一种改进的Canny边缘检测算法

针对Canny边缘检测算法存在的缺陷,提出了一种改进型Canny边缘检测算法。首先采用非线性扩散滤波减少了图像噪声,同时保持图像的边缘信息;在邻域梯度幅值计算中,考虑像素对角线方向的梯度,进一步抑制了噪声的影响;最后采用平均方差阈值法选取阈值,从而提高了对不同图像的自适应性。通过对实验图像的分析表明,该改进算法对含噪图像的边缘提取具有较好的检测精度和准确性。     

一种改进自适应阈值的 Ｃａｎｎｙ算法

针对传统Canny算法在滤波时无差别平滑降噪、边缘信息丢失及模糊的现象,且人工选取梯度高低阈值存在局限性的问题,提出了综合考虑图像位置信息与亮度信息的双边滤波代替传统高斯滤波方法,结合最优化阈值分割法和Otsu法分别计算出图像高低阈值,采用边缘信噪比SNR函数对比验证边缘检测效果。改进后的Canny算法有效提高了边缘完整性,且伪边缘更少,对图像中相对较弱的边缘部分也有良好的提取效果,改进后的算法具有更高的信噪比。采用工业机械臂视觉采集零件边缘为背景,实验结果表明,改进后的Canny算法可以有效保留真实边缘信息,边缘更加连续且完整。     

基于Canny理论的自适应阈值彩色图像边缘检测

传统的Canny边缘检测算法基于灰度图像,不能充分利用彩色图像的全部信息,且阈值需要人为设定,自动化程度不高.论文提出一种新的算法,基于彩色图像多通道融合技术,根据图像梯度直方图信息,对图像进行自适应阈值处理.将Canny灰度边缘检测算子扩展到彩色边缘检测,利用彩色图像各个通道自身的梯度直方图和梯度方差作为局部阈值,有效解决彩色图像各个通道之间的差别.实验结果表明,其能充分利用图像的颜色和梯度信息,提高边缘检测的准确性.     

结合Canny算法和Hough变换的轴类零件边缘提取

针对轴类零件的边缘提取存在易受噪声、表面质量和边界条件影响的缺点,提出了Canny边缘检测和Hough变换算法相结合的边缘提取方法。首先利用自适应中值滤波对图像去噪,在滤除图像噪声的同时保留了更多的图像边缘信息;然后在3×3的窗口模板内计算梯度幅值和方向,提高了算子的抗噪性能;再采用自适应双阈值算法求取高低阈值,实现边缘的检测和连接。最后利用Hough变换算法进行边缘拟合。实验结果表明,这种方法可以对不同直径的轴类零件图像进行边缘提取,能够获得比较完整而连续的边缘。     

基于改进 Canny 算子的锂电池极片表面缺陷检测

针对目前锂电池极片表面存在低对比度微小缺陷难以检测的问题,提出了一种基于改进Canny算子的锂电池极片表面缺陷检测方法。首先,使用双边滤波改善高斯滤波在降噪时可能造成的图像边缘模糊问题,并在此基础上引入多尺度细节增强算法来增强低对比度图像;其次,基于Sobel算子的3×3梯度模板计算极片图像的梯度幅值和梯度方向;最后,基于最大熵和Otsu算法自动获取图像的高、低阈值,通过逻辑与运算对两种算法阈值分割后的检测结果进行边缘融合,并利用形态学闭运算和细化算法修复不连续边缘,得到最终检测边缘。实验结果表明,传统Canny算子和Otsu-Canny算法难以有效检测不同类型的暗斑、露箔和划痕缺陷,而本文算法对这些缺陷均取得了较好的检测效果,能够在突出目标缺陷区域的同时,有效减少同色度背景噪声,正确检测率达98%,具有一定实用价值。     

一种改进的Pal和King模糊边缘检测算法

针对Pal和King提出的模糊边缘检测算法易导致图像灰度信息丢失这一缺陷,提出一种改进的图像模糊边缘检测算法.该算法首先通过阈值来定义一个新的隶属函数将原始图像映射到模糊特征平面;然后利用模糊增强处理来提高区域之间的层次,加强边缘两侧的对比度;最后根据一定的判别准则提取出图像的边缘.实验结果表明,采用改进的方法边缘检测质量显著提高,算法速度大大加快.新算法中具有唯一的参数且可以自动确定,保证了算法的自适应性.     

一种用于精密样板检测的边缘提取方法

为了能够快速有效地检测精密样板的廓形,基于Canny理论提出了一种边缘提取的方法,该方法在保持Canny算法优点的同时,通过修正高斯边缘滤波函数提高了边缘的定位精度,通过使用Sobel算子计算梯度消除了局部噪声的影响,通过使用一维线性插值计算梯度方向上点的梯度幅值,使用动态阀值进行图像分割,减少了Canny算法的空间复杂度和时间复杂度.实验证明该方法能够高效地提取单像素宽度的二维轮廓,如果使用高分辨率的工业摄像机拍照,就可以代替三坐标测量仪检测精密模板.     

高密度电子电路频谱图的边缘检测算法

在利用电磁扫描技术检测高密度电路板的组装质量时,为了识别频谱图中的异常频率点,需要检测和提取频谱图中频谱曲线.而频谱图中频谱曲线的检测和提取效果直接影响异常频率点检测的准确度.本文致力于电路板频谱图的边缘检测方法的研究,提出了多窗口Canny自适应阈值边缘检测算法,即通过对频谱图进行窗口划分,在窗口内采用改进的梯度幅值的计算方法和自适应阈值Canny检测算法,实现了对频谱图的边缘检测.理论分析和实验结果表明,本文所提出的算法准确度高,可以得到较好的边缘检测结果,为识别频谱图中的异常频率点提供了更精准的频谱边缘图像.     

改进Canny算法在码垛机器人视觉图像处理中的应用研究

针对实际应用过程中码垛机器人视觉图像处理易受车间光照不足、噪声干扰等因素影响的问题,对码垛机器人视觉系统视觉图像检测原理进行了研究。通过对比常用边缘检测算法的检测性能,提出了一种改进的Canny算法;通过改进梯度幅值的计算方法,提高了去噪效果和边缘定位精度,并通过双阈值的自适应提取的方法,实现了自适应设定阈值对图像进行边缘检测;通过实验,对边缘检测算法的检测效果进行了测试分析。研究结果表明:改进的Canny算法能有效克服光照不足、噪声干扰等因素影响,避免边缘检测过程中出现的断边和虚假边缘,其检测效果优于传统的Canny算法以及其他几种边缘检测方法。     

基于导向滤波Retinex和自适应Canny的图像边缘检测

机器视觉识别常用金属制品边缘时,表面亮度不均易导致边缘误识别,且传统的边缘检测算法去噪的同时也抑制了大量边缘信息,降低了边缘检测质量。本文提出一种基于导向滤波Retinex和自适应Canny的图像边缘检测算法。该算法采用基于导向滤波的Retinex法得到金属制品图像的反射分量,通过加权分布的自适应伽马校正提升反射分量图像对比度;然后,采用自适应各向异性扩散滤波对增强后图像进行去噪处理,抑制增强后图像的噪声及低对比度纹理,再采用改进四方向Sobel梯度模板提取图像边缘;最后沿用传统Canny算法的非极大值抑制及双阈值分割进一步细化边缘。实验结果表明,新算法检测典型金属小零件时,图像锐度指标由原图的47.11提升至68.39,金属表面的亮度标准差从原图的44.76下降至20.16;噪声指标从原图的1.1下降到0.15左右,并且在去噪的同时较好地保留了图像边缘锐度。新方法有效改善了金属表面图像因亮度不均导致的边缘误识别问题,并且提取的边缘连接性较好。     

亚像素理论在图像边界处理中的应用研究

图像分辨力大大低于胶片是数字图像处理的一大弱点,此弱点极大地限制了数字图像处理技术在精密测量等领域的应用。亚像素软件处理技术能弥补这一缺点。介绍了常用的亚像素处理技术,以及提高角度精确度和边缘检测的方法。     

基于视觉图像的机加工零部件亚像素边缘定位

首先介绍了LOG算子的快速定位方法以及二维理想图像边缘模型的空间矩亚像素细分算法的基本原理;在此基础上给出了符合实际图像采样的三级灰度图像边缘模型的空间矩算子,并推导了该算子的原理误差公式。最后利用试验对空间矩算子亚像素定位方法的有效性、精度进行了研究,并给出了该方法的亚像素定位与实测尺寸的对比结果。结果表明该方法比传统的边缘检测算子的边缘定位精度有较大提高。     

基于改进LOG算子的图像边缘检测方法

针对传统基于LOG算子的边缘检测算法中高斯系数σ不确定性的问题,提出了一种改进的LOG算子边缘检测方法,该算法通过引入极坐标参数θ,计算不同方向θ的1阶导数,并求得导数最大值所对应的θ,进而确定图像边缘点。研究结果表明,利用该改进算子对图像进行边缘检测时,边缘信息丰富,细节体现明显,伪边缘较少,相对传统LOG算子其具有更好的检测效果,同时与Prewitt算子、Canny算子等算法相比较,所提算法也具有明显的优越性。     

微分算子的频谱分析及其在零件边缘检测中的应用

为了预测微分算子边缘提取能达到的效果,从频域角度出发,分析了边缘检测中常用微分算子的频谱特性。提出了在使用和构造微分算子时,要充分考虑它们的频谱特性。不同的微分算子对不同边缘检测的敏感程度是不同的,因此对不同类型的边缘提取,应该采用对此类型边缘敏感的算子进行边缘提取。最后,通过对摩托车压铸模零件的CCD图像处理验证了频谱分析方法用于边缘检测算子选择的可靠性。     

基于Sobel细化算法的螺纹边缘检测

使用带衰减因子的Sobel算子对图像进行边缘检测,得到高亮显示的粗边缘,然后再次用Sobel算子二次检测图像,以2次所得图像的差作为细化结果,并结合图像分割算法确定阈值对图像进行二值化处理.     

数字图像几种边缘检测方法的比较分析

数字图像的边缘检测是数字图像处理的基本问题之一.就几种经典的图像边缘检测算子以及数学形态法进行了综述,并利用Canny算子以及数学形态法进行边缘检测,总结出相对比较好的图像边缘检测方法,为在实际应用中某些要求边缘宽度较细的检测场合提供了参考.     

边缘检测在产品外观检测中的应用

主要论述了边缘检测在电脑存储硬盘装配中的末段工序,模拟系统中产品外观检测方面的应用。分析了模板匹配、梯度等方面的算法。根据实际运用的需要。介绍了三种比较常用的边缘检测的方法。在实际运用中实现了产品外观检测的功能。     

基于Kirsch理论的彩色图像边缘检测

图像边缘是一种重要的视觉信息,是图像最基本的特征之一。所谓边缘是指图像中周围象素灰度有阶跃变化或屋顶变化的那些象素的集合。图像边缘化可以采用多种算子进行处理。例如Roberts算子、Sobel算子、Kirsch算子、Prewitt算子、Laplace算子和Canny算子等。这里采用的是Kirsch算子,它带有特定八方向边缘信息的图像增强模板。能对图形的八个方向作边缘提取．从检测结果中可以看出．基于Kirsch理论的彩色图像边缘检测能够较全面地提取边缘信息。这说明,用该方法检测彩色图像的边缘是有效的。     

水下药芯焊丝焊接焊缝图象的边缘检测

焊缝图象的边缘检测是视觉传感焊缝自动跟踪的重要部分,但目前在焊缝图象处理中使用的传统边缘检测方式存在局限性。本文采用一种新的边缘检测算子－Ｃａｎｎｙ算子,对水下药芯焊丝焊接焊缝图象进行了边缘检测,并用数学方法对其进行了分析。结果表明,Ｃａｎｎｙ算子在抗噪性能和边缘定位精度这两方面优于传统微分类边缘检测算子,是一种性能较全面的边缘检测算子,适合于水下药芯焊丝焊接焊缝图象的边缘检测。     

基于Shi-Tomasi的太赫兹人体图像边缘物体识别

为了提高太赫兹安检系统对人体图像边缘物体识别的准确率,提出了一种基于ShiTomasi算子的角点特征识别算法。首先对原始图像进行预处理,经二值化、腐蚀膨胀、边缘平滑后消除人体轮廓中孤立的噪声和边缘刺峰;然后将Shi-Tomasi算子筛选后的人体轮廓强角点与垂直方向阈值范围内的相邻角点连线,并根据连线两侧遍历像素变化点,最后通过比对背景侧数值实现人体边缘物体的识别。实验结果表明,该算法识别速度快,对人体边缘物体的识别率高于98%,能够应用于太赫兹人体图像边缘物体的识别。