一种组合GAUSS-filter、SOBEL、NMS、OTSU 4种算法的图像边缘检测的FPGA实现

边缘检测是分离图像目标主体和背景的主要依据。通过检测图像上灰度显著变化的像素点集合来确定图像的边缘。目前边缘检测的方法大多综合应用两个算法来提高边缘检测质量。本文在FPGA上综合应用GAUSS-filter、SOBEL、NMS、OTSU等多种算法进行图像边缘检测。将原始采集到的彩色图像转换成灰度图像,先对图像进行高斯平滑处理,消除干扰性噪声;应用SOBEL算法计算图像梯度值,再应用NMS算法处理灰度,挑出轮廓边缘梯度值最大的灰度像素集合;最后应用OTSU算法自适应地确定图像门限阈值进行边缘检测。该方法不仅能刻画出图像的边缘,而且还能对边缘进行细化,实验结果显示对不同的图像都有很好的检测效果。本文所提出的在FPGA上实现的图像边缘检测方法具有准确、实时、高速等特点,能够应用到许多领域中。     

基于数学形态学的边缘检测算法分析

边缘检测算法在图像识别领域具有不可替代的作用。边缘检测在实现的过程中需要考虑边界增强的效应,边缘检测算法的研究有着丰富的理论和经验。但是,图像压缩和图像识别中图像通常被噪声破坏,需优化处理,才能获取较好质量的图像。文中首先介绍了边缘检测算法,依次阐述这些经典算法的优缺点,引入数学形态学这一观点,对边缘检测算法进行结合,将其应用到图像的识别中,通过C++语言编程实现图像效果,最后进行总结与展望,该成果对于图像的处理具有积极的意义。     

激光主动成像图像边缘检测

针对激光主动成像图像的特点,分析了Canny边缘检测算子存在的不足。应用小波多尺度分解算法对激光主动成像强度图像进行小波变换,应用Bayes Shrink自适应阈值法对小波系数进行滤波,把滤波后的图像按照Canny三条检测标准进行边缘检测,并给出衡量图像边缘检测效果的指标。通过比对各种实际激光主动图像的边缘检测算法的结果可以看出本文的算法达到了很好的效果。     

基于标准差梯度的模糊边缘检测算法

红外图像的边缘检测是图像处理领域的难题之一。结合红外图像的特点,将最小误差原理推广到模糊域进而应用到红外图像的边缘检测上,提出了一种基于标准差梯度的红外图像模糊边缘检测算法。首先提出了一种基于标准差的梯度算子,将图像中潜在的边缘区域很好地区分出来;而后引入模糊最小误差阈值算法．根据此算法自适应提取了标准差梯度图像中的最优阈值,从而实现了红外图像的目标边缘检测。与传统的基于梯度的红外图像边缘检测算法进行对比实验,结果表明,该算法用于红外图像边缘检测能获得更好的效果。     

基于改进的K-means聚类算法水下图像边缘检测

边缘检测被广泛用于图像分析与处理中,由于水的吸收和散射效应,传统的边缘检测算法对于水下图像得不到较好的效果。在此应用一种新的方法来得到较准确的水下图像边缘,首先,将原始图像使用暗原色先验算法进行处理得到较清晰的水下图像;然后,使用梯度幅值边缘检测算法检测出初始边缘,在初始边缘上检测出端点,使用改进的K-means聚类算法对端点进行分类,从而确定背景和目标灰度值接近的区域作为窗口;最后,在窗口内使用梯度幅值检测边缘,通过多个窗口的并集得到最终边缘。实验结果表明,边缘检测效果得到明显的改善。     

一种Sobel算子的抗噪型边缘检测算法

边缘检测在图像处理过程中占有重要的地位,Sobel算子是在数字图像边缘检测中常用的一种方法。经典Sobel算法简单、速度快,但也存在着边缘定位不精确、提取的边缘较粗、噪声干扰情况下抑制能力差等问题,针对这些问题,提出了一种抗噪声的Sobel边缘检测算法。算法先对图像采用多子窗口进行滤波,去除图像中存在的噪声;然后采用改进的Sobel算法对图像进行边缘检测,算法结合边缘方向计算梯度图像,并对梯度图像在3×3邻域内采用统计信息结合梯度阈值进行了2次边缘细化处理。与经典的Sobel算法及其他文献算法进行了对比试验,结果表明,该算法对噪声具有较强的抑制能力,在去除噪声的同时能够准确地检测出图像的边缘,而且得到的边缘更细,定位更精确。     

一种用于森林红外图像动物边缘检测算法

文中提出了一种基于遗传算法并考虑空域距离关系来设计细胞神经网络模板参数并实现森林红外图像动物边缘检测的算法。仿真结果表明,该算法与其他的森林红外图像边缘检测算法相比,能很好地抑制噪声对边缘检测的干扰,保留边缘信息,同时能较好地检测出红外图像动物的边缘,检测精度高,具有良好的应用前景。     

一种基于阈值分割的红外图像边缘检测方法

针对红外图像对比度和信噪比低,经典的图像边缘检测方法对实际图像难以检测的特点,提出了一种基于阈值分割的边缘检测算法。首先利用最大方差阈值法分割出红外图像的目标图像,其次用线性拉伸的方法对目标图像中存留的噪声进行去除,最后运用Sobel算子对目标图像进行边缘检测得到结果图像,并与经典的Roberts边缘检测算法、Sobel检测算法、Prewwit检测算法、Gauss-Laplacian检测算法进行比较。实验结果显示该检测方法是可行、有效的。     

机器视觉中几种颜色优势的图像分割算法比较与研究

为了获得实用、可靠的植物识别方法,必须在识别植物过程中进行图像分割。本文针对具有明显颜色优势的图像,采用Otsu阀值算法及边缘检测分割算法,对图像进行处理,并对其结果进行对比分析和优劣比较。得出结论:对具有明显颜色优势的图像,采用边缘检测分割算法的应用效果较好;对比边缘检测算法中常用的Prewitt算子、Roberts算子和Sobel算子的输出效果,认为Sobel算子不仅能输出较为理想的效果,同时还可大幅度减少运算时间。     

基于最大熵与小波变换的图像边缘检测算法

提出了一种有效的基于最大熵和小波变换的数字图像边缘检测算法,并用形态学方法对图像进行优化处理,文中算法不但能够很好的提取图像边缘,同时对经典算法提取边缘后出现的断续不完整现象有了很好的改进,还能有效的去除噪声和伪轮廓,和一些传统的边缘检测算法相比,本算法在细节丰富和含有噪声的图像中应用具有优越性,达到了很好的识别边缘的效果.     

一种对比度增强的边缘检测改进算法及FPGA实现

传统的Sobel实时图像边缘检测算法对光照条件敏感,因此在进行边缘检测时常会有虚假边缘以及遗漏边缘的现象。将采集到的实时灰度图像进行中值滤波,再进行对比度增强来调整图像灰度值,将进行对比度增强后的图像进行Sobel边缘检测并在FPGA上实现。实验结果表明,采用对比度增强改进的边缘算法检测的边缘更加准确,抑制背景噪声能力更强。     

基于Gabor滤波器的Sobel算子图像边缘检测算法

Sobel算子对图像进行边缘检测时,只对垂直与水平方向敏感,使得一些边缘检测不到,从而限制了Sobel算子的检测性能.针对此问题,文中提出了一种基于Gabor滤波器的边缘检测算法,先对图像进行Gabor变换,找出不同方向上人眼敏感程度低的系数,再用Sobel算子对变换过的图像进行边缘检测,最后把此图像与直接用Sobel算子检测的图像相加.实验表明,该算法改善了Sobel算子检测方向单一的不足,包含较多的边缘信息.     

一种改进的Canny算子边缘检测算法

边缘是图像的基本特征之一,因此在图像处理中图像边缘检测是图像处理的一个重要部分。由于传统的Can-ny边缘检测算法是通过在2×2领域内求有限差分来计算梯度幅值的,易受噪声的影响,容易检测出孤立点和伪边缘。在基于传统的Canny边缘检测算法的基础上,采用3×3领域的梯度幅值计算方法,提高了边缘的定位精度,改善了对噪声的敏感性。实验结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度。     

基于Laplacian算子的图像边缘检测方法研究

在分析图像边缘特性及其Laplacian算子检测原理的基础上对经典Laplacian算子算法进行改进，以便能准确地检测出图像中的目标边缘，并利用该改进算法来检测彩色图像的边缘。     

一种改进的医学图像边缘检测算法

医学图像边缘检测是医学图像处理领域的核心技术之一,寻求既能精确定位图像边缘,又能有效抑制图像噪声的算法一直都是医学图像处理领域的热点和难点。结合小波分析理论,在经典边缘检测算法的基础上提出了一种改进的基于小波分解的医学图像边缘检测算法。算法的实质就是在图像边缘检测前利用小波分析理论对图像进行特定的预处理。实验结果证明,此算法的性能要优于经典边缘检测算法的性能。     

小波变换在图像边缘检测中的应用

目前,被广泛使用的经典边缘检测算子有Sobel算子,Prewitt算子,Roberts算子,Log算子,Canny算子等等。这些算子的核心思想是图像的边缘点是相对应于图像灰度值梯度的局部极大值点。然而,当图像中含有噪声时这些算子对噪声都比较敏感,使得将噪声作为边缘点。由于噪声的干扰,不能检测出真正的边缘。一个拥有良好属性的的边缘检测算法是每个研究者的追求。利用小波交换的特点,设计了三次B样条平滑滤波算子。通过利用这个算子,对利用小波变换来检测图像的边缘进行了一定的研究和理解。     

基于Contourlet变换和Susan算子的边缘检测方法

现存的基于空间域的图像边缘检测算法只能有效检测出图像有限方向的边缘。针对这一问题,根据Contourlet变换子带的各方向子带代表的方向信息及其梯度方向,提出了一种基于Contourlet变换和Susan算子的边缘检测算法。边缘检测算法首先对源图像进行Contourlet变换,然后分别对高、低频子图像进行边缘提取,最后通过一定的融合规则进行融合,得到边缘图。实验结果表明,这种边缘检测方法具有有效地抑制噪声、边缘检测精度高等特点,是一种有效的图像边缘提取算法。     

基于混合遗传算法的SAR图像边缘检测

在研究SAR图像特性的基础上,提出了一种基于混合遗传算法的边缘检测方法.它将边缘检测归结为一个优化问题,利用遗传算法的全局寻优能力,能够搜索到定位准确,更加连续和精确的边缘,并且局部优化算子又能大大加快算法的收敛,因而算法兼有良好的检测效果和快速的处理速度.仿真结果也证明了其有效性.     

一种新的红外热像仪图像边缘检测方法

针对红外热像仪采集的红外影像边缘信息模糊、影像存在噪声、边缘信息难提取的特点,提出了一种基于数学形态学对LOG算子改进和Roberts算子数据相结合的边缘检测新方法。该方法首先引进形态学中的开闭运算对具有随机噪声的红外影像进行滤波,接着运用拉普拉斯算法边缘检测,然后再采用Roberts算子提取边缘信息,建立相应的融合规则及阈值条件,将两种方法检测出的影像边缘信息融合,得到最终的融合影像。最后,对增加椒盐噪声的影像用MATLAB进行仿真实验,结果表明,该方法结合了两种检测算子的优点,定位精度高,有很强的抗噪性,获得了比较理想的检测效果。     

一种基于图像处理技术的继电器触点间距智能检测方法

基于图像处理技术, 采用嵌入式机器视觉处理系统, 设计了一种用于继电器触点间距的智能检测装置和方法。在硬件方面, 以Cortex-A8处理器为中心, 将控制、处理与测量于一体, 并采用红外光源作为照明系统, 抑制金属触点的光发射; 在算法方面, 以继电器触头静触片的接触点图像区域为特征图像, 并采用多分辨率金字塔分层匹配技术, 实现对检测对象的准确识别和定位, 同时根据继电器内部组件位置的对应关系, 确定继电器触点边缘检测区; 在检测区内, 先采用像素级的边缘检测算法确定两接触点边缘后, 再利用亚像素边缘检测技术, 实现边缘的精确定位, 并检测出继电器触点间的最短距离。本文所提出的方法对继电器质量检测和性能评估具有重要的意义。