一种基于自适应Canny算子的舰船红外图像边缘检测方法
- 格式:pdf
- 大小:1.54 MB
- 文档页数:6
收稿日期:2019-06-03;修回日期:2019-08-08基金项目:国家自然科学基金资助项目(61132005);国家重点研发计划资助项目(2017YFC1405202);海洋公益性行业科研专项资助项目(201505002)作者简介:李庆忠(1963-),男,山东淄博人,教授,博导,博士,主要研究方向为图像处理、信号处理与模式识别;刘洋(1994-),男(通信作者),山东淄博人,硕士研究生,主要研究方向为智能信息处理与智能控制(1120132246@qq.com ).基于改进Canny 算子的图像弱边缘检测算法*李庆忠,刘洋(中国海洋大学工程学院,青岛266100)摘要:图像边缘在基于机器视觉的工件自动测量与识别中起着至关重要的作用,但传统的Canny 算子只能检测图像中的强边缘而出现弱边缘漏检问题。
为此提出了一种基于改进Canny 弱边缘检测算法。
该算法首先用提出的改进梯度倒数加权滤波方法对图像进行斑点噪声滤除的同时保持了图像边缘;其次用改进的Sobel 算子计算梯度幅值,以提高边缘的定位精度;对非极大值抑制后的梯度图像进行分块,根据各个子块的类型自适应确定各子块的高低阈值,并对平滑块进行再分块,以检查平滑块中是否含有细小的弱边缘。
最后,为了克服传统高低阈值连接中部分弱边缘的漏检问题,提出基于局部区域生长法的边缘连接算法,使之能够保留连接性较好的弱边缘点。
实验结果表明,该算法能够去除图像中的斑点噪声并能检测出图像中的弱边缘,为图像弱边缘的检测提供了一种可行方法。
关键词:Canny 算子;弱边缘检测;边缘保持滤波;机器视觉;工件测量0引言图像的边缘特征是图像目标最基本且重要的特征之一,在机器视觉检测与测量领域有着广泛的应用,如图像分割[1,2]、目标检测与测量[3]、目标识别与跟踪[4]等。
尤其在基于机器视觉的工件检测与识别中,因目标工件含有较多弱边缘,而传统的边缘检测算法只适合于强边缘检测与提取,所以目前图像弱边缘检测已经成为机器视觉领域一个急需解决的难题之一。
基于分区的自适应Canny边缘检测摘要:提出了一种自适应分区的Canny边缘检测算法。
该方法自适应的划分区域,并对各个子区域分别进行canny边缘检测。
理论和实验结果表明,该方法能有效的检测出弱边缘,并且具有一定的自适应性。
关键词:自适应分区canny算法边缘检测Abstract:An adaptive Canny algorithm of edge-detection method is proposed.This algorithm divides image into sub-images and detects them respectively.With theoretical and experimental results,it’s demonstrated that the algorithm could detects more weak edges and the algorithm has also a certain degree of adaptability.Key word:Adaptive Partitioning,Canny Algorithm,Edge Detection引言图像的边缘是图像最基本的特征,边缘检测对图像的分析和理解具有重要意义。
边缘是周围像素值有阶跃变化的像素的集合。
在灰度图像中,边缘表现了图像局部灰度的不连续性,边缘点对应于一阶微分的极大值点和二阶微分的零交叉点[1]。
传统的边缘检测算子[2]如Robert、Prewitt、Krisch、Sobel、LOG、Canny等本身存在一些不足,多数情况下无法达到很好的检测效果。
相比之下,基于最优化算法的Canny边缘检测具有信噪比大,检测精度高[3]的特点,被广泛应用。
传统Canny算法存在的缺陷是对于整幅图像高斯滤波器采用固定的σ值,并且需要人为确定唯一的高低阈值的参数,而且不同的参数对检测结果的影响很大。
简述canny边缘检测方法
Canny边缘检测方法是一种广泛应用于数字图像处理领域的算法,用于检测图像中的边缘。
它是由John Canny在1986年开发的,是一种基于多级梯度计算和非极大值抑制(Non-Maximum Suppression)的方法。
该算法的主要步骤包括以下几个步骤:
1. 高斯滤波:对图像进行高斯平滑滤波以去除噪声,同时模糊图像,使边缘在进行梯度计算时更平滑。
2. 梯度计算:使用Sobel等算子计算图像中每个像素点的梯度、方向和大小,从而找到边缘的位置。
3. 非极大值抑制:将检测到的梯度方向沿垂直方向上进行“压缩”,将每个像素点的位置更新为其在梯度方向上的最大值处。
4. 双重阈值:对非极大值抑制后的图像进行二值化操作,设定一个高阈值和低阈值,比较每个像素点的梯度大小是否高于高阈值或低于低阈值。
高于高阈值的点被标记为强边缘,低于低阈值的点被标记为背景,介于高低阈值之间的点被标记为弱边缘。
5. 边缘跟踪:将弱边缘与强边缘连接起来,最终得到连续的边缘。
Canny边缘检测方法具有较高的精度和鲁棒性,广泛应用于计算机视觉、机器视觉、物体检测等领域。