matlab houghlines_matlab canny边缘检测_canny边缘检测simulink(4)

比较高斯滤波模板标准差为1的图1-1-1和标准差为0.5图1-1-4，可以发现在尺度较小的情况下，对图像中的纹理丰富的头发,帽子上的装饰刻画的比较细致，但同时丢失了背景中左侧的垂直边缘和右侧中部的对比度很弱的横向边缘；在大尺度上，这些背景边缘得到了体现，但同时对于那些丰富的纹理区，检测结果出现了丢失和偏移。

从Canny算子的检测结果来看，它对于图像中的纹理丰富的地方和背景处的边缘，以及对比度弱的边缘都能得到很好的检出率；从图2-1-1和图2-1-2可以发现在大尺度上同样也丢失了很多细节，只表现出一些轮廓特征。

比较图2-1-1、图2-1-3及图2-1-4，同样可以发现，随着阈值的增大，Canny边缘检测同样丢失信息越来越多，只表现出一些轮廓。比较图2-1-4和图2-1-5，在噪声水平扩大10倍的情况下，可以观察到左侧垂直边缘信息丢失严重，同时边缘像素变宽，出现了横向的细小条纹。右侧黑色背景部分出现了一定的伪边缘现象。但相对于LOG算子，Canny边缘检测总体效果较好，对噪声的抑制较强。

(2)以Tessella图像分析LOG和Canny

Tessella图像是边缘信息丰富的棋盘格，灰度信息分布规律，只能取有限的几个值。观察比较图1-2-2和图2-2-1，可以发现，对于LOG算子，垂直信息丢失严重，垂直边缘普遍断开，水平边缘信息也比较宽，对噪声比较敏感，检测效果较差。对于Canny算子，可以发现边缘检测效果非常好，对于噪声点的抑制也表现的非常优异，只出现了一些零散的孤立噪声点。Canny算子虽然对各种边缘都有较好的检出率，但是检测出的边缘点与原始图像的位置有一定范围的误差。matlab canny边缘检测

四、 实验结论

从以上的检测结果中可以看出，相同尺度下的LOG算子总是能比Canny算子检测出更多的细节，而相对于此，Canny算子却总是能对真正比较显著地边缘给出检测。LOG边缘检测子是采用二阶导数过零点的检测方法，故对噪声更敏感一些，因此从抑制噪声方面来讲，Canny边缘检测子不容易受到噪声的干扰，而相同尺度下LOG算子却容易受到噪声的干扰，抑制噪声的能力要弱一些。另的误差，LOG边缘检测子相对比较容易受到噪声干扰，会检测出更多的细节，也容易检测出一些由于噪声引起的假边缘，但是LOG边缘检测子对边缘位置的检测还是很准确的。在大尺度上的算法都比较好的检测出树干的边缘，而对周围的纹理区域的刻画都失去了组织结构上的特征。

LOG算子容易受尺度的影响，不同尺度下的边缘点要用不同尺度的LOG算子检测，Canny 算子受尺度的影响不太明显，不同尺度下，边缘点的位置都有偏差，但几乎相同； LOG算子对噪声的抑制能力随着尺度的增加而增加，相同尺度下的Canny算子比LOG算子的抗噪声能力强，而LOG算子比Canny算子的边缘点准确；在尺度选择合适的情况下，LOG算子对图像边缘点检测的位置非常准确，能够保留边缘点比较细致的组织结构，而Canny算子对图像边缘检出率比较高，包括纹理区域，以及对比度很弱的边缘点，但是对这些边缘点的组织结构刻画得不是特别细致，边缘点的位置有小范围的偏差。

参考文献

1. D.Marr and E. Hildreth, Theory of Edge Detection, Proc. R. Soc. Lond. B207:187-217.

2. John Canny, A Computational Approach to Edge Detection, IEEE Trans. PAMI, 8(6):679-698.

3. James J. Clark, Authenticating Edges Produced by Zero-crossing Algorithms, IEEE T. PAMI, 11(1), 1989, pp.43-57.

4. Rafael, C, Gonzalez, Richard, E, Woods. 数字图像处理(第三版)[M]. 北京:电子工业出版社, 2011.

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-33963-4.html