基于LOG算法的DSA图像边缘检测

在对心血管狭窄病人的治疗中，常常需要对病人心血管的狭窄情况进行准确评估，而数字减影血管造影技术（DSA）是血管疾病诊断，特别是介入治疗不可缺少的检查手段，如何准确提取DSA血管边缘对于血管狭窄率的测量具有非常重要的意义。针对DSA血管图像的特点，本文在分析传统的LOG（Laplacian-of-Gaussian algorithm）轮廓检测算法存在问题的基础上，进行了改进使其能正确地获得血管的边缘图像，同时利用改进的边界链码对血管边缘进行了分割图像的结构化，将跟踪结果用于血管狭窄率的测量。最后，基于改进的边缘检测算法，开发了血管边缘检测和狭窄率测量工具，取得了良好的检测效果。     

基于自适应滤波的改进Canny算子图像边缘检测

为解决图像的椒盐噪声污染,可以采用滤波算法滤掉椒盐噪声。滤波算法中最常用的是中值滤波算法,其对椒盐噪声几乎没有过滤效果。本文引用自适应中值滤波算法,通过MATLAB实现,应用Canny提出的边缘检测评价的指标对图像做出评价。自适应中值滤波算法对椒盐噪声的过滤效果较好。     

基于梯度算子的边缘检测方法的研究与改进

图像的边缘检测是图像处理和计算机视觉领域中最重要的技术之一,其算法的优劣影响整个视觉系统的好坏。研究了经典的基于梯度算子的边缘检测方法,并且将Sobel算子与Canny算子进行比较,根据它们各自的优点提出了一种新的算法,新算法既有一定的精度,也满足实时性要求。     

基于MATLAB的改进Canny算子的图像边缘检测研究

边缘检测是图像处理一个重要的环节,为了有效提取目标边缘,提出一种基于canny算法的改进算法,主要从两方面进行的改进,采用中值滤波代替高斯滤波对图像的噪声进行滤除和采用迭代法计算高低双阈值。实验的仿真结果很好地验证了改进算法的性能:在保留边缘信息的同时,很好地抑制了噪声的干扰,可以提高图像边缘检测效果。     

基于FPGA的Sobel算子图像边缘检测算法

系统基于Altera DE2-70开发平台,选用500万像素COMS摄像头进行图像采集,图像信息经Sobel算子图像边缘检测算法处理后由液晶显示器显示.算法采用了可编程宏功能模块与Verilog HDL语言相结合的方法实现,实验结果表明,基于FPGA的硬件系统能够很好的实现Sobel算子边缘检测算法,通过设置合适的梯度比较阀值,较为理想的提取图像边缘信息.     

基于MATLAB数字图像边缘检测算子的研究

边缘检测是数字图像处理中的重要内容,是图像数据分析、模式识别、计算机视觉等技术的基础。因此对边缘检测算子的研究具有重要的意义。主要研究了基于MATLAB的数字图像边缘检测算子,其研究对象主要是灰度图像,通过对图像边缘检测算子阈值、方差等因素的仿真分析比较,获得各算子的适用范围,以便更好地灵活运用。     

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。     

几种边缘检测算子的比较研究

主要对Gradient算子、Krisch算子、LoG算子等几种典型的图像边缘检测算法进行研究，分析了其原理和各自的优缺点，提出应根据实际需要来选择适当的算子。     

一种改进Canny算子芯片图像边缘检测方法

采用机器视角对芯片表面封装缺陷进行检测对提高芯片生产效率意义重大。该文对传统Canny算法进行详细分析后,根据采集到的芯片图像对比度低、容易受光照不均匀和噪声污染等信息影响的特点,对传统Canny算法进行了改进,提出一种新的芯片图像边缘检测方法。通过迭代双阈值最大类间差法取得最优阈值后,再开始边缘检测。在系统自带图像和采集到的缺陷芯片图像上对2种算法进行了对比实验。结果表明,新方法能去掉冗余信息,可准确提取芯片图像的缺陷轮廓,提高后续检测的准确性。     

几种边缘检测算子在半导体器件视觉检测中的应用分析

边缘检测是图像处理中的重要环节。针对半导体器件视觉检测中的实际需要,使用C语言编写处理程序,应用几种经典的边缘检测算子对一幅半导体图像的管脚区域进行检测,并对实验结果进行比较,结果表明,Prewitt算子能够快速的提取出边缘,满足实际需要。     

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。     

基于亚像素边缘的椭圆中心检测方法研究

在椭圆边缘粗定位的基础上,根据椭圆粗定位信息及图像边缘梯度方向附近点的灰度分布特征,进行高斯拟合获取精确的亚像素边缘点,对亚像素边缘点进行最小二乘拟合,得到精确的椭圆中心位置。实验证明,该算法对椭圆中心定位精度和稳定性有较大提高,并有很好的实时性。     

基于小波边缘检测的图像去噪方法

为得到轮廓清晰的小波去噪图像，提出了一种保护图像边缘信息的小波去噪方法。通过选取二维可分离小波对噪声图像进行导数平滑处理，测出小波系数的局部极大值点，即边缘点，在采用统一阈值对图像去噪的同时，对图像的边缘点做保留处理。实验证明，在加大阈值的情况下，此种方法仍保持了清晰的图像边缘，去噪后的图像峰值信噪比提高了1～2dB。     

基于边缘像元投影的微小轴承亚像素边缘检测

对于微小轴承的内径测量,基于机器视觉的非接触测量技术具有广阔的应用前景。针对轴承的边缘像素点,投影将感光像元划分成感光值不同的两个部分,像素单元的最终灰度值为投影两侧局部灰度统计值的面积加权平均值,取该像素的矩形邻域,并对其邻域灰度值进行高斯加权处理,将边缘投影按泰勒公式展开为二次曲线得到高精度亚像素边缘。针对微小轴承进行实验,将本文算法与基于直线拟合的方法进行比较,每毫米包括约217.18个像素,检测的圆度提高0.04%以上,标准差减少不少于7.27%,因此可更准确获取微小轴承内径的亚像素边缘。     

采用椭圆算法和Canny算子的超声TOF估计方法

椭圆算法被用于测量超声回波信号的渡越时间(TOF),以便估计目标的距离.然而,椭圆算法是将估计出的椭圆长轴位置对应的时间点作为TOF值,估计的目标距离值与实际距离值仍有一定误差.为了进一步提高椭圆算法的TOF估计精确度,将Canny边缘检测引入到椭圆算法中,结合回波脉冲包络的特征形成一种新的超声TOF估计方法.首先利用边缘检测算子提取出近似椭圆形的回波脉冲包络的边界,然后根据边界上点对应的信号幅度用差分方法搜索除起始点以外的梯度最大值位置对应的时间确定为TOF值.实验结果表明:改进后的椭圆算法测量绝对误差可以控制在1.5 mm以内,较传统方法相比至少提高0.5 mm.而相对误差达到0.2％,较传统方法提高了30％.改进后的椭圆算法的应用使得测量的准确性和可靠性均得到了明显提升.     

强噪声下自适应Canny算子边缘检测

针对传统Canny算子不能有效滤除图像在解码处理和传输过程产生的椒盐噪声、无法保留边缘细节的问题,提出强噪声下Canny算子图像边缘检测算法.依据椒盐噪声的极值性、灰度差值性,将像元点划分为噪声点、疑似噪声点;根据分类之后的像元点自适应地改变滤波器窗口的大小和权值,在降低噪声影响的同时能较好地保留图像细节.引入8个方向...     

基于多尺度融合技术的图像边缘检测

根据边缘检测离散准则,利用数值方法求出该准则下边缘检测的最优线性滤波器及对应的平滑算子,设计平滑滤波窗算子,将其与嵌入可信度方法相结合进行边缘检测;同时充分利用边缘信息的多尺度特性,根据小尺度下图像边缘细节信息丰富、边缘定位精度高,大尺度下图像边缘稳定、抗噪性好等特点,将检测到的多尺度边缘进行融合,得到精确的单像素宽边缘。实验结果表明,该方法不仅能准确检测出边缘图像,而且能有效地抑制噪声,是边缘检测的一种较好的实用方法。     

基于边缘算子和数学形态学的光纤面板暗影检测

暗影是光纤面板在生产过程中产生的一种疵病,根据光纤面板暗影透过率的梯度变化特征,讨论其对应图像的灰度变化特性,提出了利用经典边缘算子融合数学形态学检测光纤面板暗影的方法。首先采用Canny算子进行暗影边缘的初步检测,然后选择最优的数学形态学方法及结构元素,最后利用闭运算实现暗影边缘连接。实验结果表明,此方法能有效地检测出光纤面板中存在的暗影,检测效果清晰、完整。     

基于边缘检测小波变换的红外与可见光图像融合方法

简要地论述了图像融合中主要的三种像素级融合算法,即简单方法、基于塔形分解以及基于小波分解的融合方法,在现有的红外与可见光图像融合方法之上,提出了以边缘检测为基础的一种小波变换图像融合方法,并对融合效果进行了评价。实验结果表明,经该方法对红外与可见光图像的融合可以提供更多、更有效的信息,提高了图像的分辨效果和人眼对场景目标的发现和识别概率,融合效果较为理想。     

一种基于梯度和零交叉点的图像边缘检测新方法

本文提出了一种基于一阶导数局部极大值和二阶导数零交叉点的图像边缘检测方法。许多传统的边缘检测方法，尤其是一些基于二阶导数零交叉点的方法，对于信号中的噪声比较敏感使得边缘信息不能完全准确地检测出来，而本方法可以较好地解决这些问题。本文提出的算法是先计算出像素一阶导数的局部极大值以及二阶导数对应的零交叉点，将两者进行比较，删除那些二阶导数是零交叉点但一阶导数不是局部极大值的像素点，最后把剩下像素连接起来，即是图像边缘。实验研究结果表明该方法具有良好的边缘检测效果和鲁棒性。