46、图像分割中的边缘检测、霍夫变换与阈值处理技术

图像分割中的边缘检测、霍夫变换与阈值处理技术

1. 边缘检测算法比较

在图像处理中，边缘检测是提取图像特征的重要步骤。这里我们比较 Sobel、LoG 和 Canny 三种边缘检测器的性能，目标是提取建筑图像的主要边缘特征，同时减少如砖墙和瓦片屋顶的精细纹理等无关细节。主要关注的特征包括建筑物角落、窗户、入口框架、入口本身、屋顶线以及地面以上约三分之二处环绕建筑物的混凝土带的边缘。

首先使用默认语法获取边缘图像：

f = tofloat(f);
[gSobel_default, ts] = edge(f, 'sobel'); % 图 11.7(a)
[gLoG_default, tlog] = edge(f, 'log'); % 图 11.7(c)
[gCanny_default, tc] = edge(f, 'canny'); % 图 11.7(e)

计算得到的阈值分别为 ts = 0.074 ， tlog = 0.0025 ， tc = [0.019, 0.047] 。 log 和 canny 选项的默认 sigma 值分别为 2.0 和 1.0。除了 Sobel 图像外，默认结果远未达到生成清晰边缘图的目标。

接着，我们从默认值开始交互式地改变每个选项的参数，以突出主要特征并减少无关细节。使用以下命令得到图 11.7 右列的结果：