基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表明本文的算法抗噪声能力更强,提取的边缘更加清晰、完整.     

一种彩色图像边缘检测方法的研究

针对彩色图像,提出了一种新的图像边缘检测方法。首先求得彩色图像的3个分量的梯度图像,将这3个梯度图像相加得到原图像的梯度图像,然后将梯度图像与原图像的灰度图像进行叠加,最后使用Canny算子对叠加图像进行边缘检测。实验结果表明,采用该方法对较大、平滑的彩色图像进行边缘检测,效果较好。     

一种有效的彩色边缘检测算法研究

对于彩色图像边缘检测技术给出了一种基于改进的梯度算子和RGB颜色空间色差函数的边缘检测算法.该算法首先使用改进的梯度算子得到RGB颜色空间中各个分量的梯度值,然后使用一个新的色差函数计算中心像素与邻域像素之间的色差距离,最后结合梯度值和色差距离,综合判断得到完整的彩色图像边缘信息.实验表明该方法是有效的和鲁棒的.     

一种基于Sobel算子的彩色图像边缘检测新算法

在研究灰度图像边缘检测方法的基础上,针对彩色图像的特点,提出了一种改进的Sobel算子边缘检测算法,并用MATLAB进行了仿真。仿真结果表明,直接利用Sobel算子对彩色图像进行边缘检测,得到的结果图像边缘比较模糊,而本文提出的改进算法,不但图像边缘比较清晰,而且还能有效降低图像的噪声,将Sobel算子边缘检测算法从灰度图像很好地移植到了彩色图像。     

基于形态学算子的各向异性扩散方程

针对Perona和Malik各向异性扩散方程不能保留细节边缘的缺点,提出了一个基于形态学算子的各向异性扩散方程．新的各向异性扩散方程在计算扩散系数时,不只是考虑了图像的梯度,还考虑了二阶导数,并在作用形态学闭开算子后的图像上估计各阶导数．这样,该算子不但能够有效地去除噪声,还能保持图像中的尖峰和窄边缘,从而更好地保持边缘位置．实验结果表明用该算子处理后的图像具有较高的清晰度和对比度．而且该算子对于高斯白噪声图像的处理效果也相当理想．     

改进形态学梯度的样条插值亚像素边缘检测方法

针对传统边缘检测算法存在定位精度低、对噪声敏感等缺点,提出一种基于形态学梯度的样条插值亚像素边缘检测方法。利用改进的数学形态学梯度算子进行边缘点的粗定位,再利用三次样条插值法对提取出的边缘图像进行插值运算,最后利用数学形态学细化算子将提取出的边缘进行细化,可有效地检测出图像边缘,实现亚像素边缘检测。实验结果表明,这种方法能准确地检测出边缘,优于传统的边缘检测方法。     

基于Soft形态学的图像去噪边缘检测

基于形态学的图像处理效果取决于运算性质和结构元素,为了能够更好地抑制图像的噪声并且提取 边缘信息,提出了一种基于柔性形态学的图像去噪和边缘检测方法。该方法使用多结构元复合滤波与双梯度多路 合成相结合,柔性的多结构元复合滤波能够有效去除图像噪声,双梯度多路合成可以提高图像边缘的检出率,不仅 抑制图像的噪声,而且提取出的图像边缘更清晰完整。实验结果表明,该方法在抑制噪声和边缘检测方面要比传统 算法有较好的效果。     

基于多结构元素的数学形态学图像边缘检测

提出一种基于多结构元素的数学形态学图像边缘检测算法。利用边缘与噪声具有不同的形态,在进行边缘检测时,只需要先确定出梯度突变的像素点,然后再利用多结构元素对该像素点进行二值形态学的腐蚀操作,以确定该像素点是边缘点还是噪声点:若是噪声点则被滤除,若是边缘点则保留。为验证算法的效果,给出了本文算法和几种传统算子对图像进行边缘提取的实验结果。结果表明,该算法成功地完成了图像的边缘检测,且检测效果明显优于经典的Sobel算子和Canny算子。     

基于新型矢量排序的soft多结构形态学彩色图像处理

在HSV(hue,saturation,value)彩色空间提出了一种新型矢量排序方法.基于新型矢量排序,定义了形态学的基本算子,结合柔性多结构元素给出了新的彩色形态滤波和边缘检测方法.试验结果表明:与基于HSV矢量排序方法和其它改进方法相比,该方法具有更好的滤波性能,是一种自适应方法.     

基于自适应矢量参数的彩色图像梯度计算方法

由于灰度图像梯度计算方法难以直接推广到彩色图像梯度计算中,提出了一种基于自适应矢量参数的彩色图像梯度计算方法。该方法在HSV彩色空间内利用空间矢量求导方法计算彩色图像梯度,并结合彩色图像直方图均方误差得到HSV三分量的矢量参数,从而实现基于自适应矢量参数的彩色图像梯度计算方法。该方法解决了传统彩色图像梯度计算方法难以获取图像的细节梯度信息的问题,以及现有的彩色图像梯度计算方法不够稳定,普适性差的问题。实验结果表明,针对多种不同类型的彩色图像,该方法均能得到较好的梯度图像,较传统的方法获得更多的图像细节。     

基于彩色形态学的图像边缘检测算法

基于对彩色图像形态学的研究,提出了一种面向HSI颜色空间的多结构元多尺度的彩色形态学图像边缘检测算法。首先借助彩色形态学的膨胀、腐蚀、开运算和闭运算给出彩色多结构交替顺序滤波算子的相关定义,同时利用交替顺序滤波器（ASF）的优势得到一种混合滤波器（HF）对图像进行滤波;其次引入一种全方位形态结构元再结合多尺度结构元的思想对图像不同方向的边缘进行提取;最后再使用信息熵对各方向的边缘进行融合得到图像整体边缘信息。实验表明,所提出的算法不仅具有良好的抗噪性,而且能够保留更多的图像细节信息。     

基于形态灰度边缘检测算法的一种改进

使用形态学的思想进行图像的边缘检测,提出了在一次形态处理中使用双结构元的一系列一般性形态边缘检测算子和抗噪型形态边缘检测算子的算法,并给出算子的性质。新算子在使用同一对结构元处理中既具有定位能力又具有细节保留功能,抗噪型算子能很好地检测出图像的单像素宽的边缘。     

一种基于数学形态学的灰度图像边缘检测算法

基于数学形态学的方法,利用形态运算膨胀、腐蚀、开、闭等变换以及它们的组合,该文提出了一种改进的形态学边缘检测算子,能够有效地检测出图像边缘,并保持边缘的平滑性.同时引入多尺度的概念,对形态结构元素尺度的大小进行调整,从而在噪声存在的条件下得到较理想的图像边缘.实验结果表明,与传统的边缘检测算子相比较,该算法抗噪性能良好,计算量较小,因此具有一定的实用性和可行性.     

彩色温室蔬菜病害图像预处理及提取方法研究

为了实现对彩色温室蔬菜病害图像的准确识别,采用计算机图像处理技术对温室蔬菜病害叶片进行智能化识别.首先,对R,G,B这3个通道灰度级的图像采用移动平均法有效地去除了噪声的干扰,其次对分离出来的3个通道图像应用基于中心样条滤波和4个模板方向的Sobel算子计算梯度幅值分别检测边缘,然后再将3个通道的边缘融合,这样既克服了传统灰度图像信息的缺失,又弥补了传统Sobel算子细化边缘的不足,能够充分利用彩色图像的信息提取病斑的几何特征,为计算机进一步诊断病害提供了科学依据.