小波变换在医学图像边缘检测中的应用

边缘检测是医学图像处理中的一项基本内容.正确提取医学图像的边缘特征,无论对于描述目标还是解释图像都是十分关键的.由于小波变换具有良好的局部特性和多分辨率的特点,将基于小波变换的边缘检测方法应用于医学图像的边缘提取.实验结果表明,该方法不仅能有效地检测图像边缘,并且对噪声有良好的鲁棒性.     

基于图像处理的零件参数检测研究

介绍了一种依据图像处理技术检测机械零件参数的测量方法。以面阵CCD为图像传感器,通过图像采集卡将机械零件的二维图像输入到计算机中。在对原始输入图像进行直方图校正和边缘保持滤波处理后,对得到的较为平滑的零件图像进行边缘检测,利用最小二乘法进行边缘拟合,获得图像边缘的亚象素表示,并据此计算出零件的各参数值。此种测量方法非常适合于微小、易形变等接触测量难以准确测量的机械零件的参数检测,具有广阔的应用前景。     

微内孔图像处理中检测算子的对比研究

采用经典的边缘检测算子对微内孔图像进行了分析,借助C++编程获取了6种算子的微内孔边缘图像.基于图像处理技术实现了微内孔的检测.通过分析检测结果,总结了各检测算子的优劣,为其它孔类零件检测方法的选择提供了参考依据.     

基于FPGA的图像处理系统

针对目前采用通用计算机、多CPU并行、DSP等方法实现实时图像处理的不足,研究了一种基于FPGA的图像处理系统,由图像采集和图像处理基本算法两部分组成.图像采集选用OV7670图像传感器,其内部集成了传感器及图像处理单元,可以直接输出数字信号给FPGA.图像处理选用Altera公司的Cyclone II系列的FPGA芯片,在芯片上完成了图像采集的控制,模拟了I2 C总线协议,通过设计FPGA的内部逻辑实现了图像灰度化、中值滤波、边缘检测等图像处理基本算法,使处理速度远远快于软件方法.仿真结果显示:该系统实现了实时图像的快速采集和处理,最高能达到30帧/s,并且分辨率为640×480.     

微小零件图像处理与分析方法的精度、稳定性和效率

对于微小零件的尺寸检测 ,传统方法是通过工具显微镜观察放大图像进行手工测量 ,它的缺点是精度不足、稳定性差、效率低。因此本文提出在工具显微镜上采用“图像处理与分析”方法 ,这种方法不仅可以检测微小零件的尺寸精度 ,还可以检测其形位误差。文中对检测过程中的测量精度、稳定性和效率进行了分析和论证 ,并通过与传统方法的比较验证了“图像处理与分析”方法的新颖性、先进性和实用性     

基于LIP的多通道图像边缘检测研究

由于弱光照图像的成像特点,使得普通的边缘检测的算法难以奏效。20世纪80年代中期由Jourlin和Pinoli提出的对数图像处理LIP模型颇具特色,该模型中的方法对低亮度图像敏感,并且对灰度有界图像的加法运算是封闭的,在边缘检测等方面有着其他方法所不具备的优点。文章基于灰度图像的对数图像处理LIP模型,建立了多通道图像的对数图像处理MLIP模型,并在此模型上进行了对微光图像边缘检测,其效果明显优于经典的Sobel算法。     

图像边缘检测经典算法研究综述

边缘检测是图像处理领域中的基本课题.本文就图像边缘检测的具体内容及几种传统的图像边缘检测方法进行了综述.分析了各种边缘检测算子的特点,并对它们的检测效果进行了分类比较.提出了该研究领域还存在的问题及发展趋势.     

基于MATLAB的数字图像增强处理系统设计与实现

本文以MATLAB软件的图形用户界面开发环境和图像处理工具箱为平台,设计了数字图像增强处理系统,可实现灰度变换、图像增强、模糊增强和边缘检测等图像处理方法,应用其设计图像处理系统可以激发学习图像处理知识的兴趣,大大提高学习效率。     

基于果蝇优化算法的零件图像边缘检测算法研究及应用

为实现零件图像的边缘检测,针对传统基于微分的边缘检测算法存在边缘点定位不准确、角点漏检等不足,提出一种基于果蝇优化算法(fruit fly optimization algorithm,FOA)的零件图像边缘检测算法.该算法首先通过Canny算子得到边缘点的先验知识,再利用希尔伯特变换提取角点信息,以边缘点和角点信息作为启发信息,建立基于FOA的零件图像边缘检测模型,最后通过随机平均移动机制和循环终止条件得到图像的单像素边缘.经实验验证,算法在无噪声边缘检测的条件下,相比传统的Canny算子,在零件图像检测的精度和准确性上有较大提升,可应用于工业零件的高精度无损检测.     

焊缝图像的分形模型

在焊接条件下,用工业摄像机获取的焊缝的实时图像中常含有各种干扰信息,导致传统的图像边缘检测的方法很难准确地检测出焊缝的边缘。为了提高焊缝实时图像处理的准确性,提出了宏观处理与微观检测相结合的思想。分形理论被引入了图像处理,建立了焊缝图像的分形数学模型,对其性质进行了讨论与证明。最后给出了图像综合处理的方法。这种图像处理思想不仅可用于焊接图像处理,对图像处理向智能处理方向发展也有重要的启发意义。     

一种基于数据融合和小波变换的图像边缘检测方法

论文提出利用数据融合和小波变换进行图像边缘检测的一种方法。此方法首先对同一地区的多谱段图像用小波变换进行融合预处理,然后直接采用小波变换系数动态地调整边缘判别的阈值,对融合图像进行边缘检测。试验结果表明,此方法不仅能有效地抑制噪声,而且对具有多种边缘特征的图像均有良好的适应性。     

形态学多结构元多尺度熵权边缘检测方法研究

数学形态学广泛应用于图像处理和模式识别领域.针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了基于形态学多结构元多尺度熵权边缘检测方法.首先利用形态学高低帽运算对原始图像进行增强处理,由形态学运算调整结构元素尺度,采用抗噪型算子进行边缘检测,依据边缘图像的信息熵确定权值进行融合,改进了数学形态学边缘检测算法.实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时,有很强的去除噪声能力.     

晶振字符自动检测系统的设计与实现

自动生产线上晶振字符自动检测实时图像处理系统,采用了中值滤波及去噪、有效区与背景分离、提取字符有效面积和Roberts边缘检测等处理方式,构成模板的基本要素,模板与待测晶振字符比较,判断产品是否合格,控制分拣器操作．     

基于CPU_MIC_GPU异构架构的Roberts算法优化探究

在高分辨率图像日益普及的情况下,Roberts边缘检测的处理速度急需进一步提高。在CPU表现不尽如人意的情况下,基于CPU/GPU和CPU/MIC的高度并行运算的研究愈加深入。在分析Roberts算法特点的基础上,将能并行的部分移植到GPU和MIC上进行。完成基于CPU/GPU和CPU/MIC的异构架构上的Roberts算法实现,并针对CPU/MIC上将程序进行向量化优化。实验结果表明,在相同单精度浮点运算能力下,GPU处理低分辨率图像的速度更快、加速比更高,但处理高分辨率图像时MIC的加速比最高为23.52,高于GPU的21.43。     

改进的图像距离变换方法在车道检测中应用

在边缘检测得到二值图像的基础上,提出了一种新的行方向距离变换方法,将其距离图像作为车道检测特征图像,并利用实验验证了行方向距离变换得到的距离图在处理非连续车道线时的有效性及相比于边缘图的优越性.结果表明,行方向距离变换方法不仅能够提供距离信息,而且在处理非连续车道线时能够尽量使其连续化,从而提高车道检测的效率和鲁棒性.     

基于机器视觉的金属罐内壁缺陷检测

对金属罐内壁质量检测进行研究,以Visual Studio 2010为开发平台研制了基于机器视觉的金属罐内壁缺陷检测系统,可实现对金属罐内壁缺陷的自动检测.针对金属罐内壁的特殊性,在图像采集时选择了合适的光源和相机;检测过程包括图像采集、图像处理、检测区域定位及缺陷检测;通过图像处理算法分别对金属罐罐口、内壁和焊缝3部分进行检测;并用多线程技术对检测速度进行优化.实验表明:对于选用的金属罐,缺陷检测系统的检测速度可达到600个/min,能够满足生产线的高速度需求.     

基于灰度不均匀图像边缘检测算法改进

边缘检测算法是图像处理中的一个重要的研究内容。该算法的好坏直接影响着图像处理的结果,常用的检测算法常常不能满足特定情况下的要求(例如实时跟踪下的图像处理)。本文在分析了灰度图像各种边缘检测算法的特性的基础上,根据具体需求,对灰度不均匀的图像边缘检测算法进行了改进。实验表明,在图像对比度较差的情况下,应用灰度变换增强后,配合相应的边缘检测算法,可以大大减少运算量,与原来的算法相比,能够取得较好的效果。     

Computer-Aided Detection System on Tangled Roller

Introduction Intheposttreatmentofchoppedfibreproduction,the thirddraftingrollerandtensionheat settingrolleroftenwere tangledbybrokentowforthereasonofhighspeed,hightemperatureofrollersurface,orotheradditionalforeign factors.While,thetworollerswerekeysegmentinthewhole technology.Itwouldleadtooneormoredrumcavedin,and eventobediscardediftheequipmenthadnotbeenstoppedintime.Usually,suchaccidentwouldbringgreatloss,what wouldnotbegotback.Sothetotalsetofequipmentrequiredthatdetectormusthavegoodperfo…     

基于线性CCD阵列的弹头轮廓误差测量

提出了一种运用CCD成像测量技术进行大型机械零件轮廓测量的图像测量方法，该方法利用CCD成像技术获得零件轮廓的图像，并使用Marr边缘检测算子精确确定零件轮廓的边缘位置，利用十一点曲率法得到轮廓的角点和切点的大致位置，并对轮廓分段识别。最后采用直线和任意曲线轮廓拟合的数学模型及误差评定方法，判断所测零件的轮廓度是否满足公差要求。该方法代替了传统的模板手工测量，测量效率高，实验表明，此方法达到了理想的测量结果。