灰度图像边缘检测中的形态学方法

介绍了用形态学进行灰度图像边缘检测的算法,分析了其几何意义;用计算机实现了形态学方法对灰度图像的边缘检测,并与用传统的Ｌａｐｌａｃｅ算子、Ｓｌｂｅｌ算子进行边缘检测的结果进行了比较。     

一种基于灰度形态学的小波域边缘检测算法

根据灰度数学形态学良好的边缘检测特点以及小波的多分辨特性提出了一种效果更为良好的边缘检测算法.首先将待检测图像进行小波多尺度分解,得到了低频信息、中频信息和对角信息;然后对低频部分同时做膨胀和腐蚀边缘检测,并对得到的结果求其平均值;最后将得到的结果代替低频部分联合中频部分和对角细节部分做小波逆变换,得到边缘信息较强的图像,再做二值化操作即得到最后的边缘轮廓.最后选择一合适的模版对其进行细化.实验结果证明,这种检测结果比目前已经存在的检测算法效果好,而且使用简便.     

一种基于Soft形态学的图像边缘检测算法

概述了软数学形态学的基本原理及形态学在图像边缘检测中的应用.根据软形态学单调性、扩展性和反扩展性等基本理论,成功构造了一种新型软形态边缘检测算法,该算法具有较好的抗噪和边缘提取能力.对一幅加有椒盐噪声的灰度图像的仿真试验结果表明,该方法比传统的基于模板的图像边缘检测算法和标准形态学边缘检测算法具有更好的图像边缘提取效果.     

基于灰度形态学的高原鼠兔图像边缘检测

传统高原鼠兔图像边缘检测方法存在对噪声敏感、大量边缘细节被过滤、检测的边缘不连续、模糊等问题。为此,将基于数学形态学的边缘检测方法应用到高原鼠兔图像的边缘检测中。利用数学形态学的腐蚀和膨胀算法,构造适合高原鼠兔图像几何性质的结构元素,对图像进行检测。实验结果表明,该方法具有较好的边缘检测效果。     

多方向灰度形态学边缘检测算法

本文介绍了基于灰度形态学的多方向边缘检测算法.基于边缘的多方向特征,构造了多方向的结构元素,并将边缘检测的过程与形态学开闲滤波相结合,提出了一种新的边缘检测算法.该算法在较好地检测图像边缘的同时很好地抑制了噪声.     

基于灰度形态学的红细胞图像边缘检测

边缘包含了图像很多重要的信息,边缘检测的好坏也直接决定了后续处理的效果。在利用数学形态学进行边缘检测后,会出现不需要的边缘,形成噪声。针对这种情况,提出一种计算中心像素与邻域像素均方差的方法对形态学边缘检测算子进行改进,该方法可以有效减少噪声,为以后对红细胞图像进行特征提取和分类打下良好的基础。     

一种基于Soft形态学的图像边缘检测算法

概述了软数学形态学的基本原理及形态学在图像边缘检测中的应用.根据软形态学单调性、扩展性和反扩展性等基本理论,成功构造了一种新型软形态边缘检测算法,该算法具有较好的抗噪和边缘提取能力.对一幅加有椒盐噪声的灰度图像的仿真试验结果表明,该方法比传统的基于模板的图像边缘检测算法和标准形态学边缘检测算法具有更好的图像边缘提取效果.     

基于灰度形态学的图像边缘检测方法分析与研究

应用数学形态学进行非线性图像处理已经发展成为图像处理的一个主要研究领域.研究使用形态学运算及其边缘检测算子进行灰度图像的边缘检测,提出了一种有效保持图像细节的全方位多路边缘检测方法.并对所做的研究进行各种实验以检验其效果,结果表明使用改进的形态学方法能够较好地保持图像的细节和抑制噪声的影响,同时检测方法简单且易实现.     

基于改进形态学Top-Hat算子的图像边缘检测

基于数学形态学理论,提出在形态学灰度图像梯度的基础上,结合改进的Top-Hat算子变换进行图像边缘检测方法.对改进的形态学Top-Hat算子原理进行说明,通过实验和传统的形态学Top-Hat算子图像边缘检测方法进行了比较.实验结果表明,改进的方法不仅增强了图像阴影细节,而且有效避免了图像原有细节的丢失.     

基于多结构元素的数学形态学的遥感图像边缘检测方法

提出了一种边缘检测的有效算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立了多结构元素，利用灰度形态变换原理进行边缘提取。实验表明，与经典的边缘检测算子相比，该算法具有很好的边缘提取能力，但其抗噪能力较差。为此，探讨性地提出了基于小波变换和数学形态学相结合的边缘提取方法。     

基于灰度形态学的图像处理在焊缝识别中的应用

焊缝轨迹的提取是自动化焊接的关键技术,它不仅要求焊缝提取的准确性,而且要求实时性。论文采用爬行机器人CCD获取的焊缝原始图像,充分利用其灰度分布信息,提出了一种基于灰度形态学的图像处理算法。该算法能针对不同的焊缝,通过灰度形态学滤波等处理,提取焊缝的特征。实验结果表明该算法能满足实时、准确性要求。     

复合型数学形态学医学图像边缘提取

医学图像边缘提取是医学图像处理中一项非常重要的工作和预处理步骤,边缘提取的质量决定了图像的最终处理结果。一般说来,人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘提取带来了困难。论文在阐述了数学形态学一般原理与方法的基础上,提出了一种新的复合型数学形态学医学图像边缘提取算法。实验结果表明该算法对噪声医学图像边缘的提取效果好,它不仅能成功地提取目标图像边缘,而且能很好地滤除噪声。     

基于边缘检测的数学形态学方法研究

阐述了用于图像边缘检测的数学形态学方法,在图像边缘检测的预处理、边缘提取、以及边缘连接等方面均可采用数学形态学来实现,并用实验证明数学形态学用于边缘检测有其独有的优点.     

基于边缘检测的数学形态学方法研究

阐述了用于图像边缘检测的数学形态学方法，在图像边缘检测的预处理。边缘提取、以及边缘连接等方面均可采用数学形态学来实现，并用实验证明数学形态学用于边缘检测有其独有的优点。     

基于数学形态学的图像边缘检测研究

介绍数字图像处理技术中传统的边缘检测算法和基于数学形态学的数字图像边缘检测方法。通过迭代法得到图像最佳分割阈值,然后将图像二值化,再利用数学形念学中腐蚀运算实现数字图像边缘检测。通过编写程序实现上述方法,并比较传统边缘检测算法与基于数学形态学边缘检测方法的结果。     

灰度梯度感知人工蚁群的数字图像边缘检测

基于D.R.Chialvoetal.提出的原始模型和V.Ramosetal.的扩展模型,提出了一种用于数字图像边缘检测的基于灰度梯度感知的人工蚁群模型(ACGGP)。模型利用灰度梯度启发信息和信息素轨迹信息共同来指导蚂蚁的行为,这种策略能够有效地减小群体规模进而提高算法的时间性能。此外,还对模型体现出类似于某些人类视觉感知的机制,包括群体短暂记忆、图像主要特征敏感特别是能够良好抑制噪声的自发侧抑制机制等特征进行了阐述。模型在若干幅8bit灰度图像上进行了测试,并和Ramos模型以及经典数字图像边缘检测算法(canny算法)进行了客观比较。     

自适应的形态学边缘检测算法

针对传统的基于形态学边缘检测算法抗噪能力较差以及易丢失边缘细节的问题,提出一种自适应的抗噪型边缘检测算法。该算法采用多尺度的结构元素进行滤波,根据边缘方向自动选择相应方向的结构元素进行边缘检测以得到更多的边缘细节。实验结果表明,该算法不仅抗噪能力较强,检测到的边缘细节较多,而且还能提高边缘检测效率,是一种有效的边缘检测算法。     

基于柔性数学形态学的医学图像边缘提取

医学图像边缘提取,尤其是病灶部位的边缘提取,是医学图像处理中非常重要的预处理步骤,边缘提取的质量决定了图像的最终处理结果。人们一般习惯于用微分算子和梯度形态学算子提取边缘,但这类算子都不能很好地滤除噪声,也不能提取边缘细节。文章在阐述了数学形态学一般原理与方法及柔性数学形态学原理与性质的基础上,将柔性数学形态学用于左肺上叶周围型肺癌CT图像边缘提取。实验结果表明,这一方法比微分算子和形态学边缘梯度算子更能有效地滤除噪声并将肺部轮廓和肿瘤的大小与边缘准确地提取出来。     

一种基于形态学的有噪彩色图像边缘检测方法

边缘检测技术是图像分割、图像增强、图像复原、模式识别、图像压缩等图像分析和处理的基础,也是图像处理领域研究的热点问题。本文提出基于HSI颜色空间形态学的有噪彩色图像边缘检测方法。在传统形态学梯度检测边缘的基础上进行改进,计算H、S、I三个分量的边缘信息,然后根据H、S、I所占比重对三分量进行加权融合得到彩色图像边缘。实验结果表明,这种方法所检测的边缘符合视觉边缘,在抗噪声方面的效果比传统方法更佳,能够更完整地保留原彩色图像的轮廓,有更好的实用性和通用性。