基于Sobel算子的医学图像边缘检测研究

边缘检测是图像处理过程的关键技术.由于医学图像的特殊性,检测边缘的准确性对疾病的诊断和治疗有着重大的影响.针对传统Sobel算法存在定位不精确、提取边缘较粗等不足,提出了一种改进算法.算法在传统Sobel算子模板基础上增加了45°方向和135°方向两个模板,提高了边缘定位的精度,采取局部梯度均值作为阈值对初始梯度图像进行局部梯度筛选,局部弱边缘得到增强,然后对处理后梯度图像进行细化和提取,得到边缘图像.实验证明,算法获取的图像边缘与传统Sobel算法相比,具有定位准确、边连续性好和边缘较细等优点,在医学图像处理中具有一定的实用性.     

基于Gabor滤波器的Sobel算子图像边缘检测算法

Sobel算子对图像进行边缘检测时,只对垂直与水平方向敏感,使得一些边缘检测不到,从而限制了Sobel算子的检测性能。针对此问题,文中提出了一种基于Gabor滤波器的边缘检测算法,先对图像进行Gabor变换,找出不同方向上人眼敏感程度低的系数,再用Sobel算子对变换过的图像进行边缘检测,最后把此图像与直接用Sobel算子检测的图像相加。实验表明,该算法改善了Sobel算子检测方向单一的不足,包含较多的边缘信息。     

基于Gabor滤波器的Sobel算子图像边缘检测算法

Sobel算子对图像进行边缘检测时,只对垂直与水平方向敏感,使得一些边缘检测不到,从而限制了Sobel算子的检测性能.针对此问题,文中提出了一种基于Gabor滤波器的边缘检测算法,先对图像进行Gabor变换,找出不同方向上人眼敏感程度低的系数,再用Sobel算子对变换过的图像进行边缘检测,最后把此图像与直接用Sobel算子检测的图像相加.实验表明,该算法改善了Sobel算子检测方向单一的不足,包含较多的边缘信息.     

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法.该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像.最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果.     

基于Sobel算子的改进边缘检测算法

提出了一种基于Sobel算子改进的边缘检测算法。该算法在传统Sobel算子模板基础上增加了45°方向和135°方向两个模板,提高了边缘定位的精度。在计算图像梯度时结合了方向拆分法,将每个方向梯度与两个子方向半个模板对应的像素点之和分别求比值,选择最大者作为该方向的梯度值,然后将四个方向梯度的最大值作为窗口中心点的梯度,最后对梯度图像进行阈值分割和细化,得到边缘图像。实验证明,算法获取的图像边缘与传统Sobel算法相比,具有定位准确、图像边缘较细的优点。     

一种改进Sobel算子的热红外影像边缘检测方法

热红外影像特殊的成像机理和特点,使影像中存在大量的噪声导致边缘信息模糊难提取。基于传统Sobel算子提出了一种新的边缘检测方法。首先利用数学形态学中的不同尺度、不同结构元素对具有随机噪声的热红外影像进行形态学去噪,再用 Otsu 算法对去滤波后的影像进行全局阈值分割,最后利用Sobel算子对其进行边缘提取。基于MATLAB仿真实验,结果表明：与传统的Sobel算子相比,该方法不仅有较强的抗噪性,而且检测出的边缘外部轮廓与内部细节特征表达较好,边缘具有连续一致性,是一种简单、快速的边缘检测新方法。     

基于改进Sobel算子的车牌边缘检测算法

针对车牌识别中车牌的边缘信息在Sobel算子的检测下易受到图像采集环境的影响,阈值难以确定,不具有自适应性且对噪声的敏感度高这一特点,提出了一种采用基于二次搜索寻优的阈值选取策略算法,并得出了一套完整的Sobel对车牌边缘检测的算法.实测结果表明:该方法能够更好的解决Sobel算法中存在的由于阈值不自适应性导致边缘检测出现伪边缘点和粗糙点,增强了检测的实时性和鲁棒性.     

基于融合技术的图像边缘检测方法

提出一种融合柔性形态学方法与Sobel算子的边缘检测方法。利用全方位结构元素对图像进行重复柔性形态学处理，提高了运算速度并抑制了大量的噪声。建立相应的融合原则，对形态学运算获得的边缘和Sobel算子检测的边缘进行融合，得到清晰、连续的边缘图像。该方法对噪声具有很好的鲁棒性，处理含噪声图像能得到准确可靠的边缘检测结果。     

基于Sobel算子的数字图像边缘检测与FPGA实现

数字图象边缘检测通常受到处理器速度的限制,为解决这一问题,论文采用FPGA技术,对基于Sobel算子的数字图象边缘检测进行设计和实现.给出了硬件设计组成原理、主要程序代码设计方法.整个算法使用一片FPGA芯片Xilinx Spartan3 XC3S50-5PQ208设计集成.仿真研究结果表明该芯片能以134MHz的速度运行.通过对1024*1024像素大小的Tena图象实验,在7.8ms内获得了满意的边缘检测结果.     

基于Sobel算子边缘检测和数学形态学的车牌定位算法

随着智能化交通管理系统的飞速发展,对车牌的定位和识别提出了更高的要求,因此提出了一种结合边缘检测和数学形态学的车牌定位算法。采用Sobel算子进行边缘检测,经数学形态学处理得到连通的车牌候选区域,然后对其进行分析,实现车牌区域定位。实验结果表明,该方法能准确实现车牌定位,性能良好。     

基于Canny算子的红外图像边缘检测研究

在红外图像处理中,提出了尺度相乘的Canny边缘检测器,定义了尺度相乘函数,该函数是两个尺度检测滤波器响应的乘积.通过确定尺度相乘后的梯度图像,采用非最大值抑制方法得到边缘图像.实验结果表明,该算子提高了传统Canny检测算子的性能,具有良好的检测精度,在定位和噪声抑制两方面得到了较好的折中.     

基于Laplacian算子的图像边缘检测方法研究

在分析图像边缘特性及其Laplacian算子检测原理的基础上对经典Laplacian算子算法进行改进，以便能准确地检测出图像中的目标边缘，并利用该改进算法来检测彩色图像的边缘。     

基于改进sobel模板的灰色关联分析边缘检测算法

针对经典Sobel模板梯度方向信息不充分和抗噪能力较差的缺点,对其进行改进,并结合灰色关联分析方法,提出一种基于改进Sobel模板的灰色关联分析边缘检测新算法。该方法将经典的Sobel模板从2个方向的3×3阶的规则矩阵扩展成4个方向的不规则矩阵,利用改进的Sobel模板作为参考序列,通过灰色系统理论中的灰色关联分析进行边缘检测。实验结果表明该方法可以获得很好的边缘特性,并具有较强的抗噪能力。     

基于Sobel算子的多尺度边缘提取算法

文章分析了sobel算子的小波性质，借助于cascade算法的应用，将小波多尺度分辨特性与sobel算子相结合。利用尺度滤波，提出了在含噪图像中进行多尺度边缘快速提取算法，并通过实验验证了该方法的可行性。     

一种改进的Canny算子边缘检测算法

边缘是图像的基本特征之一,因此在图像处理中图像边缘检测是图像处理的一个重要部分。由于传统的Can-ny边缘检测算法是通过在2×2领域内求有限差分来计算梯度幅值的,易受噪声的影响,容易检测出孤立点和伪边缘。在基于传统的Canny边缘检测算法的基础上,采用3×3领域的梯度幅值计算方法,提高了边缘的定位精度,改善了对噪声的敏感性。实验结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度。     

一种基于自适应Canny算子的舰船红外图像边缘检测方法

提出了一种用于舰船红外图像边缘检测的自适应Canny算子边缘检测方法。先利用图像的局部最大标准差值为参考值设定高斯滤波尺度参数,然后采用基于梯度幅度直方图的类间方差最大法计算Canny算子的高低闽值,从而实现边缘的自动检测。实验结果表明,采用该方法检测出的舰船边缘清晰连续,噪声较少,优于传统的Canny算子边缘检测方法,并且具有很好的工程适用性。     

实时视频信号的Sobel边缘检测的FPGA实现

在实时视频信号处理中,由于边缘检测等图像处理算法的数据量大,系统采用FPGA+DSP的图像处理方案。利用FPGA可对数据并行处理的特点,在FPGA中实现数据量大、处理速度要求高,但算法结构简单的低层处理算法。文中介绍了在FPGA中实现Sobel边缘检测算法的方法,并提出了自适应阈值的处理方案。实验结果证明,FPGA能够对实时视频信号完成Sobel边缘检测,且自适应阈值模块保证了系统在环境亮度变化的情况下,得到良好的边缘检测效果。     

基于C-Canny算子与灰度空间的彩色图像边缘检测

提出了利用灰度图像边缘检测结果完成彩色图像边缘检测的算法,并对Canny算子进行了改进,在计算梯度幅值时采用了3×3邻域,改进后的Canny算子对噪声抑制效果明显,且检测边缘更加精细.采用了两种算法将彩色图像转换为灰度图像,利用C-Canny算子对转换后的灰度图像进行边缘检测,在灰度图像边缘检测结果基础上,完成彩色图像的边缘检测.经实际测试证明,该算法检测出的图像边缘连续性好,准确性高,对颜色数不多的彩色图像有较好的边缘检测结果.     

基于CP神经网络的边缘检测

边缘检测是图像分析识别必不可少的环节，是一种重要的图像预处理技术。虽然传统的算子算法对边缘的检测速度快，但其得到的往往是断续的，不完整的边缘信息，且这类检测方法对噪声比较敏感，在检测噪声污染图像时会得到许多虚假的边缘。利用CP神经网络对灰度图像的边缘进行检测，但考虑到神经网络训练量过大的问题，先利用传统算子对图像进行边缘处理，将处理后的图像做为神经网络的输入。实验结果表明，该方法得到的边缘图像边界封闭性好，具有较好的抗噪特点。