8方向自适应权值Sobel边缘检测算子

针对传统Sobel边缘检测算子对图像边缘检测存在漏检和噪声敏感的缺点,提出一种改进的Sobel算子.该算子重新构造出一种8方向5×5检测模板,并且在模板卷积过程中应用自适应权值的算法,增强了该算子的抗噪性.实验表明,改进的Sobel算子保留了传统Sobel算子的优点,增加了其他方向的边缘检测,降低了漏检的概率,提高了抗噪性.

增加Sobel算子方向信息的硬件实现法

文章研究了增加Ｓｏｂｅｌ算子方向信息的原理，在实时边缘检测器［１］的基础上，用硬件实现了方向性电路。提高了用Ｓｏｂｅｌ算子检测边缘的效果。

基于改进八方向Sobel算子的图像轮廓提取方法

针对传统八方向Sobel算子的边缘提取算法对图像的检测效果差、漏检率高等问题,提出一种改进的八方向Sobel算子的图像轮廓提取方法。该方法首先采用高斯滤波算法对图像进行预处理,以减少图像噪声的影响,然后利用八个方向的模板计算各像素点的梯度,并将由各个方向模板提取到的各方向轮廓图像进行加权融合,以获得多个方向上的轮廓信息,最后采用区域生长算法进行后处理,以补充被漏检的边缘信息,从而使得提取到的图像轮廓更精确完整。通过在PyCharm平台上对CCPD数据集中的图片进行实验可知,由该算法提取到的轮廓图像的峰值信噪比(PSNR)为97.45、均方误差(MSE)为27.89和结构相似性(SSIM)为0.231,分别比传统八方向Sobel算子的边缘提取算法提高了54.4%,43.9%和92.2%。实验结果说明,文中改进算法提取的图像轮廓更精确,漏检率更低,整体检测效果更优。

基于FPGA的8方向Sobel自适应阈值边缘检测系统设计与实现

针对传统Sobel边缘检测算法需要人为设定阈值,且对图像复杂纹理的识别能力较弱等问题,文中提出一种图像自适应阈值及3×3算子的8方向Sobel边缘检测算法,并在现场可编程门阵列(FPGA)上通过流水线设计和乒乓操作加速实现。基于Xilinx公司的Spartan6系列FPGA硬件平台,将OV5640摄像头采集到的图像数据流缓存于SDRAM;再利用移位寄存器将图像数据传输至图像算法模块,经过图像中值滤波及8方向Sobel边缘检测算法进行处理;最后,通过驱动VGA实时显示视频图像的边缘信息。实验结果表明:利用文中算法并基于FPGA输出的图像,在有效降噪的同时能够较好地滤除虚假边缘并保留真实的边缘信息;相较于传统算法,利用所提算法处理后的图像边缘清晰度有明显提高,且系统具有良好的准确性和鲁棒性。

基于改进Sobel算子的遥感图像道路边缘检测方法

从遥感图像中提取道路边缘可以大量简化道路网的测绘与规划工作。传统边缘检测算子由于方向和模板尺寸的局限性,易造成检测结果中边缘点散乱、不连续或过多边缘点误判。基于道路边缘完整且连续的特点,针对传统检测效果并不理想的问题,提出了一种改进的Sobel算子,即5×5的8方向模板。从Sobel算子的基本原理出发,根据Pascal三角形理论推导出各方向的最优模板。研究表明,该算子不仅能较好地检测出更多方向上的边缘,而且能有效减少误判点,检测出的边缘线条更加平滑、完整,轮廓清晰且连续性好,尤其在弯曲道路检测中表现得更为突出,优于其他算子的检测效果。

基于改进Sobel算子的铁路轨枕自动定位方法

针对传统方法对铁路轨枕定位效率差、效果不理想等问题,提出一种基于改进Sobel算子的轨枕精确定位方法。首先将传统Sobel算子由原来水平和垂直2个方向模板增加至8个方向模板,提高边缘的检测精度;然后采用最大后验概率估计法对采用8方向Sobel算子检测出的梯度图像选取最佳阈值并进行二值化处理,增强算法的抗噪声能力;最后,将处理后的图像进行灰度投影,实现轨枕精确定位。试验结果表明,该方法能快速、准确地定位轨枕,为铁路轨枕状态检测提供可靠的、高精度的轨枕图像。

基于FPGA的改进Sobel算法图像边缘检测系统

边缘信息是数字图像信息的重要组成部分,传统的边缘检测程序会因串行执行指令而导致检测效率下降。为了提高图像边缘信息的处理能力,提出一种基于现场可编程门阵列的改进Sobel算子的边缘检测方法,其中,Sobel算法的卷积核从2方向扩展到8方向,并具备阈值自适应能力。板级测试结果表明,基于现场可编程门阵列的改进Sobel算法边缘检测方法充分发挥FPGA并行处理的优势,能够高效准确地检测图像的边缘信息,图像层次感强、成像稳定,在图像的并行处理中有明显的优势。

基于改进Sobel算子的边缘检测算法研究

Sobel算子原理简单,计算简便,但只有水平和垂直方向上检测的效果比较好,而对于其他方向的边缘其检测的效果就很不理想,会出现边缘点判断错误等情况。因此本文通过改进Sobel算子来进行边缘检测,将Sobel算子的方向模板扩到8个解决方向问题。

基于自适应边缘阈值及方向加权的空间错误隐藏算法

针对H.264/AVC压缩视频码流在无线信道传输过程中会由于数据丢包导致图像重构质量下降的问题,提出了一种基于自适应边缘阈值及方向加权的空间错误隐藏算法。该算法利用图像边缘检测Sobel梯度算子检测相邻宏块边缘;根据受损宏块的相邻宏块具体信息自适应设定梯度阈值,最后对受损宏块进行方向加权插值从而重构图像。实验表明,该算法简单实用,不仅保留了丢失块像素加权平均算法的优点,而且能够用于边缘信息强度不同的错误隐藏。在不同的实时传输协议（RTP）丢包概率情况下,该算法的峰值信噪比较传统自适应算法提高了0.2-0.4 db,较多方向插值算法提升了0.2-3.8 db,提高了图像恢复质量,而且具有较高的应用价值。

基于边缘方向直方图相关性匹配的图像检索

针对基于边缘方向自相关图的图像检索算法的优缺点,提出了一种基于边缘方向直方图相关性匹配的图像检索算法。使用自适应中值滤波器滤除图像中的椒盐噪声。利用Sobel算子提取图像边缘,通过计算边缘梯度幅值、角度统计后得边缘方向直方图,并对直方图进行等级化排列构成特征向量。最后使用斯皮尔曼等级相关计算图像特征向量间的相关系数作为衡量图像间相似性的指标。实验结果表明:该算法的平均查准率、查全率较基于边缘方向自相关图算法分别提升10.5%,9.7%,平均检索耗时减少了7.5%。实验验证了算法的有效性,可将算法应用到中大规模图像检索系统中以提升检索效果,提高系统速度。

方向邻域全变分图像去噪

为了弥补传统全变分(TV)算法忽略了图像边缘方向的不足,结合梯度幅度和方向提出了基于方向全变分的去噪算法。该算法运用图像梯度幅度将图像像素划分为边缘区域和非边缘区域,运用梯度方向对不同区域的像素选取不同的四邻域像素,针对不同邻域对传统TV算法进行离散分析,完成了图像的保边去噪。实验结果表明,结合边缘方向信息改进了传统TV算法的邻域选择方式,不仅更好地保留了图像边缘信息和重要细节,且提高了图像的PSNR和视觉效果。

工件检测中基于方向码的图像模板匹配

针对在线工件的特点提出了一种新的工件检测办法。该算法提取方向码作为特征,分粗精两个步骤进行检测,首先计算模板和子图方向码并计算出方向码直方图,粗略的计算候选匹配点和工件旋转角度,然后,针对匹配候选点,利用子图和模板的方向码差值进行精匹配。该方法在工件位置发生旋转甚至是在遮挡和光强引起的光照波动等情况下,也能较好的进行匹配。

一种改进的Sobel图像边缘检测算法及其实现

Sobel算子原理易懂,计算简单,但传统的Sobel算子只对垂直和水平方向进行检测,应用范围受到限制,且存在边缘定位不准确的问题。对此,对Sobel算子进行改进,将水平和垂直方向模板增加到8个方向(0°,45°,90°,135°,180°,225°,270°,315°),同时,利用现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)并行流水线处理、处理速度快的优点,采用Verilog HDL语言对改进后的Sobel算子进行仿真,并在FPGA平台上进行实现和测试。实验结果表明,改进后的Sobel算子检测精度明显提高,边缘以及信息提取更加完整精细,满足图像处理的实时性要求。

基于梯度法的指纹方向场的FPGA实现

文中提出了一种基于梯度法的指纹方向场的FPGA实现方式,该方案主要由Sobel算子模块及区域方向计算模块组成。通过Sobel算子模块得到指纹图像像素点的一阶梯度;采用区域方向计算模块对指纹图像进行分块,并利用方差法计算得到各指纹分块区域的方向值。通过对所述模块进行综合及仿真,验证其功能的实现。结合方向场质量评价方法,分析不同分块区域大小对所提取方向场质量的影响。通过与传统方向模板法得到的实验结果进行对比评估,由实验结果可知,该方案可为后续指纹图像处理提供强坚固性的纹线方向特征信息。

基于方向场的计量刻度线倾斜校正

为了克服牛奶瓶刻度的倾斜给字符分割与识别带来不便的问题,本文提出了一种基于方向场的计量刻度倾斜校正方法。该方法利用刻度线的特征,利用sobel算子计算梯度方向场,进而求出水平倾斜角度和垂直倾斜角度,然后按所得夹角再加上双线性插值进行旋转校正。实验证明,这种方法具有较强的可行性和有效性。

基于改进Canny算法的图像边缘检测

针对传统Canny算法对椒盐噪声敏感,在计算梯度幅值时只考虑了水平与垂直方向、在非极大值抑制过程中仅依据梯度方向的梯度幅值,从而导致梯度计算不准确、滤波后图像边缘模糊等问题,提出一种改进的Canny边缘检测算法。首先,结合自适应中值滤波与引导滤波的混合滤波器不仅能有效去除图像中的椒盐噪声,还能更好地保存图像边缘;然后,利用4个方向Sobel算子模板计算图像梯度;最后,在非极大值抑制过程中,采用自适应线性插值方法提升边缘检测精度。仿真实验表明,所提算法不仅能有效滤除椒盐噪声,并且相较于传统Canny算法能检测出更多边缘细节。

基于FPGA的模拟欠光环境下图像边缘检测系统的设计与实现

为了解决在传统嵌入式平台搭建边缘检测算法带来的算力负担以及图像边缘检测算法对光线条件的苛刻要求问题,设计并实现了基于FPGA的模拟欠光环境下图像边缘检测系统。FPGA的并行运算操作非常适合于图像处理算法,大幅提升了算法运行效率。系统使用EP4CE10F17C8N芯片作为主控,通过ROM储存待处理的原始欠光环境下的图片,经过灰度化,进行直方图统计与均衡化对原始图像进行增强,利用移位寄存器生成图像3×3模板,对增强后的图像进行高斯滤波,再使用改进型8方向Sobel边缘检测算法提取图像边缘信息,最后使用VGA模块显示图像处理的结果。较之传统算法,系统使用改进型算法提高了对边缘信息的提取程度,整个系统运行对光照条件的鲁棒性大幅提升。

边缘检测改进算法在路面破损检测中的应用

针对路面破损目前仍采用人工检测,很难对它进行客观和准确的评价问题,对图像边缘检测的各种算子做了总结和分析,介绍一种改进的Sobel算子——8模板Sobel算子,它能够检测8个方向的边缘,能较好地检测横向边缘和纵向边缘,但有时会产生伪边缘。最后使用8模板Sobel算子处理破损路面图像,并与其他算子比较,检测得到的边缘更清晰、连续,受噪声的干扰小。这样,实际得到的路面边缘图可以作为路面破损程度分析的一种依据。

煤炭传输带边缘磨损机器视觉无损在线检测

通过分析煤矿胶带运输过程的实际需求,将机器视觉技术与传输带在线检测相结合,选用高精度线阵CCD实时取像,研究传输带磨损边缘提取定位算法,在图像数字化、图像编码、图像增强的基础上,进行边缘提取和阈值分析。针对经典Sobel边缘检测算子存在定位精度不高和对噪声敏感等缺点,提出增加6个方向模板来提高定位精度的改进算法。

唐卡图像边缘提取

边缘提取是图像研究必不可少的一部分,本文先对多种边缘提取的方法进行了比较,对传统的Sobel算法进行了描述,在传统算法基础上,针对传统Sobel算法存在的检测方向性不强及边缘提取较粗的缺点,提出了一种改进的5*5模板的8方向算法的边缘提取算法,得到后的图片再次用该算法处理进行边缘细化。根据实验结果可以得出,改进后的算法比传统Sobel提取的边缘更细、方向性更强。