改进K-means聚类算法的自适应Canny算子工件边缘检测

针对传统Canny算子在复杂工件边缘检测中存在识别相似度低,工件边缘连续性与鲁棒适应性差的问题,提出了一种改进K-means算法的自适应Canny算子工件边缘检测技术。首先,进行相关复杂工件的形态学预处理操作,通过改进K-means算法进行分割与融合图像;其次,改进Canny算子的梯度方向与自适应度,Otsu阈值分割处理,使用最小二乘法拟合工件孔洞锯齿边界;最后,将得到的边缘结果与传统Canny算子图像进行对比,结果表明改进后图像的峰值信噪比(PSNR)与相似度(SSIM)有所提升。实现了复杂相似工件的自适应边缘检测,为算法结合图像边缘处理技术提供了一定的参考价值。