基于概率估计的Sobel算子医学图像边缘细化方法

针对存在大量噪声和目标边缘模糊的医学CT图像难以提取精确边缘的难点,提出边缘检测精确定位算法。该算法利用Sobel梯度图以及一阶微分期望阈值,从概率分布的方法进行定位估值,从而获得较高的定位精度。实验结果表明,本文算法比传统Sobel等算子对提取医学CT图像边缘更有效。     

基于Sobel和LoG相结合的边缘检测与细化方法

鉴于Sobel算子检测边缘较粗、定位不准确,以及LoG算子具有各向同性的特点且对边缘方向性信息检测不敏感,提出了Sobel算子与LoG算子相结合的边缘检测与细化方法。首先用水平、垂直、两个斜对角4个方向模板改进原Sobel算子两个方向模板,并用改进的Sobel算子对原图像进行边缘检测,得到粗边缘图像;然后使用LoG算子检测粗边缘图像的边缘;最后将两次边缘检测结果相减,达到边缘细化的目的。实验结果表明,该方法有效地解决了原Sobel算子检测边缘较粗的问题,得到的边缘较细;克服了LoG算子对方向性边缘信息不敏感的缺陷;且运算速度与传统LoG方法基本相当。     

改进的Sobel算子彩色图像边缘检测

为了解决传统灰度图像边缘检测中容易出现的边缘定位偏差、边缘丢失以及边缘不连续等问题,结合传统的Sobel梯度边缘检测方法和图像阈值分割技术,提出了一种改进的Sobel算子彩色图像边缘检测方法。通过对比试验结果表明,该方法可以有效地降低色彩边缘的误检率,一定程度上提高了边缘检测器的性能。     

基于改进的Sobel算子边缘检测算法

为了解决传统的Sobel算子算法存在的斜向方向不敏感问题,提出了一种改进的Sobel算法。该算法在Sobel算子的基础上,增加了45°和135° 2个方向模板,并且以斜向边缘为主重新分配了算子模板的权重。算法先将图像转换为灰度图像,然后用改进的Sobel算子得到梯度图像,再采用局部梯度阈值对梯度图像进行细化处理,最后结合斜向边缘方向域值进行二值化,得到边缘图像。仿真实验表明,与传统Sobel算法相比,该算法提高了检测精度,使得边缘细节更丰富、更连续。     

基于Sobel算子的图像边缘检测实验分析

本文首先介绍了数字图像处理传统边缘检测算子,然后详细描述了其中具有代表性的Sobel边缘检测算法的原理,并从模板遵循的原则和数学原理两个方面分析了Sobel算子的模板权值取定。实验结果表明,Sobel算子模板的关键权值取2时,边缘较细,定位精确,提高了边缘检测精度。     

灰阶边缘的细化

本文提出了一种改进了的灰阶图象Sobel边缘细化新方法,通过对灰阶边缘图多次Sobel边缘细化结果的叠加使边缘点的数值拔高、变陡,再通过灰阶边缘图中各3x3邻域内取数值最大的三个点作边缘,得到单点宽的边缘-其中后者也适用于其它边缘检测算子.此方法处理简单、效果明显,为从图象中提取模糊边缘和微弱边缘、提高定位精度,提供了一种有效的手段.     

基于Sobel算子图像边缘检测的MATLAB实现

边缘检测在数字图像处理中有着重要的应用。边缘是图像的最基本特征。该文利用Sobel算子对图像进行水平和垂直的边缘提取,并对图像进行MATLAB仿真比较,仿真实验表明,该方法对图像边缘的检测精度较高,抗噪声能力强,提高了图像边缘检测效果。     

基于数学形态学细化算法的图像边缘细化

为了解决Sobel算子在阈值选择不当的情况下易造成图像边缘丢失或产生伪边缘的问题,通过最大类间方差的方式选出合适的阈值;同时利用数学形态学细化算法对该边缘图像进行细化处理。实验结果显示,该方法在保持原有边缘图像特征信息的前提下,比传统Sobel算子得到了更好的结果。     

基于Sobel算子的人脸分割算法

本文提出了一种基于Sobel算子的人脸分割方法，该方法主要包括边缘提取，细化，对称性分析和人脸分割等几个主要步骤，试验结果表明该方法对于灰度图像是很有效的。     

结合Butterworth滤波和Sobel算子的图像边缘检测

针对Sobel算子检测边缘定位不准的问题,提出结合Butterworth高通滤波器和Sobel算子边缘检测的方法,有效地解决这一的问题。在VC 环境下编程实现该方法,实验结果验证了所提方法的有效性。     

基于八方向Sobel算子的边缘检测算法

针对传统图像边缘检测方法检测效果不理想的问题,提出一种基于八方向Sobel算子的边缘检测算法。采用0°、22.5°、45°、67.5°、90°、112.5°、135°、157.5° 8个方向的模板进行检测,能较好地检测出不同方向的边缘。在检测过程中,考虑到邻域内像素到中心像素距离不同,对中心像素的贡献不同,算法 根据该像素到中心像素欧氏距离对邻域内像素进行加权,使得距中心像素越近,其权值越大。实验表明,算法检测出的图像边缘较为完整,轮廓线清晰且连续性较好。     

基于Sobel的边缘检测方法

使用二种方法进行边缘检测。第一种方法为传统方法;第二种方法为新方法。第一种方法:先用Sobel算子做边缘检测,再用Ostu方法二值化边缘,最后用多像素边缘细化算法进行细化;第二种方法:先用Sobel算子做边缘检测,再用Sobel算子对边缘进行细化,最后用自适应的动态阈值计算方法进行二值化。结果表明:第二种方法在结果和时间上都要优于第一种方法。     

基于巴特沃斯滤波的改进型Sobel算子边缘检测

In order to solve the defects of single calculation direction, inaccurate positioning and poor edge connectivity in traditional Sobel operator image edge detection, this paper proposes an image edge detection algorithm that combines Butterworth high-pass fil- tering and improved Sobel operator, and uses the combination of the two techniques to perform edge detection and feature extraction on images. Firstly, the image is pre-processed by the Butterworth high-pass filter, then the improved Sobel operator that adds six - direction templates is used to the traditional Sobel operator for edge detection. Through experimental simulation, compared with the traditional algorithm, this algorithm has the following advantages: prominent edge, good connectivity, low sensitivity to noise, high positioning accuracy.     

基于改进的Sobel算子最大嫡图像分割研究

研究图像分割精度问题。针对传统的Sobel算子图像分割容易造成图像分割不清晰、对比度不明显、分割精度低等问题缺陷,提出一种改进的Sobel算子的二维最大墒数字图像分割方法。算法首先根据数字图像特征对图像进行初分割,然后应用Sobel算子检测出数字图像真正的边缘,将通过Sobel算法边缘检测获得的阂值应用到二维最大墒分割方法中。对数字图像目标和目标边缘分别使用不同的阂值进行分割,解决由于局部图像叠加而产生的分割不准确的问题。仿真实验表明,提出的算法对图像分割鲁棒性好,分割准确率高,是一种有效适用的算法。     

基于Otsu算法和Sobel算子的连接件图像边缘检测

着重研究基于机器视觉的薄片连接件检测系统中的图像边缘检测方法。该方法首先采用Otsu算法对CCD工业相机获取的连接件灰度图像进行阈值分割,然后再用Sobel算子进行边缘检测。整个流程采用MatLab进行仿真测试。测试结果表明,该方法改善了单一采用Sobel算子检测的准确性,能提高边缘检测的整体性能,检测精度较好,该方法是实用可行的。     

基于Sobel算子的自适应图像缩放算法

为了提高图像的缩放质量,提出一种自适应图像缩放算法。当原图像像素点处于边缘区域时,沿Sobel算子确定的边缘方向进行自适应插值,当原图像像素点处于非边缘区域时,采用双线性插值法进行插值。实验结果表明,Sobel算子可有效获得图像边缘特性,该算法能通过较低的运算复杂度获得较好的图像缩放质量。     

基于Sobel算子的图像边缘检测及其实现

Sobel算子是图像边缘检测中常用的方法之一,利用像素的左、右、上、下邻域的灰度加权算法,根据在边缘点处达到极值这一原理进行边缘检测。该方法不但产生较好的检测效果,而且对噪声具有平滑作用,可以提供较为精确的边缘方向信息。本文提供了利用Sobel算子实现灰度图像边缘检测的C 源程序。     

基于一阶微分算子的玻璃碎片检测与识别

边缘检测是图像处理、计算机视觉中的基础内容,也是至今仍未得到圆满解决的一类。目前图像处理大多数都是针对数字图像,本文对数字图像中几种具有代表性的边缘检测算法进行了理论分析,设计了一个边缘检测演示系统,主要包括图像文件管理、图像边缘检测等功能模块。本文主要做了以下工作：第一部分,介绍边缘检测的基础;第二部分,分析设计边缘检测演示系统;主要是开发工具的介绍和详细设计过程;第三部分,本次设计的收获和展望。     

基于一阶微分算子的玻璃碎片检测与识别

边缘检测是图像处理、计算机视觉中的基础内容,也是至今仍未得到圆满解决的一类.目前图像处理大多数都是针对数字图像,本文对数字图像中几种具有代表性的边缘检测算法进行了理论分析,设计了一个边缘检测演示系统,主要包括图像文件管理、图像边缘检测等功能模块.本文主要做了以下工作:第一部分,介绍边缘检测的基础;第二部分,分析设计边缘检测演示系统;主要是开发工具的介绍和详细设计过程;第三部分,本次设计的收获和展望.