物体的边缘是图像局部变化的重要特征,以不连 续性的形式出现,通常用方向和幅度描述图像的边缘 特性。一般来讲,沿边缘走向的像素变换平缓,而垂 直于边缘走向的像素变化剧烈。基于边缘检测的基 本思想是先检测图像中的边缘点,再按一定策略连接 成轮廓,从而构成边缘图像。

数字图像边缘检测方法的对比分析及优化.pdf

基于OpenCV的焊缝图像边缘检测方法

为了提高图像的边缘检测性能，将蚁群算法引入图像边缘检测。阐述了提取图像边缘特征的方法和蚁群算法的基本原理，提出了一种基于改进的蚁群算法的边缘检测方法。将图像的形态学梯度值作为蚁群的信息激素强度值和启发信息值，使用最大类间方差法获得图像的边缘信息。实验结果表明该算法能成功地提取边缘信息并抑制背景纹理细节，具有较好的检测效果。

针对一类边缘特征不明显的矿物浮选泡沫图像,提出了一种基于模糊三值模式的泡沫图像边缘检测方法.在‘0/1’二值模式基础上,增加不确定逻辑状态,构成模糊局部三值模式,以描述邻域像素灰度均值的不确定关系,同时,对邻域双向灰度差值之和进行模糊化,以描述边缘与非边缘方向的关系,联立邻域灰度关系与双向灰度差值隶属度,构造气泡边缘隶属度矩阵,依据联合隶属度的解模糊结果判决是否为边界候选像素,再根据边界候选像素集合的特征剔除非边界像素,以此得到泡沫边缘.实验结果表明,该方法能够有效地检测出气泡边缘,同时,在强噪声环境下,具有良好的鲁棒性.

为了提高图像的边缘检测性能,将蚁群算法引入图像边缘检测。阐述了提取图像边缘特征的方法和蚁群算法的基本原理,提出了一种基于改进的蚁群算法的边缘检测方法。将图像的形态学梯度值作为蚁群的信息激素强度值和启发信息值,使用最大类间方差法获得图像的边缘信息。实验结果表明该算法能成功地提取边缘信息并抑制背景纹理细节,具有较好的检测效果。