基于形态灰度边缘检测算法的一种改进

使用形态学的思想进行图像的边缘检测,提出了在一次形态处理中使用双结构元的一系列一般性形态边缘检测算子和抗噪型形态边缘检测算子的算法,并给出算子的性质。新算子在使用同一对结构元处理中既具有定位能力又具有细节保留功能,抗噪型算子能很好地检测出图像的单像素宽的边缘。     

一种基于数学形态学的灰度图像边缘检测算法

基于数学形态学的方法,利用形态运算膨胀、腐蚀、开、闭等变换以及它们的组合,该文提出了一种改进的形态学边缘检测算子,能够有效地检测出图像边缘,并保持边缘的平滑性.同时引入多尺度的概念,对形态结构元素尺度的大小进行调整,从而在噪声存在的条件下得到较理想的图像边缘.实验结果表明,与传统的边缘检测算子相比较,该算法抗噪性能良好,计算量较小,因此具有一定的实用性和可行性.     

基于HVS函数的图像边缘检测方法

针时传统边缘检测方法(gauss-laplace、kirsch、robert等)的不足，提出了基于HVS(human visual lsystem)函数的边缘检测方法．根据HVS函数的特点，对频域中HVS函数进行反傅立叶变换，将空间域中该函数的部分函数值作为特定的模板参数，并与原图像进行卷积来实现边缘检测．时比性实验结果表明，用该方法检测边缘精确度高，效果很好，尤其丢失的边缘细节信息很少。     

一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数摸不同的变化特征。提出了一种边缘检测方法。该方法通过对图像的小波变换域中由噪声引韦的小波变换系数摸进行处理,再利用小波变换系数模局部极大值来撮图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提娶出图像的边缘。     

一种基于模糊增强的图像边缘提取改进算法

分析了Pal的模糊边缘提取算法的缺陷，即图像增强区域单一、图像增强后造成低灰度信息的损失、没有做抑噪处理。并针对Pal的模糊增强算法的缺陷提出一种改进的基于模糊增强的边缘提取算法。通过定义新的隶属函数和一种新的模糊增强算法，结合图像平滑滤波处理进行图像边缘提取，有效地增强了边缘信息且抑制了噪声的干扰，并给出了该方法在图像边缘提取中的应用实例。     

一种基于逆Bilateral滤波的边缘提取方法

为了增强图像中边缘的响应,进而获得具有鲁棒性的边缘提取算法,提出了一种逆Bilateral滤波的图像预处理方法,将图像中的边缘很好地显现出来,在此基础上添加策略进行边缘提取.Bilateral滤波器能够进行边缘保持,鉴于其在低频和高频的良好响应,给出新的含义,构造逆Bilateral滤波器进行边缘增强处理,然后在梯度模图像上,采用自适应阈值获得和非最大抑制策略,提取图像中的边缘.实验证明,逆向思维的应用能够提高光照不一致的条件下的边缘提取效果,以及增强对噪声的低敏感性。     

一种基于Sobel算子的彩色图像边缘检测新算法

在研究灰度图像边缘检测方法的基础上,针对彩色图像的特点,提出了一种改进的Sobel算子边缘检测算法,并用MATLAB进行了仿真。仿真结果表明,直接利用Sobel算子对彩色图像进行边缘检测,得到的结果图像边缘比较模糊,而本文提出的改进算法,不但图像边缘比较清晰,而且还能有效降低图像的噪声,将Sobel算子边缘检测算法从灰度图像很好地移植到了彩色图像。     

图像小波边缘提取中阈值选取的一种自适应方法

文中对Ｍａｌｌａｔ的多尺度小波变换级提取算法中阈值的取了作了改进,提出了对整幅图像设置链平均幅度阈值的下限和锭长度阈值后,再采用矩形自适应法选取链平均幅度阈值来对局部有大值进行删取,在不同尺度上提取图像边缘,而后综合形成图像真正的边缘,实验表明,这种对链平均幅度阈值设定下限再采用矩阵选取阈值的方法,是一种更加有效的边缘提取方法。     

一种改进的基于小波变换图像边缘检测

由于存在噪声,采用经典算子的方法,图像的边缘检测效果不好.本文首先介绍了经典的边缘检测.然后,针对上述算法的缺陷,应用小波变换对图像边缘进行检测,能得到较好的边缘,但是去掉了一些模糊的、弱的边缘.鉴于此,提出改进的基于小波变换的边缘检测.通过实验结果的比较,证明了所用方法的有效性.     

基于数学形态学的边缘提取方法

论述了图像数学形态学基本方法及扁平结构元素在图像灰度均衡和噪声去除方面的原理,阐述基于图像细节的结构元素选取规则及对图像处理结果的影响,介绍了在医学图像处理中综合应用改进Sobel算子和图像数学形态学方法进行目标边缘的提取过程,提出一种根据图像区域灰度方差自动选取Sobel强度值的算法,并给出一种实用的实现方法和实例。     

一种基于模糊梯度算法的图像边缘检测方法

图像的边缘是图像最基本的特征.进行了图像分割、模板匹配和图像识别等方面的研究,无不例外都会使用到图像的边缘.对图像边缘检测方法中的模糊梯度算法进行了探讨,并提出了一种改进方法,得到了较好的检测效果.     

基于小波分析的图像边缘检测

介绍了图像边缘检测的一些传统算法和小波分析方法用于边缘检测的基本原理,给出了利用小波变换进行边缘检测的方法,通过与传统的图像边缘检测算法对比,显示了小波分析的多尺度算子在抗噪声和保留图像边缘的能力上有比较好的效果．     

边缘检测技术在角钢冲孔在线检测中的应用

在角钢冲孔的在线检测过程中,边缘检测是十分重要的一环,边缘检测的准确性将直接影响到后续的分析和装配精度。本文主要分析了Canny算子的特征,应用标准以及在角钢冲孔在线检测中的应用。通过中值滤波,二值化,边缘检测,边缘特征控制最终获得的冲孔边缘近似于标准冲孔,满足试验的要求。     

基于小波变换的边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起着非常重要的作用。本文在简要介绍小波变换的基础上,给出了小波变换的边缘检测理论。边缘检测采用3次B样条小波。实验证明,利用小波变换提取的图像边缘效果明显优于sobel、canny等传统的边缘检测方法。     

基于数学形态学的图像边缘提取方法

提出了一种基于数学形态学的灰度图像边缘提取方法,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Canny算子的白酒显微图像边缘提取

文章提出了一种改进的Canny算子和数学形态学相结合的白酒显微图像边缘检测方法。首先采用二维高斯函数的一阶偏导数同时构造x和y方向滤波器计算梯度幅值,然后通过四阈值边缘检测方法进行边缘定位,最后引入了数学形态学对边缘进行融合。实验仿真表明,该方法对酒分子结构边缘检测精度较准、抗噪性能良好,能有效的克服图像边缘模糊与断点,提高了边缘的连续性。     

基于模糊边缘检测的胸水癌细胞显微图像处理技术

针对胸水癌细胞显微图像人工检测工作量大,且过分依赖经验的状况,将图像处理技术用于癌细胞的检测分析中.在计算图像最佳阈值的基础上,应用模糊边缘检测法得到细胞的边缘,进而根据形态学知识对胸水癌细胞的形态特征进行描述.实验结果表明,通过将胸水癌细胞显微图像中诸如核质比、核分裂、核形状等特征提取出来作为诊断的依据,可提高诊断精确度和效率.     

改进的模糊竞争边缘检测方法

广义模糊增强的主要功能是增强图像的区域对比度,减少灰度层次;而具有竞争性质的模糊边缘检测方法希望待处理图像的区域对比度大.所以将广义模糊增强算法用于对图像作区域对比度增强处理,然后对增强后的图像再施以具有竞争性质的模糊边缘检测方法,便可以提高图像边缘的提取精度.