实验内容：1)边缘检测将图像中各不同区域的边缘(边界)检测出来，以达到检测的目的。2)锐化图像g(m,n)=原图像f(m,n)+加重的边缘(α*微分)。
实验结果
1、常用的梯度算子
2、利用edge函数实现诔罨租磊I=imread('fabric.png');%读取图像K=rgb2gray(I);BW1=edge(K,'roberts'荑樊综鲶,0.08);%进行Roberts算子边缘检测，门限值采用默认值BW2=edge(K,'prewitt',0.05);%进行Prewitt算子边缘检测，门限值采用默认值BW3=edge(K,'sobel',0.04);%进行Sobel算子边缘检测，门限值采用默认值figure,imshow(BW1,[]),title('Roberts算子图像');figure,imshow(BW2,[]),title('Prewitt算子图像');figure,imshow(BW3,[]),title('Sobel算子图像');Roberts算子图像Prewitt算子图像Sobel算子图像
3、利用模版处理Robe筠续师诈rts算子I=imread('fabric.png');K=rgb2gray(I);BW1=[1,0;0,-1]稆糨孝汶;BW2=[0,1;-1,0];J1=filter2(BW1,K);J2=filter2(BW2,K);K1=double(J1);K2=double(J2);M=(abs(K1)+abs(K2));figure,imshow(uint8(M))Prewitt算子I=imread('fabric.png');K=rgb2gray(I);BW1=[-1,-1,-1;0,0,0;1,1,1];BW2=[-1,0,1;-1,0,1;-1,0,1];J1=filter2(BW1,K);J2=filter2(BW2,K);K1=double(J1);K2=double(J2);M=(abs(K1)+abs(K2));figure,imshow(uint8(M))Sobel算子I=imread('fabric.png');K=rgb2gray(I);BW1=[-1,-2,-1;0,0,0;1,2,1];BW2=[-1,0,1;-2,0,2;-1,0,1];J1=filter2(BW1,K);J2=filter2(BW2,K);K1=double(J1);K2=double(J2);M=(abs(K1)+abs(K2));figure,imshow(uint8(M))
小结
1、图像局部特征的不连续性(相邻区域的交界)称为边缘。边缘位置的微分特性是幅度和方向性(沿边缘方向灰度缓变，垂直方向突变)。边缘位置和导数(微分)间具有一定对应关系，可通过微分进行边缘检测。无噪声时，可用Roberts算子；Prewitt和Sobel算子同时具有平均，即抑制噪声作用；对阶跃状边缘，Roberts得到的边缘宽度≥1个像素，Prewitt和Sobel算子得到的边缘宽度≥2个像素。
2、由实验的效果图像可以知道，在利用edge函数进行相应的算子边缘检测的时候，各算子的差别非常微小，不过由相应的参数，三个算子分别为0.00.00.04可以知道，Sobel算子在边缘检测中最为敏感，及在同一条件下它的处理效果应该最好。在后面实验部分中，利用“手动”的模版算子进行边缘检测，我们很容易可以看到，Sobel算子的处理效果最好。