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C#的模板算子法数字图像边缘检测技术分析与实现

边缘检测是图像处理中的重要内容,边缘是图像中灰度值不连续或突变的结果。边缘检测的方法有很多,本文仅就典型的模板算子法进行分析并对原Sobel算子、Prewitc算子边缘检测方向模板进行扩展,然后用C≠编程语言实现这些算法。     

基于改进Sobel算子的螺纹边缘检测

针对工业精密测量中螺纹边缘检测的问题,主要研究了基于Sobel算子的螺纹边缘的检测方法.结合螺纹模型的特点,在对图像进行灰度化和去噪等预处理的基础上,增加六个方向模板对Sobel算子进行改进.实验证明该方法有效解决了Sobel算子边缘检测时边缘过粗的问题,得到的边缘较细,定位精确,有利于提高测量精度.     

梳理齿片最优Sobel算子边缘检测算法研究

精梳机锯齿整体锡林所用梳理齿片的质量会直接影响精梳机的梳理效果。针对经典Sobel边缘检测算子存在图像边缘定位精度低和对噪声敏感等缺点,提出了一种最优Sobel算子边缘检测算法用于梳理齿片图像边缘检测。该算法在经典Sobel算子2个方向成像模板基础上增加6个方向成像模板以提高定位精度,同时通过最优阈值的选取使图像具有良好的抗噪性能。实验结果表明,该算法对梳理齿片图像边缘提取具有很好的检测精度,且抗噪能力和准确性都具有可行性和实用价值。     

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 ...     

整数阶滤波的分数阶Sobel算子的边缘检测算法

针对传统的整数阶微分图像边缘检测算子存在的边缘模糊不清、受噪声影响大等问题,该算法从改进传统的整数阶微分Sobel算子入手,以分数阶微分理论为基础推导出了分数阶微分Sobel算子,结合Sobel算子边缘检测方法,将整数阶微分Sobel算子作为滤波器与分数阶微分Sobel算子作卷积运算,改进了整数阶微分Sobel算子。整数阶微分滤波后的分数阶微分Sobel算子成功地解决了传统的边缘检测算子存在的准确性低、抗噪性差等问题。理论研究与实验结果表明,该边缘检测算子对图像的边缘细节特征刻画得更精细,抗噪性更强,优于常用的整数阶微分边缘检测算子,边缘检测效果很好。     

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。     

一种基于猫视皮层细胞机制的改进的Sobel算子

目前最常见的边缘检测算子是Sobel算子,但是它存在对非0°和非90°朝向的边缘检测时,其输出幅度不强、抗干扰和抗亮度变化弱的问题。通过仔细比较Sobel算子与猫（以及雪貂和猴）的初级视皮层的简单细胞对场景边缘检测原理的不同,提出了更接近于猫的初级视皮层中的简单细胞的工作机制的边缘检测算法——改进的Sobel算子。实验结果表明：改进的Sobel算子不仅保留了经典的Sobel算子的优点,而且提高了45°、135°朝向的边缘输出幅度,增强了抗干扰性和亮度适应性。     

基于双边缘检测的目标定位技术

为了提高目标定位的准确性,在传统的高斯差分边缘检测和Sobel算子边缘检测的基础上,提出将二者相结合的双边缘检测算法。对原始图像进行2次标准差不同的高斯模糊求高斯差分来代替原本边缘检测图像预处理中的高斯平滑过程;对实验结果较好的高斯差分参数,进行Sobel边缘检测并进行目标定位。实验结果表明,在算法时间开销增加较少的情况下,使用高斯差分算子与Sobel算子相结合进行边缘检测的结果优于Sobel算子单独检测,检测效果较好。     

基于FPGA的图像轮廓提取

文章采用4个不同方向的Sobel算子模板和阈值比较方法来解决经典Sobel算子的检测精度不高和易出现虚假轮廓的现象;详细介绍了在FPGA中利用Sobel算子对图像边沿进行检测,并最终通过图像二值化将图像轮廓提取出来的具体过程;使用Modesim9.0仿真,验证了FPGA中轮廓提取算法模块的功能正确性.     

实时视频图像的清晰度检测算法研究

针对实时视频图像的清晰度检测问题,提出了一种背景提取和Sobel算子清晰度检测相结合的方法.采用多帧图像叠加平均的方法获取背景图片,然后将边缘检测中经典的Sobel算子应用于视频图像清晰度检测.为提高评价值的精确度,计算模板由2个增加到4个.实验结果表明,此方法具有良好的检测效果,计算速率可以满足系统实时性的要求.     

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。     

一种钢水液面精确定位算法的研究

RH炼钢工艺中,控制钢水液面高度目前仍采用人工目测的方法,该方法存在一定的缺陷与不准确性。因此本文提出一种钢水液面精确定位算法,该算法采用数字图像处理技术,对图像边缘检测算子进行深入研究,引用一种改进型Sobel算子——8模板各向同性Sobel算子,它能够检测出8个方向的边缘,接着采用霍夫变换、曲线拟合对边缘做优化处理,以此检测出钢水液面的位置。实验研究表明,该算法能够准确检测出钢水液面的位置,为RH炼钢工艺的自动化发展提供重要的理论依据。     

基于改进的Sobel算子最大嫡图像分割研究

研究图像分割精度问题。针对传统的Sobel算子图像分割容易造成图像分割不清晰、对比度不明显、分割精度低等问题缺陷,提出一种改进的Sobel算子的二维最大墒数字图像分割方法。算法首先根据数字图像特征对图像进行初分割,然后应用Sobel算子检测出数字图像真正的边缘,将通过Sobel算法边缘检测获得的阂值应用到二维最大墒分割方法中。对数字图像目标和目标边缘分别使用不同的阂值进行分割,解决由于局部图像叠加而产生的分割不准确的问题。仿真实验表明,提出的算法对图像分割鲁棒性好,分割准确率高,是一种有效适用的算法。     

非整数步长的分数阶微分Sobel算子的应用

针对现有的分数阶边缘提取算子对于具有大量的平滑区域图像和丰富纹理图像的边缘检测精度较低的情况,对Gruwald-Letnikov（G-L）分数阶微分整数步长和传统的Sobel算子进行了相关的改进,并利用高斯加权的拉格朗日插值方法确定非整数点的灰度值,构造了一个新的分数阶微分掩模模板。理论研究与实验分析表明：该模型可用于检测含有丰富的纹理细节与大量的平滑区域的图像,且检测精度与清晰程度都有显著的提高。     

基于Sobel算子的金相图边缘提取新算法

针对传统Sobel算法存在定位不精确、提取边缘不连续等不足,提出在传统Sobel算子模板基础上增加了45°和135°两个模板,提高了边缘定位的精度;采用局部梯度均值作为阈值对梯度图像进行局部梯度筛选,然后进行边缘提取及细化。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、边缘连续性好、噪声少等优点,在金相图片处理中有一定的实用性。     

结合Canny算子的图像二值化方法

用Robert、Sobel、Prewitt、Laplacian、LoG和Canny算子,对图像进行了边缘检测实验,分析了边缘检测的结果,得出Canny边缘检测算子,是图像边缘检测的一种十分有效的方法。然后,根据图像的Canny算子边缘信息,将最佳全局阈值法与局部阈值自适应法在边缘信息的基础上融合起来,对图像进行了二值化处理。实验表明此算法在二值化图像时,能很好的保留图像的边缘信息。     

基于双边缘模板匹配的类圆颗粒检测

在各种不同应用场合,经常需要统计类圆颗粒数目,如工业领域的棒材计数、医学领域的细胞分割等,这些类圆颗粒通常形状并非十分规则,且有部分重叠。本文针对类圆堆叠颗粒的二值图像,提出了一种基于双边缘模板匹配的检测方法。首先利用粒度测量方法,得到类圆颗粒的估计半径,然后通过此半径构造一组边缘模板,同时使用Sobel算子将待检测的二值图像分别在两个方向上检测边缘,最后使用构造的模板对边缘进行匹配,并通过限制条件得到预期结果。实验表明,此方法可以有效检测此类颗粒,并且可以解决轻度堆叠、孔洞等影响。