基于梯度二阶导数的Canny阈值自适应选取算法

图像边缘含有丰富的图像信息,对于很多视觉系统至关重要,比如目标检测与图像分割等。传统的Canny算子仅能用于灰度图像,无法有效利用彩色图像中的颜色信息;此外,该方法需要人为设定高低阈值,不能自适应提取图像边缘,进而造成背景边缘放大等问题。提出了一种基于Canny的自适应彩色图像边缘检测算法;该算法首先通过图像一阶直方图的统计特性,自适应地选取高斯滤波器的参数σ,有效去除了噪声;同时改善了σ参数设置不合理对边缘检测的影响。其次采用了基于图像梯度二阶导数的阈值选取的方法,即根据图像特性自适应选取合适的阈值。实验结果表明:算法能很好地改善传统Canny算子的缺陷,对于彩色图像的边缘信息提取能达到很好的效果。     

一种基于Canny算法的自适应边缘提取方法

分析了Canny边缘检测算法的性能,针对Canny算法的不足提出了一种改进检测方法。算法根据图像的梯度信息特征,用梯度的熵和标准差能自适应地调整高低阈值,提高了边缘检测的自动化程度。     

基于改进Canny算法的工件边缘检测方法

为了使区域模板匹配定位能够更准确地进行,需要机器视觉精准地检测出工件边缘信息,同时消除噪声、伪边缘等无关信息的干扰。针对采用Canny算法进行边缘检测时图像平滑处理过度、阈值需要预先确定、对无关信息消除能力较弱等缺点,提出一种基于改进Canny算法的工件边缘检测方法。采用双边滤波方法处理图像,以有效去除噪声并保留边缘信息;增加45°与135°方向的梯度模板计算梯度幅值,使更多的边缘信息能够检测出来;运用最大类间方差法来确定Canny算法的高阈值,使边缘检测算法具有较强的自适应能力。实验结果表明,改进的算法能够准确地检测到真实边缘,具备较强的自适应性,特别是对存在划痕的工件进行边缘检测时,此方法能够消除划痕干扰,其检测效果优于传统Canny算法。     

基于自适应Canny的红外图像边缘检测算法

针对Canny算法需要人工设定高斯方差值和双阈值,红外图像存在噪声大、边缘模糊等缺点,提出一种基于自适应Canny的红外图像边缘检测算法.该算法采用自适应中值滤波代替高斯滤波计算梯度的幅值和方向,对梯度的幅值在3×3邻域内进行非极大值抑制,并根据图像灰度使用Otsu算法,自适应获取高低阈值,用高低阈值算法检测和连接边缘.实验结果表明,该算法减小了均方误差,提高了峰值信噪比和平均结构相似度,能有效提取红外图像边缘.     

融合数学形态学滤波技术的边缘检测算法

传统的Canny边缘检测算法采用高斯滤波会导致图像过度光滑,在梯度幅值计算时仅考虑x方向和y方向会丢失掉重要的边缘信息.此外,采用双阈值法检测和连接边缘时易导致低强度边缘点和噪声点的混淆.针对传统Canny算法的不足,提出了融合数学形态学滤波技术改进的Canny边缘检测算法.融合数学形态学滤波技术对图像做滤波处理,在3×3窗口中心像素的4个方向确定像素点的梯度幅值,最后根据梯度方向的信息检测和连接边缘点.实验结果表明,该算法在对噪声有较高抑制能力的同时,边缘检测的准确性和完整性得到了有效提高.     

一种改进的Canny边缘检测自适应算法

针对传统Canny算子在高斯平滑时,对图像边缘区域的影响,以及需要预先设定高低阈值的缺点,本文作者提出了一种新的Canny边缘检测自适应算法.首先,该算法根据高斯滤波原理和特征统计分析的方法来自适应地选择滤波函数、滤波窗口;然后,对梯度的求解采取增强中间像素影响力的方法来提高边缘检测的精度;最后,结合非最大抑制后的梯度幅值图和阈值分割的差分理念,提出了一种新的自适应算法来选择高低阈值.实验结果表明,该方法能够得到较好的边缘检测效果.     

向量空间彩色图像的Canny边缘检测

针对Canny算法检测边缘的准确性,提出了基于Canny算法的彩色图像边缘检测方法.根据Canny算法的特性,用近似高斯函数的滤波器平滑图像;利用梯度模板计算图像的向量梯度及方向角,并依据方向角对梯度图像进行非极大值抑制;计算高、低两个阈值,基于8邻域连接边缘点.实验结果证明,该方法继承了canny的性能,并充分利用了彩色信患,能较好地检测出彩色图像边缘.     

一种改进的Canny边缘检测算法

图像中部分低强度边缘在梯度幅值特性上与噪声点十分相似,因此,传统Canny边缘检测算法在采用基于梯度幅值的双阈值法检测和连接边缘时,尽管抑制了噪声,但同时也损坏了部分低强度边缘.针对这一问题,提出了一种改进的Canny边缘检测算法,采用新的基于梯度方向的检测和连接方法取代了传统的双阈值法,充分利用了边缘点和噪声点在梯度方向特性上的差异,在抑制噪声的同时,有效保护了低强度边缘细节,具有优于传统Canny算法的性能.仿真研究也证明了该算法的有效性.     

利用贫富差距原理进行图像边缘检测

针对Robinson算法运算速度慢且需要人为指定闲值等问题,提出了一种Robinson自适应边缘检测算法.该算法利用Robinson基本原理删除了一些算法模板,根据计算贫富差距的原理得到像素的梯度值,从而可以进一步提高抑制噪声的能力.算法依据待检测像素周围3×3邻域的像素平均灰度值,结合人眼的视觉特征自适应地生成动态阈值,不仅保留了原Robinson算法可并行处理、能够抑制噪声等优点,还提高了运算速度和抑制噪声的能力.实验表明,所提算法在图像处理中能够自适应地生成动态阈值,提高图像的细节信息提取和噪声抑制的性能.     

一种Roberts自适应边缘检测方法

针对Roberts算法对噪声比较敏感且需要人为指定阈值等问题,提出了一种Roberts自适应边缘检测方法.利用Roberts算子的基本原理,扩充了检测方向,再根据待检像素周围的3×3像素邻域的平均像素灰度值,结合人眼视觉特征自适应地生成动态阈值,这样既保留了原Roberts算子的可并行处理、快速运算、边缘较细等优点,还对噪声有一定的抑制作用.同时,针对Roberts算法边缘检测相对粗糙、边缘细化效率较低的问题,分析和改进了原有边缘细化算法,即先对含有噪声的图像进行边缘检测,过滤其伪边缘,再对图像边缘进行细化处理,从而得到单像素边缘.实验比较表明,所提算法能够自适应地生成动态阈值,提高图像边缘细节信息的提取性能.