共查询到10条相似文献,搜索用时 31 毫秒
1.
一种改进的Sobel算子边缘检测及细化算法 总被引:1,自引:0,他引:1
针对经典的Sobel算子存在的边缘定位精度不高和边缘提取较粗等缺点,对经典Sobel算法进行了改进:在原有的两个方向模板基础上增加了135°和45°2个方向模板,并通过非极小值抑制和邻域标准差叠加获取梯度图像,提高了边缘定位精度和增强边缘强度;对梯度图像在3×3邻域内采用梯度阈值结合边缘方向进行了边缘细化处理;实验证明,该算法不仅有效地解决了Sobel算法提取边缘过粗及定位不精确的问题,而且使图像边缘更连续、清晰. 相似文献
2.
基于改进Sobel算子的多仪表图像边缘检测算法 总被引:1,自引:1,他引:0
为了解决Sobel算子在多仪表图像检测中存在的边缘定位精度不高、提取边缘较粗以及对噪声敏感等缺点,提出了一种改进算法。首先在原有水平和垂直模板的基础上新增6个方向模板,提高了边缘定位精度,使其适用于纹理结构复杂的图像。然后根据图像的具体特征自适应确定阈值,有效去除图像的伪边缘。最后结合数学形态学的灰度腐蚀理论,对检测到的边缘进行细化处理。不仅能获得细化效果较好的边缘,同时可以有效的抑制噪声。实验结果表明:改进后的算法对图像噪声干扰有较强的抑制能力,提取的边缘定位准确、结构细腻。 相似文献
3.
《陕西理工学院学报(自然科学版)》2015,(1):37-41
为了更好的提取、增强图像边缘信息,提出了基于三阶差分运算的图像边缘检测算法,算法将三阶差分理论引入到边缘检测滤波器模板的设计中,通过三阶差分理论推导出滤波器模板系数,构造了水平、垂直、45°对角、135°对角4个方向的三阶差分滤波器模板,使用该模板与图像卷积运算实现图像边缘的提取和增强。实验结果表明,提出的三阶差分边缘检测算法对图像边缘和细节信息的增强效果优于传统一阶、二阶差分边缘检测算法。 相似文献
4.
《山东科技大学学报(自然科学版)》2016,(6)
为解决传统均值比(ratio of average,ROA)算子检测SAR(synthetic aperture radar,SAR)图像边缘时出现的受噪声影响大和边缘定位精度低等问题,结合平稳小波变换的优点,提出一种平稳小波去噪和改进ROA算法的SAR图像边缘检测方法。首先,利用平稳小波进行去噪预处理,减少相干斑噪声。然后,通过把传统ROA算子的4个检测方向增加为8个,以及利用非极值抑制进行边缘定位,在检测方向和定位精度两个方面改进ROA算法。实验结果表明,该方法的去噪性能和边缘检测效果较好。研究结论对传统ROA算法做了改进,使其更好地适用于SAR图像边缘检测。 相似文献
5.
6.
一种改进的基于Canny算子边缘检测算法 总被引:1,自引:0,他引:1
基于已改进的Canny算子, 用半像素插值方法将已改进的3×3模板扩展为5×5模板, 并利用归一化自相关最大值的方法判断边缘方向, 缓解了传统Canny算子由于噪声影响使检测效果有断边缘或假边缘的现象. 实验采用接受者操作特性曲线评价提出的算法性能. 结果表明, 与已有算法相比, 改进算法的检测效果有所提高, 可以精确边缘方向, 同时减小假边缘点出现的概率, 对线条边缘丰富的图像效果尤其显著. 相似文献
7.
8.
李永忠 《西北民族学院学报》1997,18(1):10-12
利用经典图像边缘检测模板的算子在8个方向模板之间的内在联系,提出了一种新的快速Kirsch算法。实验证明采用快速Kirsch算法可将对图像处理的速度提高到采用经典Kirsch算法所达到的运算速度的三倍以上。 相似文献
9.
在印刷图像的质量检测中,常用的技术手段是对印刷图像边缘特征信息进行提取。在算法检测中图像边缘更容易实现检测,可以通过图像的边缘信息判断图像的特征,从而更容易引起关注。论文通过对经典的Sobel算子增加检测模板的改进,将四个模板进行卷积得到边缘检测图,同时嵌入形态学高低帽变换算法增加检测图像边缘的细节和对比度,使改进的Sobel算子对图像边缘的检测得到优化,便于分析印刷图像的边缘信息。 相似文献
10.
《华中科技大学学报(自然科学版)》2010,(5)
为了满足计算机视觉标定与精密测量对图像边缘定位的高精度和抗噪声要求,提出一种基于正交Fourier-Mellin矩亚像素边缘检测的改进算法.首先,建立亚像素边缘理想模型,推导了新的Fourier-Mellin矩7×7模板,利用各级矩的卷积来提取边缘点细节特征.然后,根据幅值旋转不变性原理,通过分析图像边缘旋转至垂直方向后各阶次Fourier-Mellin矩之间的关系,得到被测点亚像素边缘的各级参数.再根据改进的边缘判据,利用其高阶矩的细节描述能力和低阶矩的噪声抑制能力,确定图像中实际边缘点的亚像素坐标.实验结果表明,改进算法具有更高的检测精度和更强的抗噪性能,对含噪直线和含噪曲线的定位精度可达0.07像素和0.10像素,更好地满足了图像边缘定位的稳定可靠、高精度测量要求. 相似文献