论文部分内容阅读
形态学边缘检测是图形图像处理领域的一个热门研究方向。数学形态学是一种集合论方法,在边缘检测中的应用体现为腐蚀、膨胀以及开、闭运算。通过上述形态学运算可以使得数字图像的边缘像素检测更加精细合理。本文将形态学应用在边缘检测算法中,通过实验仿真可以得出很好的检测效果,明显优于传统的Roberts、Sobel、Prewitt、LoG、Canny算子的边缘检测算法。本文首先分析研究了数学形态学在数字图像处理领域的常用手段,通过对这些基础方法的掌握和有效应用来达到数字图像的形态学预处理、区域填充、边缘细化。在考虑数字图像处理时,噪声滤波是一个不容忽视的操作。一般在图像传输、存储等过程中会产生脉冲干扰,随着外界干扰的强度不同,最终的数字图像受损程度也不同。通常,边缘检测算法在实现的过程中会考虑到较小浓度的噪声干扰,一般会采用高斯函数滤波预处理,如传统Canny算法;当遇到较高浓度的噪声干扰,传统边缘检测算法的检测效果很差。针对上述问题,本文第三章讨论了常用的噪声滤波算法,并给出了作者自己提出的改进中值滤波算法,通过实验仿真验证,该算法的预处理效果显著,能够有效的去除90%浓度的噪声干扰,并取得良好的恢复图像。四、五两章通过深入的分析各种常用边缘检测算法,对比研究了各种边缘检测算法的利弊。如,Roberts、Sobel、Prewitt及其改进的算子,它们都是基于一维微分算子的边缘检测算子,普遍对噪声敏感;LoG、Canny算子等算法是二维的微分算子,同样对噪声敏感,但这类算法在检测前会进行高斯滤波,故检测效果较优。本文分别应用了形态学的运算进行图像受损恢复、去噪预处理以及边缘细化,当遇到较高浓度污染时采用作者自己提出的IWF滤波算法进行预处理。改进的边缘检测算法是基于传统Canny算法的三个缺陷进行的优化,通过实验仿真可以看出该算法边缘检测效果显著,在耗时相差不多的情况下能够保留更多的边缘细节。