1、圖像圖像(t xin)的二值化閾值分割示例的二值化閾值分割示例第一頁，共93頁。第1頁/共93頁第二頁，共93頁。第2頁/共93頁第三頁，共93頁。圖像圖像(t xin)(t xin)分割的目的分割的目的 圖像(t xin)分割是指通過某種方法，使得畫面場景被分為“目標(biāo)物”及“非目標(biāo)物”兩類,即將圖像(t xin)的像素變換為黑、白兩種。 因?yàn)榻Y(jié)果圖像(t xin)為二值圖像(t xin)，所以通常又稱圖像(t xin)分割為圖像(t xin)的二值化處理。第3頁/共93頁第四頁，共93頁。圖像分割(fng)示例第4頁/共93頁第五頁，共93頁。圖像分割(fng)示例 條碼的二值化局部放大局部

2、放大第5頁/共93頁第六頁，共93頁。?圖像分割示例 腎小球區(qū)域(qy)的提取第6頁/共93頁第七頁，共93頁。圖像分割(fng)示例 細(xì)菌檢測第7頁/共93頁第八頁，共93頁。圖像(t xin)分割示例 印刷缺陷檢測第8頁/共93頁第九頁，共93頁。檢測結(jié)果檢測結(jié)果局部放大圖局部放大圖圖像分割(fng)示例 印刷缺陷檢測第9頁/共93頁第十頁，共93頁。圖像圖像(t xin)(t xin)分割的難點(diǎn)分割的難點(diǎn) 從前面的例子可以(ky)看到，圖像分割是比較困難的。原因是畫面中的場景通常是復(fù)雜的，要找出兩個(gè)模式特征的差異，并且可以(ky)對(duì)該差異進(jìn)行數(shù)學(xué)描述都是比較難的。 第10頁/共93頁第十

3、一頁，共93頁。l 圖像分割圖像分割 l 把圖像空間按照一定的要求分成一些把圖像空間按照一定的要求分成一些(yxi)“(yxi)“有意義有意義”的區(qū)域的技術(shù)叫圖像分割。的區(qū)域的技術(shù)叫圖像分割。 例例如：如： l （1 1）要確定航空照片中的森林、耕地、城市區(qū)）要確定航空照片中的森林、耕地、城市區(qū)域等，首先需要將這些部分在圖像上分割出來。域等，首先需要將這些部分在圖像上分割出來。 l （2 2）要辨認(rèn)文件中的個(gè)別文字，也需先將這些）要辨認(rèn)文件中的個(gè)別文字，也需先將這些文字分選出來。文字分選出來。 第11頁/共93頁第十二頁，共93頁。（3）要識(shí)別和標(biāo)定細(xì)胞的顯微照片中的染色體，需要用圖像分割技術(shù)

4、。 一幅圖像通常是由代表物體的圖案(t n)與背景組成，簡稱物體與背景。若想從一幅圖像中“提取”物體，可以設(shè)法用專門的方法標(biāo)出屬于該物體的點(diǎn)，如把物體上的點(diǎn)標(biāo)為“1”，而把背景點(diǎn)標(biāo)為“0”，通過分割以后，可得一幅二值圖像。 第12頁/共93頁第十三頁，共93頁。圖像分割的應(yīng)用領(lǐng)域 機(jī)器閱讀理解 OCR錄入 遙感圖像自動(dòng)識(shí)別 在線產(chǎn)品檢測 醫(yī)學(xué)圖像樣本統(tǒng)計(jì)(tngj) 醫(yī)學(xué)圖像測量 圖像編碼 圖像配準(zhǔn)的預(yù)處理第13頁/共93頁第十四頁，共93頁。 圖像分割的意義圖像分割的意義 是把圖像分成若干個(gè)有意義區(qū)域的處理技是把圖像分成若干個(gè)有意義區(qū)域的處理技術(shù)。其從本質(zhì)上說是將各像素進(jìn)行分類的過術(shù)。其從本

5、質(zhì)上說是將各像素進(jìn)行分類的過程。分類所依據(jù)程。分類所依據(jù)(yj)(yj)的特性可以是像素的灰的特性可以是像素的灰度值、顏色或多譜特性、空間特性和紋理特度值、顏色或多譜特性、空間特性和紋理特性等。性等。第14頁/共93頁第十五頁，共93頁。圖像分割方法(fngf)分類： 大致可以分為基于邊緣檢測的方法(fngf)和基于區(qū)域生成的方法(fngf)。 第一類為找出圖像的邊緣信息，首先檢出局部特性的不連續(xù)性，再將它們連成邊界，這些邊界把圖像分成不同的區(qū)域，從而分割出各個(gè)區(qū)域，常用邊緣檢測方法(fngf)有基于邊緣檢測的圖像分割、基于閾值選取的圖像分割；第15頁/共93頁第十六頁，共93頁。 第二類為基

6、于區(qū)域(qy)生成的方法，是將像素分成不同的區(qū)域(qy)，根據(jù)相應(yīng)的區(qū)域(qy)特性在圖像中找出與其相似的部分并進(jìn)行處理，常用的方法有區(qū)域(qy)生長、分裂-合并分割方法。 以上這兩類方法互為對(duì)偶，相輔相成，有時(shí)還要將它們結(jié)合起來，以得到更好的分割效果。第16頁/共93頁第十七頁，共93頁。7.2 基于閾值選取的圖像(t xin)分割方法 若圖像中目標(biāo)和背景具有不同的灰度集合：目標(biāo)灰度集合與背景灰度集合，且兩個(gè)灰度集合可用一個(gè)灰度級(jí)閾值T進(jìn)行分割(fng)。這樣就可以用閾值分割(fng)灰度級(jí)的方法在圖像中分割(fng)出目標(biāo)區(qū)域與背景區(qū)域，這種方法稱為灰度閾值分割(fng)方法。第17頁/共

7、93頁第十八頁，共93頁。 設(shè)圖像為設(shè)圖像為f (x, y) f (x, y) ，其灰度級(jí)范圍是，其灰度級(jí)范圍是0 0，L-1L-1，在，在0 0和和L-L-1 1之間選擇之間選擇(xunz)(xunz)一個(gè)合適的灰度閾值一個(gè)合適的灰度閾值T T，則圖像分割，則圖像分割方法可描述為：方法可描述為： 這樣得到的這樣得到的g (x, y)g (x, y)是一幅二值圖像。是一幅二值圖像。 TyxfTyxfyxg),(),(01),(第18頁/共93頁第十九頁，共93頁。7.2.1 7.2.1 灰度閾值灰度閾值(y (y zh)zh)分割分割(t xin)(t xin)分割及邊緣跟蹤等預(yù)處理。分割及邊

8、緣跟蹤等預(yù)處理。第19頁/共93頁第二十頁，共93頁。TyxfTyxfyxg),(),(0255),(第20頁/共93頁第二十一頁，共93頁。第21頁/共93頁第二十二頁，共93頁。 （a）原圖像(t xin) （b）圖像(t xin)直方圖圖像圖像(t xin)(t xin)的二值化閾值分割示例的二值化閾值分割示例 第22頁/共93頁第二十三頁，共93頁。 （c）分割(fng)閾值T=90 （d）分割(fng)閾值T=130 （e）分割(fng)閾值T=180 第23頁/共93頁第二十四頁，共93頁。第24頁/共93頁第二十五頁，共93頁。第25頁/共93頁第二十六頁，共93頁。第26頁/共

9、93頁第二十七頁，共93頁。2 2灰度圖像多區(qū)域灰度圖像多區(qū)域(qy)(qy)閾值分割閾值分割 圖像圖像(t xin)(t xin)中的區(qū)域（中的區(qū)域（n=4n=4） 第27頁/共93頁第二十八頁，共93頁。 在各區(qū)域的灰度差異設(shè)置n個(gè)閾值，并進(jìn)行如下(rxi)分割處理： 112100110),(),(),(),(),(nnnnnTjifTjifTTjifTTjifggggjig第28頁/共93頁第二十九頁，共93頁。 圖像中各點(diǎn)經(jīng)上述灰度閾值法處理后，各個(gè)有意義圖像中各點(diǎn)經(jīng)上述灰度閾值法處理后，各個(gè)有意義(yy)(yy)區(qū)域就從圖像背景中分離出來。區(qū)域就從圖像背景中分離出來。 含有多目標(biāo)(m

10、bio)圖像的直方圖 第29頁/共93頁第三十頁，共93頁。7.2.2 7.2.2 直方圖閾值直方圖閾值(y (y zh)zh)1直方圖閾值的雙峰法 當(dāng)灰度圖像中畫面比較簡單且對(duì)象物的灰度分布比較有規(guī)律，背景和對(duì)象物在圖像的灰度直方圖上各自形成一個(gè)波峰(bfng)，由于每兩個(gè)波峰(bfng)間形成一個(gè)低谷，因而選擇雙峰間低谷處所對(duì)應(yīng)的灰度值為閾值，可將兩個(gè)區(qū)域分離。 把這種通過選取直方圖閾值來分割目標(biāo)和背景的方法稱為直方圖閾值雙峰法。 第30頁/共93頁第三十一頁，共93頁。 具體實(shí)現(xiàn)的方法是先做出圖像的灰度直方圖，若只出現(xiàn)背景和目標(biāo)物兩區(qū)域部分所對(duì)應(yīng)的直方圖呈雙峰且有明顯的谷底，則可以將谷底

11、點(diǎn)所對(duì)應(yīng)的灰度值作為閾值t，然后根據(jù)該閾值進(jìn)行分割(fng)就可以將目標(biāo)從圖像中分割(fng)出來。 這種方法適用于目標(biāo)和背景的灰度差較大，直方圖有明顯谷底的情況。第31頁/共93頁第三十二頁，共93頁。直方圖的雙峰與閾值直方圖的雙峰與閾值(y zh)第32頁/共93頁第三十三頁，共93頁。I=imread(blood.bmp); %讀入灰度圖像并顯示imshow(I);figure;imhist(I); %顯示灰度圖像直方圖Inew=im2bw(I,140/255); %圖像二值化，根據(jù) 140/255確定的閾值，劃分(hu fn)目標(biāo)與背景figure;imshow(Inew);第33頁/

12、共93頁第三十四頁，共93頁。第34頁/共93頁第三十五頁，共93頁。 雙峰法比較簡單，在可能情況下常常作為首選的閾值確定方法，但是圖像的灰度直方圖的形狀隨著對(duì)象、圖像輸入系統(tǒng)、輸入環(huán)境等因素的不同而千差萬別，當(dāng)出現(xiàn)波峰間的波谷平坦、各區(qū)域直方圖的波形重疊等情況時(shí)，用直方圖閾值法難以確定閾值，必須尋求其他方法來選擇(xunz)適宜的閾值。第35頁/共93頁第三十六頁，共93頁。7.2.3 7.2.3 直方圖最大熵閾值直方圖最大熵閾值(y zh)(y zh)一維直方圖一維直方圖第36頁/共93頁第三十七頁，共93頁。 目標(biāo)區(qū)域O的概率(gil)分布是： 背景區(qū)域B的概率(gil)灰度分布為：;,

13、.,1 , 0/tippPtiO1,.,2, 1)1/(LttippPtiB第37頁/共93頁第三十八頁，共93頁。式中目標(biāo)(mbio)區(qū)域和背景區(qū)域熵的定義為 tiitpp0OOtiOPPtH20log)(BBLtiBPPtH211log)(第38頁/共93頁第三十九頁，共93頁。 由目標(biāo)區(qū)域和背景區(qū)域熵、得到熵函數(shù)定義(dngy)為 當(dāng)熵函數(shù) 取得最大值時(shí)，對(duì)應(yīng)的灰度值就是所求的最佳閾值 )(max10ttLtBHHt0)()(t第39頁/共93頁第四十頁，共93頁。7.2.4 7.2.4 二維直方圖閾值二維直方圖閾值(y zh)(y zh)第40頁/共93頁第四十一頁，共93頁。， 0，

14、2，L-1其中MN為圖像的大小。NMyxgyxfjiz),(),(),(NMnpijij第41頁/共93頁第四十二頁，共93頁。最大。第42頁/共93頁第四十三頁，共93頁。二維直方圖的灰度平面圖二維直方圖的灰度平面圖第43頁/共93頁第四十四頁，共93頁。ijijLiLjppHln1010AAAAijAijsitjPHPPpPpAHlnln)(00BBBBijBijLsiLtjPHPPpPpBH lnln)(1111第44頁/共93頁第四十五頁，共93頁。)()(),(BHAHtsAALAAAAPHHPHPPBHAHts1)1 (ln)()(),(),(max),(*tsts第45頁/共93

15、頁第四十六頁，共93頁。7.2.5 7.2.5 全局全局(qunj)(qunj)閾值和局部閾值閾值和局部閾值閾值法分割圖像(t xin)的關(guān)鍵：閾值的選擇；閾值法分為：全局閾值分割法和局部閾值分割法； 閾值類型：單閾值，多閾值。第46頁/共93頁第四十七頁，共93頁。1.全局(qunj)閾值分割u 全局閾值分割法在圖像處理中應(yīng)用較多，它在整幅圖像內(nèi)采用固定的閾值分割圖像；u 經(jīng)典的閾值選取以灰度直方圖為處理對(duì)象(duxing)；u 根據(jù)閾值選擇方法的不同，分為模態(tài)方法、迭代式閾值選擇等方法，都是以直方圖為研究對(duì)象(duxing)來確定分割閾值的。第47頁/共93頁第四十八頁，共93頁。第48頁

16、/共93頁第四十九頁，共93頁。第49頁/共93頁第五十頁，共93頁。選取(xunq)不同閾值圖像分割的效果第50頁/共93頁第五十一頁，共93頁。2.局部(jb)閾值分割原始圖像分為幾個(gè)小的子圖像，對(duì)每個(gè)子圖像分別求出最優(yōu)分割閾值(y zh)； 相鄰子圖像之間的邊界處可能產(chǎn)生灰度級(jí)的不連續(xù)性，需要平滑；常用方法有：灰度差直方圖法，微分直方圖法。第51頁/共93頁第五十二頁，共93頁。局部閾值分割能夠改善(gishn)分割效果，但存在以下缺點(diǎn)：每幅子圖像的尺寸不能太小，否則統(tǒng)計(jì)出的結(jié)果無意義； 每幅圖像的分割是任意的，如果一幅子圖像正好落在目標(biāo)區(qū)域或背景區(qū)域，而根據(jù)(gnj)統(tǒng)計(jì)結(jié)果對(duì)其進(jìn)行分

17、割，也許會(huì)產(chǎn)生更差的結(jié)果； 局部閾值法對(duì)每一幅子圖像都要進(jìn)行統(tǒng)計(jì)，速度慢，難以適應(yīng)實(shí)時(shí)性要求。第52頁/共93頁第五十三頁，共93頁。7.3 基于(jy)區(qū)域的圖像分割方法第53頁/共93頁第五十四頁，共93頁。7.3.1 7.3.1 區(qū)域區(qū)域(qy)(qy)生長法生長法到?jīng)]有可接受的鄰近點(diǎn)為止。第54頁/共93頁第五十五頁，共93頁。區(qū)域生長(shngzhng)分割示意圖第55頁/共93頁第五十六頁，共93頁。區(qū)域生長法時(shí)需要由以下 3 個(gè)步驟來實(shí)現(xiàn) （1）確定選擇一組能正確代表所需區(qū)域的起始點(diǎn)種子像素。 （2）確定在生長過程中將相鄰像素包括進(jìn)來的（相似性判別生長）準(zhǔn)則。 （3）確定區(qū)域生長

18、過程停止的條件或規(guī)則。 當(dāng)然，區(qū)域生長分割方法針對(duì)不同(b tn)的實(shí)際應(yīng)用，需要根據(jù)具體圖像的具體特征來確定種子像素和生長及停止準(zhǔn)則。第56頁/共93頁第五十七頁，共93頁。1灰度差判別式 相似性的判別值可以選取像素與鄰域(ln y)像素間的灰度差，也可以選取微區(qū)域與相鄰微區(qū)域間的灰度差?；叶炔钆袆e式為 不變合并，屬于同一標(biāo)記TTnmfjifC |),(),(| 當(dāng)CT，說明基本單元(i,j)與(m,n)相似(xin s)， (i,j)應(yīng)與(m,n)合并，計(jì)算合并后微區(qū)域的平均灰度值；當(dāng)CT，說明兩者不相似(xin s)，f (i,j)保持不變，仍為不屬于任何區(qū)域的基本單元。 第57頁/共9

19、3頁第五十八頁，共93頁。區(qū)域區(qū)域(qy)(qy)生長實(shí)例生長實(shí)例 如下(rxi)圖示，其準(zhǔn)則是鄰近點(diǎn)的灰度級(jí)與物體的平均灰度級(jí)的差小于2。區(qū)域生長(shngzhng)的簡單圖示第58頁/共93頁第五十九頁，共93頁。 下面舉例說明用灰度差判別準(zhǔn)則的合并法形成區(qū)域的過程。設(shè)例中閾值T=2，基本單元(dnyun)為像素，在33的微區(qū)域中與像素相鄰的像素?cái)?shù)有8個(gè)， 第59頁/共93頁第六十頁，共93頁?；叶炔钆袆e灰度差判別(pnbi)(pnbi)準(zhǔn)則的區(qū)域合并準(zhǔn)則的區(qū)域合并灰度差判別準(zhǔn)則(zhnz)的區(qū)域合并第60頁/共93頁第六十一頁，共93頁。7.3.2 7.3.2 分裂分裂(fnli)(fn

20、li)合并合并第61頁/共93頁第六十二頁，共93頁。0層1層2層 四叉樹分裂四叉樹分裂- -合并基本合并基本(jbn)(jbn)數(shù)據(jù)結(jié)構(gòu)數(shù)據(jù)結(jié)構(gòu)第62頁/共93頁第六十三頁，共93頁。l 1.樹結(jié)構(gòu)l 樹的根代表圖像本身，樹的葉代表每個(gè)像素；l 0層的根可看作1個(gè)節(jié)點(diǎn)(ji din)，第1層有4個(gè)節(jié)點(diǎn)(ji din)，若圖像大小為4x4，則應(yīng)該有16個(gè)節(jié)點(diǎn)(ji din)，需要經(jīng)過0層l 1層 2層才能抵達(dá)每個(gè)樹葉（像素），整個(gè)樹結(jié)構(gòu)有n+1=3層；l 區(qū)域生長先從單個(gè)生長點(diǎn)開始通過不斷接納滿足接收準(zhǔn)則的新生長點(diǎn)，最后得到整個(gè)區(qū)域，從而完成圖像的區(qū)域劃分。第63頁/共93頁第六十四頁，共93

21、頁。2.圖像四叉樹結(jié)構(gòu) 四叉樹要求(yoqi)輸入圖像f(x,y)為2的整數(shù)次冪；設(shè)R代表整個(gè)正方形圖像區(qū)域，一個(gè)四叉樹從最高0層開始，把R連續(xù)分成越來越小的1/4的正方形子區(qū)域Ri，不斷將該子區(qū)域Ri進(jìn)行4等分，最終使子區(qū)域Ri處于不可分狀態(tài)。第64頁/共93頁第六十五頁，共93頁。MATLAB中提供(tgng)了四叉樹分解函數(shù)qtdecomp: S=qtdecomp(I)：對(duì)灰度圖像I進(jìn)行四叉樹分解，返回的四叉樹結(jié)構(gòu)是稀疏矩陣S。直到分解的每一小塊內(nèi)的所有元素值相等。 S=qtdecomp(I,threshold,mindim)：通過指定閾值threshold,使分解圖像的小塊中最大像素值

22、和最小像素值之差小于閾值。此函數(shù)此函數(shù)(hnsh)(hnsh)只適合方陣的階為只適合方陣的階為2 2的正整數(shù)次方。的正整數(shù)次方。第65頁/共93頁第六十六頁，共93頁。圖像的四叉樹分解圖像的四叉樹分解(fnji)實(shí)例實(shí)例第66頁/共93頁第六十七頁，共93頁。第67頁/共93頁第六十八頁，共93頁。第68頁/共93頁第六十九頁，共93頁。 3.金字塔數(shù)據(jù)結(jié)構(gòu)(sh j ji u) 是一個(gè)從11到NN逐次增加的n+1個(gè)圖像構(gòu)成的序列； 序列中的NN圖像就是原圖像f(x,y)，將其劃分為N/2N/2個(gè)大小相同互不重疊的正方區(qū)域，每個(gè)區(qū)域都含有4個(gè)像素，各區(qū)域中四個(gè)像素灰度平均值分別作為N/2N/2

23、圖像相應(yīng)位置的像素灰度； 將N/2N/2圖像劃分為N/4N/4個(gè)大小相同互不重疊的正方區(qū)域，以此類推，最終得到圖像的金字塔數(shù)據(jù)結(jié)構(gòu)(sh j ji u)表達(dá)。第69頁/共93頁第七十頁，共93頁。 分裂-合并算法(sun f)的例子。設(shè)有88圖像的0層、1層、2層、3層如圖7.2.6 所示，3層為樹葉，其中的數(shù)值為灰度值以及各層的小區(qū)域平均灰度值。根的灰度值表示圖像的平均亮度。第70頁/共93頁第七十一頁，共93頁。7.4 基于邊緣檢測(jin c)的圖像分割 數(shù)字圖像的邊緣檢測是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，也是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。在進(jìn)行

24、圖像理解和分析時(shí)，第一步往往就是邊緣檢測， 由于邊緣廣泛存在于目標(biāo)與目標(biāo)、物體(wt)與背景、區(qū)域與區(qū)域（含不同色彩）之間，它是圖像分割所依賴的重要特征。 目前它已成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。第71頁/共93頁第七十二頁，共93頁。7.4.1 7.4.1 邊緣邊緣(binyun)(binyun)檢測的基本檢測的基本原理原理 圖像邊緣是圖像最基本(jbn)的特征，邊緣在圖像分析中起著重要的作用。所謂邊緣（Edlge）是指圖像局部特性的不連續(xù)性，灰度或結(jié)構(gòu)等信息的突變處稱為邊緣。 第72頁/共93頁第七十三頁，共93頁。l邊緣檢測邊緣檢測 l 邊緣可定義為

25、在局部區(qū)域邊緣可定義為在局部區(qū)域(qy)(qy)內(nèi)圖像的內(nèi)圖像的差別，表現(xiàn)為圖像上的不連續(xù)性。差別，表現(xiàn)為圖像上的不連續(xù)性。l( (灰度級(jí)的突變，紋理結(jié)構(gòu)的突變，顏色的變灰度級(jí)的突變，紋理結(jié)構(gòu)的突變，顏色的變化化) )?；叶燃?jí)突變有?；叶燃?jí)突變有 ：l 脈沖狀邊緣脈沖狀邊緣l 階躍脈沖狀邊緣階躍脈沖狀邊緣l 階躍邊緣階躍邊緣 l 第73頁/共93頁第七十四頁，共93頁。灰度級(jí)突變灰度級(jí)突變(tbin)(tbin)第74頁/共93頁第七十五頁，共93頁。圖像邊緣圖像邊緣(binyun)(binyun)的灰度變化與導(dǎo)數(shù)的灰度變化與導(dǎo)數(shù) 第75頁/共93頁第七十六頁，共93頁。7.4.2 7.4.2

26、 邊緣邊緣(binyun)(binyun)檢測算子檢測算子l1 1梯度算子梯度算子l2 2一階微分算子一階微分算子l （1 1）RobertsRoberts邊緣邊緣(binyun)(binyun)檢測算子檢測算子l l （2 2） Prewitt Prewitt算子算子l l （3 3） Sobel Sobel算子算子 10010110111000111101101101第76頁/共93頁第七十七頁，共93頁。 3Laplace邊緣檢測算子(sun z)（二階微分） 121000121Laplace運(yùn)算的檢測(jin c)模板 101202101第77頁/共93頁第七十八頁，共93頁。4拉普拉

27、斯高斯算子(sun z)（LOG） （Laplace算子(sun z)的改進(jìn)）G(x,y) G(x,y) 二維高斯二維高斯(o s)(o s)函數(shù)函數(shù) 第78頁/共93頁第七十九頁，共93頁。LOGLOG算子邊緣算子邊緣(binyun)(binyun)提取實(shí)例提取實(shí)例第79頁/共93頁第八十頁，共93頁。原始原始(yunsh)(yunsh)圖像圖像第80頁/共93頁第八十一頁，共93頁。edge函數(shù)函數(shù)(hnsh)的調(diào)用格式為：的調(diào)用格式為：BW=edge(I,method)BW=edge(I,method,thresh)BW=edge(I,method,thresh,direction)BW,thresh=edge(I,method,)其中，I為輸入圖像，edge函數(shù)對(duì)灰度圖像I進(jìn)行邊緣檢測，返回與I同樣大的二值圖像BW，method表示選用的方法(fngf)類型，可以為sobel，prewitt，robberts，LOG, canny等。第81頁/共93頁第八十二頁，共93頁。MATLABMATLAB中調(diào)