1、sobert、robert和prewitt算子檢測圖像邊緣
I=imread(‘mc.jpg’);i2=im2double(I); ihd=rgb2gray(i2);
[thr,sorh,keepapp]=ddencmp(‘den’,‘wv’,ihd);
ixc=wdencmp(‘gbl’,ihd,‘sym4’,2,thr,sorh,keepapp);
figure,imshow(ixc),title('消噪后圖像 ');
k2=medfilt2(ixc,[7,7]); figure,imshow(k2),title(‘中值濾波’);
isuo=imresize(k2,0.25,‘bicubic’);
esobel=edge(isuo,‘sobel’);erob=edge(isuo,‘roberts’);eprew=edge(isuo,‘prewitt’);
subplot(2,2,1);imshow(isuo);title(‘前期處理圖像’);
subplot(2,2,2);imshow(esobel);title(‘sobel算子提取’);
subplot(2,2,3);imshow(erob);title(‘roberts算子提取’);
subplot(2,2,4);imshow(eprew);title(‘prewitt算子提取’);

拉普拉斯算子、canny算子
I=imread(‘mc.jpg’);i2=im2double(I); ihd=rgb2gray(i2);
[thr,sorh,keepapp]=ddencmp(‘den’,‘wv’,ihd);
ixc=wdencmp(‘gbl’,ihd,‘sym4’,2,thr,sorh,keepapp);
figure,imshow(ixc),title('消噪后圖像 ');
k2=medfilt2(ixc,[7,7]);
isuo=imresize(k2,0.25,‘bicubic’);
elog=edge(isuo,‘log’);ecanny=edge(isuo,‘canny’);
subplot(2,2,1);imshow(isuo);title(‘前期處理圖像’);
subplot(2,2,2);imshow(k2),title(‘中值濾波’);
subplot(2,2,3);imshow(ecanny);title(‘canny算子提取’);
subplot(2,2,4);imshow(elog);title(‘log算子提取’);

比較結果：
Roberts算子檢測方法對具有陡峭的低噪聲的圖像處理效果較好，但是利用roberts算子提取邊緣的結果是邊緣比較粗，因此邊緣的定位不是很準確。
Sobel算子檢測方法對灰度漸變和噪聲較多的圖像處理效果較好，sobel算子對邊緣定位不是很準確，圖像的邊緣不止一個像素。
Prewitt算子檢測方法對灰度漸變和噪聲較多的圖像處理效果較好。但邊緣較寬，而且間斷點多。
Laplacian算子法對噪聲比較敏感，所以很少用該算子檢測邊緣，而是用來判斷邊緣像素視為與圖像的明區還是暗區。
Canny方法不容易受噪聲干擾，能夠檢測到真正的弱邊緣。優點在于，使用兩種不同的閾值分別檢測強邊緣和弱邊緣，并且當弱邊緣和強邊緣相連時，才將弱邊緣包含在輸出圖像中。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的边缘提取算子检测比较的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。