استخراج لبه

لبه یابی

لبه در تصویر به محدوده ای گفته می شود که تغییرات شدت روشنایی پیکسل های مجاور مشهود تر می باشد. مفهوم لبه یابی با مفهوم فیلتر های بالاگذر در حوزه فرکانسی در هم آمیخته است. هم می توان کرنل هایی در مقیاس مکان برای تصاویر معرفی کرد و هم می توان ازروشهای فیلتر های فرکانسی بالا گذر برای تشخیص لبه تصاویر کمک گرفت. در این بخش به معرفی انواع فیلتر های لبه یاب می پردازیم.

برخی از الگوریتم های لبه یابی

الگوریتم soble
الگوریتم canny
الگوریتم Roberts
الگوریتم prewitt
الگوریتمzero-cross
الگوریتم log

اساس کار فیلتر های لبه یاب مبتنی بر مشتق گیری و یا محاسبه گرادیان می باشد. (همانطور که در درس سیگنال و سیستم مطالعه نموده اید فیلتر مشتق گیر جز فیلتر های بالاگذر می باشد.)

لبه یابی مبتنی بر مشتق : سوبل، پرویت، زیروکراس، روبرت

لبه یابی مبتنی بر گرادیان: کنی

برای درک بهتر عملکرد انواع روش های لبه یابی می توان به مثال زیر اشاره کرد.

I = imread('cameraman.tif');

for i = 1:6
    
    if i ==1  
        
        BW = edge(I,'Sobel');
    elseif i ==2
        BW = edge(I,'Prewitt');
    elseif i == 3
        BW = edge(I,'Roberts');
    elseif i == 4
        BW = edge(I,'log');
    elseif i == 5
        BW = edge(I,'zerocross');
    elseif i == 6
        BW = edge(I,'Canny');
        
    end
    
    subplot (2,3,i) ,imshow(BW)
     
end

اکنون عملگر کنی و پس از آن مار – هیلدرث بیشترین کاربرد را دارد. عملگرهای زیادی تاکنون منتشر شده اند اما هیچ یک برتری قابل ملاحضه ای بر عملگر کنی نداشته اند. نتایج زیر نیز نشان می دهد فیلتر نوع کنی در تشخیص لبه ها عملکرد دقیق تری از خود بروز می دهد.

پست های مرتبط:

فرمت مجاز تصویر در متلب هیستوگرام تصویر نویز در تصاویر انواع کلاس داده و تصاویر