基于FPGA的实时彩色图像边缘检测算法的实现

针对传统的基于灰度图像的边缘检测算法抗噪能力弱、对方向敏感、获取边缘细节信息较粗等不足,本文通过分析彩色图像的特点,提出一种改进的Sobel算子与快速中值滤波相结合的彩色图像边缘检测算法,通过扩展边缘检测算子的方向模板,提高Sobel算子对纹理复杂图像的适应能力及抵抗噪声的能力。该改进算法在Altera DE2-70FPGA硬件开发平台上,应用Verilog HDL语言与Quartus II中的可编程宏功能模块实现。实验结果表明,该算法的处理只占用了约2%的系统硬件资源,资源占用相对合理,且图像边缘定位准确,抗噪能力强,能够实时有效地提取出彩色图像的边缘。

基于改进Canny算子的电力设备图像检测研究

图像边缘检测技术在电力行业的应用越来越广泛,但仍然存在些许问题限制了其在工程中的实际应用。对于复杂的现场电力设备图像,结合最优阈值灰度分割法和Canny算子等图像处理技术,提出了基于改进Canny算子检测电力设备图像。首先利用最优阈值灰度分割法得到的阈值作为Canny算子的高阈值Th;然后利用高低阈值的对应关系确定低阈值Tl,。由此可实现改进Canny自适应检测电力设备图像的目的。实验结果表明,该方法可取得较为理想的边缘检测效果,具有一定的实用性。

家具定制系统中基于视觉效果的边缘检测方法

针对现有边缘检测算子检测家具图像过程中丢失了原图的视觉效果,而不能应用到家具客户化定制系统中的缺点,提出一种基于新型卷积核的Sobel边缘检测方法.该方法首先将RGB图像按照三原色分割成R图像、G图像、B图像,其次将分割开的图像用文中描述的模板进行离散性加权运算.经实验表明,文中提出的算法不仅在速度上可以满足实际的应用,而且在保持检测边缘的RGB图像的视觉效果方面具有显著优越性.

融合模糊增强与改进Canny的植物叶脉边缘提取

针对植物叶脉边缘提取存在的问题,提出一种图像模糊增强与改进Canny算子相结合的叶脉边缘提取方法。该方法首先构造分段模糊隶属度函数对高低灰度进行不同处理,然后通过模糊增强函数来增强叶脉两侧邻接区域灰度对比度,最后对增强图像采用改进Canny算子提取叶脉边缘。改进Canny算子根据像素点与局部像素的均值差来自适应的应用高斯滤波,以减小滤波对边缘的平滑影响;采用Prewitt模板计算梯度幅值和方向,以减小噪声对梯度计算的影响;采用线性插值技术实现全向非极大值抑制,以更准确的实现边缘细化。实验结果表明,本文方法在低照度叶片和光照不均叶片下提取叶脉边缘的PSNR分别为51.136 2dB和50.217 4dB,与传统边缘提取方法及相关文献相比,本文方法对边界模糊性不敏感,可以更加有效地提取完整精细的叶脉边缘。