基于形态学的种子图像边缘检测方法

采集种子在传送带上的动态图像,运用数学形态学算子对图像边缘进行检测。结果显示,与传统的边缘检测算法相比,该方法可准确提取种子图像边缘,且具有很强的抗噪能力。     

遗传算法优化的形态学边缘检测算子

图像边缘检测通常是以类似于素描图的图像表达出物体的要素和特征,其任务是使图像边缘准确定位和抑制噪声.在传统形态学算子基础上提出一种遗传算法优化的形态学Top-Hat算子.实验表明,与传统的边缘检测算法相比,该算法不仅具有较强的边缘提取能力,而且通过合理选择结构元素能明显降低噪声对检测结果的影响,准确检测出图像边缘.     

基于CT图像板材节子边缘检测的研究

板材CT图像的边缘提取是实现板材三维重建的关键步骤。针对板材CT图像低对比度、低动态范围、板材缺陷边缘提取困难等问题,采用数学形态学方法对板材二值化处理后的图像进行边缘提取,并与传统的Sobel、Prewitt、LoG和Canny算子对原始板材CT图像边缘提取效果进行对比。结果表明,这种方法能较好地检测出板材节子的边缘信息,提取的边缘清晰完整,准确性较高,能为后续的板材CT图像三维重构奠定基础。     

煤粒图像检测的Matlab实现

传统的煤粉颗粒测试的方法存在一定的局限性。尝试应用图像分析来直接获得颗粒的信息。首先对利用数码相机获取的煤粒图像进行图像类型转换、插值运算、二值化运算、灰度增强、滤波运算等预处理。在此基础上,通过边缘检测、形态学方法对煤粒图像进行图像分割实验,进而选取分水岭算法作为图像分割方法。最后利用Matlab特征提取函数提取该图像中煤粒面积,得到煤粒数据,实现了煤粒数据检测。     

基于像素类型的阶跃型边缘提取算法

介绍一种用于提取目标图像和背景图像都比较简单的图像中的阶跃型边缘算法。把二值化图像中的像素点分为4类:背景点、目标体点、边缘点、噪声点;算法实现过程如下:首先对图像进行二值化处理,然后对二值图像中的目标体的边缘像素点进行跟踪,找出目标体的边缘曲线。试验表明:该算法实现简单、处理快速、抗噪性好。     

数学形态学在种子图像边缘检测中的应用

通过分析播种机性能检测的方法和种子目标的图像特点,提出一种基于数学形态学的种子图像边缘检测方法.利用开闭运算的级联对种子图像在生成过程中因传送带上的杂质等的干扰进行滤波后,采用3×3八方位方形结构元边缘检测算法获取种子的边缘.试验表明,与经典的边缘检测算子相比,该算法不仅具有很好的边缘提取能力,而且具有很强的抗噪能力.     

基于改进数学形态学滤波的农产品图像处理

提出了一种针对农产品图像的改进数学形态学滤波算法(improved mathematical morphology filtering algorithm,IMMFA)。该算法首先在充分结合数学形态学开启-闭合,闭合-开启滤波器特点的基础上,引入了图像加权融合机制,构建了一种新型基于加权融合的数学形态学滤波器。然后,针对噪声的随机特性,设计出3类不同尺度的"棱形"结构元素,以实现对噪声的多尺度梯次滤波。最后,引入噪声判别机制融入了图像灰度值因素,通过对图像中噪声强度进行判别,根据判别结果来自适应选择参与滤波的数学形态学结构元素尺寸并对滤波后图像采用自适应同态滤波进行对比度增强处理,一方面在有效滤除噪声的同时尽量保持图像边缘的连续性,另一方面避免图像被"过滤波",提高滤波后图像视觉效果。理论和试验分析结果表明,该算法的性能较优,这说明这一改进思路对于农产品图像的处理具有一定的效果。     

自然环境下苹果彩色图像分割研究

[目的]获得自然环境下较好分割苹果图像的方法。[方法]选取苹果被遮挡（主要是叶子）、相互重叠的情况作为试验图片,采用欧几里得距离对彩色图像进行预处理,在预处理中,利用边界盒的相似性准则,提高了处理速度;对预处理的结果进行黑白（苹果和非苹果）编码,产生一副二值分割图像;最后采用数学形态学对二值化图像进行处理。[结果]有效的去除了复杂背景、目标物被遮挡、相互重叠等存在的图像噪声,去噪效果良好。[结论]算法对成熟苹果具有很好的分割效果,但不适合未成熟苹果的分割。     

一种新的基于小波变换的边缘检测算法

提出了一种新的基于小波变换的图像边缘检测算法。该算法首先按水平、垂直和对角方向对图像进行多尺度二进制小波变换,提取3个方向的小波系数。然后采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点。最后将这3个方向上的极大点进行融合,形成图像的边缘。仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法。     

基于LoG算子的棉花图像检索算法研究

针对基于边缘检测的图像检索中边缘点容易受到噪声干扰的问题,提出一种基于LoG边缘算子的棉花图像检索算法.首先在求取边缘检测前进行滤除噪声处理,然后根据欧式距离衡量图像间的相似性.棉花图像数据集的试验结果表明,算法能够有效去除边缘噪声,提高了图像检索的查全率和查准率,尤其适用于高噪声环境下的棉花图像检索.