基于改进基于改进Canny算子与图像形态学融合的边缘检测方法算子与图像形态学融合的边缘检测方法
传统Canny算法采用高斯滤波会造成图像的过度光滑,容易导致缓变边缘的丢失,而且梯度幅值的计算方法没有
充分考虑到3×3邻域内周围像素对中心像素的影响。针对上述存在的问题与不足,结合小波融合技术的优势,提
出了一种基于改进Canny算子与图像形态学融合的边缘检测方法,利用改进的Canny算子和图像形态学分别对图
像进行边缘检测,然后应用小波融合技术把两种方法检测出来的边缘进行图像融合,得到最终的图像边缘。仿
真结果表明,该算法具有较好的抗噪能力,有效地提高了边缘检测的准确性和完整性。
摘摘 要:要: 传统Canny算法采用高斯滤波会造成图像的过度光滑,容易导致缓变边缘的丢失,而且梯度幅值的计算方法没有充分
考虑到3×3邻域内周围像素对中心像素的影响。针对上述存在的问题与不足,结合小波融合技术的优势,提出了一种基于改进
关键词:关键词: Canny算子;图像形态学;边缘检测;图像融合
边缘检测是图像分割、目标区域识别和特征提取等数字图像分析领域中的重要技术,目前已经成为机器视觉研究领域最活
跃的热点课题之一。传统边缘检测方法包括Roberts算子、Sobel算子等一阶微分算子,以及Laplacian算子、LOG算子等二阶微
分算子[1]。这类算法以满足一阶导数极大值点或者二阶导数过零点作为图像的候选边缘点,通过人为设定的全局阈值作为评
价标准去除噪声与弱边缘点,将梯度值小于阈值的候选边缘点删除。由于微分运算对噪声比较敏感,抗噪声性能差,提取的边
缘不够精细,因此在实际应用中受到了限制[2]。对于边缘检测算子性能优劣,Canny提出了三个评价准则[2]:高信噪比准则、
定位精准准则和单一边缘唯一响应准则,并据此提出了Canny边缘检测算子。实际应用证明,Canny算子具有较好的边缘检测
效果,因此迄今为止一直被广泛应用。
近年来,很多学者都提出了基于Canny算子的改进算法,但大多数都是针对如何解决自适应确定双阈值的问题[3-5]。传统
Canny算法采用高斯滤波器消除图像噪声,不仅会造成图像的过度光滑,而且容易造成缓变边缘的丢失,这样会导致复杂图像
的弱边缘无法检测。另外,传统Canny算子中梯度幅值的计算方法没有充分考虑到3×3邻域内周围像素对中心像素的影响。针
对上述问题与不足,结合小波融合技术的优势,本文提出了一种基于改进Canny算子与图像形态学融合的边缘检测方法。仿真
结果表明,该算法有效地提高了边缘检测的准确性和完整性。