//1---------------------------------------------------------------

Script:
I = imread('coins.png');
imshow(I)
sobel = edge(I,'sobel');
canny = edge(I,'canny');
zc = edge(I,'zerocross');
prewitt = edge(I,'prewitt');
log = edge(I,'log');
figure;
imshow(sobel);
title('Sobel');
figure;
imshow(canny);
title('Canny');
figure;
imshow(zc);
title('Zero Cross');
figure;
imshow(prewitt);
title('Prewitt');
figure;
imshow(log);
title('LOG');

Analisando visualmente podemos ver que os mtodos sobel e prewitt so os que

apresentam menos detalhes. Os mtodos zero cross e log apresentam resultados
parecidos, bem detalhados. O mtodo canny apresenta um resultado muito detalhado,
parecendo at detectar bordas no muito visveis na imagem original.

//2-----------------------------------------------------------
Script:
I = imread('coins.png');
imshow(I)
J = histeq(I);
figure;
imshow(J);
sobel1 = edge(J,'sobel');
canny1 = edge(J,'canny');
zc1 = edge(J,'zerocross');
prewitt1 = edge(J,'prewitt');
log1 = edge(J,'log');
figure;
imshow(sobel1);
title('Sobel1');
figure;
imshow(canny1);
title('Canny1');
figure;
imshow(zc1);
title('Zero Cross1');
figure;
imshow(prewitt1);
title('Prewitt1');
figure;
imshow(log1);
title('LOG1');
K = adapthisteq(I);
figure;
imshow(K);
sobel2 = edge(K,'sobel');
canny2 = edge(K,'canny');
zc2 = edge(K,'zerocross');
prewitt2 = edge(K,'prewitt');
log2 = edge(K,'log');
figure;
imshow(sobel2);
title('Sobel2');
figure;
imshow(canny2);

Analisando visualmente os resultados, com a equalizao de histograma comum,

podemos reparar que a mudana de contraste faz com que muitas bordas vindas somente
da iluminao sejam detectadas, principalmente pelo mtodo canny. Contudo pode se
ver uma melhoria na definio dos traos das moedas nos mtodos log e zero cross.
Os mtodos prewitt e sobel somente detectam as bordas das circunferncias das
moedas. Contudo, utilizando a equalizao ajustada, isto , que opera em pequenas
regies da imagem para ajustar o contraste. Todos os processos de deteces de
borda tiveram timos resultados com bordas bem definidas dos detalhes mais
importantes. Superando s outras deteces.

//3-------------------------------------------------------------
Script:
I = imread('coins.png');
imshow(I);
s1 = imgaussfilt(I,1);
figure;
imshow(s1);
s2 = imgaussfilt(I,2);
figure;
imshow(s2);
s3 = imgaussfilt(I,3);
figure;
imshow(s3);
sobel1 = edge(s1,'sobel');
canny1 = edge(s1,'canny');
zc1 = edge(s1,'zerocross');
prewitt1 = edge(s1,'prewitt');
log1 = edge(s1,'log');
figure;
imshow(sobel1);
title('Sobel1');
figure;
imshow(canny1);
title('Canny1');
figure;
imshow(zc1);
title('Zero Cross1');
figure;
imshow(prewitt1);
title('Prewitt1');
figure;
imshow(log1);
title('LOG1');
sobel2 = edge(s2,'sobel');
canny2 = edge(s2,'canny');
zc2 = edge(s2,'zerocross');
prewitt2 = edge(s2,'prewitt');
log2 = edge(s2,'log');
figure;
imshow(sobel2);
title('Sobel2');
figure;
imshow(canny2);
title('Canny2');
figure;
imshow(zc2);
title('Zero Cross2');
figure;
imshow(prewitt2);
title('Prewitt2');
figure;
imshow(log2);
title('LOG2');
sobel3 = edge(s3,'sobel');
canny3 = edge(s3,'canny');
zc3 = edge(s3,'zerocross');
prewitt3 = edge(s3,'prewitt');
log3 = edge(s3,'log');
figure;
imshow(sobel3);
title('Sobel3');
figure;
imshow(canny3);
title('Canny3');
figure;
imshow(zc3);
title('Zero Cross3');
figure;
imshow(prewitt3);
title('Prewitt3');
figure;
imshow(log3);
title('LOG3');

Analisando visualmente os resultados, podemos falar que quanto maior o sigma

utilizado, os programas de deteco de bordas iro conseguir indentificar menos
bordas. Isso devido a perda de foco e definico das imagens pela filtragem
gaussiana, que diminui o contraste entre os contornos das bordas.

//4-------------------------------------------------------------------------
Script:
I = imread('coins.png');
imshow(I);
background = imopen(I,strel('disk',15));
figure;
surf(double(background(1:8:end,1:8:end))),zlim([0 255]);
set(gca,'ydir','reverse');
I2 = I - background;
figure;
imshow(I2);
I3 = imadjust(I2);
figure;
imshow(I3);
bw = imbinarize(I3);
bw = bwareaopen(bw, 50);
figure;
imshow(bw);
cc = bwconncomp(bw, 4);
graindata = regionprops(cc, 'basic');
grain_areas = [graindata.Area];
[max_area, idx] = max(grain_areas)
figure;
histogram(grain_areas);