形态学边缘检测方法

边缘检测方面现状：

      边缘检测是数字图像处理识别物体重要的预处理方法，Sobel，Robert，Prewitt，Log等等算子实现方便，处理很快，但是很容易被噪声影响。现实场景的应用噪声都是很多的，canny算子加入了平滑滤波器对这方面问题非常有效，平滑滤波器将会直接影响 Canny 算法的结果。较小的滤波器产生的模糊效果也较少，这样就可以检测较小、变化明显的细线。较大的滤波器产生的模糊效果也较多，将较大的一块图像区域涂成一个特定点的颜色值。Canny细节保留非常完整，但这个优点有时候却成为识别的瓶颈，使识别目标不够突出。

   应对这些问题，我看了些相关文献，实现了形态学的边缘检测方法。

常用的边缘检测算子：

⒈Sobel算子

 

2.Robert算子     

 

 3.Prewit算子      

                                                                 

                                                                    4.Laplace算子                                                                            

         

5.Canny算子

形态学边缘检测方法：

                                  

实现代码：

                      

private void morphological(Image<Gray, Byte> src, float theta)
        {
            int[,] mask1 = {{1,2,1},{2,8,2},{1,2,1}};
            int[,] mask2 = {{0,1,0},{1,1,1},{0,1,0}};
            int[,] mask3 = {{1,0,1},{0,1,0},{1,0,1}};

            StructuringElementEx ele1 = new StructuringElementEx(mask1, 1, 1);
            StructuringElementEx ele2 = new StructuringElementEx(mask2, 1, 1);
            StructuringElementEx ele3 = new StructuringElementEx(mask3, 1, 1);

            Image<Gray, Byte> dst1 = new Image<Gray, Byte>(src.Size);   //先腐蚀再膨胀
            Image<Gray, Byte> dst2 = new Image<Gray, Byte>(src.Size); //先膨胀再腐蚀
            CvInvoke.cvErode(src, dst1, ele1, 1);
            CvInvoke.cvDilate(dst1, dst1, ele2, 1);
            CvInvoke.cvDilate(src, dst2, ele1, 1);
            CvInvoke.cvErode(dst2, dst2, ele2, 1);

            Image<Gray, Byte> G12 = new Image<Gray, byte>(src.Size);
            Image<Gray, Byte> G22 = new Image<Gray, byte>(src.Size);
            Image<Gray, Byte> G32 = new Image<Gray, byte>(src.Size);
            Image<Gray, Byte> G1 = new Image<Gray, byte>(src.Size);
            Image<Gray, Byte> G2 = new Image<Gray, byte>(src.Size);
            Image<Gray, Byte> G3 = new Image<Gray, byte>(src.Size);

            //G1 = imdilate(imdilate(imerode(f, b1), b2),b3) - imclose(imdilate(imerode(f, b1), b2), b3);
            CvInvoke.cvDilate(dst1, G1, ele3, 1);
            CvInvoke.cvMorphologyEx(dst1, G12,new IntPtr(), ele3, Emgu.CV.CvEnum.CV_MORPH_OP.CV_MOP_CLOSE, 1);
            G1 = G1 - G12;

            //G2 = imopen(imerode(imdilate(f, b1), b2),b3) - imerode(imerode(imdilate(f, b1), b2),b3);
            CvInvoke.cvMorphologyEx(dst2, G2, new IntPtr(), ele3, Emgu.CV.CvEnum.CV_MORPH_OP.CV_MOP_OPEN, 1);
            CvInvoke.cvErode(dst2, G22, ele3, 1);
            G2 = G2 - G22;

            //G3 = imdilate(imdilate(imerode(f, b1), b2),b3) - imerode(imerode(imdilate(f, b1), b2),b3);
            CvInvoke.cvDilate(dst1, G3, ele3, 1);
            CvInvoke.cvErode(dst2, G32, ele3, 1);
            G3 = G3 - G32;
            //matsub(G3, G32, G3);

            // Gmin = min(G1, G2);
            // Gmax = max(G1, G2);
            Image<Gray, Byte> Gmin = new Image<Gray, byte>(src.Size);
            Image<Gray, Byte> Gmax = new Image<Gray, byte>(src.Size);
            Gmin = G1.Min(G2);
            Gmax = G1.Max(G2);
            /*
            int row = 0,col = 0;
            for (; row < Gmin.Rows; row++)
            {
                for (; col < Gmin.Cols; col++)
                {
                    Gmin.Data[row, col, 0] = Math.Min(G1.Data[row, col, 0], G2.Data[row, col, 0]);
                    Gmax.Data[row, col, 0] = Math.Max(G1.Data[row, col, 0], G2.Data[row, col, 0]);
                }
            }*/

            Gmax = Gmax - Gmin;
            //matsub(Gmax, Gmin, Gmax);
            // G = G3 + theta*deltaG;
            src = G3 + theta * Gmax;
            /*
            for (row = 0; row < src.Rows; row++)
            {
                for (col = 0; col < src.Cols; col++)
                {
                    src.Data[row, col, 0] = (byte)(G3.Data[row, col, 0] + theta * Gmax.Data[row, col, 0]);
                }
            }
            imageBox1.Image = src;*/

        }

实现效果：

形态学边缘检测

附上参考的论文：http://pan.baidu.com/s/1sjQnGaL