针对现有梯度算子在图像边缘检测中存在的对噪声比较敏感的问题，提出了一种改进的高斯—拉普拉斯算子的边缘检测方法。噪声图像中的边缘检测是一项关键任务，然而目前常用的几种梯度算子，包括已经提出的高斯—拉普拉斯算子都没能取得理想效果。提出的方法对传统的拉普拉斯边缘检测算子作了改进，并与高斯滤波器相结合，应用高斯滤波器平滑图像，抑制噪声，再基于拉普拉斯梯度边缘检测器进行边缘检测。最后，在imagenet数据集中选取了10幅图像进行实验，将提出的高斯梯度边缘检测器与传统的边缘检测器进行比较。评估结果显示，提出的方法所获得的峰值信噪比（PSNR）高于对比算法，而均方误差（MSE）更小。实验结果表明，提出的方法在实际应用中能够有效提高噪声图像边缘检测的质量。
2022-11-25 20:37:35
1.91MB
1
实现任意角度拍摄的矩形物体，通过一系列数字图像处理，把另外一张目标图像替换拍摄的矩形框。
难点一：矩形边框的检测识别（噪声）
针对难点一： 拟采用边缘检测检测像素突变点提取边缘线条+轮廓提取+拟合外接四边形寻找轮廓中满足面积条件的四边形。考虑到拍摄图像有很多噪点干扰，采用中值滤波进行平滑处理，过滤椒盐噪声。设定矩形区域面积阈值，去除不满足条件轮廓，对轮廓进行多边形拟合迭代，直到拟合成四边形，并排序输出四个点坐标。
②难点二：由于相机平面很难与物体平面平行，所以矩形区域是形变的矩形。
针对难点二： 拟采用投影变换，利用getPerspectiveTransform函数求出变换矩阵M，再用M将代替换图像投影变换到矩形区域，其余面积像素为0，以便后续图片融合相加。
2022-11-23 17:24:54
5.72MB
1
实现任意角度拍摄的矩形物体，通过一系列数字图像处理，把另外一张目标图像替换拍摄的矩形框。
难点一：矩形边框的检测识别（噪声）
针对难点一： 拟采用边缘检测检测像素突变点提取边缘线条+轮廓提取+拟合外接四边形寻找轮廓中满足面积条件的四边形。考虑到拍摄图像有很多噪点干扰，采用中值滤波进行平滑处理，过滤椒盐噪声。设定矩形区域面积阈值，去除不满足条件轮廓，对轮廓进行多边形拟合迭代，直到拟合成四边形，并排序输出四个点坐标。
②难点二：由于相机平面很难与物体平面平行，所以矩形区域是形变的矩形。
针对难点二： 拟采用投影变换，利用getPerspectiveTransform函数求出变换矩阵M，再用M将代替换图像投影变换到矩形区域，其余面积像素为0，以便后续图片融合相加。
2022-11-21 18:29:02
4.37MB
1
1、实现效果：《基于NSCT和改进Canny的图像边缘检测matlab实现》见链接：https://blog.csdn.net/SoaringLee_fighting/article/details/124779801
2、内容介绍：在大学毕业设计的时候，实现了基于NSCT和改进Canny的图像边缘检测算法，采用Matlab语言实现，边缘提取效果不错，与经典的Canny和Sobel算子相比，可以在抑制噪声的同时提取有效边缘分量。
3、适用人群：适用于计算机，电子信息工程等专业的大学生课程设计和毕业设计。
4、支持答疑：有问题可以订阅博主的《实用毕业设计》专栏（附链接 ：https://blog.csdn.net/soaringlee_fighting/category_9288245.html）或者直接购买资源后咨询博主。
5、质量保证：完整代码，可直接运行！里面包含说明文档。
2022-11-17 17:23:52
17.21MB
包括图像平滑、图像增强、图像边缘检测、图像阈值化、图像细化、面积测量、区域边界提取和周长计算。
描述
中国科技大学图像测量的五个实验，包括图像平滑、图像增强、图像边缘检测、图像阈值化、图像细化、面积测量、区域边界提取和周长计算。
实验一 图像平滑和图像增强
实验包括图像平滑和图像增强。分别采用空间邻域平均、中值滤波、最大值和最小值滤波等方法实现对采集到的灰度图像的平滑处理，并利用空域图像锐化方法。锐化图像（其中 α 是用于控制锐化程度的可选因素）以去除噪声并增强细节信息，例如图像的轮廓边缘。
实验2 图像边缘检测
本实验中图像边缘检测采用一阶微分算子priwitt算子和平滑算子对实验1中平滑增强的灰度图像进行边缘检测。
实验 3 图像阈值化和图像细化
这个实验是图像的阈值化和细化。它主要利用图像的灰度直方图来确定相应的分割阈值，并将图像划分为物体和背景。在本实验中，我们使用 S.Watanabe 方法选择阈值对图像进行二值化，并使用 Deutsch 方法对二值化图像进行细化。
实验 4 面积测量
更多详情、使用方法，请下载后阅读README.md文件
2022-11-16 14:41:14
3.03MB