子,罗伯茨交叉边缘检测等边缘检测技术,在Matlab中有现成的IPT函数,提供边缘检测,如下,Sobel边缘检测:
IMG1 = imread('D:\Matlab_Project\BMP\Lenna.jpg'); % 读取RGB文件,Lanna PlayBoy
subplot(1,3,1)
imshow(IMG1);
title('原图像');
IMG1 = rgb2gray(IMG1);
[m,n] = size(IMG1); %用Sobel微分算子进行边缘检测
IMG2 = edge(IMG1,'sobel');
subplot(1,3,2);
imshow(IMG2);
title('Sobel边缘检测得到的图像');
但效果不佳,灵活性也不高。此处我主要介绍Sobel算子的使用:
1.2. Sobel算法实现
1.2.1. Sobel算法分析
索贝尔算子(Sobel operator)主要用作边缘检测,在技术上,它是一离散性差分算子,用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子,将会产生对应的灰度矢量或是其法矢量。
Sobel卷积因子为:
该算子包含两组3x3的矩阵,分别为横向及纵向,将之与图像作平面卷积,即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像,Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值,其公式如下:
图像的每一个像素的横向及纵向灰度值通过以下公式结合,来计算该点灰度的大小:
通常,为了提高效率 使用不开平方的近似值,但这样做会损失精度
如果梯度G大于某一阀值 则认为该点(x,y)为边缘点。
if(temp3 > THRESHOLD)
IMG_Sobel(i,j) = 0; %Black
else
IMG_Sobel(i,j) = 255; %White
end
然后可用以下公式计算梯度方向(当然只要检测边缘,则不用计算方向):
1.2.2. Sobel算子Matlab算法的实现
Sobel算子根据像素点上下、左右邻点灰度加权差,在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用,提供较为精确的边缘方向信息,边缘定位精度不够高。当对精度要求不是很高时,是一种较为常用的边缘检测方法。
Soble算子操作的是灰度图像,因此必须首先对图像进行灰度化。这一部分在第一章中详细介绍过,不再做具体分析,一下算法直接应用灰度图像。
(1)Sobel算子卷积
% -----------------------------------------------------------------------
% Gx Gy Pixel
% [ -1 0 +1 ] [ +1 +2 +1 ] [ P1 P2 P3 ]
% [ -2 0 +2 ] [ 0 0 0 ] [ P4 P5 P6 ]
% [ -1 0 +1 ] [ -1 -2 -1 ] [ P7 P8 P9 ]
Sobel_X = [-1, 0, 1, -2, 0, 2, -1, 0, 1]; % Mask x
Sobel_Y = [1, 2, 1, 0, 0, 0, -1, -2, -1]; % Mask y
(2)点对点卷积运算实现梯度的计算
IMG_Gray = double(IMG2); %将图片转换为双精度类型
IMG_Sobel = true(h,w); %新建一个二值矩阵
THRESHOLD =90;
for i = 2 : h-1 %舍弃了边缘信息
for j = 2 : w-1
temp1 = Sobel_X(1) * IMG_Gray(i-1,j-1) + Sobel_X(2) * IMG_Gray(i-1,j) + Sobel_X(3) * IMG_Gray(i-1,j+1) +...
Sobel_X(4) * IMG_Gray(i,j-1) + Sobel_X(5) * IMG_Gray(i,j) + Sobel_X(6) * IMG_Gray(i,j+1) +...
Sobel_X(7) * IMG_Gray(i+1,j-1) + Sobel_X(8) * IMG_Gray(i+1,j) + Sobel_X(9) * IMG_Gray(i+1,j+1);
temp2 = Sobel_Y(1) * IMG_Gray(i-1,j-1) + Sobel_Y(2) * IMG_Gray(i-1,j) + Sobel_Y(3) * IMG_Gray(i-1,j+1) +...
Sobel_Y(4) * IMG_Gray(i,j-1) + Sobel_Y(5) * IMG_Gray(i,j) + Sobel_Y(6) * IMG_Gray(i,j+1) +...
Sobel_Y(7) * IMG_Gray(i+1,j-1) + Sobel_Y(8) * IMG_Gray(i+1,j) + Sobel_Y(9) * IMG_Gray(i+1,j+1);
temp3 = sqrt(temp1^2 + temp2^2);
%temp3 = abs(temp1) + abs(temp2); %just for speed
if(temp3 > THRESHOLD)
IMG_Sobel(i,j) = 0; %Black
else
IMG_Sobel(i,j) = 1; %White
end
end
end
(3)THRESHOLD为手动设定,此处为90。根据图像的质量来调节,针对于边缘检测而言,不需要进行梯度方向计算,因此直接进行梯度计算,与阀值对比,既可以实现边缘检测。
1.2.3. 效果图
THRESHOLD = 90下的图像
最后晒个图吧,呵呵FPGA移植的,绝对不是抄袭 “无双OO”,他那个写的实在是太恶心了(无意冒犯前辈,不好意思)。。。。。。
实际上简化后的算法如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
//---------------------------------------
//Caculate vertical Grade with |abs|
reg [9:0] Gy_temp1; //postive result
reg [9:0] Gy_temp2; //negetive result
reg [9:0] Gy_data; //Vertical grade data
always @( posedge clk or negedge rst_n)
begin
if (!rst_n)
begin
Gy_temp1 <= 0;
Gy_temp2 <= 0;
Gy_data <= 0;
end
else
begin
Gy_temp1 <= image_p11 + (image_p12 << 1) + image_p13; //postive result
Gy_temp2 <= image_p31 + (image_p32 << 1) + image_p33; //negetive result
Gy_data <= (Gy_temp1 >= Gy_temp2) ? Gy_temp1 - Gy_temp2 : Gy_temp2 - Gy_temp1;
end
end
//---------------------------------------
//Caculate the square of distance = (Gx^2 + Gy^2)
reg [20:0] Gxy_square;
always @( posedge clk or negedge rst_n)
begin
if (!rst_n)
Gxy_square <= 0;
else
Gxy_square <= Gx_data * Gx_data + Gy_data * Gy_data;
end
//---------------------------------------
//Caculate the distance of P5 = (Gx^2 + Gy^2)^0.5
wire [10:0] Dim;
SQRT u_SQRT
(
.radical (Gxy_square),
.q (Dim),
.remainder ()
);
|
Sobel算子的边缘检测实现相关推荐
- matlab实现sobel边缘检测图像,基于Sobel算子图像边缘检测的MATLAB实现
<基于Sobel算子图像边缘检测的MATLAB实现>由会员分享,可在线阅读,更多相关<基于Sobel算子图像边缘检测的MATLAB实现(3页珍藏版)>请在人人文库网上搜索. 1 ...
- 在CIELab颜色空间下使用八方向Sobel算子实现边缘检测
参考河北师范大学硕士学位论文--基于八方向Sobel算子的边缘检测算法研究. 由于自己实现滤波器运算,计算速度很慢,以后有能力再进行改进. 算子定义如下: 算法思路: 1.将RGB图像转化为CIELa ...
- Opencv python基础入门(4)---sobel算子及边缘检测
本文主要介绍sobel算子及边缘检测: 代码如下: #sobel,ddepth如果设置为-1的话,水平处理只能取出左边界,右边界为负值丢失了,所以需要先用64F扩展然后用convertScaleAbs ...
- 屏幕后期处理之:Sobel算子实现边缘检测
版权声明 本文为"优梦创客"原创文章,您可以自由转载,但必须加入完整的版权声明 更多学习资源请加QQ:1517069595获取(企业级性能优化/热更新/Shader特效/服务器/商 ...
- sobel算子_OpenCV图像处理专栏十八 | 手动构造Sobel算子完成边缘检测
1. 前言 众所周知,在传统的图像边缘检测算法中,最常用的一种算法是利用Sobel算子完成的.Sobel算子一共有 个,一个是检测水平边缘的算子,另一个是检测垂直边缘的算子. 2. Sobel算子优缺 ...
- sobel算子实现边缘检测及其c++实现及与matlab效果对比
这里增加了对边缘像素的补齐.sobel梯度分割抗噪性好,但是无法做到自动阈值,是其一大遗憾,matlab却解决的很好. //默认对8位位图进行处理 void Sobel(unsigned char * ...
- sobel算子_边缘检测算法4.-教你动手实现kirsch和robinson算子
还有很多 边缘检测算子,在OpenCV中没有实现代码. 所以,我们得掌握看懂算法,然后扩展 算法得能力. 比如,我已知的一些 边缘检测核心: Kirsch 8方向算子 Robinson 8方向算子 这 ...
- CUDA精进之路(四):图像处理——Sobel算子边缘检测
引言 关于图像边缘检测,记得刚开始接触图像处理时,第一个自己实现的程序是通过笔记本摄像头采集图像,利用OpenCV自带的算法库进行Canny算子边缘检测,那时候当看到程序运行后,视频窗口实时显示经Ca ...
- 图像处理学习2,边缘检测1(sobel算子,kirsch算子)
图像边缘的种类 图像中的边缘是像素灰度值发生加速变化而不连续的结果,边缘检测是常见的图像基元检测的基础,也是所有基于边界的图像分割方法的第一步. 图片来源:章毓晋.计算机视觉教程[M].北京:人民邮电 ...
最新文章
- 胳膊上无缘无故起了个大包
- Eclipse使用Maven时出现:Index downloads are disabled, search results may be incomplete.问题解决...
- Android 开发工具类 13_ SaxService
- java 中gui的作用_java学习中最应该注意的Java GUI用户界面以何为基础
- 39.左值、左值引用、右值、右值引用
- 嵌入式面试知识点总结 -- ARM篇
- 公共无线网络多陷阱 ***称15分钟盗银行账号密码
- SSM框架入门学习记录
- python线程卡死问题解决
- 【分享】U盘大小的随身电脑 – Cotton Candy
- c语言程序设计实验8,C语言程序设计实验八结构体.doc
- struts2 helloworld
- Java集合之LinkedList常见实例操作,实例说明
- ffmpeg播放器 android,Android 调用ffmpeg 播放器开发(一)
- 通过企业账号邀请开发者(不需要支付99刀,在真机上调试)
- suspend java_Java线程stop和suspend的废弃
- 关于使用keil5软件进行stm32的简单嵌入编程
- 昨晚我遇到了超级网红:区块链本人
- 头条小程序可以使用uniapp的地图选择(uni.chooseLocation)
- Java第十一章总结
热门文章
- 使用客户端jedis时报错Could not get a resource from the pool 以及使用Spring Data Redis报错解决方法
- android 8.0 edittext,android – Autofill框架更新8.1导致EditText崩溃
- Python:信号量semaphore
- 统一网关 Gateway
- C++代码中R“(xxxxxxxxxxx)“
- echarts 保存/导出图片
- 安装Apache服务
- wav数据提取 matlab,matlab 读取处理 wav 文件
- Linux查看进程信息相关(Ubuntu)
- HTTPS 与 SSL