彩色图像边缘检测算法

本文分析了常用的梯度算法,提出了针对灰度图像和彩色图像的改进思路,并编程实现这些算法。在RGB空间上实现的彩色图像边缘增强算法,可直接用于二值图像和灰度图像。改进后的算法简单易行,能有效地增强图像的边缘,具有较好的实用价值。     

彩色图像边缘检测方法的对比研究

本文对彩色图像边缘检测的多种方法进行分析与比较，包括经典算子的直接扩展、颜色空间变换方法、向量方法。并对颜色空间变换方法中的超复数空间变换方法提出了归一化的色差边缘检测算法。文中选取其中几种算法分别应用到人体的彩色切片数据，结果在文章的最后列出。     

不同彩色空间的彩色图像边缘检测研究

边缘信息是图像处理中的一种重要信息,通常的边缘检测研究是基于灰度图像的,然而彩色图像比灰度图像包含有更加丰富的边缘信息。彩色图像的边缘检测可以在不同的彩色空间中进行,目前大多数研究集中在RGB空间中。使用基于扩展的SUSAN边缘检测算子,将彩色图像在空间中的各分量分别进行边缘检测,对结果进行综合得到彩色图像的边缘检测结果,然后采用主观评价准则对若干不同的彩色空间中（包括RGB、YUV、YIQ、YCbCr、HSV、HSI）的试验结果进行了分析比较。试验结果表明,在HSV空间进行的边缘检测具有更好的性能。     

基于Prewitt算子的彩色图像边缘检测方法改进

使用灰度图像算法进行彩色图像边缘检测,会造成图像边缘漏检。针对这个问题,本文在输出融合法基础上,对Prewitt算子进行了改进,提出一种适用于彩色图像的边缘检测方法。实验表明,改进算法能有效检测彩色图像边缘。     

基于颜色三角形信息量的彩色图像边缘检测

提出了一种利用构造三角形面积变化来检测彩色图像边缘的方法,它能够充分利用彩色图像中各像素的各个彩色分量,将颜色的向量度量转化为标量度量。与传统的边缘检测算法相比,这种方法检测到的边缘比较清晰,能提高边缘检测的准确性。     

SUSAN边缘检测算法的设计与研究

提出了一种完全不涉及梯度运算、只基于周边像素灰度比较的SUSAN边缘检测算法。主要介绍了SUSAN算法的原理,并用MATLAB编程实现了该算法。在对噪声图像的边缘检测中,与其他传统经典检测算子进行比较,结果表明,该算法较传统的边缘检测算法更具优势,能够有效提高边缘定位精度,降低漏检率,使边缘更细致、光滑。     

基于HSI颜色空间的彩色图像边缘检测

为得到质量较高的彩色图像边缘信息,基于符合人眼视觉特性的 HSI颜色空间,提出一种新的彩色图像边缘检测算法。融合色度、饱和度和亮度分量得到新分量V,根据色度和饱和度的相关性改进色差度量方法,设计边缘生长方法以保证边缘连续性,结合4个分量的边缘信息得到最终边缘检测结果。实验结果表明,该算法可有效消除噪声影响,提高边缘信息的准确性。     

限制型自适应SUSAN边缘检测算法

对于边缘检测中传统SUSAN(smallest univalue segment assimilating nucleus)算法,固定门限会将非边缘点划入核值相似区(univalue segment assimilating nucleus, USAN),并经过单一阈值判断,非边缘点易被误判为边缘点,导致算法的低鲁棒性.针对此问题,提出了结合自适应门限算法和阈值选择策略的限制型自适应SUSAN算法.首先,分析SUSAN算法优缺点,根据USAN特点以及同异侧噪声容忍度范围设置阈值选择策略,减少误判并提高噪声鲁棒性;然后采用与USAN内像素值正相关的自适应门限算法,进一步增强边缘检测能力.在标准测试图像以及不同类型噪声的经典灰度图中实验结果表明,相比于传统SUSAN算法和Canny, Prewitt, Sobel, LoG, Roberts等边缘检测算法,该算法在客观图像评价指标FSIM值,PFOM值和准确率上均高于其他算法;而在主观视觉上,在无噪条件下能够更好地抑制纹理区域像素干扰,检测边缘更完整丰富.特别是在大量噪声干扰导致其他算法均失效的情况下,该算法在抑制噪声的同时,仍能有效地检测出图像边缘.     

向量空间的彩色图像边缘检测方法

彩色图像中邻近区域可能具有不同的色调但是具有相同的亮度。在彩色图像中明显的边缘在对应的灰度图像中不一定能够被检测出。该文提出一种自适应的基于主成分分析(principal components analysis,PCA)的彩色图像到灰度图像的边缘保存的转换方法,能够较好的保存彩色图像的边缘。使用Canny方法对转化的图像进行边缘检测。实验结果表明,该文方法能够得到较好的彩色图像边缘检测结果。     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上,对其进行改进。充分利用了彩色图像的颜色信息,将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子,同时采用滤波来抑制噪声以及非极大值抑制来细化边缘,算法简单易于实现。实验结果表明,算法能有效地提取出彩色图像的边缘信息。     

一种基于彩色图像边缘检测的道路检测方法

针对非结构化道路的特点,提出了一种基于色度差的边缘检测算法。算法将原始图像的RGB颜色空间转化为L*a*b*颜色空间,利用L*a*b*颜色空间中明度与色度分离的特点,通过对色度差的信息融合提取图像道路边缘,排除了大面积阴影、水渍对真实道路边界的干扰,有效地提高了道路识别的准确性。通过Hough变换提取出图像边缘得到道路边缘信息。实验表明,该算法的优点在于对道路形状不敏感,需要先验知识少,能够很好地过滤道路中存在的水渍、阴影等干扰。     

一种基于数学形态学与改进的SUSAN算子边缘提取快速算法

提出基于数学形态学和SUSAN算子的灰度图像边缘提取方法,同时对SUSAN算子进行了改进.该方法利用数学形态学开运算估计背景,将原始图像与背景进行几何运算,在处理后的图像上运用改进的SUSAN算子提取边缘,并进行了仿真实验.实验结果表明,该方法不仅具有较好的去噪和边缘提取能力,而且算法简单易于实现,运算速度快.     

基于边界提取和跟踪的石块检测方法研究

为了能部分解决基于视觉的石块识别问题,首先利用SUSAN算子对图像进行分割后利用边界跟踪算法进行滤波,确定出原始图像中可能存在石块的区域,对原始图像中该区域利用矩不变法进行分割以缩小可能的石块区域,然后利用Sobel算子对原图像中该区域进行处理,得到该区域梯度图像并对此进行分割和边界跟踪滤波,最后利用投影法确定出原始图像中的石块位置。试验结果表明该方法具有一定的环境适应性和较好的实时性。     

鲁棒的形态学彩色图像边缘检测算法

针对传统边缘检测算子对噪声敏感的缺点,提出一种新的基于数学形态学的彩色图像边缘检测算法。该算法在传统形态学边缘检测算子的基础上,通过综合形态膨胀和形态腐蚀,设计出一种多尺度、多结构元素的抗噪型边缘检测算子,利用新算子对R、G、B三个分量分别检测出图像的边缘分量,对三个边缘分量进行融合得到最终的彩色边缘信息。仿真实验表明,该方法得到的边缘轮廓清晰,边缘定位精度较高,比传统的边缘检测方法具有更好的噪声鲁棒性和边缘细节保护能力。     

简单的图像边缘检测和增强方法

针对灰度图像的边缘检测问题,不同于传统的或是流行的模糊图像处理方法,利用Matlab的滑动邻域块和Robert梯度算子相结合的方法提出了一种简单的灰度图像边缘检测思想,实验结果证明该方法能够快速且有效地检测出图像的边缘信息,为计算机进一步识别奠定了基础.同时,为了使图像的轮廓更加清晰,引入高斯型函数对结果再进行增强处理,并通过对高斯函数的两个参数的对比分析,获得了显著的增强图像边缘效果.     

带细节增强与降噪的真彩图像多尺度边缘检测

为了解决真彩图像降噪和边缘细节保留的问题,提出了使用一种软阈值方法进行细节增强与降噪的真彩图像多尺度边缘检测算法。使用小波多尺度真彩图像边缘检测算法得到不同尺度边缘图像,进而根据改进的软阈值滤波函数,对得到的边缘图像进行阈值选择,降噪的同时也增强了保留的边缘细节信息;最后对不同尺度边缘图像进行了加权二范数融合。实验证明,该算法能充分利用真彩图像的颜色和梯度信息,有效地抑制噪声,增强图像的细节信息。     

量子衍生图像边缘检测方法

利用量子比特表示图像像素的灰度,用双量子位叠加态来描述两像素之间的关联,通过线性厄米算符在该量子叠加态中的平均值来判断像素的边缘特征,由此建立了一种新的图像边缘检测方法,并从概率论的角度对该方法的合理性给予解释。理论和计算机仿真结果均表明该方法具有视觉补偿功能,能检测出图像中高亮度和低亮度区域的灰度微弱变化引起的边缘效应。     

图像边缘检测算法的对比分析

对一些常用的图像边缘检测算法进行简单的介绍,并通过实验对各种算法进行比较,分析了这些算子边缘检测的优缺点,以及导致它们差异的具体原因.这对于进一步学习和寻找更好的数字图像边缘检测方法具有实用意义.     

基于数学形态学的彩色噪声图像边缘检测算法*

针对已有的数学形态学边缘检测算法对彩色噪声图像检测到的彩色边缘信息不够完整、清晰,提出了一种基于HSI色彩空间的多尺度多结构元的数学形态学边缘检测算法,采用以尺度和结构两个单位元素进行横向和纵向的拓展,以面的形式对彩色噪声图像进行全面的边缘检测。基于这种理念分别对H和S两个携带颜色信息的分量进行边缘检测,最后将两分量的边缘信息通过加权合成得到彩色图像的彩色边缘。实验证明,该算法的去噪效果明显,得到的彩色边缘轮廓清晰、细节丰富,对彩色边缘的提取具有可行性和有效性。