基于数学形态学的图像边缘检测算法

华南理工大学学报（自然科学版） ›› 2008, Vol. 36 ›› Issue (9): 113-116,121.

• 电子、通信与自动控制 • 上一篇下一篇

基于数学形态学的图像边缘检测算法

刘清林土胜

华南理工大学电子与信息学院, 广东广州 510640

收稿日期:2007-09-24 修回日期:2008-01-07 出版日期:2008-09-25 发布日期:2008-09-25
通信作者: 刘清（1977-），男，博士生，主要从事图像处理、模式识别和图像检索研究． E-mail:liu．qing3@mail．scut．edu．cn
作者简介:刘清（1977-），男，博士生，主要从事图像处理、模式识别和图像检索研究．
基金资助:
国家自然科学基金资助项目（60472006）;广东省自然科学基金团队研究项目（04205783）

Image Edge Detection Algorithm Based on Mathematical Morphology

Liu Qing Lin Tu-sheng

School of Electronic and Information Engineering, South China University of Technology, Guangzhou 510640, Gaangdong, China

Received:2007-09-24 Revised:2008-01-07 Online:2008-09-25 Published:2008-09-25
Contact: 刘清（1977-），男，博士生，主要从事图像处理、模式识别和图像检索研究． E-mail:liu．qing3@mail．scut．edu．cn
About author:刘清（1977-），男，博士生，主要从事图像处理、模式识别和图像检索研究．
Supported by:
国家自然科学基金资助项目（60472006）;广东省自然科学基金团队研究项目（04205783）

摘要/Abstract

摘要： 传统的边缘提取算法非常有效但对噪声非常敏感，大多形态学边缘检测算法采用单一结构元素，很难对复杂边界进行有效的处理．文中提出一种基于多结构元素多尺度的数学形态学图像边缘检测算法，先用多尺度结构元素交替顺序形态开一闭平滑图像以去噪，再用多结构元素对不同方向的边缘进行提取，最后将各方向边缘融合得到图像边缘．实验结果表明，文中提出的算法不仅具有很强的抗噪性，而且能有效地提取图像的边缘．

关键词: 边缘检测, 数学形态学, 多结构元素, 多尺度, 二值化

Abstract:

It is known that the traditional edge detection methods are effective but are sensitive to noise, and that most mathematical morphology-based edge detection algorithms are insufficient for complex edge feature due to their single structure element. In order to solve these problems, a novel muhi-structure element multi-scale edge detection algorithm based on mathematical morphology is proposed. In this algorithm, the noise is filtered by an alternative-order morphological open-close filter with a multi-scale element, the edge information in different directions is obtained using multi-structure elements and is further fused to generate the final edge. Experimental results show that the proposed algorithm is insensitive to noise and is efficient in complex edge detection.

Key words: edge detection, mathematical morphology, multi-structure, multi-scale, binarization

刘清林土胜. 基于数学形态学的图像边缘检测算法[J]. 华南理工大学学报（自然科学版）, 2008, 36(9): 113-116,121.

Liu Qing Lin Tu-sheng. Image Edge Detection Algorithm Based on Mathematical Morphology[J]. Journal of South China University of Technology (Natural Science Edition), 2008, 36(9): 113-116,121.

[1]	李家春, 李博文, 林伟伟. AdfNet：一种基于多样化特征的自适应深度伪造检测网络[J]. 华南理工大学学报(自然科学版), 2023, 51(9): 82-89.
[2]	黄怀纬, 贺万里, 曹亚军. 基于多尺度法的预载压电梁俘能特性[J]. 华南理工大学学报(自然科学版), 2022, 50(5): 118-126.
[3]	杨春玲杨雅静. 基于多尺度特征逐层融合深度神经网络的无参考图像质量评价方法研究[J]. 华南理工大学学报(自然科学版), 2022, 50(4): 81-89,141.
[4]	易清明, 吕人毅, 石敏, 等. 融合多尺度空洞卷积与反卷积的轻量化目标检测[J]. 华南理工大学学报(自然科学版), 2022, 50(12): 41-48.
[5]	杨晋生, 陈洪鹏, 关欣, 等. 一种多尺度轻量级脑胶质瘤图像分割网络[J]. 华南理工大学学报(自然科学版), 2022, 50(12): 132-141.
[6]	杨易, 谭健成, 金博崇, 等. 基于WRF与CFD的复杂地形风场多尺度耦合模拟分析#br#[J]. 华南理工大学学报（自然科学版）, 2021, 49(5): 65-73,83.
[7]	陈玲, 杜安林, 唐煜括, 等. 不同糊化度淀粉材料结构演变对其热挤压 3D 打印成型性的影响[J]. 华南理工大学学报(自然科学版), 2021, 49(3): 62-70,87.
[8]	陈善雄, 韩旭, 林小渝, 等. 基于 MSER 和 CNN 的彝文古籍文献的字符检测方法[J]. 华南理工大学学报（自然科学版）, 2020, 48(6): 123-133.
[9]	苏峰华冯文营袁熙. 基于多尺度方法的机油冷却器数值模拟[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 112-117.
[10]	孙朝云, 裴莉莉, 李伟, 等. 基于改进 Faster R-CNN 的路面灌封裂缝检测方法[J]. 华南理工大学学报（自然科学版）, 2020, 48(2): 84-93.
[11]	刘杰平温竣文梁亚玲. 基于多尺度注意力导向网络的单目图像深度估计[J]. 华南理工大学学报（自然科学版）, 2020, 48(12): 52-62.
[12]	徐哲炜许瑞霖刘琼. 鲁棒车载热成像行人检测的感兴趣区域提取方法 [J]. 华南理工大学学报(自然科学版), 2019, 47(2): 68-76,2.
[13]	廖一鹏王卫星付华栋王焕清. 结合分数阶微分的浮选泡沫图像 NSCT 多尺度增强 [J]. 华南理工大学学报（自然科学版）, 2018, 46(3): 92-102.
[14]	翟敬梅黄锦洲刘坤. 双目视觉下基于边缘特征的机器人作业环境检测方法 [J]. 华南理工大学学报（自然科学版）, 2018, 46(3): 1-7.
[15]	马如进徐世桥王达磊陈艾荣. 基于大数据的大跨悬索桥钢箱梁疲劳寿命分析[J]. 华南理工大学学报（自然科学版）, 2017, 45(6): 66-73.

基于数学形态学的图像边缘检测算法

Image Edge Detection Algorithm Based on Mathematical Morphology

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价