基于Canny算子与形态学融合的边缘检测算法

摘要

在图像的分析与处理中，边缘所起到的作用至关重要。而边缘检测的难点就是在滤除噪声的同时增强边缘。本文分别对传统的Canny算子和形态学算法进行了研究，提出了新的边缘检测算法，具体工作如下:
　　首先，使用传统的Canny算子进行边缘检测，存在两方面的问题:一是无法消除局部噪声的干扰，在检测出伪边缘的同时还会丢失边缘细节;二是很难设定高斯滤波参数，对不同的图像缺乏自适应性。为此，本文利用自适应中值滤波代替高斯滤波，使得改进的Canny算子检测出的图像边缘受噪声的影响明显降低。而且，它保持了边缘的强度和较为完整的细节信息，获得了更为满意的主观效果，客观评价也明显提高。
　　其次，利用传统形态学算法对图像进行边缘检测，如果噪声浓度较高，检测效果就不理想。因此，本文提出了一种改进的抗噪形态学边缘检测算法，且利用两个不同的结构元素进行边缘检测。对于含有椒盐噪声的图像，改进的抗噪形态学边缘检测算法能很好地减弱噪声，得到的图像较平滑，轮廓清晰，包含的信息也较为丰富。同时，主观效果与客观评价都有所改善。
　　最后，因为改进的Canny算子峰值信噪比和标准差较好，而改进的抗噪形态学在相关系数、扭曲程度和平均梯度上效果更优。所以，将两种改进方法进行融合，获得的边缘图像在信息熵、均方根误差、相关系数和扭曲程度方面均好于两种改进的方法，视觉效果也令人满意。

目录

声明

摘要

第1章 绪论

1．1 课题来源

1．2 课题研究目的和意义

1．3 国内外在该方向的研究现状

1．4 本文的主要内容

第2章 预备知识

2．1 图像的边缘及边缘检测

2．2 经典的边缘检测算法

2．2．1 基于一阶导数的边缘检测

2．2．2 基于二阶导数的边缘检测

2．3 数学形态学及其基本运算

2．3．1 结构元素

2．3．2 四种基本运算

2．3．3 传统形态学边缘检测算法

2．4 本章小结

第3章 改进的Canny算子边缘检测算法

3．1 引言

3．2 传统的Canny算子图像边缘检测算法

3．3 传统的Canny算子图像边缘检测算法缺陷分析

3．4 改进的Canny算子图像边缘检测算法

3．4．1 自适应中值滤波代替高斯滤波

3．4．2 综合斜方向梯度与原梯度信息

3．4．3 锐化

3．4．4 传统的Canny算子的改进

3．5 仿真实验

3．6 本章小结

第4章 改进的抗噪形态学边缘检测算法

4．1 引言

4．2 结构元素的选取

4．3 抗噪形态学边缘检测算法

4．4 改进的抗噪形态学边缘检测算法

4．4．1 改进的抗噪形态学边缘检测算法

4．4．2 改进的边缘检测算法步骤

4．5 仿真实验

4．6 本章小结

第5章 融合两种改进算法的边缘检测算法

5．1 实现图像融合的边缘检测算法

5．2 评价分析

5．3 仿真实验

5．4 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢