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CCS的图像边缘检测和提取设计

Matlab对数字图像的处理在工程化方面存在一定的不足。针对这一不足,利用硬件仿真平台CCS,采用数字图像灰度梯度最大值法、Sobel算子边缘检测算法对数字图像进行检测,实现了数字图像的边缘提取。实验表明,Sobel算子边缘检测算法对数字图像进行边缘检测和提取的效果比较理想,且为图像处理提供了一种硬件实现方法。     

一种新型非线性边缘检测算法

提出一种新型的非线性边缘检测技术。首先利用标准的Sobel梯度算子对图像的边缘点进行初选，然后用双同心圆窗口算子在候选边缘点集中寻找真正的边缘。通过与其它成熟的边缘检测技术进行比较。结果显示：该算法获得的边缘图像质量优于传统的Sobel算法；检测出的边缘与Canny和LoG算法可比，计算量却比二者有明显降低。     

基于多种边缘检测的视频划痕检测技术

针对电影胶片中比较常见的垂直划痕及其特性,提出了一种新的基于多种边缘检测的检测算法。该算法首先运用Sobel算子中对垂直边缘响应最大算子对图像进行边缘检测,然后运用Canny算子进行边缘检测,再用概率Hough变换检测图像中垂直直线,最后结合形态学处理和宽度约束得到划痕位置。实验结果表明,该算法能有效地进行噪声干扰下的划痕检测。     

基于CA的图像边缘检测新算法

针对边缘检测的特点,定义了一种元胞自动机规则,并用不同规则号的元胞自动机对图像进行边缘检测.分别对边缘整齐和边缘细节丰富的两类图像进行仿真实验,把结果图像与经典的Sobel算子和Canny算子检测的结果相比较,结果表明通过选择合适的规则号,新算法检测的速度更快,是一种有效的方法.     

一种改进Sobel算子的热红外影像边缘检测方法

热红外影像特殊的成像机理和特点,使影像中存在大量的噪声导致边缘信息模糊难提取。基于传统Sobel算子提出了一种新的边缘检测方法。首先利用数学形态学中的不同尺度、不同结构元素对具有随机噪声的热红外影像进行形态学去噪,再用Otsu算法对去滤波后的影像进行全局阈值分割,最后利用Sobel算子对其进行边缘提取。基于MATLAB仿真实验,结果表明:与传统的Sobel算子相比,该方法不仅有较强的抗噪性,而且检测出的边缘外部轮廓与内部细节特征表达较好,边缘具有连续一致性,是一种简单、快速的边缘检测新方法。     

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。     

图像边缘检测中的微分算子法及其比较

边缘是图像最基本的特征,边缘检测是图像分析与识别的重要环节。基于微分算子的边缘检测是目前较为常用的边缘检测方法。通过对Roberts,Sobel,Prewitt,Canny和Log等几个微分算子的算法分析以及MATLAB仿真实验对比,结果表明,Roberts,Sobel和Prewitt算子的算法简单,但检测精度不高,Canny和Log算子的算法复杂,但检测精度较高。在应用中应根据实际情况选择不同的算子。     

基于电视图像边缘检测技术微分算子的研究

边缘检测技术是图像处理和计算机视觉等领域最基本的技术,文中介绍了几种经典边缘检测算子,如Robert算子、Sobel算子、Prewitt算子和LOG算子等,并对其性能和算法特点进行了分析。     

数字图像处理技术在边缘特征提取中的应用

边缘检测是计算机视觉和图象处理中基础而又重要的课题。分析几种应用于数字图像处理中的边缘检测算子,根据它们在实践中的应用结果进行研究,通过matlab仿真结果对各种边缘检测算法的优劣进行了比较、选择,论述了获得清晰、完整的边缘轮廓的方法及步骤。     

基于Sobel算子和改进SURF算法的图像拼接方法

针对基于SIFT算法的图像拼接算法计算量大、算法复杂、匹配效率低的问题,提出一种基于Sobel算子和改进SURF算法的图像拼接方法。首先采用Sobel算子快速检测图像兴趣点,然后利用改进的SURF算法进行图像匹配,采用随机抽样一致性算法消除错误匹配点。最后对图像通过加权平均法进行图像融合,消除拼接缝隙。实验结果表明,与基于SIFT算法的拼接方法相比,该方法具有较好的匹配精度,方法容易实现,且在匹配阶段具有更好的匹配效率,同时能够更好地处理拼接缝隙。     

基于Sobel和Canny算子的电视字幕检测

电视字幕检测在电视节目监播、搜索和查询中起着重要的作用,其应用越来越广泛.目前,可用于电视字幕检测的算子很多,比较典型的有Sobel和Canny算子.通过对Sobel和Canny算子的算法分析以及Matlab仿真实验的对比,可以得出:Sobel算子算法简单,速度较快,但检测精度不高,适合字幕段的快速搜索和检测;Cann...     

一种新的边缘检测算法

边缘检测是图像处理的一个重要环节.通过对现有经典边缘检测梯度算子--Sobel算子的分析,提出了一种具有普遍意义的边缘检测算子.文章根据新算子的构造机理以及大量的实验,验证了该算子的可行性,这里是对边缘检测算子的一种很好的补充.     

基于数字图像处理的棉花异纤检测研究

本文首先介绍通过Visual C＋＋实现对RAW格式的棉花图片的显示,然后再应用一种检测算法检测显示出的图片中的异纤点。该检测算法是采用基于选择式掩模平滑的边缘检测方法来识别原棉图像中存在的异性纤维,其中边缘检测算子为Sobel算子。     

实时图像双边缘检测算法及FPGA实现

传统的单独采用Roberts和Sobel算子对实时图像的边缘进行检测,其检测出的结果在边缘精度和抗噪能力方面都有待提高。首先将实时图像经过中值滤波来去除噪声,然后再进行Roberts边缘和Sobel边缘检测,实现双边缘检测,最后将得到的边缘数据在FPGA上实现。实验结果表明,双边缘检测优于单独采用Roberts或Sobel边缘检测算法,检测出的边缘更加清晰,抗噪能力增强。     

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.