图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声，为此提出了一种融合小波变换和形态学差分算法的边缘检测方法。将源图像进行小波分解，高频分量利用小波模极大值算法进行边缘检测，可有效提取高频边缘；低频分量采用形态学差分算法进行边缘检测，能够检测出低频边缘；采用一定的融合规则将两个边缘检测图像融合在一起。实验结果表明，该方法优于单独使用小波模极大值法或数学形态学法，对噪声具有很好的鲁棒性，得到的图像边缘连续、清晰。
2022-05-04 15:42:25
555KB
1
针对基于数学形态学的去除高浓度椒盐噪声不足问题，采用了一种基于数学形态学的噪声去除方法。所提滤波方法分为预滤波和滤波两个阶段。在预滤波阶段，设定一个简单的检测算子用于构造逐点自适应的3×3像素大小结构元素；在滤波阶段，对预滤波过的像素进行中值滤波。仿真结果表明所提的滤波方法不仅能有效地去除高浓度椒盐噪声，并能很好地保留图像的原有细节信息，而且PSNR值比其他滤波方法平均高出3 dB左右，并具有较短的滤波时间。
2022-05-04 08:24:26
1MB
1
以形态为基础对图像处理的数学工具——数学形态学，是一种非线性滤波方法。从19世纪创立发展至今，已在不同领域得到广泛应用。数学形态学具有膨胀、腐蚀、开启和闭合四种基本运算，在图像处理中通过选择一定的结构元素，利用其基本性质对图像进行分割、噪声滤除、边缘检测等处理。但是，目前数学形态学在图像处理应用方面还面临一些问题，有待于进一步解决。今后，该门学科将会朝不同种类数学形态学快速算法的实现、优化结构元素的选取、形态运算的通用性及适应性等方向发展。
2022-04-27 16:54:30
130KB
1
计算机视觉实验数学形态学-计算机视觉形态学边缘检测.doc 计算机视觉.pdf
2022-04-21 14:06:33
93KB
计算机视觉实验数学形态学-计算机视觉形态学边缘检测.doc 计算机视觉.pdf
2022-04-21 14:06:33
93KB