基于动态结构元的药柱表面图像边缘检测

以某产品药柱表面图像边缘检测为例,提出了一种基于动态形态学结构元和SUSAN算子相结合的图像边缘检测算法.该算法采用动态形态学结构元得到梯度图像,根据梯度图像利用SUSAN算子进行边缘检测.采用动态形态学结构元得到的梯度图像服从统一分布,有利于边缘提取,克服了采用固定形态学结构元不能适应不同的梯度图像的不足.通过与so.bel和固定形态学结构元的边缘检测算子进行对比实验,实验结果表明,该方法具有较好的边缘提取能力,抗噪性能好,对药柱表面图像处理具有很好的实际应用价值.     

基于边缘检测算法的图像分割技术研究

基于边缘检测算法的图像分割技术是图像分析基础算法之一,在讨论边缘检测算法基本原理的基础上,在Matlab中实现了边缘检测算法,并对Sobel算子、Prewitt算子和Roberts算子在边缘检测中的效果进行了对比分析。     

基于多聚焦图像融合的小孔内表面缺陷检测

针对传统直径3 mm以下小孔内表面缺陷检测缺乏有效检测方法的问题,提出了一种新的基于显微光学与多聚焦图像融合的小孔内表面缺陷检测方法。首先在不同光照环境下,呈斜入射方式沿小孔轴线方向依次采集单侧孔壁的序列图像;然后通过前景光照下得到的掩膜模板提取孔壁图像的感兴趣区域（ROI）,并运用快速鲁棒性特征（SURF）算法实现ROI配准;进而采用基于区域清晰度的小波图像融合方法实现ROI多聚焦图像融合;最后以直径2 mm喷丝板导孔为实验对象,采用阈值分割算法提取导孔内表面的溶蚀斑进行检测分析。实验结果表明,该方法具有一定的可行性,避免了传统人工检测方法效率低的问题,同时打破了传统直径3 mm以下的小孔内表面检测方法不再适用的局限性。     

舰船红外图像边缘检测方法对比研究

为了对海上舰船红外图像进行分割和目标识别,首先具体分析了六种边缘检测算子Roberts算子、Prewitt算子、Sobel算子、Log算子、Kirsch算子、Canny算子的检测原理,给出了各种检测算子的计算模板。然后采用Roberts算子、Prewitt算子、Sobel算子、Log算子、Kirsch算子、Canny算子对舰船红外图像进行处理,分析比较各个检测算法的检测优缺点。最后用Matlab语言编程实现各种检测算法,通过Matlab软件进行仿真实验,用各种检测算法处理舰船红外图像,直观的给出各检测算子的舰船图像处理效果,并对处理结果进行了比较,得出了在噪声干扰下,Canny算子更容易处理舰船红外图像的结论。     

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.     

表面缺损的图像检测技术综述

表面缺损检测对保证产品的使用性能、完整性和安全性具有重要意义：本文将表面缺损类型总结为结构缺损、几何缺损、颜色缺损和纹理缺损等几类，并进行特征分析。在此基础上，从基于灰度特征、形态特征、色度特征和纹理特征等几方面对表面缺损的图像检测方法进行综述。最后，作出结论和展望。     

边缘检测算子研究及其在医学图像中的应用

阐述了边缘检测在医学图像处理中的重要作用,分析了几种常用算子(Roberts,Sobel,Prewitt,Laplacian,Canny)基本原理及算法实现,并对比各算子的优缺点,并用VC .NET工具编程实现出以上各种算子对一幅人体头部的MRI图进行边缘提取。对实验结果进行分析得出结论,各种不同的算子对同一幅图片进行边缘提取,会得到完全不同的结果,Canny算子检测出的边缘比一般微分算子更精确、更细,但也可能平滑掉一些有用的边缘。因此,在不同的条件下,应根据具体情况,选择最适合的边缘检测算子对图像进行处理,才能得到最佳效果。     

基于显微图像的航空发动机大磨损颗粒检测系统研究

根据航空发动机磨损监测要求,在综合考虑民用数码相机和数字摄像机各自优点的基础上,对普通光学显微镜的光路进行了改进,设计了谱片自动制作与磨粒图像自动采集的硬件系统;针对磨粒分析要求,重点研究了大磨损颗粒的图像融合方法。     

边缘检测算子研究及其在医学图像中的应用

阐述了边缘检测在医学图像处理中的重要作用，分析了几种常用算子（Roberts，Sobel，Prewitt，Laplacian，Canny）基本原理及算法实现，并对比各算子的优缺点，并用VC＋＋．NET工具编程实现出以上各种算子对一幅人体头部的MRI图进行边缘提取。对实验结果进行分析得出结论，各种不同的算子对同一幅图片进行边缘提取，会得到完全不同的结果，Canny算子检测出的边缘比一般微分算子更精确、更细，但也可能平滑掉一些有用的边缘。因此，在不同的条件下，应根据具体情况，选择最适合的边缘检测算子对图像进行处理，才能得到最佳效果。     

Delphi实现图像边缘检测

总结了计算机图像边缘检测的基本步骤和原理,分析了实现图像边缘检测三种基本边缘算子,给出了基于Delphi编程工具的图像边缘检测的实现方法。     

数字图像几种边缘检测算子检测比较分析

数字图像的边缘检测是数字图像处理基本问题之一,本文就数字图像的边缘检测的具体内容及常见的数字图像边缘检测方法进行了综述。分析了各种边缘检测算子的特点,以及在处理各种噪声时,对各种边缘检测算法的检测效果进行了分类比较。     

基于边缘差分的运动目标检测方法

针对视频序列中的运动目标检测问题,提出了一种新的基于边缘差分的运动目标检测方法.通过改进的边缘检测算法提取视频序列中相邻帧的边缘图像并作差分,采用改进的Otsu法对差分图像进行阈值分割,得到运动目标检测的结果.结合Prewitt算子和Sobel算子改进的边缘检测算法能够获取纹理丰富、细节显著的边缘图像,边缘差分结果更加理想;改进的Otsu法联合类内方差能够很好地抑制噪声,保留更多的纹理细节.实验结果表明,提出的方法能够提取更加完整的目标区域,对背景噪声更加鲁棒.与最近一些同类算法相比,在背景运动和光照变化条件下,该方法具有更加优越的运动目标检测性能.     

边缘检测算法在不同分辨率图像中的性能研究

边缘检测是图像处理、计算机视觉中的重要内容之一,是实现图像分割、特征提取和图像理解的基础。也是仍未得到圆满解决的研究课题;图像分辨率是衡量图像质量的重要参数,分辨率越高图像质量越好,存储空间也越大;重点讨论了数字图像边缘检测中常用的几种经典的边缘检测算法对图像在不同分辨率时的性能变化,以及图像在不同分辨率条件下加入噪声时的性能变化,分析了造成这些变化的主要原因;同时,通过实验得出了这些边缘检测算法的优缺点和一些经验性结论,以便在实际应用中更好地发挥它们的特长;实验证明,这些边缘检测算法对图像和加噪图像在不同分辨率下的性能及其变化存在明显的差异。     

一种基于投影算子的二值图像处理算法

二值图像的处理是图像内容分析领域的一个关键环节,处理效果严重影响图像分析的结果.以历史文档为处理对象,提出了基于投影的二值图像处理算法,通过对投影数组的处理实现灰度图像二值化阈值的合理选取、文档外边框的自动检测和图像污点的自动检测.实践证明该算法处理效果好,时间复杂度和空间复杂度低,是一种切实可行的好方法.     

用于图象边缘检测的拉普拉斯-多项式算子

将用于求解二阶导数的▽²算子与多项式局部曲面拟合相结合,构造了用于边缘检测的拉普拉斯-多项式（Laplacian of Polynomial：▽²P）算子．图象物体边缘定义为▽²P与图象卷积的过零点．证明了：采用正交多项式作为拟合基函数时,可用卷积方法实现局部曲面拟合,使得计算效率大大提高．     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容,讨论了经典的边缘检测算子算法,该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用,其基本原理是基于利用结构元素去探测图像;在讨论常见数学形态学梯度的基础上,提出了一种基于形态学梯度的图像边缘检测算法,应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明,该算法在含噪图像中能得到较为理想的图像边缘信息,其抗噪声性能明显地优于经典的算子检测算法,在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

基于Sobel算子的自适应图像缩放算法

为了提高图像的缩放质量,提出一种自适应图像缩放算法。当原图像像素点处于边缘区域时,沿Sobel算子确定的边缘方向进行自适应插值,当原图像像素点处于非边缘区域时,采用双线性插值法进行插值。实验结果表明,Sobel算子可有效获得图像边缘特性,该算法能通过较低的运算复杂度获得较好的图像缩放质量。     

一种基于梯度极值的边缘检测算法

分析了经典微分边缘检测算法存在的问题，提出了一种基于局部区域微分极值的边界检测算法，该算法的特点是在局部区域边界检测窗口内内直接提了以边界象素，分割的边界为真实边界，边界连续性好 ，适合于照度不均匀图象的分割。     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容，讨论了经典的边缘检测算子算法，该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用，其基本原理是基于利用结构元素去探测图像；在讨论常见数学形态学梯度的基础上，提出了一种基于形态学梯度的图像边缘检测算法，应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明，该算法在含噪图像中能得到较为理想的图像边缘信息，其抗噪声性能明显地优于经典的算子检测算法，在检测精度方面较经典的单一算子检测方法亦有一定的改善。