基于CCS的数字图像边缘检测的设计

数字图像边缘检测的设计大多是基于Matlab软件设计的,这与工程化还有一定的距离。针对这一不足,给出了数字图像边缘检测Sobel算子以及程序设计流程,并在CCS v3.1的软件仿真环境下进行仿真实验。通过3个实例的分析,验证了基于CCS的数字图像边缘检测设计的可行性。结果表明,使用Sobel算子实现了图像边缘检测,这为图像处理提供了一种硬件实现的方法。     

基于Sobel算子的图像边缘检测研究

在图像处理中,提出了一种新的边缘检测算法,该算法首先对由Otsu算法所得图像进行形态学的去除孤立像素和闭运算操作,然后再用Sobel算子进行边缘检测,最后将所得图像与用Sobel算子直接对原始图像进行边缘检测的图像相加。最后用MATLAB对数字图像和红外图像都进行了仿真。仿真结果表明,该算法改善了单一的用Sobel算子检测对垂直与水平方向敏感,其他方向不敏感的不足,提高了Sobel边缘检测算子的性能,具有良好的检测精度。此算法不仅适用于数字图像还适用于红外图像。     

硬件实现基于SOBEL算子的图像边缘提取

针对检测数字图像灰度梯度的最大值法,采用SOBEL边缘检测算子对数字图像进行边缘检测,并利用硬件(大规模可编程逻辑器件CPLD)实现了数字图像的边缘提取。试验程序由VHDL硬件描述语言编写。试验结果表明,利用SOBEL边缘检测算子进行数字图像的边缘检测和提取其效果比较理想。     

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法.该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像.最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果.     

一种基于Sobel算子梯度增强的边缘检测算法

针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足,提出了一种局部梯度增强的检测算法.算法采用改进的Sobel算子卷积模板计算图像梯度;然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度,最后对局部梯度增强的图像进行细化处理并提取图像边缘,得到边缘图像.实验结果表明,该算法获取的边缘图像边缘信息较丰富,连续性好,边缘较细,整体效果优于传统Sobel算法,具有较高的实用价值.     

基于Matlab/GUI的数字图像边缘检测算法研究

为了对图像信息进行有效提取,利用数字图像边缘检测技术可以对图像进行信息的分离,这是一种基础的图像分割技术。目前研究的经典边缘检测算子有Roberts算子、Prewitt算子、Sobel算子、Laplace算子、Log算子、Canny算子等。文章通过开发的基于Matlab/GUI的系统实现这些算法,并通过大量的实验得到关于边缘检测算子对特定阈值和标准差的实验结论,在横向和纵向上对实验结果进行对比分析,并在此基础上对一些改进算子进行了实验研究。     

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。     

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。     

基于FPGA的实时彩色图像边缘检测算法的实现

针对传统的基于灰度图像的边缘检测算法抗噪能力弱、对方向敏感、获取边缘细节信息较粗等不足,本文通过分析彩色图像的特点,提出一种改进的Sobel算子与快速中值滤波相结合的彩色图像边缘检测算法,通过扩展边缘检测算子的方向模板,提高Sobel算子对纹理复杂图像的适应能力及抵抗噪声的能力。该改进算法在Altera DE2-70FPGA硬件开发平台上,应用Verilog HDL语言与Quartus II中的可编程宏功能模块实现。实验结果表明,该算法的处理只占用了约2%的系统硬件资源,资源占用相对合理,且图像边缘定位准确,抗噪能力强,能够实时有效地提取出彩色图像的边缘。     

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.     

复杂光照条件下的图像边缘提取算法的改进

边缘是数字图像中的一个重要的局部特征。在复杂光照条件的情况下,图像分辨率较低,传统Sobel算子利用卷积计算出来的灰度梯度较为平缓,边缘不能有效的识别。通过改进Sobel算子的模板,平衡图像的亮边缘与暗边缘,尽可能地避免暗边缘信息的丢失。与此同时,通过分析数据建立相应的数学模型,优化子区域大小,把图像划分为多个子区域,在子区域内利用大津法进行边缘的检测与提取,最后使用Hilditch细化算法将图像的边缘提取出来。通过MATLAB仿真结果表明,与传统So bel算子的边缘提取算法相比,文中算法简单易实现,对于复杂光照条件下的图像,边缘信息提取更完整,自适应能力更强。     

改进的基于模式噪声的源相机检测算法

针对基于模式噪声的数码相机源检测中存在的问题,提出了一种改进的模式噪声提取算法。在Lukas算法的基础上,首先利用Wallis预滤波处理抑制低频噪声并增强模式噪声;再利用Sobel边缘检测算子对图像的复杂边缘纹理区进行有效剔除,最后利用经过上述处理得到的图像模式噪声与相机参考模式噪声模板进行相关检测。实验结果表明,提出的改进算法可以有效提高源相机检测的性能。     

Radar remote sensing image retrieval algorithm based on improved Sobel operator

Aiming at the time-consuming problem caused by large computational load of radar image retrieval, based on blocking histogram, Sobel edge detection operator and gray level co-occurrence matrix (GLCCM), new radar remote sensing image retrieval algorithm based on improved Sobel operator is proposed. Firstly, the Sobel edge detection algorithm is used to process the image, the edge image is acquired, the radar remote sensing image is analyzed from different angles, and then the different radar remote sensing images are transformed. Then, based on the above processing, Radar Remote Sensing Image Retrieval Algorithm is acquired; finally, the plurality of statistic of the matrix is recorded as a feature vector describing the radar image, and the image is retrieved according to the feature vector of the radar image. Through a large number of experiments, Radar Remote Sensing Image Retrieval algorithm can greatly reduce the retrieval time, and it also has a good retrieval effect for images with rich texture.     

图像边缘检测算法研究

边缘检测是图像处理中很重要的组成部分,其效果直接影响到后面的图像分析。在此介绍Roberts算子、Prewitt算子、Sobel算子、LOG算子和Canny算子等经典边缘检测算子,对其性能和算法特点进行分析。运用Matlab进行算法的仿真,并对其检测结果进行分析和比较,得出Canny算子的边缘连接程度最佳,景物的细节表现得最明晰,轮廓边缘提取得很完备。     

基于FPGA的动态可重构边缘检测系统设计

根据当前硬件实时图像边缘检测易受噪声影响的特点,采用了对图像进行高通滤波预处理,提取边缘特征之后再使用Sobel算子进行边缘检测的方法,并且为了提高芯片资源利用率,利用Xilinx公司FPGA的动态可重构特性,对高通滤波和So-bel算法进行分时复用,通过比较,证明取得了理想的效果。     

A novel real-time resource efficient implementation of Sobel operator-based edge detection on FPGA

A new resource efficient FPGA-based hardware architecture for real-time edge detection using Sobel operator for video surveillance applications has been proposed. The choice of Sobel operator is due to its property to counteract the noise sensitivity of the simple gradient operator. FPGA is chosen for this implementation due to its flexibility to provide the possibility to perform algorithmic changes in later stage of the system development and its capability to provide real-time performance, hard to achieve with general purpose processor or digital signal processor, while limiting the extensive design work, time and cost required for application specific integrated circuit. The proposed architecture uses single processing element for both horizontal and vertical gradient computation for Sobel operator and utilised approximately 38% less FPGA resources as compared to standard Sobel edge detection architecture while maintaining real-time frame rates for high definition videos (1920 × 1080 image sizes). The complete system is implemented on Xilinx ML510 (Virtex-5 FX130T) FPGA board.     

基于梯度的低对比度X线图像分割方法

在医学骨折诊断领域,X线图像是骨折诊断的重要手段,X线图像中骨骼组织的精确分割为后续的诊断提供了重要依据。为此,文中首先利用Sobel边缘检测算子得到X线图像的梯度图,然后利用灰度图像单目标跟踪算法,提出了一种基于梯度的多目标分割算法,经过三轮跟踪获得了骨骼组织的精确定位,实现了医学骨科X线图像的骨骼分割。最后,将分割结果与边缘检测和阈值方法的分割结果进行了比较。试验结果表明,该方法对低对比度图像能够得到好的分割效果,比较适合医学骨科X线图像的骨骼分割。