基于Prewitt理论的自适应边缘检测算法

利用Prewitt基本原理定义了新的算法模板,根据待检测像素周围的3×3邻域的像素平均灰度值,结合人眼的视觉特征自适应地生成动态阈值,不仅保留了原Prewitt算法可并行处理、能够抑制噪声等优点,还提高了运算速度。同时,针对Prewitt算法边缘检测相对粗糙、边缘细化算法效率较低的问题,分析和改进了原有边缘细化算法,改进算法先对含有噪声的图像进行边缘检测,过滤了伪边缘,再对图像边缘进行细化,从而得到单像素边缘。通过实验比较,所提算法能够自适应地生成动态阈值,并在保持Prewitt算法具有抑制噪声性能优点的基础上,提高了运算速度,而且可以获得更加细腻光滑的边缘。

动态阈值Prewitt边缘检测与细化算法研究

提出了动态阈值Prewitt算子的边缘提取模板;研究了模板动态阈值取值及其用十字模板对边缘细化的算法,实验表明此算法能够弥补经典Prewitt算子边缘检测的不足,同时该算法对图像的边缘细化效果很好。

基于OpenCL的Prewitt算法的并行实现

Prewitt算法是数字图像分割中最常用的边缘检测算法。采用传统CPU上的串行方法实现该算法需要较大的计算量、耗时较长,因此,通过GPU对其进行性能加速有着重要的意义。然而由于GPU硬件体系结构的差异性,跨平台移植是一件非常困难的工作。针对上述问题,提出了一种基于OpenCL异构框架的Prewitt图像边缘检测并行算法。实验结果表明,该并行算法比CPU上的串行算法运行速度快,加速比可达30倍,有效地提高了大规模数据处理的效率,可移植性好,具有较高的应用价值。

基于Prewitt算子的TV图像去噪算法

分析了传统TV算法抑噪不充分的原因,为了弥补其不足结合图像空间和像素梯度提出了一种改进算法.该算法首先运用Prewitt边缘检测算子分析图像空间梯度,并对空间梯度进行抑制,一定程度上克服了传统TV算法对平坦区抑噪不充分,甚至出现虚假边缘和阶梯效应的缺陷;再结合像素梯度分析了TV去噪的迭代函数完成保边去噪.与传统算法相比,该文算法残余噪声较小且边缘保护较好,提高了图像的PSNR和视觉效果.但对图像较小纹理误作为噪声而去除.

基于GPU的Prewitt算法实现及其在探地雷达中的应用

图像的边缘是图像的重要特征之一,边缘检测是提取图像特征的重要手段。GPU-CUDA并行技术作为当前最热门的高性能处理技术,是并行Prewitt边缘检测算法实现的首选。由于常规的基于CPU的Prewitt算法计算量大、耗时,其应用受到很大限制。为了提高算法的效率,文中应用GPU-CUDA技术实现Prewitt算法及快速成像,获得了较高的加速比。最后,通过将实测探地雷达数据转换成灰度图像数据,并实施基于GPU的Prewitt算法处理的方法思路,对实测探地雷达数据进行处理。试验结果表明该算法不仅运行效率高,而且在突出有效异常,提高目标体的识别能力方面取得实效。

基于Prewitt算子的耦合全变差图像着色算法

为了实现对目标灰度图像中较大范围着色,文中结合YCb Cr色彩空间和Prewitt边缘检测算子,提出耦合全变差图像着色模型。然后,结合交替方向乘子法(ADMM),设计该模型的快速数值求解算法,并给出该算法的收敛性结果。数值实验结果表明,该模型在有效控制颜色越界的同时,能够实现较大范围的着色。

基于Prewitt算法的颅内CT图像病灶分割算法

针对颅内CT图像病灶周围存在大量噪声,分割结果欠佳的问题,本研究提出基于Prewitt算法的颅内CT图像病灶分割算法。首先采用改进型中值小波去噪算法,去除颅内CT图像中的噪声点,优化图像质量;然后使用基于Prewitt算法的图像分割法,完成去噪后CT图像的病灶分割。结果表明,本研究算法在分割颅内CT图像病灶时,错分率为对比算法的1/10,并可将颅内CT图像的噪声点全部去除。说明该算法对颅内CT图像病灶的分割可行性,可用于颅内CT图像病灶分割。

基于Prewitt算法的图像边缘检测技术在瓷砖生产中的应用

借助Prewitt算法,文章对机器所采集到的瓷砖图像进行边缘检测技术,从而更加系统、精确地鉴别出同批次瓷砖中存在的表面色差,以达到在瓷砖工业生产中实现瓷砖色差自动分拣的目的。通过图像边缘检测技术可以更加系统、准确地来分拣瓷砖中存在的色差,这样做就大大克服传统依靠人工分拣带来的缺陷,比如分拣效率低、环境影响因素大、工人操作过程中不确定性等,从而在同一时间内大大地提高了瓷砖的生产效率,并且瓷砖的质量有了很大的提高。因此,不仅推动瓷砖行业的发展,也可为其它和颜色分拣相关的行业提供借鉴。

基于Prewitt算子的量子边缘检测算法

量子图像处理是量子算法在图像处理中的应用,目前基于量子图像存储的预处理研究非常少,限制了量子图像处理在目标选取和图像识别等应用。提出了一种基于Prewitt算子的量子边缘检测算法,在NEQR图像表示法的基础上增加9个量子比特保存邻居位置的灰度值和边缘标定,通过移位变换完成邻居位置的灰度值获取,利用经典Prewitt算子计算灰度梯度值,设计量子电路实验量子边缘检测。仿真证实了提出的方法是可行的,且量子成本较低。

基于机器视觉的注射泵注射器液位检测

提出一种检测注射泵输液的方法,以减少护士与患者的接触频率,减轻护士的劳动强度。利用机器视觉技术,结合Bilateral filter和Prewitt算子,对采集到的注射泵图片进行处理,获得准确的液位位置。图像由工业相机拍摄。经过灰度处理和图像滤波后,利用Prewitt边缘检测算法得到清晰的边缘图像,再利用Shi-Tomas角点检测算法和亚像素坐标显示检测注射器液位,无需外部辅助测量设备。通过精确定位注射泵的液位,可以远程获取注射泵输液的实时流量和药液剩余量,从而提高护士的工作效率。对50 mL注射器的26幅不同液位图像进行多次测试后,测试结果表明:该相对误差为-2.625%~4%。26张图片绝对误差均在±0.58 mL以内,有25张图片的检测结果绝对误差在±0.5 mL以内。

基于图像投影变换的鸡蛋破损检测

提出了基于梯度增强和投影变换的禽蛋破损检测算法。该算法对透射鸡蛋图像的G分量进行Prewitt算子梯度锐化、最大类间法自适应阈值分割,对分割后的图像进行投影变换、信息提取,最后建立隶属函数,进行鸡蛋是否破损的判断并输出判断结果。试验表明,该方法检测效率高,平均检测准确率达到95%。

激光成像雷达图像边缘检测算法研究与仿真

针对激光成像雷达图像处理的问题,提出了一种激光雷达图像边缘检测算法。分析了激光成像雷达的工作原理和图像特征。建立了具有检测门限自适应性的改进Prewitt算法模型。该算法的检测门限随着检测模板内像素点的灰度值变化,克服了传统Prewitt算法门限值人工设定和图像细节检测不理想的缺点。仿真结果表明算法能在噪声条件下对机身和机尾交界处等细节部分进行有效的边缘检测,验证了算法的可行性。

多阈值交互式图像智能分割方法优化与仿真

目前多阈值交互式图像分割方法没有对图像进行预处理,存在图像分割效果差与图像分割性能不佳的问题。提出基于Prewitt算法的多阈值交互式图像分割优化方法。方法首先利用自适应算法对图像进行去噪以及纹理处理,对图像进行增强,将增强后的图像进行交互式处理,即对图像进行标记和合并以此提高分割效果,最后在Prewitt算法的基础上优化阈值选取并进行图像分割,实现多阈值交互式图像分割优化。实验结果表明,所提方法的图像分割效果与分割性能较好,说明该方法的应用价值较高。

基于边缘检测的Kinect深度图像去噪算法

Kinect实时提取的深度图像映射得到的彩色图像以及目标背景分离图像边缘存在明显锯齿,且图像噪声大,质量较差。对此提出一种针对Kinect深度图像去噪算法。运用基于Prewitt算子的分块自适应阈值边缘检测算法可得到比较精细的图像边缘;进而根据获取边缘信息对深度图像进行分类,边缘区采用单向多级中值滤波算法进行降噪处理,而非边缘区采用双向多级中值滤波算法进行降噪处理。最终利用Kinect得到边缘清晰,噪声较小的高质量深度图像,实验证明了算法的有效性。

图像分割中的边缘检测

数字图像的边缘检测在图像分割、模式识别、机器视觉等中有很重要的作用。从70年代到现在发展出了很多种边缘检测的方法,而对于不同的应用环境,不同算法的效果不同。针对高速公路中图像的特点,对几种典型的边缘检测方法的原理和实现方法进行了详细分析和说明,对比分析了各种算法应用在高速公路图像识别中的优劣,并根据高速公路图像识别系统的特点选择了合适的检测算法。

基于颜色和边缘特征的球员目标分割方法

为实现球员目标的准确分割,针对图像的颜色特征和球员的边缘特征提供的信息进行融合处理.首先对图像进行高斯滤波预处理,借助Matlab软件对图片进行了像素分析和筛选,并通过Prewitt算子进行边缘检测,以及Bresenham算法进行了直线扫描确定了边界线的起始,经过形态学运算将图片中直线段去除.并完成最终处理,将球员目标分割出来.其优点在于不受球场光照和阴影的影响,能够自动将观众等背景过滤,即使在复杂背景下也能较为准确的将目标分割出来.

FPGA在边缘检测中的应用

主要探讨FPGA在边缘检测中的运用,分析两种不同边缘检测算子对图像处理的效果。由于FPGA算法硬件处理速度快、可编程、可重配置等特性,使其在图像处理方面占有很大的优势。为此文章提出了运用FPGA实现边缘检测的方法,并且根据FPGA的并行流水线性,对Sobel、Prewitt边缘检测算子分别进行了FPGA设计与实现以及仿真,并且对两种边缘检测算子对图像处理的效果进行了比较。通过仿真分析得出,Sobel和Prewitt边缘检测算子都有平滑噪声的作用,Sobel边缘检测算子可以提供较为准确的边缘方向信息,Prewitt边缘检测算子,其边缘性较Sobel边缘检测算子完整,但它们的边缘定位精度有待提高,仿真中通过改变程序中的阈值可以得到不同的处理效果,这也是利用FPGA的优点,方便容易、速度也得到了提高,并且可编程、可重配置,使得FPGA在数字图像处理方面显得非常优越。

梯度信息自适应的非局部均值滤波算法对矿井图像降噪研究

为了提高非局部均值滤波算法对矿井图像的降噪效果,本文将改进的非局部均值滤波算法与八方向Prewitt算子相结合,通过梯度信息对滤波参数进行优化,赋予了该非局部均值滤波算法较强的自适应性。另外,八方向Prewitt算子增加了非局部均值滤波算法搜索窗口的移动方向,提高了搜索相似像素点的效率。本文算法在对人工加噪的图片进行处理时,所需时长仅为2.38 s,与经典的非局部均值滤波算法相比缩短了40%;本文算法处理所得图像的信噪比为26.473,是经典的非局部均值滤波算法的1.2倍。通过对处理所得图像质量进行对比发现,本文算法对矿井图像的降噪效果更为明显,且图像中边缘和纹理的细节信息更为丰富,可用于矿井检测图像的处理。

一种改进的图像边缘检测算法

边缘检测是图像处理中重要的处理技术,在经典Prewitt算子基础上,介绍一种改进算法。该算法检测八个方向的图像边缘,利用图像梯度模、边缘点的相关性及约束性确定图像边缘,具有图像边缘定位准确、抗干扰能力强等特点。