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.     

一种基于Robinson理论的自适应边缘检测算法

针对Robinson算法运算速度慢,且需要人为指定阈值等问题,提出了一种Robinson自适应边缘检测算法。利用Robinson基本原理,删除了一些算法模板,根据待检测像素周围的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,这样既保留了原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。同时,针对Robinson算法边缘检测相对粗糙、边缘细化算法效率较低的问题,分析和改进了原有边缘细化算法,改进算法先对含有噪声的图像进行边缘检测,过滤了伪边缘,再对图像边缘进行细化,从而得到单像素边缘。实验结果说明了所提算法的性能。     

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.     

Canny思想和Kirsch算法相结合的边缘检测算法

Canny算子是一种含有最优化思想的算子,它具有较高的检测精度,但对噪声比较敏感,因此需要利用Gauss函数进行去噪;Kirsch算子具有抑制噪声的能力,但是检测到的边缘不是单像素的.文章首先分析了原Canny算子判断非极大值抑制条件存在的问题,然后提出了新的判断非极大值抑制的条件,将Canny算子的思想与Kirsch算子相结合进行边缘检测.数据分析和实验结果说明了该算法不仅可以有效地抑制噪声,还可以得到单像素边缘.     

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.     

一种改进的基于梯度的自适应边缘检测算法

对常见的边缘检测算法进行改进,从梯度的定义出发,提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边缘处像素灰度值的差异,将模版中的9个像素分两组进行分析,计算出像素的梯度幅度和梯度方向.按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

自适应双阈值Canny算子的图像边缘检测

为解决Canny算子进行图像边缘检测中双阈值的求取需要人工设定的问题,提出了自适应双阈值算法,这样可以针对不同图像实现双阈值的自适应提取,再通过控制技术明确边缘像素,使应用Canny算子检测图像边缘成为现实。经仿真实验表明本算法是有效的。     

基于惯性原理的图像边缘检测技术

针对Canny算法对噪声比较敏感,检测到的边缘不够光滑,且需要人为指定高、低阈值等问题,提出了一种自适应Canny边缘检测算法。首先,利用Canny算子的基本原理,提出了一种计算梯度的新方法;然后,根据图像梯度信息自适应地生成高、低阈值;最后,根据惯性原理进行边缘跟踪,使边缘更光滑。实验结果表明:该算法不仅能够根据图像梯度信息自适应地生成高、低阈值,还保留了原Canny算法的定位准确的优点,对噪声还具有一定的抑制作用。     

陶瓷基片检测中Robert边缘细化算法

陶瓷基片检测中为了对亚像素进行精确定位,需要对基片图像进行灰度边缘细化.为了得到保留信息的细化灰度边缘,对边缘细化算法进行了研究,提出了Robert边缘细化算法.先对基片图像进行均值滤波,然后用Robert算子进行两次边缘检测,最后将两次检测结果进行减法运算得到边缘细化的陶瓷基片图像.实验表明,该算法可以得到允许范围内的单像素连通的细边缘,保留边缘灰度信息,为下一步对图像进行亚像素细分,提高测量精度打下良好的基础.     

一种引导滤波自适应双阈值优化边缘检测算法

边缘检测是图像处理的重要环节之一,传统的边缘检测主要包含基于模板匹配和基于图像梯度两类方法。为了克服模板匹配方法边缘信息丢失较多和图像梯度方法易受图像噪声影响的缺点,该文给出了一种引导滤波自适应双阈值并改进Kirsch算子的优化边缘检测算法。针对图像局部信息特征,在图像的不同边缘位置动态生成引导滤波函数,从而保持和增强边缘的效果;同时对Kirsch算子复杂的运算量进行简化,根据图像边缘区域自适应地选择两个阈值,二者有效结合可大幅提高边缘检测算法的准确度和运算效率。实验结果表明,与传统边缘检测Kirsch算法和Sobel算法相比,该文算法的边缘定位和运算速度较优,能检测出精细的真实边缘,对图像的处理速度是传统算法的4倍以上。