基于改进Sobel算子的边缘检测算法的研究

针对传统Sobel边缘检测算法对噪声敏感的缺点进行了分析,提出了自适应权值的改进算法,该权值的大小取决于Sobel算子模板内像素灰度值之和。通过不同形式的噪声图像处理对比,结果表明,该算法不仅计算简单,而且具有较强的抗噪能力,对图像边缘有较高的检验精度,极大地改进了图像边缘识别的效果。

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。

一种改进的Canny自适应边缘检测算法

针对原始的Canny边缘检测算法高低阈值不利于选择的问题,提出一种改进的Canny自适应边缘检测算法。该方法采用3×3的Sobel边缘算子模板代替2×2邻域内求有限差分来计算梯度幅值;利用梯度直方图来选取高低阈值,提高了算法的自适应性;在边缘的连接上采用边界追踪的方法,来保证边缘的连续性和唯一性。以20m m量块图像边缘检测为例进行了实验。结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度,细化图像边缘和抑制伪边缘噪声方面的性能也得到了提高,是一种有益的边缘检测改善方法。