基于MATLAB的Sauvola与Niblack局部自适应图像边缘检测系统

资 源 简 介

本MATLAB项目实现了Sauvola与Niblack两种局部自适应阈值算法，通过滑动窗口动态计算图像各区域阈值，有效处理光照不均情况。系统支持灰度图像输入，输出高质量的二值化边缘检测结果，适用于复杂光照条件下的图像分析。

详 情 说 明

基于Sauvola与Niblack算法的局部自适应图像边缘检测系统

项目介绍

本项目实现了一个基于局部自适应阈值算法的图像边缘检测系统，主要集成了Sauvola和Niblack两种经典算法。系统通过滑动窗口技术对图像进行局部处理，能够有效应对光照不均、背景变化复杂的图像场景，产生高质量的二值化边缘检测结果。该系统特别适用于文档图像处理、工业检测等需要处理不均匀光照图像的领域。

功能特性

• 双算法支持：同步实现Sauvola和Niblack两种局部自适应阈值算法
• 参数可调：支持窗口大小、k值（两种算法）、R值（Sauvola算法）的灵活调整
• 自适应处理：通过滑动窗口计算局部阈值，动态适应图像不同区域的亮度变化
• 多格式输入：支持常见图像格式（JPG、PNG等）的灰度图像处理
• 结果可视化：提供二值化边缘图像、算法对比图和阈值分布热力图等多种输出
• 性能优化：采用高效的卷积操作实现滑动窗口计算，保证处理速度

使用方法

基本使用流程

1. 准备单通道灰度图像作为输入
2. 设置处理参数（可选，使用默认参数时可跳过）：

- 窗口大小（建议使用奇数，如15×15） - k值（控制阈值调整幅度，默认0.2） - R值（Sauvola算法专用，默认128）

1. 运行主程序进行边缘检测
2. 查看输出的二值化边缘图像
3. 分析算法性能对比结果（可选）
4. 观察阈值分布热力图了解局部阈值变化情况（可选）

参数配置说明

• 窗口大小：影响局部区域的范围，值越大适应能力越强但细节可能丢失
• k值：控制阈值与局部均值的偏差程度，影响边缘检测的灵敏度
• R值（Sauvola）：调整算法对局部标准差的敏感度，改善对比度适应性

系统要求

• MATLAB R2018a或更高版本
• Image Processing Toolbox图像处理工具箱
• 支持的操作系统：Windows/Linux/macOS
• 内存建议：4GB及以上（处理大图像时需更大内存）

文件说明

主程序文件实现了系统的核心处理流程，包括图像读取与预处理、参数设置与验证、两种局部自适应阈值算法的具体计算、滑动窗口的卷积操作实施、二值化结果生成以及多种可视化输出的创建。该文件整合了完整的边缘检测功能链，为用户提供一站式的图像处理解决方案。