基于Sobel和LoG相结合的边缘检测与细化方法

鉴于Sobel算子检测边缘较粗、定位不准确,以及LoG算子具有各向同性的特点且对边缘方向性信息检测不敏感,提出了Sobel算子与LoG算子相结合的边缘检测与细化方法。首先用水平、垂直、两个斜对角4个方向模板改进原Sobel算子两个方向模板,并用改进的Sobel算子对原图像进行边缘检测,得到粗边缘图像;然后使用LoG算子检测粗边缘图像的边缘;最后将两次边缘检测结果相减,达到边缘细化的目的。实验结果表明,该方法有效地解决了原Sobel算子检测边缘较粗的问题,得到的边缘较细;克服了LoG算子对方向性边缘信息不敏感的缺陷;且运算速度与传统LoG方法基本相当。     

基于边缘检测的雨刷片测试图像特征提取

在现代图像处理中,Sobel算子和Hough变换是两种应用广泛的图像边缘检测技术。运用经典的Sobel算子和改进的Hough变换,对雨刷片工作后的水痕图像进行边缘检测和分析,有效地提取出了图像中的圆弧信息。实验表明,改进的算法在保证了检测精度的同时,减少了运算时间,为汽车生产商提供了评判雨刷片质量的依据。     

基于数学形态学细化算法的图像边缘细化

为了解决Sobel算子在阈值选择不当的情况下易造成图像边缘丢失或产生伪边缘的问题,通过最大类间方差的方式选出合适的阈值;同时利用数学形态学细化算法对该边缘图像进行细化处理。实验结果显示,该方法在保持原有边缘图像特征信息的前提下,比传统Sobel算子得到了更好的结果。     

基于概率估计的Sobel算子医学图像边缘细化方法

针对存在大量噪声和目标边缘模糊的医学CT图像难以提取精确边缘的难点,提出边缘检测精确定位算法。该算法利用Sobel梯度图以及一阶微分期望阈值,从概率分布的方法进行定位估值,从而获得较高的定位精度。实验结果表明,本文算法比传统Sobel等算子对提取医学CT图像边缘更有效。     

基于改进Sobel算子的边缘检测系统的设计与实现

边缘检测是图像处理及计算机视觉中的基本问题之一,而Sobel算子对于边缘检测来说,则是最重要的算子之一.针对传统Sobel算子的局限性以及PC端串行化处理图像的效率较低的问题,提出了一种改进的方法,首先将传统Sobel算子的模板方向由2个变为8个,充分利用图像中的像素点的方向信息,然后根据现场可编程门阵列(Field ...     

一种基于Sobel算子和灰色关联度的图像边缘检测方法

把灰色关联度与图像的边缘检测相结合,提出了一种利用Sobel算子作为参考序列,通过计算灰色关联度来检测图像边缘的新方法,并介绍了其原理和算法实现过程。仿真实验表明,该方法对图像边缘的检测精度较高,抗噪声能力强,提高了图像边缘检测效果。     

基于Java技术的法医图像边缘检测的研究

在医学图像中,在相对较小的区域内图像频率的陡峭变化反映了目标对象的边缘信息,基于Sobel算子的梯度向量操作对低噪声的医学图像的边缘提取效果较好,采用Java技术提供的JAI函数能轻松实现法医脾细胞图像的边缘检测,实验结果表明图像中的边缘能有效地被检测到.     

基于Sobel算子的人脸分割算法

本文提出了一种基于Sobel算子的人脸分割方法，该方法主要包括边缘提取，细化，对称性分析和人脸分割等几个主要步骤，试验结果表明该方法对于灰度图像是很有效的。     

基于matlab边缘提取的几种方法的比较

简要介绍了几个基于Matlab的图像轮廓提取技术，如roberts、sobel、Prewitt、Laplacian、canny等边缘检测算子，比较了这几个边缘检测算子的处理结果．     

一种骨科X线片的混合图像增强算法

为了改善骨科X线片的清晰度,增强其对比度,突出骨骼的细节及边缘,文中提出了一种有效的混合图像增强算法.该算法首先用拉普拉斯变换突出图像的细节,用梯度法突出其边缘,接着用平滑过的梯度图像掩蔽拉普拉斯图像,再经过二阶巴特沃思高通滤波和高频加强滤波后得到锐化图像,最后经过灰度变换得到最终的增强图像.实验结果表明该算法比传统的采用单一算法如灰度变换、直方图均衡化或对比度自适应直方图均衡化的效果更好.     

基于脉冲涡流热成像的表面缺陷实验研究

针对碳纤维增强复合材料、铁磁性材料、非铁磁性材料,采用脉冲涡流热成像技术对其表面裂纹进行了实验研究,由于红外热像仪采集到的红外热图像边缘信息模糊以及提取的信息不完整,提出了一种Sobel算子的优化算法,研究发现改进后的算法能够有效提高对裂纹缺陷的边缘识别能力,实现对裂纹缺陷的定性分析.研究了不同材料缺陷深度的温度分布规律以及涡流加热方式,并分析了感应加热后不同裂纹深度与温度响应曲线的关系,为裂纹缺陷的定量分析提供了理论依据.     

基于改进的Sobel算子边缘检测算法

为了解决传统的Sobel算子算法存在的斜向方向不敏感问题,提出了一种改进的Sobel算法。该算法在Sobel算子的基础上,增加了45°和135° 2个方向模板,并且以斜向边缘为主重新分配了算子模板的权重。算法先将图像转换为灰度图像,然后用改进的Sobel算子得到梯度图像,再采用局部梯度阈值对梯度图像进行细化处理,最后结合斜向边缘方向域值进行二值化,得到边缘图像。仿真实验表明,与传统Sobel算法相比,该算法提高了检测精度,使得边缘细节更丰富、更连续。     

基于Sobel算子的图像边缘检测实验分析

本文首先介绍了数字图像处理传统边缘检测算子,然后详细描述了其中具有代表性的Sobel边缘检测算法的原理,并从模板遵循的原则和数学原理两个方面分析了Sobel算子的模板权值取定。实验结果表明,Sobel算子模板的关键权值取2时,边缘较细,定位精确,提高了边缘检测精度。     

X线平片的骨折识别

给出了一种识别人体X线平片中骨折现象的方法。根据X线平片的特点,提出了一种结合高阶统计矩校验分割结果的局部阈值化方法分割骨骼影像。对分割后的图像采用数学形态学分别提取目标的边界与掩盖骨折区域的骨架。通过叠加目标边界图与掩盖图中提取的骨架图,得出骨折区域的精确位置,从而识别出X线平片中的骨折现象。     

基于matlab边缘提取的几种方法的比较

简要介绍了几个基于Matlab的图像轮廓提取技术,如roberts、sobel、prewitt、Laplacian、canny等边缘检测算子,比较了这几个边缘检测算子的处理结果.     

基于目标检测的手腕部X线片参照骨提取算法

在预测成年身高和诊断生长障碍时,骨龄是重要判断指标之一。参照骨的准确提取是保证骨龄评估准确性的关键。然而,现有的方法会导致部分参照骨的漏判和误判,从而降低14个参照骨的平均提取精度。基于优化的YOLO算法,结合可变卷积、坐标注意力、特征层扩展以及EIOU损失,提出了一种手腕部X光片参照骨提取方法,IM-YOLO。该方法可以更好地提取不规则参照骨的特征信息,提高小关节间隙区域的检测能力,将参与CHN法骨龄评估的14个参照骨准确地提取出来。实验结果表明,IM-YOLO算法检测速度快,精度高,所有参照骨的检测精度都达到99%以上,FPS指数为16。     

基于改进的Sobel算子边缘检测算法

为了解决传统的Sobel算子算法存在的斜向方向不敏感问题,提出了一种改进的Sobel算法。该算法在Sobel 算子基础上,增加了45°和135°2个方向模板,并且以斜向边缘为主重新分配了算子模板的权重。算法先将图像转换为灰度图像,然后用改进的Sobel算子得到梯度图像,再采用局部梯度阈值对梯度图像进行细化处理,最后结合斜向边缘方向域值进行二值化,得到边缘图像。仿真实验表明,与传统Sobel算法相比,该算法提高了检测精度,使得边缘细节更丰富、更连续。     

基于Sobel算子图像边缘检测的MATLAB实现

边缘检测在数字图像处理中有着重要的应用。边缘是图像的最基本特征。该文利用Sobel算子对图像进行水平和垂直的边缘提取,并对图像进行MATLAB仿真比较,仿真实验表明,该方法对图像边缘的检测精度较高,抗噪声能力强,提高了图像边缘检测效果。     

基于Sobel的边缘检测方法

使用二种方法进行边缘检测。第一种方法为传统方法;第二种方法为新方法。第一种方法:先用Sobel算子做边缘检测,再用Ostu方法二值化边缘,最后用多像素边缘细化算法进行细化;第二种方法:先用Sobel算子做边缘检测,再用Sobel算子对边缘进行细化,最后用自适应的动态阈值计算方法进行二值化。结果表明:第二种方法在结果和时间上都要优于第一种方法。     

基于术中X线片的髓内钉远端孔深度学习定位方法

通过深度特征提取与髓内钉孔轴线深度回归,基于术中2张不同角度X线片,提出一种精准定位髓内钉远端孔的方法.首先通过目标检测算法提取X线片中的髓内钉轮廓,使用深度神经网络预测远端孔轴线在二维成像平面中的投影;然后根据双平面相交的方法,初步确定远端孔的空间位姿;最后利用髓内钉轮廓信息,使用协方差矩阵自适应进化策略算法进行位姿迭代修正.将所提方法计算得到的远端孔轴线与真实远端孔轴线进行比较的实验结果表明,在模拟环境中,两轴线平均距离误差为0.34 mm,平均角度误差为0.35°;在临床环境中,两轴线平均距离误差为0.68 mm,平均角度误差为0.72°.该方法能够满足髓内钉手术中远端孔精准定位的临床需求,可有效地提高髓内钉远端锁钉术中定位效率.