matlab练习程序（Marr-Hildreth边缘检测）

以下是一个使用Marr-Hildreth算法实现边缘检测的Matlab程序：

% 读入图像
img = imread('lena.jpg');
% 转换为灰度图像
img = rgb2gray(img);
% 设定高斯核大小和标准差
sigma = 1.5;
kernel_size = 2 * ceil(3 * sigma) + 1;
% 创建高斯核
gaussian_kernel = fspecial('gaussian', kernel_size, sigma);
% 对图像进行高斯滤波
img_smoothed = conv2(double(img), gaussian_kernel, 'same');
% 设定Laplacian of Gaussian（LoG）核大小和标准差
sigma = 1.5;
kernel_size = 2 * ceil(3 * sigma) + 1;
% 创建LoG核
[x, y] = meshgrid(-floor(kernel_size/2):floor(kernel_size/2));
log_kernel = (-(x.^2 + y.^2)/(2*sigma^2)) .* exp(-(x.^2 + y.^2)/(2*sigma^2));
% 对图像进行LoG滤波
img_log = conv2(img_smoothed, log_kernel, 'same');
% 找到零交叉点并进行非极大值抑制
[nr, nc] = size(img_log);
output = zeros(nr, nc);
for i = 2:nr-1
    for j = 2:nc-1
        neighbors = [img_log(i-1, j-1), img_log(i-1, j), img_log(i-1, j+1), ...
                     img_log(i, j-1), img_log(i, j+1), ...
                     img_log(i+1, j-1), img_log(i+1, j), img_log(i+1, j+1)];
        max_val = max(neighbors);
        min_val = min(neighbors);
        if img_log(i, j) > 0
            if min_val < 0
                output(i, j) = 1;
            end
        elseif img_log(i, j) < 0
            if max_val > 0
                output(i, j) = 1;
            end
        end
    end
end
% 显示边缘检测结果
imshow(output);

这个程序会读入名为lena.jpg的图像，转换为灰度图像，然后使用Marr-Hildreth算法进行边缘检测，并显示结果。你可以根据自己的需要修改图像文件名、高斯核大小和标准差、LoG核大小和标准差等参数。