现代电力 MODERN ELECTRIC POWER 2000,17(3) 75次
参考文献(1条) 1.Ramesh Jain Machine vision 1995
引证文献(75条)
1.汤莎亮.刘书桂.石雪梅 基于直线不变性的自修正光靶标[期刊论文]-新技术新工艺 2010(1) 2.闫青 常用车牌定位算法浅析[期刊论文]-微型机与应用 2010(2) 3.顾珺恺.谢静 基于Sobel算子的快速图像匹配检索方法[期刊论文]-电脑编程技巧与维护
万方数据
图像处理中几种边缘检测算法的比较
作者： 作者单位：
刊名： 英文刊名： 年，卷(期)： 被引用次数：
周心明， 兰赛， 徐燕， Zhou Xinming， Lan Sai， Xu Yan 周心明,徐燕,Zhou Xinming,Xu Yan(华北电力大学(北京),北京,102206)， 兰 赛,Lan Sai(美国摩托罗拉公司,芝加哥)
2010(2)
4.李翔宇.吴斌.时丙才.李垚.高明伦 基于生物特征识别的自动勤务系统设计[期刊论文]-电子技
术应用 2010(1)
5.孟晓莉.赵安军.马光思 基于数学形态学的车牌定位研究与实现[期刊论文]-计算机技术与发展
2010(11)
6.郭辉.林瑞霖 基于图像处理的高精度检测方法研究[期刊论文]-舰船电子工程 2009(12) 7.宫丽婧.徐伯庆.夏佶晟 智能化血液粘度测试系统设计[期刊论文]-光学仪器 2009(4) 8.蔡立晶.蔡立娟.杨立 基于指纹图像边缘检测算法的比较研究[期刊论文]-中国新技术新产品
关键词;图像处理B边缘检测B模式识别
分 类 号 ; 35#!"’D
文献标识码;7
边缘检测是图像处理领域的重要和基本课题A是进行模式识别和图像信息提取的基本手 段C本文介绍了三种常用的边缘检测算法A并对其进行了讨论与比较C
F 高斯滤波器
高斯滤波器是一种线性滤波模板A模板各位置的权重是根据高斯分布函数确定的C由于 高 斯滤波器的二维可分性 =G 轴与 H轴方向进行高斯滤波互不干扰>A我们可以用两个一维高 斯滤波器的连续卷积来实现一个二维高斯滤波器;
坎尼边缘检测法是高斯函数的一阶微分/它能在噪声抑制和边缘检测之间取得较好的平 衡.算法如下0
1%"用 2$2高斯滤波器来对图像滤波/以去除图像中的噪声3 1)"对每个像素/计算其梯度的大小 4 和方向 ?.为此要使以下 )$)大小的模板作为对 ;和 =方向偏微分的一阶近似0
@5
% )
$
>% %
>% %
参考文献
,#- ./01234/56%17/89:/;3561<525)69:;*=/>?@588A1=51256B)0CD71=A;516;1%#EEF
GHIJKLMNHOHPQRSTUVSWSQSXQMHOYZVHLMQRIN MO[IKVS\LHXSNNMOV
]^_‘abcdbce#%fgchgb’%a‘igc#
A5 %)$
%%
>%>%
由此得到梯度的大小பைடு நூலகம்4 和方向 ?0
4567891@B @<AB A"
?5C8!9CD 1AE@"
12"对梯度进行 F非极大抑制G0
梯度的方向可以被定义为属于 ’个区之一/各个区有不同的邻近像素用来进行比较/以
决定局部极大值.这 ’个区及其相应的比较方向如右图所示0
例如/如果中心像素 ;的梯度方向属于第 2区/则把 ;的梯度 值与它的左上和右下相邻像素的梯度值比较/看 ;的梯度值是否是 局部极大值.如果不是/就把像素 ;的灰度设为 *.这个过程叫作 F非 极 大 抑万制方G.数据
"#jk)=73B356/l81;7=5;m)>1=n65<1=257o"p15q56r$%p15q56r#s’’st%’ju01=5;/6:)7)=)8/B)09% v35;/r)%nAu$
YwNQLKXQ x311yr1y171;75)6 52)61)z731zD6y/0167/87)C5;256 73150/r1 /6/8o212/6y731C/771=6=1;)r6575)69x31C/C1=56<1275r/71273=11)z7310)27 ;)00)6 /8r)=57302/6y 50C810167273121/8r)=573029 u ;)0C/=52)6 /0)6r 7310 520/y19x31/6/8o21256y5;/7173/7731A){18)C1=/7)=520)=1250C81/6y 1zz1;75<1% 731 B/66o y171;7)= /6y 731 */D25/6|2 (/C8/;5/6 /8r)=5730 o518y 735661=1yr129}6 C=/;75;1%;3))256r>35;3 /8r)=5730 8/=r18oy1C16y2)6 731 6/7D=1)z73156<1275r/75)6C=){8109 ~S!"HLUN 50/r1/6/8o252#1yr1y171;75)6#C/771=6=1;)r6575)6
2)% *; * %)2
第 F期
周心明等$图像处理中几种边缘检测算法的比较
ML
!"# 对 梯 度 取 两 次 阈 值 $ 用两个阈值 %&和 %’(%’)’* %&+我们把梯度值小于 %&的像素的灰度设为 ,(得到图 像 &+然后我们把梯度值小于 %’的像素的灰度设为 ,(得到图像 ’+由于图像 ’的阈值较高( 噪音较少(但同时也损失了有用的边缘信息+而图像 &的阈值较低(保留了较多信息+因此 我们可以以图像 ’为基础(以图像 &为补充来连接图像的边缘+ !-# 边 缘 连 接 ./扫描图像 ’(当我们遇到一个非零灰度的像素 0时(跟踪以 0为开始点的轮廓线(直 到该轮廓线的终点 1+ 2/在图像 &中(考察与图像 ’中 1点位置对应的点 1 3的 45邻近区域+如果在 16点 的 45邻近区域中有非零像素 7 3存在(则将其包括到图像 ’中(作为点 7+从 7开始(重复 第 !.#步(直到我们在图像 &和图像 ’中都无法继续为止+ 8/我们已经结束了对包含 0的轮廓线的连接(将这条轮廓标记为已访问过+回到第 !.# 步(寻找下一条轮廓线+重复第 !.#(!2#(!8#步直到图像 ’中再也找不到新轮廓线为止+
图像处理中几种边缘检测算法的比较
周心明! 兰 赛) 徐 燕!
=!’华北电力大学=北京>A北京 !*))*?B )’美国摩托罗拉公司A芝加哥>
摘 要;边缘检测是图像处理和模式识别领域的基本课题C文章具体考察了 #种 常用的边缘检测算法A并加以实现C最后对它们各自的特点进行了比较C索贝尔 算子简单有效A坎尼算法和高斯的拉普拉斯算法能产生较细的边缘C它们各自有 其优缺点A在实践中应根据待解决问题的特点和要求决定采用何种方法C
=!>对图像使用一维高斯卷积模板A在一个方向上进行滤波 =例如水平方向>C =)> 转 置 图 像 B =#> 对 转 置 以 后 的 图 像 使 用 同 一 个 高 斯 卷 积 模 板 A 在 垂 直 方 向 进 行 滤 波 C =D> 将 图 像 转 置 回 原 来 的 位 置 A 我 们 就 得 到 了 经 过 二 维 滤 波 的 图 像 C 一维高斯卷积模板可以由二项式展开的系数来模拟
"’$索贝尔算子产生的边缘较粗%坎尼和 ()*算法产生的边缘较细&坎尼算法是通过对 梯 度 方 向 上 的 非 局 部 极 大 值 点 进 行 抑 制 而 达 到 这 个 效 果 &()* 做 到 这 点 是 因 为 这 是 零 穿 越 的 本 质 特 点 % 另 一 方 面 % 也 正 因 此 % ()* 比 坎 尼 算 法 更 容 易 受 到 噪 声 的 影 响 &
第 !"卷第 #期 )***年 +月
现代电力
,-./0( /1/230425-6/0
$%&’!" (%’# 789’)***
::::::::::::::::::::::::::::::::::::::::::::::::::::::::::
文 章 编 号 ; !**"<)#)) =)***> *#<**?@<*@
2)如果 ! "#$%&不为 +$则看 3个数对
,! "#$%&$! "#-.$%&,! "#$%&$,! "#/
.$%&0$ ,! "#$%&$! "#$%- .&0$ ,! "#$ %&$! "#$%/.&0中是否有包含正负号相反的 值的’如果有$那么在 1 "#$%&附近有零穿 越’看 1 "#$%&对应的一阶微分值是否大于 一定的阈值$如果是$则将 1 "#$%&作为边 缘点’ 4)5 结 果
图 & 高噪音辅助图
图 ’ 低噪音基础图
9/: 高斯的拉普拉斯算法
高斯的拉普拉斯 ;<=算法是一种二阶边缘检测方法+它通过寻找图像的灰度值的二阶微
分中的零穿越 !>?@<A@<BBCDE#来检测边缘点+算法如下$
!&#用 FGF高斯滤波器来对图像滤波(以去除图像中的噪声+ !’# 用 下 面 的 模 板 对 滤 波 后 的 图 像 进 行 卷 积 ( 该 模 板 是 拉 普 拉 斯函数的近似+ !F#由 于 高 斯 的 拉 普 拉 斯 算 法 是