基于sobel算子和網(wǎng)格的彩色圖像邊緣檢測(cè)

基于sobel算子和網(wǎng)格的彩色圖像邊緣檢測(cè)

ID:26631440

大?。?20.00 KB

頁(yè)數(shù):6頁(yè)

時(shí)間:2018-11-28

基于sobel算子和網(wǎng)格的彩色圖像邊緣檢測(cè)_第1頁(yè)
基于sobel算子和網(wǎng)格的彩色圖像邊緣檢測(cè)_第2頁(yè)
基于sobel算子和網(wǎng)格的彩色圖像邊緣檢測(cè)_第3頁(yè)
基于sobel算子和網(wǎng)格的彩色圖像邊緣檢測(cè)_第4頁(yè)
基于sobel算子和網(wǎng)格的彩色圖像邊緣檢測(cè)_第5頁(yè)
資源描述:

《基于sobel算子和網(wǎng)格的彩色圖像邊緣檢測(cè)》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、一種基于Sobel算子和網(wǎng)格的彩色圖像邊緣檢測(cè)方法AColorEdgeDetectionBasedonSobelOperatorandGrid李峰,馮新喜,侯志強(qiáng)(空軍工程大學(xué)電訊工程學(xué)院西安710077)摘要:文章提出了一種基于Sobel算子和網(wǎng)格的二尺度彩色圖像邊緣檢測(cè)方法.該方法將圖像劃分成預(yù)先設(shè)定大小的網(wǎng)格,在兩個(gè)尺度上對(duì)圖像進(jìn)行分析,完成圖像的邊緣檢測(cè)。首先用Sobel算子求得圖像邊緣,依據(jù)網(wǎng)格內(nèi)含有邊緣像素的數(shù)目以及連通情況將不同的網(wǎng)格分別處理。然后以網(wǎng)格為數(shù)據(jù)單元,在較大尺度上運(yùn)用Sobel算子得到

2、圖像邊緣。最后通過(guò)設(shè)定數(shù)據(jù)的優(yōu)先級(jí)和使用形態(tài)學(xué)的方法合并兩次計(jì)算邊緣的結(jié)果。該方法充分考慮到了圖像當(dāng)中可能出現(xiàn)的各種復(fù)雜情況,從兩個(gè)尺度分割圖像,彌補(bǔ)了單一方法的不足,提高了分割的正確率。關(guān)鍵詞:邊緣檢測(cè)網(wǎng)格形態(tài)學(xué)SobelLiFeng,FengXinxi,HouZhiqiang(AirForceEngineeringUniversityTelecommunicationEngineeringCollegeXi’an710077)AbstractAcoloredgedetectionapproachbasedon

3、Sobeloperatorandgridispresentedinthispaper.Themethoddividestheoriginalimageintogridsofcertainsize.Thenfinishtheedgedetectionoftheimageattwodifferentsizes.ThefirststepistouseSobeloperatortodetectedgesoftheoriginalimageanddealingwiththegridsaccordingtoedgepixel

4、sandtheconnectconditionsineachgrid.Thengridsarechoseasdatacells.ThenSobeloperatorisusedagaintodetectedgeinlargerscale.Finally,bysettingdataprioritiesandusingmorphologicalmethods,thetworesultsarecombined.Thecomplicatecasesthatanimagemayhaveareconsideredinthism

5、ethod.Besides,itdealswiththeimageattwodifferentscales,soitisbetterthanjustusesinglemannerandhasgotbettersimulationresults.Keywords:edgedetectiongridmorphologySobel1引言圖像分割是圖像分析和模式識(shí)別的第一步,它是圖像分析和模式識(shí)別重要和基本的一個(gè)組成部分,是圖像處理中難度最大的部分之一,決定了最終分析結(jié)果的質(zhì)量。彩色圖像是客觀世界更準(zhǔn)確的描述,能夠提供比

6、灰度圖像更多的信息,并且隨著計(jì)算機(jī)處理能力的快速提高,彩色圖像處理的硬件條件成熟,彩色圖像分割受到了人們更多的關(guān)注。邊緣檢測(cè)是圖像分割中的一種重要方法,但目前主要是針對(duì)灰度圖像。本文提出了一種針對(duì)彩色圖像的二尺度邊緣檢測(cè)方法,通過(guò)Sobel算子和網(wǎng)格分析的方法有效地提取了圖像當(dāng)中的邊緣像素,較單一尺度邊緣檢測(cè)利用了圖像當(dāng)中更多的信息,提高了檢測(cè)的正確率。2方法介紹色彩是人們對(duì)于紅,綠,藍(lán)三基色混合后的感官感受,彩色空間的選取對(duì)于彩色圖像的處理至關(guān)重要,本文選用HSV彩色空間。最常用的面向硬設(shè)備的彩色空間模型是RG

7、B模型,用R、G、B三分量的值來(lái)表示顏色,但是R、G、B三分量之間常有很高的相關(guān)性,直接利用這些分量常常不能得到理想的效果。為了降低彩色特征空間中各個(gè)特征分量之間的相關(guān)性,以及為了使所選的特征空間更方便于邊緣檢測(cè)方法的具體應(yīng)用,實(shí)際上常需要將RGB圖像變換到其他的彩色特征空間中去。在本文中采用了HSV空間。HSV(色度、飽和度、亮度)空間比較接近人對(duì)顏色的視覺(jué)感知,其中V表示顏色的明暗程度"主要受光源強(qiáng)弱影響,H表示不同顏色,而S表示顏色的純度。注意到HSV模型有兩個(gè)重要的事實(shí)作為基礎(chǔ),首先V分量與彩色信息無(wú)關(guān),

8、其次H和S分量與人感受彩色的方式緊密相連。HSV空間比較直觀并且符合人的視覺(jué)特性,這些特點(diǎn)使得HSV模型非常適合基于人眼視覺(jué)特性的彩色圖像處理。從RGB到HSV空間的轉(zhuǎn)換公式為:Sobel算子是通過(guò)求梯度得到圖像邊緣的典型方法,在一般情況下,用Sobel算子得到的圖像邊緣連續(xù)性較差,一種解決方法是尋找鄰近的其它斷點(diǎn),根據(jù)斷點(diǎn)處梯度的相似性將它們連接起來(lái),這種方法帶有一定的

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。