数字图像处理实验报告(图像边缘检测)
实验报告
实验名称实验三图像边缘检测课程名称数字图像处理
某成绩
班级学号
日期地点
备注：
1、实验目的
（1）了解并掌握使用微分算子进行图像边缘检测的基本原理；
（2）编写程序使用Laplacian 算子（二阶导数算子）实现图像锐化，进一步理解图像锐化的实质；
（3）掌握使用不同梯度算子（一阶导数算子）进行图像边缘检测的原理、方法，根据实验结果分析各种算子的工作效果；
（4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。
2、实验环境
（1）Windows XP/7
（2）Matlab 7.1/7.14
3、实验方法
本次实验要求对256×256大小，256级灰度的数字图像lena.img进行处理。
（1）对该图像进行锐化处理，要求采用Laplacian算子进行锐化，分α=1和α=2两种情况，按如下不同情况进行处理：
①g1(m,n)=f(m,n)-α?f
②g2(m,n)=4αf(m,n)-α[f(m-1,n)+f(m+1,n)+f(m,n-1)+f(m,n+1)]
I、要对图像进行处理，要先读取该图像，实验代码如下：
close all;
clear all;
fid=fopen('lena.img','r');
image=fread(fid,[256,256],'uint8');
fclose(fid);
II、读取图像后，对该图像的每一像素（不考虑图像的边界部分）进行遍历，根据公式①（公式①相当于做差分）对每一灰度进行计算，将所得的结果存入一矩阵g1中（矩阵g1初始化为该图像的矩阵），代码如下（仅以ɑ=1为例）：
g1=image;
a=1;
[x,y]=size(image);
for i=2:(x-1)
for j=2:(y-1) g1(i,j)=(1+4*a)*image(i,j)-a*(image(i+1,j)+image(i-1,j)+image(i,j+1)+image(i,j-1));
end
end
III、根据公式②对图像的每一个像素（不考虑图像的边界部分）进行计算，将所得之
存入矩阵g2中（g2初始化值为该图像的矩阵值），具体方法与上一步类似，代码如下（仅以ɑ=1为例）：
g2=image;
a=1;
[x,y]=size(image);
for i=2:(x-1)
for j=2:(y-1)
g2(i,j)=4*a*image(i,j)-a*(image(i+1,j)+image(i-1,j)+image(i,j+1)+image(i,j-1));
end
end
（2）分别利用Roberts、Prewitt 和Sobel 边缘检测算子，对原图像进行边缘检测，显
示处理前、后图像。
I、同（1）中I，不再赘述。
II、对图像进行边缘检测，要对图像的每一像素（不考虑图像的边界部分）的灰度进行遍历，分别用公式对图像的水平和垂直方向的边缘进行检测，并分别存储，在进行合成。采用不同的算子时，变换的公式有所不同。在合成时可以采用三种算法（街区法、棋盘法、欧式几何法），本次实验中均又采用，所以得到三层图像。代码如下（仅以街区法的Roberts 算子为例）:
[x,y]=size(image);
g1=image;
gh1=image;
gv1=image;
for i=2:(x-1)
for j=2:(y-1)
gh1(i,j)=image(i,j)-image(i-1,j-1);
gv1(i,j)=image(i,j-1)-image(i-1,j);
g1(i,j)=abs(gh1(i,j))+abs(gv1(i,j));
end
end
4、实验结果分析
（1）、图像锐化
图像锐化结果如图a和图b（注：图a为情况①结果；图b为情况②结果）：
图a
图b
由图a和图b对比可知，图像的锐化实质就是原图像与梯度信息进行叠加，相对于原图像而言，图像的边缘信息得到了加强。由图b中不同ɑ值所得图像对比可知，ɑ越大，边界越
清晰，同时对比图a中不同ɑ值所得图像可知，ɑ的大小决定梯度信息与原图像叠加时所占的比例。
（2）、图像边缘检测
街区法、棋盘法、欧式距离法的不同检测算子结果分别入图c、图d和图e：
图c
图d
图e
由图c、图d和图e对比可知，采用街区法所得的边界清晰度最高，欧式几何法其次，棋盘法最差。对比同一X图中的不同子图可知，Sobel算子的性能更好，Prewitt算子其次，
Roberts算子最差。
5、实验结论
本次实验是对图像进行锐化和边缘检测，通过这次实验，我对数字图像处理中图像的锐化和边缘检测有了更加深刻的了解。加深了图像锐化和边缘检测的原理，掌握了图像边缘检测的不同方法。学会了使用Laplacian算子（二阶导数算子）实现图像锐化的程序编写；掌握了使用不同梯度算子（一阶导数算子）进行图像边缘检测的原理、方法。
6、源代码
（1）图像锐化（g1）
close all;
clear all;
fid=fopen('lena.img','r');
image=fread(fid,[256,256],'uint8');
fclose(fid);
subplot(221);
imshow(uint8(image),[]);
title('原图像');
%采用拉普拉斯算子
g1=image;
a=1;
[x,y]=size(image);
for i=2:(x-1)
for j=2:(y-1)
g1(i,j)=(1+4*a)*image(i,j)-a*(image(i+1,j)+image(i-1,j)+image(i,j+1)+image(i,j-1));
end
end
subplot(222);
imshow(uint8(g1),[]);
title('a=1时g1的图像');
g1=image;
a=2;
[x,y]=size(image);
for i=2:(x-1)
for j=2:(y-1)
g1(i,j)=(1+4*a)*image(i,j)-a*(image(i+1,j)+image(i-1,j)+image(i,j+1)+image(i,j-1));
end
end
subplot(223);