Matlab实现五种边缘检测与Otsu图像分割算法

1. 边缘检测与图像分割技术概述

在计算机视觉和数字图像处理领域，边缘检测和图像分割是两项基础而关键的技术。边缘检测用于识别图像中亮度或颜色发生剧烈变化的区域，这些区域通常对应着物体的边界。而图像分割则是将图像划分为若干具有特定意义的区域，为后续的图像分析和理解奠定基础。

Matlab作为一款强大的科学计算软件，提供了丰富的图像处理工具箱，使得这些算法的实现变得高效而直观。本文将深入探讨五种经典的边缘检测算法（Roberts、Prewitt、Sobel、Marr-Hildreth和Canny）以及Otsu图像分割方法，并提供完整的Matlab实现代码。

提示：在实际应用中，边缘检测往往是图像分割的前置步骤，两者结合使用可以获得更好的分割效果。

2. 边缘检测算法原理与实现

2.1 基于一阶导数的边缘检测器

2.1.1 Roberts算子

Roberts算子是最早的边缘检测算子之一，它通过局部差分来检测边缘。其核心思想是利用对角方向的两个2×2模板来计算梯度：

code复制Gx = [1  0]
     [0 -1]

Gy = [0  1]
     [-1 0]

Matlab实现代码如下：

matlab复制function [edge_img] = roberts_edge_detection(img)
    % 转换为灰度图像
    if size(img,3)==3
        img = rgb2gray(img);
    end
    
    % Roberts算子模板
    roberts_x = [1 0; 0 -1];
    roberts_y = [0 1; -1 0];
    
    % 卷积运算
    gx = imfilter(double(img), roberts_x, 'replicate');
    gy = imfilter(double(img), roberts_y, 'replicate');
    
    % 计算梯度幅值
    edge_img = sqrt(gx.^2 + gy.^2);
    
    % 归一化
    edge_img = edge_img/max(edge_img(:));
end

Roberts算子计算简单，对噪声敏感，适合处理边缘陡峭且噪声较小的图像。

2.1.2 Prewitt算子

Prewitt算子使用3×3的卷积核，考虑了更多邻域信息，比Roberts算子抗噪性更好：

code复制Gx = [-1 0 1]
     [-1 0 1]
     [-1 0 1]

Gy = [-1 -1 -1]
     [ 0  0  0]
     [ 1  1  1]

Matlab实现：

matlab复制function [edge_img] = prewitt_edge_detection(img)
    if size(img,3)==3
        img = rgb2gray(img);
    end
    
    prewitt_x = [-1 0 1; -1 0 1; -1 0 1];
    prewitt_y = [-1 -1 -1; 0 0 0; 1 1 1];
    
    gx = imfilter(double(img), prewi