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。     

尺寸测量中的边缘检测算法研究

主要介绍了一种改进的边缘检测算法及相应计算模板和公式，并对算法的误差进行了分析。因为传统的边缘检测算法在理论上较成熟，但在实际应用时可操作性较差。所以针对零件图像测量的实际应用情况，使用基于Sobel算子的改进的方向算子，对灰度图像进行处理得到梯度图像。综合应用其他算法，实现了对目标边缘的准确检测。然后在梯度图像上沿目标边缘的梯度方向进行多项式插值法亚像素细分计算，对目标边缘进行亚像素精确定位。在文章的最后，用实例说明了本算法的可行性。     

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。     

强噪声下改进Canny算法的边缘检测

针对传统边缘检测算法抗噪性较差、易受噪声影响、误判率高和漏判等问题,提出一种强噪声环境下对传统Canny边缘检测算法的改进算法。该算法选用平滑聚类滤波取代高斯滤波对受噪声图像进行预处理;对滤波窗口内的像素点进行噪声检测,根据检测到的噪声点个数自适应调整滤波窗口的大小,改变窗口中各信息的输出,为图像中的重要信息赋予较大的权值,实现降低噪声影响的同时防止重要信息被过滤;极大值抑制阶段在3×3邻域内使用Sobel算子,额外加入45°、135°方向计算梯度幅值和方向,更全面地检测细节信息;针对图像的灰度变化使用平均方差来计算高阈值。仿真结果表明,在高斯噪声和椒盐噪声的混合强噪声干扰下,该算法得到的边缘提取结果明显优于传统算法得到的结果。     

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。     

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 ...     

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。     

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。     

基于改进边缘检测的视觉注意计算模型

本文主要针对传统Itti视觉注意计算模型,引入边缘特征信息,优化视觉注意计算模型.在引入边缘特征信息的过程中,本文对Canny边缘检测算法进行改进：以改进后的双边滤波算法代替高斯滤波从而更好的保持边缘,借鉴Sobel算子从4个方向计算梯度幅值来代替原方法中的从2个方向来计算的过程,利用改进的OTSU算法选取双阈值代替手动设置阈值,从而降低图像分割时的误检、漏检现象.在实验中,我们发现,该方法相较于建立在普通Canny算法基础上的Itti视觉注意计算模型,对显著区域的提取效果上有很大的提高.     

基于巴特沃斯滤波的改进型Sobel算子边缘检测

In order to solve the defects of single calculation direction, inaccurate positioning and poor edge connectivity in traditional Sobel operator image edge detection, this paper proposes an image edge detection algorithm that combines Butterworth high-pass fil- tering and improved Sobel operator, and uses the combination of the two techniques to perform edge detection and feature extraction on images. Firstly, the image is pre-processed by the Butterworth high-pass filter, then the improved Sobel operator that adds six - direction templates is used to the traditional Sobel operator for edge detection. Through experimental simulation, compared with the traditional algorithm, this algorithm has the following advantages: prominent edge, good connectivity, low sensitivity to noise, high positioning accuracy.     

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。     

基于局部期望阈值分割的图像边缘检测算法

传统图像边缘特征检测通过梯度算子卷积计算获取梯度图,并根据梯度变化情况设定阈值得到边缘信息,但图像的各局部区域梯度变化不均匀,采用统一阈值分割边缘信息往往会造成获取的边缘信息不准确。本文提出一种基于图像局部区域期望的自适应阈值方法,首先采用Sobel算子获取图像梯度矩阵,然后将梯度矩阵分割为多个子区域,并计算每个子区域的局部期望作为该区域阈值,进行边缘特征提取。实验表明,提出的方法提高了图像主要目标物边缘特征的识别度,区域边缘信息划分准确。     

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。     

基于自适应阈值的改进Canny边缘检测方法

传统的Canny边缘检测算子采用全局阈值选取方法,当图像的背景和目标灰度变化比较大时,采用全局阈值法将丢失一些局部边缘信息。针对该问题,提出了一种自适应求取动态阈值的改进Canny边缘检测方法。该方法利用图像的梯度方差作为判据对图像进行分块,继而对各子块运用最大类间方差法求得相应的阈值,并通过插值得到阈值矩阵,最后结合改进的边缘连接法对图像进行边缘检测。实验结果表明,该算法在具有良好的抗噪性能同时,具有很好的检测精度。