基于数学形态学的图像边缘检测算法研究
论文名称：《基于数学形态学的图像边缘检测算法研究》
指导教师：彭宏
论文作者：楼超
毕业院校：浙江工业大学
文章内容概要
- 介绍了边缘检测技术的研究现状并简要比较了各种边缘检测算法的优缺点
- 后对图像缩放算法的研究现状进行了阐述
- 介绍二值形态学和灰度形态学的膨胀、腐蚀，开、闭操作及其运算性质
- 基于形态学的边缘检测方法，对现有的一些形态学边缘检测算法进行了介绍和分析
- 基于形态学的滤波算法，在此基础上加以改进构造出了一种基于多尺度多结构的权值自适应形态学边缘检测算法
- 介绍传统的图像缩放算法
- 介绍改进的形态学边缘检测的图像缩放算法
数学形态学在图像处理中的理论基础
- 膨胀运算
- 二值膨胀会给二值图像带来拉伸和变宽的效果，利用它来扩大目标的形状，从而使得目标之间的间隙被填补
- 腐蚀运算
- 相反于二值膨胀的过程，二值腐蚀会给二值图像带来收缩和变细的效果，可以把目标分离出来
- 开启运算
- 开启运算会去除掉图像中的微小连接、小的毛刺、孤立点和细小的突出物，断开细长搭接而起到分离的作用，并能使图像的轮廓变得光滑
- 闭合运算
- 能通过填补目标内部一些小的缺口或小孔的方式来达到去除掉原图中的小孔和凹的部分的目的，并能搭接图像上狭窄的间断而起到连通的作用
- 灰度膨胀与灰度腐蚀
- 膨胀运算会使灰度图像中那些比结构元素尺寸小的区域中的暗的部分减弱，这样得到的图像就会趋于比原图更加的亮
- 腐蚀运算会使那些比结构元素尺寸小的区域中的明亮部分削弱，如此一来获得的图像就会趋于比原图更加的暗
- 灰度开闭运算
- 去除比结构元素小的亮细节
基于数学形态学的边缘检测改进算法
- 基本形态学边缘检测算子分析
- 灰度腐蚀边缘检测算子可以检测出灰度值较高的边缘图像，也就是在实际原灰度图像边缘位置上接近于灰度值较大结果
- 膨胀腐蚀型算子检测出来的边缘较其它两种宽，但是这三种基本算子都对噪声十分敏感
- 改进的形态学边缘检测算子分析
- 抗噪型形态学边缘检测算子
- 极大极小型形态学边缘检测算子
- BMO(模糊极小型算子)
- 基于多尺度多结构的权值自适应形态学边缘检测算法
- 结构元素的方向对于图像边缘检测结果的影响
- 结构元素的尺度大小对于图像边缘检测结果的影响
- 开运算可以消除图像中尺寸比结构元素小的过亮的部分，而闭运算可以把图像中那些尺寸比结构元素小的比背景暗的部分消除掉
- 基于灰度距离的多结构形态学自适应边缘检测算法
- 基于图像方差的多尺度形态学自适应边缘检测算法
- 利用基于形态学的AOC算子对原图进行滤噪处理
- 用不同方向的结构元素利用式对经过滤噪处理的图像进行边缘检测，基于灰度距离计算各自的权值
- 用不同尺度大小的十字形结构元素利用式对经过滤噪处理的图像进行边缘检测，基于图像方差计算各自的权值
- 得到最终边缘检测结果
