（2）、图像边缘检测
街区法、棋盘法、欧式距离法得不同检测算子结果分别入图ｃ、图d与图ｅ:
图c
图ｄ
图e
由图c、图d与图ｅ对比可知,采用街区法所得得边界清晰度最高，欧式几何法其次，棋盘法最差。对比同一张图中得不同子图可知，Sｏbel算子得性能更好,Prewitt算子其次，Ｒoｂerts算子最差。
5、实验结论
①ｇ１（ｍ，n)f(ｍ，ｎ）f
②g2（m,n）４f(ｍ，n）[f（m１,n）f（m1,n)f（m，n1)ｆ(m，ｎ1）］
、要对图像进行处理，要先读取该图像,实验代码如下:
ｃlosｅaｌｌ；
cｌearａｌl；
fｉd=fｏpen（’leｎa、img＇,’r＇);
imａge=fread(fid，［256,2５６]，’uiｎt8＇）；
fｏr j＝２:(y—1）ﻩﻩﻩﻩﻩg１（i，ｊ)=(1+4＊a)＊image(i,j)-a＊（image（i＋1,j）+image（i-1,j）+iｍage（i,j+1）+iｍａge（ｉ,ｊ—1）);
end
end
、根据公式②对图像得每一个像素(不考虑图像得边界部分）进行计算，将所得之存入矩阵ｇ２中（g2初始化值为该图像得矩阵值)，具体方法与上一步类似,代码如下（仅以ɑ=１为例）：
6、源代码
（1）图像锐化（ｇ１）
ｃｌｏseａll；
ｃlear aｌl；
fｉd＝fｏpen（'ｌena、iｍg＇,'r＇）；
iｍage=fread（fid，［256，２5６],’uinｔ8’）；
fｃlose(fｉd)；
suｂplot(2２1);
imsｈｏw（uiｎt8（image），[］);
tｉtle（’原图像'）；
示处理前、后图像。
Ｉ、同（1)中 ，不再赘述。
II、对图像进行边缘检测，要对图像得每一像素（不考虑图像得边界部分）得灰度进行遍历，分别用公式对图像得水平与垂直方向得边缘进行检测，并分别存储,在进行合成。采用不同得算子时，变换得公式有所不同。在合成时可以采用三种算法(街区法、棋盘法、欧式几何法)，本次实验中均又采用,所以得到三层图像。代码如下(仅以街区法得Rｏｂeｒts算子为例）：
end
ｅｎd
subｐｌot(２23)；
iｍshｏw（uｉｎt８(g1）,［］）;
tiｔｌｅ('a=2时g1得图像＇）；
（2）图像锐化（g2）
cｌose alபைடு நூலகம்；
[ｘ,y]=size（ｉｍage)；
g1＝ｉmage；
gh1＝image;
gv１=imａge;
ｆori=2:(ｘ－1）
fｏrｊ=2：(y－1）
gh1(ｉ,j）=imａｇｅ（i,ｊ)－iｍａgｅ（i－1，j—1)；
ｇv1(i，j）=image（i，j－1）－iｍagｅ（i—1，j）;
g１（i,j)=abs（gh1（i,j))+ａｂｓ（ｇv1(i,j））；
g2=ｉmａge；
a＝１;
[x,ｙ]＝ｓize（imaｇe);
foｒi＝2：（x-1）
forｊ＝2：(y－1）
ﻩｇ2（i，j)＝４*a＊iｍａgｅ（i,ｊ)—a＊（iｍａge(i+1,j）+imaｇe（ｉ-1，j）+imａge(ｉ,j+1）+image（i,j-1））;
ｅnd
end
（2）分别利用Roｂeｒts、Pｒewｉtt与Sobel边缘检测算子，对原图像进行边缘检测,显
本次实验就是对图像进行锐化与边缘检测,通过这次实验,我对数字图像处理中图像得锐化与边缘检测有了更加深刻得了解.加深了图像锐化与边缘检测得原理，掌握了图像边缘检测得不同方法。学会了使用Lａplacian算子(二阶导数算子）实现图像锐化得程序编写；掌握了使用不同梯度算子(一阶导数算子)进行图像边缘检测得原理、方法。
实验报告
实验名称
实验三图像边缘检测
课程名称
数字图像处理
姓名
成绩
班级
学号
日期
地点
备注：
1、实验目得
(1）了解并掌握使用微分算子进行图像边缘检测得基本原理;
(2）编写程序使用Laplaciａn算子(二阶导数算子)实现图像锐化，进一步理解图像
锐化得实质；
（3)掌握使用不同梯度算子(一阶导数算子)进行图像边缘检测得原理、方法,根据
％采用拉普拉斯算子
ｇ1=ｉmａge；
a=１；
［x,ｙ]=size(iｍage）;
foｒ ｉ＝２:（x－1）
ｆｏｒj=2：（y—1)
ｇ1（i，j)=(１+4*a）*imagｅ（i，j）—a*（image（ｉ+1，j）+iｍagｅ（i-1，j）＋image（i,j＋1)＋imaｇe(i，j－1))；
end
实验结果分析各种算子得工作效果;
（4）总结实验过程(实验报告，左侧装订）:方案、编程、调试、结果、分析、结论。
2、实验环境
(1）Winｄｏws ＸＰ/７
(2）Maｔｌａb ７、1/7、14
３、实验方法
本次实验要求对２56×２56大小，２56级灰度得数字图像ｌena、img进行处理。
（1)对该图像进行锐化处理,要求采用Laｐlacｉaｎ算子进行锐化，分１与２两种情况，按如下不同情况进行处理：
fcloｓｅ（fｉd);
、读取图像后，对该图像得每一像素（不考虑图像得边界部分）进行遍历,根据公式①(公式①相当于做差分）对每一灰度进行计算,将所得得结果存入一矩阵ｇ１中（矩阵g1初始化为该图像得矩阵)，代码如下(仅以ɑ=1为例):
ｇ1=ｉｍａge;
ａ=１；
［ｘ，y]=ｓｉｚe（iｍaｇe)；
fｏrｉ＝２：(ｘ-1)
end
enｄ
4、实验结果分析
（1）、图像锐化
图像锐化结果如图a与图ｂ(注:图a为情况 结果;图b为情况 结果）：
图a
图b
由图a与图b对比可知，图像得锐化实质就就是原图像与梯度信息进行叠加,相对于原图像而言，图像得边缘信息得到了加强。由图b中不同ɑ值所得图像对比可知,ɑ越大，边界越清晰，同时对比图a中不同ɑ值所得图像可知，ɑ得大小决定梯度信息与原图像叠加时所占得比例.
ｅnd
subｐｌoｔ（22２)；
iｍｓｈow（uiｎｔ8(g1）,[］)；
ｔｉｔlｅ（'a=１时g1得图像’)；
g1＝ｉmage;
ａ=２;
［x，ｙ］=size（iｍage);
fｏr i＝2:(x－1）
for j=2：（ｙ—1）
g１（i，ｊ)=(1+4＊a）＊imaｇe（ｉ,j）－a＊（image（i+1,j)+imaｇe(i-1,ｊ）+image（i，j+1）＋image（i,j—1))；