梯度双边滤波的图像去噪

为了改善双边滤波的去噪性能,引入图像的局部模式,提出了梯度双边滤波算法。采用相邻像素亮度值的梯度距离来构造梯度相似度核,通过几何邻近度核函数和梯度相似度核函数来对图像邻域像素进行加权平均,从而实现滤波;为了获得最佳的滤波参数,通过经验学习的方法对滤波参数进行选择,最终得到通用的参数配置。实验结果表明,新方法能很好地保持图像的边缘,且与传统去噪模型相比,其去噪性能也是最好的。

一种基于自适应双边滤波的图像降噪算法

本文为改善传统双边滤波算法的降噪效果,本文对其滤波处理范围及参数设定进行改进。其中,通过经验学习方法获取图像分割最优块数;利用边缘检测算子及二值化将图像块划分为边缘块和非边缘块两种类型;引入梯度相似度构建梯度双边滤波,同时结合小波变换进行降噪。实验结果表明,在不同强度的噪声下,所提算法的降噪效果优于传统的双边滤波、小波降噪以及各向异性扩散滤波算法。

基于改进Canny算子的齿轮边缘缺陷检测方法

针对Canny算子在齿轮边缘缺陷检测中存在识别相似度低、因图像噪声影响导致微弱边缘难以提取、边缘连续性与鲁棒适应性差的问题,提出了一种改进Canny算子的齿轮边缘缺陷检测技术。改进滤波器,使用梯度双边滤波进行图片预处理,平滑图像并减少图像噪声;改进了卷积核,在45°和135°梯度方向上对像素点进行非极大值抑制,增加了微弱边缘被保留的概率;采用最大类间方差法(Otsu算法)计算图像的高阈值,通过双阈值的办法自适应寻找图像强弱边缘;将Prewitt算子和Canny算法以及改进算法进行对比实验验证。结果表明,改进算法可以提取更完整的齿轮边缘,处理后图片的峰值信噪比(PSNR)相比Canny算法提升了16%,检测效果提升了30%,重叠系数高达81.9%,提升了25.1%,为齿轮边缘缺陷检测提供了一定的参考价值。

基于机器视觉技术的瓶盖划痕检测

目的针对当前国内瓶盖划痕检测算法在较复杂背景条件下,存在精度不高、瓶盖划痕图像灰度值变化剧烈,且影响因素较多,无法准确定位检测的问题,提出一种基于机器视觉技术的瓶盖划痕检测方案,以实现在对比度较低的背景下对细微划痕快速准确的检测。方法对标准图像作预处理创建模板,对样本图像进行滤波降噪、基于形状的模板匹配、提取感兴趣区域(ROI)、高斯差分滤波增强划痕拉开对比度、二维Otsu阈值分割、形态学处理、特征提取划痕。通过获取300幅瓶盖表面图像,与差影法、大津法、人工检测法进行了划痕检测对比实验。结果实验结果表明,提出的算法能快速、准确、高效地提取瓶盖划痕,检测1幅图片的平均时间为113 ms,检测准确率为98.3%。结论该方案与人工检测、差影法、大津法相比,检测精度更高、速度更快、鲁棒性更好,可以满足工业上的生产需求。