PCNN(4)边缘检测
边缘提取首先提供一段MATLAB代码吧：
I=imread('lena.bmp');% 提取图像
BW1=edge(I,'sobel'); %用SOBEL算子进行边缘检测
BW2=edge(I,'roberts');%用Roberts算子进行边缘检测
BW3=edge(I,'prewitt'); %用prewitt算子进行边缘检测
BW4=edge(I,'log'); %用log算子进行边缘检测
BW5=edge(I,'canny'); %用canny算子进行边缘检测
h=fspecial('gaussian’,5);
BW6=edge(I,’canny’);
subplot(2,3,1), imshow(BW1);
title(‘sobel edge check’);
subplot(2,3,2), imshow(BW2);
title(‘sobel edge check’);
subplot(2,3,3), imshow(BW3);
title(‘prewitt edge check’);
subplot(2,3,4), imshow(BW4);
title(‘log edge check’);
subplot(2,3,5), imshow(BW5);
title(‘canny edge check’);
subplot(2,3,6), imshow(BW6);
title(‘gasussian&canny edge check’);%此为用高斯滤波后Canny算子边缘检测结果
|
|
加法运算P |
乘法运算M |
| Roberts算子 |
3*N2 |
0 |
| Sobel算子 |
11*N2 |
2*N2 |
| Prewitt算子 |
11*N2 |
0 |
| Krisch算子 |
56*N2 |
0 |
| Lapalacian算子 |
4*N2 |
0 |
可以看出，Krisch算子的运算量比较大。其次在边缘检测中边缘定位能力和噪声抑制能力方面，有的算子边缘定位能力强，有的抗噪声能力比较好：Roberts算子利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于没经过图像平滑计算，不能抑制噪声。该算子对具有陡峭的低噪声图像响应最好；Sobel算子和Prewitt算子都是对图像进行差分和滤波运算，差别只是平滑部分的权值有些差异，对噪声具有一定的抑制能力，不能完全排除检测结果中出现伪边缘。这两个算子的边缘定位比较准确和完整，但容易出现边缘多像素宽。对灰度渐变和具有噪声的图像处理的较好；Krisch算子对8个方向边缘信息进行检测，因此有较好的边缘定位能力，并且对噪声有一定的抑制作用，该算子的边缘定位能力和抗噪声能力比较理想；Laplacian算子是二阶微分算子，对图像中的阶跃型边缘点定位准确且具有旋转不变性即无方向性。但该算子容易丢失一部分边缘的方向信息，造成不连续的检测边缘，同时抗噪声能力比较差，比较适用于屋脊型边缘检测。
初始值设置：
%%%%%初始值设置 Weight=[0.5 1 0.5;1 0 1;0.5 1 0.5];% 权值矩阵 Beta=0.4; %内部活动项的连接因子 Yuzhi=240; Decay=0.3; %衰减 [a,b]=size(X); Threshold=zeros(a,b); %门限值 S=zeros(a+2,b+2); B=zeros(a,b);%标记样板，表示该Pixel是否被激活过 Y=zeros(a,b); Edge=zeros(a,b); Numberofaera=zeros(a,b); Numberofaera_1=zeros(a,b); Num_1=0; Num=0; n=1;点火公式：
%%%点火公式
while(sum(sum(B))~=a*b)
for i0=2:a+1
for i1=2:b+1
V=[S(i0-1,i1-1) S(i0-1,i1) S(i0-1,i1+1);
S(i0,i1-1) S(i0,i1) S(i0,i1+1);
S(i0+1,i1-1) S(i0+1,i1) S(i0+1,i1+1)];
L=sum(sum(V.*Weight));
F=X(i0-1,i1-1);
U=double(F)*(1+Beta*double(L));
if U>=Threshold(i0-1,i1-1)|Threshold(i0-1,i1-1)<60
T(i0-1,i1-1)=1;
Threshold(i0-1,i1-1)=Yuzhi;
Y(i0-1,i1-1)=1;
if n==1
B(i0-1,i1-1)=0;%避免第一次全部激发造成的影响
else
B(i0-1,i1-1)=1;%已发射过的标记
Threshold(i0-1,i1-1)=1000000;%相当于不会第二次激活
end
else
T(i0-1,i1-1)=0;%no use?
Y(i0-1,i1-1)=0;
end
end
end
Threshold(find(B~=1))=exp(-Decay)*Threshold(find(B~=1));
%被激活过的象素不再参与迭代过程
if n~=1
Edge=Edge+judge_edge(Y,n);
Y(find(Edge<0))=0;%边界点被置零，Y本来是激发的象素，现在边界被置0，也不能说白激发了，B矩阵有记录！当然下次就休想再被激发了
[Numberofaera_1,Num_1]=bwlabel(Y,4);
for i=1:a
for j=1:b
if Numberofaera_1(i,j)~=0
Numberofaera_1(i,j)=Numberofaera_1(i,j)+Num;
end
end
end
Numberofaera=Numberofaera+Numberofaera_1;
Num=Num_1;
end
if n==1
S=zeros(a+2,b+2);
else
S=bianhuan(T);
end
n=n+1;
Numberofaera_1=zeros(a,b);
if mod(n,1)==0
disp(n)
disp(sum(sum(B)))
end
figure(1)
imshow(Numberofaera)
drawnow
frame=getframe(1);
im=frame2im(frame);
[imind,cm]=rgb2ind(im,256);
end具体公式参见PCNN（2）。
参考： http://blog.sina.com.cn/s/blog_6163bdeb0100nihw.html