基于视觉图像的微小零件边缘检测算法研究

高精度的微小零件边缘检测中,传统边缘检测算法存在实际应用可操作性较差,检测结果难以达到精度要求等问题.为了提高边缘检测精度.提出了基于Soble算子的改进算法.该算法扩展了Sobel算子边缘检测的模板,并对扩展的梯度方向图进行了细化处理.而后在梯度图像上实现多项式插值亚像素细分,从而完成对目标边缘的精确定位.实验结果表明,该方法的定位精度为0.20 pixel.满足微小零件在实际检测的精度要求.     

图像的快速亚像素边缘检测方法

提出了一种新型的测量图像快速亚像素边缘检测方法。首先,利用标准的Sobel算子进行边缘点的粗定位,确定边缘点的像素级精度位置和边缘的方向;然后,沿边缘点的边缘方向拓展像素,得到长度为6的像素灰度值向量,将向量带人利用最小二乘曲线拟合方法得出的公式,求出边缘点的精确位置,从而能够实现亚像素边缘定位精度。实验证明：该方法的定位精度为0．1pixels,算法的运行时间为0．53s。     

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。     

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.     

一阶边缘检测算法的研究

在机器人视觉伺服控制系统中,用一阶边缘检测算法把目标物与图像背景分离出来,是实现目标物识别和定位的重要手段之一.在此,重点探讨和分析一些重要的一阶边缘检测算法的特点及其原理,用这些算法对车牌号码进行检测,通过分析它们最终的检测效果发现,坎尼边缘检测算子能够检测到真正的弱边缘,可以使边缘的线型的连接程度较好,能把带宽细化成只有一个像素点宽,并且具有较好的定位性能.把坎尼算法应用在机器视觉伺服中是一种较好的边缘检测方法.     

一种新的边缘检测算法

边缘检测是图像处理的一个重要环节.通过对现有经典边缘检测梯度算子--Sobel算子的分析,提出了一种具有普遍意义的边缘检测算子.文章根据新算子的构造机理以及大量的实验,验证了该算子的可行性,这里是对边缘检测算子的一种很好的补充.     

基于边缘检测的图像锐化算法

图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法。锐化的目标实质上是要增强原始图像的高频成分。常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声。为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法。实验结果表明,该方法有效地解决了图像锐化后的噪声问题。     

一种Sobel算子的抗噪型边缘检测算法

边缘检测在图像处理过程中占有重要的地位,Sobel算子是在数字图像边缘检测中常用的一种方法。经典Sobel算法简单、速度快,但也存在着边缘定位不精确、提取的边缘较粗、噪声干扰情况下抑制能力差等问题,针对这些问题,提出了一种抗噪声的Sobel边缘检测算法。算法先对图像采用多子窗口进行滤波,去除图像中存在的噪声;然后采用改进的Sobel算法对图像进行边缘检测,算法结合边缘方向计算梯度图像,并对梯度图像在3×3邻域内采用统计信息结合梯度阈值进行了2次边缘细化处理。与经典的Sobel算法及其他文献算法进行了对比试验,结果表明,该算法对噪声具有较强的抑制能力,在去除噪声的同时能够准确地检测出图像的边缘,而且得到的边缘更细,定位更精确。     

基于FPGA的实时彩色图像边缘检测算法的实现

针对传统的基于灰度图像的边缘检测算法抗噪能力弱、对方向敏感、获取边缘细节信息较粗等不足,本文通过分析彩色图像的特点,提出一种改进的Sobel算子与快速中值滤波相结合的彩色图像边缘检测算法,通过扩展边缘检测算子的方向模板,提高Sobel算子对纹理复杂图像的适应能力及抵抗噪声的能力。该改进算法在Altera DE2-70FPGA硬件开发平台上,应用Verilog HDL语言与Quartus II中的可编程宏功能模块实现。实验结果表明,该算法的处理只占用了约2%的系统硬件资源,资源占用相对合理,且图像边缘定位准确,抗噪能力强,能够实时有效地提取出彩色图像的边缘。     

一种基于Sobel算子梯度增强的边缘检测算法

针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足,提出了一种局部梯度增强的检测算法.算法采用改进的Sobel算子卷积模板计算图像梯度;然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度,最后对局部梯度增强的图像进行细化处理并提取图像边缘,得到边缘图像.实验结果表明,该算法获取的边缘图像边缘信息较丰富,连续性好,边缘较细,整体效果优于传统Sobel算法,具有较高的实用价值.     

基于CCS的图像边缘检测和提取设计

Matlab对数字图像的处理在工程化方面存在一定的不足。针对这一不足,利用硬件仿真平台CCS,采用数字图像灰度梯度最大值法、Sobel算子边缘检测算法对数字图像进行检测,实现了数字图像的边缘提取。实验表明,Sobel算子边缘检测算法对数字图像进行边缘检测和提取的效果比较理想,且为图像处理提供了一种硬件实现方法。     

基于Canny边缘检测的图像预处理优化算法

在图像的边缘检测算法中,Canny算法虽然可以大概勾勒出图片内图像的具体轮廓,但是一些不够清晰的轮廓可能会出现断开的现象,导致局部失真。文中对Canny算法进行进一步优化,采用抑制孤立的弱边缘方法实现边缘检测,图像内一些不太清晰的轮廓可以得以保存,相互连接,使得获得的图像边缘轮廓更加清晰,整体的感观效果更佳。文中给出优化方法并进行仿真验证了结果的有效性。     

基于Sobel的多方向算子模板边缘检测算法

针对传统Sobel算子存在的边缘检测方向性不强及提取边缘较粗等问题,提出了一种改进的多方向算子模板的边缘检测算法。算法增加了22.5°,45°,67.5°,112.5°,135°和157.5°六个方向算子模板,能够较好地检测出图像不同的方向边缘。模板权值根据中心像素点到邻域像素的距离及方向夹角的大小进行设定,充分考虑到了邻域内像素对中心点方向梯度的贡献大小;算法对梯度图像采用了改进的非极大值抑制方法进行细化,得到了较细的图像边缘。实验结果表明,与传统Sobel算法相比,该算法提取的边缘图像具有边缘方向性强且边缘较细的优点,具有较高的应用价值。     

基于视觉特性的Kirsch边缘检测算法

边缘是图像中最重要的信息之一,能够以较少数据量表达大量的图像信息。Kirsch算子有较好的检测效果及抗噪能力,但得到的边缘较粗,且阈值是一个不变值,自适应性差。针对以上问题,基于视觉特性理论提出了一种生成自适应阈值的方法,对已有的一种边缘细化算法提出了改进,获得了较好的效果。     

一种改进的Sobel自适应边缘检测的FPGA实现

针对经典Sobel边缘检测算法对噪声比较敏感而且需要人为指定阈值等问题,提出了一种Sobel自适应边缘检测方法。首先,对经典Sobel算法改进,增加了检测方向,根据待测像素背景灰度值和人眼视觉特性自适应地生成阈值,从而检测出与人的主观视觉更为一致的图像边缘,然后对边缘图像进行形态学处理,增强了算法的抗噪性。将改进的边缘检测算法在单片FPGA上实现,利用FPGA高速并行处理的优势,系统能够实时采集、检测图像边缘并显示高帧频高分辨率图像。