基于直方图均衡化与形态学处理的边缘检测

针对传统的边缘检测算子存在噪声干扰、边缘丢失和伪边缘干扰的问题,提出将传统的边缘检测与形态学处理和直方图均衡化有机结合的边缘检测方法。算法通过抗噪性参数P,引入权值将组合算法中图像增强处理与形态学的组合算法相融合获得较好的边缘。通过不同形态学算法在四种组合下边缘检测的效果分析和抗噪性参数P比较,实验结果表明,图像在有无噪声情况下效果基本一致,边缘完整性得到了很大的提升。该组合算法在抗噪能力、边缘丢失与伪边缘干扰处理上拥有较好的平衡,提高了边缘检测效果,为工业加工图形识别提供了一定的思路。     

基于柔性形态学的梯度边缘检测算法

在深入研究柔性数学形态学边缘检测算法的基础上,提出比传统柔性形态学膨胀和腐蚀算子具有更强鲁棒性的柔性形态学膨胀和腐蚀算子,在此基础上提出柔性形态学梯度边缘检测算法,实验证明了该算法对噪声特别是脉冲噪声有很强的抑制作用,并能很好地检测出图像的边缘信息。     

基于柔性数学形态学的医学图像边缘提取

医学图像边缘提取,尤其是病灶部位的边缘提取,是医学图像处理中非常重要的预处理步骤,边缘提取的质量决定了图像的最终处理结果。人们一般习惯于用微分算子和梯度形态学算子提取边缘,但这类算子都不能很好地滤除噪声,也不能提取边缘细节。文章在阐述了数学形态学一般原理与方法及柔性数学形态学原理与性质的基础上,将柔性数学形态学用于左肺上叶周围型肺癌CT图像边缘提取。实验结果表明,这一方法比微分算子和形态学边缘梯度算子更能有效地滤除噪声并将肺部轮廓和肿瘤的大小与边缘准确地提取出来。     

一种基于边缘图像融合的图像边缘检测方法

边缘检测是图像处理、模式识别和计算机视觉领域的重要内容．传统边缘检测方法的边缘检测效果一般．为了更好地检测出图像边缘,在传统边缘检测算法分析的基础上,提出了一种基于边缘图像融合的图像边缘检测方法．首先,对原图像进行二进小波分解得到低频子图像,然后分别对原图像和低频子图像采用直方图均衡化进行增强后用Canny算子来进行边缘检测,得到原图像和低频子图像的边缘图像,最后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像．实验结果表明,这种边缘检测方法明显优于直接对原图像单独使用Canny算子或基于小波变换的边缘检测方法．     

基于直方图均衡化的Robinson图像边缘检测算法

针对图像边缘检测,现有Robinson相关算法存在效率低、阈值设定随机性大、易出现伪边缘等问题,提出一种改进Robinson的图像边缘检测算法;该算法利用直方图均衡化对图像进行增强,然后将Robinson算子原有的八方向梯度依照两两垂直原则组合为八组,分别计算每组梯度的范数,并取其最大值作为该像素点的梯度;最后取整幅图像的灰度均值作为阈值来识别图像的边缘像素和背景像素;实验表明,相对于现有相关算法,该算法检测结果更加清晰完整,同时避免了传统算子人为设定阈值随机性大的问题。     

基于灰度形态学的红细胞图像边缘检测

边缘包含了图像很多重要的信息,边缘检测的好坏也直接决定了后续处理的效果。在利用数学形态学进行边缘检测后,会出现不需要的边缘,形成噪声。针对这种情况,提出一种计算中心像素与邻域像素均方差的方法对形态学边缘检测算子进行改进,该方法可以有效减少噪声,为以后对红细胞图像进行特征提取和分类打下良好的基础。     

模糊柔性形态学边缘检测

提出了一种改进的基于模糊理论的柔性形态学边缘检测方法。在模糊域里选用效率更高的隶属度函数,借鉴广义模糊集的概念对模糊域计算区域进行拉伸和增强处理,增加边缘两侧灰度对比度,再利用柔性形态学特征及性质选取更有效率性能、更好的边缘检测算子和结构元,得到噪声存在条件下更加理想的图像边缘。与其他检测算法相比,该算法在取得更多边缘细节的同时具有更强的抗噪能力,具有一定的实用性和可行性。     

AFM显微图像多尺度形态边缘检测算法

提出一种适应于显微图像的多尺度形态边缘检测算法.用不同尺度大小的结构元素分别检测出显微图像不同尺寸边缘信息,进行图像规格化处理以消除不同尺度边缘图像的灰度值分布差异,运用取极小值方法对所获处理后图像边缘进行自适应融合.实验结果表明运用该算法获得理想图像边缘的同时,增强了模糊边缘,有效地消除了噪声,对显微图像处理十分有效,检测到的边缘非常清晰.     

灰度图像边缘检测中的形态学方法

介绍了用形态学进行灰度图像边缘检测的算法,分析了其几何意义;用计算机实现了形态学方法对灰度图像的边缘检测,并与用传统的Ｌａｐｌａｃｅ算子、Ｓｌｂｅｌ算子进行边缘检测的结果进行了比较。     

基于形态学重构算法的细胞图像边缘检测

细胞图像边缘检测是研究生物细胞特征的关键步骤,准确的图像边缘检测技术是提高细胞形态特征自动化榆测的主要手段.文章提出基于形态学重构算法的细胞图像边缘检测方法,实验结果表明该方法在提取图像的边缘效果和滤除伪边界方面优于传统的边界检测方法.并与参考文献[1]所用的方法相比,提出的方法其实验结果优于参考文献[1]采用的区域形态学运算的边缘检测效果.     

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。     

CB形态学的边缘检测算法研究

数学形态学是一种非线性滤波方法,应用数学形态学进行非线性图像处理已经发展成为图像处理的一个主要研究领域。基于CB（Contour-Based）形态学的方法,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。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。     

基于数学形态学的二维条码边缘检测算法

边缘模糊会导致二维条码识别率下降,提出了一种基于数学形态学边缘检测的二维条码识别算法,该算法最大的特点是用具有特定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的,从而有效地降低边缘模糊对条码识别的影响。选取PDF417二维条码为应用对象,采用基于数学形态学对二维条码的识别算法选择合适的结构元素。实验结果表明与传统的几种边缘检测算法相比,基于数学形态学对二维条码的识别算法能够更有效地识别条码边界,显著地提高了条码的识别率。     

基于数学形态学的集装箱箱号分割改进算法

提出了基于数学形态学和直方图投影的集装箱箱号分割改进算法。在箱号定位阶段,运用基于边缘检测和数学形态学的改进算法,能自适应确定形态学结构元素的大小,将箱号区域连通成一个区域,并能解决集装箱文字纵向排列的问题。字符分割阶段用数学形态学方法消除干扰边缘和噪声,通过投影直方图法完成行与列分割。实验表明,该算法简单可行,只需较少的集装箱先验信息,并且整箱分割正确率达到93.33%,证明了算法的有效性。     

鲁棒的形态学彩色图像边缘检测算法

针对传统边缘检测算子对噪声敏感的缺点,提出一种新的基于数学形态学的彩色图像边缘检测算法。该算法在传统形态学边缘检测算子的基础上,通过综合形态膨胀和形态腐蚀,设计出一种多尺度、多结构元素的抗噪型边缘检测算子,利用新算子对R、G、B三个分量分别检测出图像的边缘分量,对三个边缘分量进行融合得到最终的彩色边缘信息。仿真实验表明,该方法得到的边缘轮廓清晰,边缘定位精度较高,比传统的边缘检测方法具有更好的噪声鲁棒性和边缘细节保护能力。     

基于最大熵和形态学的边缘检测

利用最大熵图像分割理论和形态学方法相结合,提出了一种新的灰度图像的边缘提取方法。以一维最大熵和二维最大熵为例,分别与形态学方法结合进行了实验对比。试验表明,该方法与传统边缘检测方法相比,能够在无需参数输入的前提下自动提取出图像边缘,且检测到的边缘都是单像素线条;可以在尽量保留图像最大信息量的基础上,快速准确地提取出单像素封闭边缘。     

基于数学形态学和Canny算子的边缘提取方法

提出了一种基于数学形态学和Canny算子的边缘提取方法。该方法利用数学形态学开运算估计背景,将原始图像与背景进行几何运算,在处理后的图像上运用Canny算子提取边缘。实验结果表明,该方法明显优于传统的经过中值滤波后再进行Canny算子的边缘检测效果,为后续的特征提取、目标识别提供了良好的基础。     

量子叠加态和信息熵的形态边缘提取算法

针对含噪图像的边缘难以检测的问题,通过研究量子力学叠加态理论,构造出一种多结构的量子叠加态结构元素,此叠加态结构元素涵盖线条的任意走向,从而检测出完整而连续的边缘;并在算法设计中利用图像信息熵确定各叠加态结构元素的概率。仿真实验结果表明,相对于传统形态学结构元素,所提出的量子叠加态结构元素对含噪图像边缘检测可以得到比较理想的效果。