004subplot133imshowBW2titlePrewitt算子（T004）运行结果：
阈值默认T取004阈值越小，检测出的边缘越丰富
24LoG（laplacia
ofgaussia
）算子边缘检测Iimreadeighttif
ffiguresubplot131imshowItitle原始图像BW1edgeIlog0003subplot132imshowBW1titleLoG算子sigma2BW2edgeIlog0003220subplot133imshowBW2titleLoG算子sigma220运行结果：
T0003，sigma默认2T0003，sigma220
25Ca
y算子边缘检测
Iimreadeighttif
figuresubplot131
imshowI
title原始图像
BW1edgeIca
y
sigma默认1
subplot132
imshowBW1
titleca
y算子sigma1
BW2edgeIca
y00401013T取004010sigma13
subplot133
imshowBW2
ftitleca
y算子sigma13运行结果：
结论：
Roberts算子定位比较精确，但由于不包括平滑，所以对噪声比较敏感。该算子对具有陡峭边缘且噪声低的图像效果较好。
Prewitt算子和Sobel算子都是一阶的微分算子，而前者是平均滤波，后者是加权平均滤波且检测的图像边缘可能大于2个像素。这两者对灰度渐变低噪声的图像有较好的检测效果，但是对于混合多复杂噪声的图像，处理效果就不理想了。
LOG滤波器中的正比于低通滤波器的宽度，越大，平滑作用越显著，去除噪声越好，但图像的细节也损失越大，边缘精度也就越低。所以在边缘定位精度和消除噪声级间存在着矛盾，应该根据具体问题对噪声水平和边缘点定位精度要求适当选取。而且LOG方法没有解决如何组织不同尺度滤波器输出的边缘图为单一的、正确的边缘图的具体方法。
Ca
y方法则以一阶导数为基础来判断边缘点。它是一阶传统微分中检测阶跃型边缘效果最好的算子之一。它比Roberts算子、Sobel算子和Prewitt算子极小值算法的去噪能力都要强，但它也容易平滑掉一些边缘信息。
二、编写程序完成不同锐化方法的图像锐化的算法并进行比较，得出结论。1、微分
11基于一阶微分的图像锐化梯度法Imapimreadeighttifsubplot221imshowImaptitle原始图像
fIdoubleIIXIYgradie
tIGMsqrtIXIXIYIYOUT1GMsubplot222imshowOUT1maptitle梯度值图像OUT2IJfi
dGM15OUT2JGMJsubplot223imshowOUT2maptitle加阈值的梯度值图像OUT3IJfi
dGM20OUT5J200Qfi
dGM20OUT5Q20subplot224imshowOUT2maptitle二值图像运行结果：
返回梯度值直接梯度值输出加阈梯度值输出
二值图像
f2、高通滤波法
21理想高通滤波（IHPF）
I1imreadeighttif
读取图像
I2im2doubleI1
figuresubplot121
imshowI2titr