**您好，我使用 k mean 方法检测边缘，这是我的结果，如图所示，但我想获得更准确的结果，所以我需要加强我的边缘检测更多您建议使用哪些方法this is the results I have and I want to enhance it as points M,N and P ** ??
【问题讨论】：
标签： algorithm matlab image-processing
不确定您的整个方法是什么。当您说要在图像上实施 k-means 时，不确定您的意思。如果您的意思是 k-means 聚类，那么我不知道您为什么要使用它进行边缘检测。
也许下次在你的问题中添加一些代码，它确实让你更容易和更有价值的回答，因为也许回答的人也可以从你的努力中学到东西。 通常，平淡无奇的问题会导致平淡无奇的答案。
也就是说，我对 Matlab 中的图像处理情有独钟（我的硕士论文非常依赖它），所以我会“鸟瞰”我的建议你试试看。
首先，考虑查看 Matlab 图像处理工具箱的文档。有大量示例说明如何实现已经内置的各种边缘检测算法和过滤器。您的回答可能是老实人的复制/粘贴。
图像边缘略微像素化。如果您使用某种结构元素来检测边缘，请将其尺寸最小化以提高检测的准确性（大多数 Matlab 图像处理函数都有执行此操作的参数）。如果这没有帮助，请尝试不同的结构元素模式。
在处理图像之前简单地对图像进行二值化可以改善您的结果。如果不是直接的，则通过在二值化图像上组合各种过滤器的结果。
关于在 Matlab 中从图像中提取坐标。同样，Matlab 具有用于在有据可查的绘图上查找坐标的内置函数。您可以在边缘检测步骤中或之后通过分析检测到的全部线找到顶点的坐标。
如果你想要的只是积分。为什么不用ImageJ或Fiji之类的图像分析软件呢？它被用于微生物学、显微镜和图像分析的大量学术研究。
嗯，我的全文本答案是针对你的全文本问题。下次包含您的相关代码和解决方案的更多详细信息。
祝你好运！
【讨论】：