在圖像中，邊緣是一條曲線，其走勢與圖像中強度快速變化的路徑一致。邊緣通常與場景中目標(biāo)的邊界相關(guān)聯(lián)。邊緣檢測用于確定圖像中的邊緣。

要尋找邊緣，您可以使用 edge 函數(shù)。此函數(shù)使用以下兩個標(biāo)準(zhǔn)之一來尋找圖像中強度迅速變化的位置：

強度的一階導(dǎo)數(shù)的模大于某個閾值的位置

強度的二階導(dǎo)數(shù)有過零點的位置

edge 提供幾個導(dǎo)數(shù)估算器，其中每個都實現(xiàn)以下定義之一。

對于其中一些估算器，您可以指定運算是否應(yīng)對水平邊緣、垂直邊緣敏感或?qū)烧叨济舾小?/p>

edge 返回二值圖像，其中包含的 1 對應(yīng)于找到邊的位置，0 對應(yīng)于其他位置。

edge 提供的最強大的邊緣檢測方法是 Canny 方法。Canny 方法與其他邊緣檢測方法的不同之處在于，它使用兩種不同閾值（用于檢測強邊緣和弱邊緣），并且僅當(dāng)弱邊緣連通到強邊緣時才在輸出中包括弱邊緣。

因此，這種方法不太可能受到噪聲的影響，更可能檢測到真正的弱邊緣。

檢測圖像中的邊緣

此示例說明如何同時使用 Canny 邊緣檢測器和 Sobel 邊緣檢測器來檢測圖像中的邊緣。

Matlab 代碼

I = imread('coins.png');
imshow(I);
% 將 Sobel 和 Canny 邊緣檢測器同時應(yīng)用于圖像，并顯示它們以進行比較。
BW1 = edge(I,'sobel');
BW2 = edge(I,'canny');
figure;
imshowpair(BW1,BW2,'montage')
title('Sobel Filter                  Canny Filter');

代碼效果如下：

邊緣算法：robert

邊緣定位精度較高，對于陡峭邊緣且噪聲低的圖像效果較好，但沒有進行平滑處理，沒有抑制噪聲的能力。

BW1=edge(Img,'Roberts',0.16);

邊緣算法：sobel prewitt

進行了平滑處理，對噪聲具有一定抑制能力，但容易出現(xiàn)多像素寬度。

BW2=edge(Img,'Sobel',0.16);
BW3=edge(Img,'Prewitt',0.16);

邊緣算法：laplacian

對噪聲較為敏感，使噪聲能力成分得到加強，容易丟失部分邊緣方向信息，造成一些不連續(xù)的檢測邊緣，同時抗噪聲能力較差。

邊緣算法：log

抗噪聲能力較強，但會造成一些尖銳的邊緣無法檢測到。

BW5=edge

邊緣算法：canny

最優(yōu)化思想的邊緣檢測算子，同時采用高斯函數(shù)對圖像進行平滑處理，但會造成將高頻邊緣平滑掉，造成邊緣丟失，采用雙閾值算法檢測和連接邊緣。

BW6=edge(Img,'Canny',0.16);

效果對比

審核編輯：郭婷