Matlab关于图像边缘提取，用Sobel算子、Roberts算子、Prewitt算子，加QQ详谈 急用！！
close all
边缘检测后提取边缘里图像_边缘检测后怎么提取
边缘检测后提取边缘里图像_边缘检测后怎么提取
clear all
I=imread('tig.jpg'); %读取图像
I1=im2double(I); %将彩图序列变成双精度
I2=rgb2gray(I1); %将彩色图变成灰色图
[thr, sorh, keepapp]=ddencmp('den','wv',I2);
I3=wdencmp('gbl',I2,'sym4',2,thr,sorh,keepapp); %小波除噪
I4=medfilt2(I3,[9 9]); %中值滤波
I5=imresize(I4,0.2,'bicubic'); %图像大小
BW1=edge(I5,'sobel'); %sobel图像边缘提取
BW2=edge(I5,'roberts'); %roberts图像边缘提取
BW3=edge(I5,'prewitt'); %prewitt图像边缘提取
BW4=edge(I5,'log'); %log图像边缘提取
BW5=edge(I5,'canny'); %canny图像边缘提取
h=fspecial('gaussian',5); %高斯滤波
BW6=edge(I5,'zerocross',[ ],h); %zerocross图像边缘提取
figure;
subplot(1,3,1); %图划分为一行三幅图，幅图
imshow(I2); %绘图
figure;
subplot(1,3,1);
imshow(BW1);
title('Sobel算子');
subplot(1,3,2);
imshow(BW2);
title('Roberts算子');
subplot(1,3,3);
imshow(BW3);
title('Prewitt算子');
在读的时候自己改下片名。
Matlab图像边缘检测后如何提取所需区域？ 就是在边缘算子得到边缘后，如何在原图上得到这片区域
虹膜外边界的里面就是虹膜吗？虹膜还有内边界？我觉得你努力的方向应该是在灰度图中处理下，将灰度图分割好，至少要把虹膜外边界两边分出来，两边灰度肯定不一样，你肯定有办法。然后将边缘图跟灰度处理结果结合起来处理。
以上实际上我是按照将区域生长和边缘检测结合的思想给你的建议，我的论文就是这个，我认为是可以分出来的。
请问在android中，对进行边缘检测后，怎样在两个边缘之间提取任意几个点的颜色值呢？
检测完边缘后用随机数确定xy值就行了啊，可以用循环判断到xy值确定的点是否在边缘范围内，然后获取就好了。具体算法：首先先确定物体所在的矩形区域，判断好矩形左上角点的坐标startX,startY，以及矩形的宽高，设为width和height；然后循环，通过Random rand = new Random(); int x = startX+rand.nextInt(width); int y = startY+rand.nextInt(height); 来获取随机点的坐标；循环条件是x，y不在你检测的边缘范围内，如果在范围内就退出循环检测颜色值就行啦
visionpro进行图像边缘提取原理是什么
VisionPro进行图像边缘提取的原理是基于Canny算法。Canny算法是一种经典的边缘检测算法，它通过对图像进行高斯滤波、计算梯度、非极大值抑制、双阈值处理等步骤，最终得到图像中的边缘信息。具体来说，VisionPro首先对图像进行高斯滤波，以平滑图像并去除噪声。然后，它计算图像的梯度，以确定图像中的边缘。接着，它进行非极大值抑制，以消除梯度方向上的非极大值点，从而得到更细的边缘。，它使用双阈值处理来确定哪些边缘是真正的边缘，哪些是噪声或者不重要的边缘。总的来说，VisionPro进行图像边缘提取的原理是基于Canny算法，通过一系列的图像处理步骤来提取图像中的边缘信息。
图像卷积与边缘检测
边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。
先灰度化，再用低通滤波器降噪，用高通滤波器提取边缘，二值化。
低通滤波器见前面我发布的图像预处理，下面讲的都是高通滤波器。
为了提取到图像的边缘，我们需要滤波器的帮助。这类滤波器以矩阵的形式存在，通常被称为卷积核，就是一些值网格，能够对图像进行修改。
对于图像的每一个像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为该像素位置的值。这样就完成了滤波过程。这种计算被称为图像卷积。
滤波器的大小应该是奇数，这样它才有一个中心，例如3x3，5x5或者7x7。有中心了，也有了半径的称呼，例如5x5大小的核的半径就是2。
索贝尔过滤器常用于边缘检测和发现图像中的强度模式。向图像中应用索贝尔过滤器就相当于沿着 x 或 y 方向求图像的（近似）导数。
Sobel_x和 Sobel_y的运算符分别如下所示：
Laplace算子是一种各向同性算子，二阶微分算子，在只关心边缘的位置而不考虑其周围的像素灰度值时比较合适。
Laplace算子对孤立象素的响应要比对边缘或线的响应要更强烈，因此只适用于无噪声图象。存在噪声情况下，使用Laplacian算子检测边缘之前需要先进行低通滤波。
了解更多
Canny边缘检测是一种非常流行的边缘检测算法，是John Canny在1986年提出的。它是一个多阶段的算法，即由多个步骤构成。
首先，图像降噪。我们知道梯度算子可以用于增强图像，本质上是通过增强边缘轮廓来实现的，也就是说是可以检测到边缘的。但是，它们受噪声的影响都很大。那么，我们步就是想到要先去除噪声，因为噪声就是灰度变化很大的地方，所以容易被识别为伪边缘。
第二步，计算图像梯度，得到可能边缘。计算图像梯度能够得到图像的边缘，因为梯度是灰度变化明显的地方，而边缘也是灰度变化明显的地方。当然这一步只能得到可能的边缘。因为灰度变化的地方可能是边缘，也可能不是边缘。这一步就有了所有可能是边缘的。
第三步，非极大值抑制。通常灰度变化的地方都比较集中，将局部范围内的梯度方向上，灰度变化的保留下来，其它的不保留，这样可以剔除掉一大部分的点。将有多个像素宽的边缘变成一个单像素宽的边缘。即“胖边缘”变成“瘦边缘”。
第四步，双阈值筛选。通过非极大值抑制后，仍然有很多的可能边缘点，进一步的设置一个双阈值，即低阈值（low），高阈值（high）。灰度变化大于high的，设置为强边缘像素，低于low的，剔除。在low和high之间的设置为弱边缘。进一步判断，如果其领域内有强边缘像素，保留，如果没有，剔除。这样做的目的是只保留强边缘轮廓的话，有些边缘可能不闭合，需要从满足low和high之间的点进行补充，使得边缘尽可能的闭合。