基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)算法研究.pdf

1、形態(tài)學(xué)邊緣檢測(cè)是圖形圖像處理領(lǐng)域的一個(gè)熱門研究方向。數(shù)學(xué)形態(tài)學(xué)是一種集合論方法，在邊緣檢測(cè)中的應(yīng)用體現(xiàn)為腐蝕、膨脹以及開、閉運(yùn)算。通過上述形態(tài)學(xué)運(yùn)算可以使得數(shù)字圖像的邊緣像素檢測(cè)更加精細(xì)合理。本文將形態(tài)學(xué)應(yīng)用在邊緣檢測(cè)算法中，通過實(shí)驗(yàn)仿真可以得出很好的檢測(cè)效果，明顯優(yōu)于傳統(tǒng)的Roberts、Sobel、Prewitt、LoG、Canny算子的邊緣檢測(cè)算法。
　　本文首先分析研究了數(shù)學(xué)形態(tài)學(xué)在數(shù)字圖像處理領(lǐng)域的常用手段，通過對(duì)這些基

2、礎(chǔ)方法的掌握和有效應(yīng)用來達(dá)到數(shù)字圖像的形態(tài)學(xué)預(yù)處理、區(qū)域填充、邊緣細(xì)化。
　　在考慮數(shù)字圖像處理時(shí)，噪聲濾波是一個(gè)不容忽視的操作。一般在圖像傳輸、存儲(chǔ)等過程中會(huì)產(chǎn)生脈沖干擾，隨著外界干擾的強(qiáng)度不同，最終的數(shù)字圖像受損程度也不同。通常，邊緣檢測(cè)算法在實(shí)現(xiàn)的過程中會(huì)考慮到較小濃度的噪聲干擾，一般會(huì)采用高斯函數(shù)濾波預(yù)處理，如傳統(tǒng) Canny算法；當(dāng)遇到較高濃度的噪聲干擾，傳統(tǒng)邊緣檢測(cè)算法的檢測(cè)效果很差。針對(duì)上述問題，本文第三章討論了常用

3、的噪聲濾波算法，并給出了作者自己提出的改進(jìn)中值濾波算法，通過實(shí)驗(yàn)仿真驗(yàn)證，該算法的預(yù)處理效果顯著，能夠有效的去除90％濃度的噪聲干擾，并取得良好的恢復(fù)圖像。
　　四、五兩章通過深入的分析各種常用邊緣檢測(cè)算法，對(duì)比研究了各種邊緣檢測(cè)算法的利弊。如，Roberts、Sobel、Prewitt及其改進(jìn)的算子，它們都是基于一維微分算子的邊緣檢測(cè)算子，普遍對(duì)噪聲敏感；LoG、Canny算子等算法是二維的微分算子，同樣對(duì)噪聲敏感，但這類算法在