基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測(cè)研究.pdf

1、　　本論文的主要目的是圍繞數(shù)學(xué)形態(tài)學(xué)進(jìn)行圖像邊緣檢測(cè)的研究。圖像的邊緣是指圖像灰度值的不連續(xù)點(diǎn)或變化劇烈的點(diǎn)的集合，這種變化可以用數(shù)學(xué)上的梯度來刻畫其分布。文章中，我們用一定的篇幅介紹了圖像邊緣的定義、數(shù)學(xué)上對(duì)差分和梯度的定義，并且較為詳細(xì)地綜述了傳統(tǒng)的和新興的邊緣檢測(cè)方法，客觀地分析了它們的優(yōu)缺點(diǎn)，給出了邊緣檢測(cè)的實(shí)驗(yàn)結(jié)果。本文圍繞形態(tài)學(xué)展開研究，因此詳細(xì)介紹了數(shù)學(xué)形態(tài)學(xué)的起源和發(fā)展，并從二值形態(tài)學(xué)出發(fā)到灰度形態(tài)學(xué)著重研究了數(shù)學(xué)形態(tài)學(xué)

2、的膨脹、腐蝕、開啟、閉合等運(yùn)算及其性質(zhì)。并就開、閉運(yùn)算的濾波性能作了一定討論，在全方位濾波算法的基礎(chǔ)上作出了一定的改進(jìn)，為后文的邊緣檢測(cè)算法奠定了基礎(chǔ)?！　≡诒疚牡倪吘墮z測(cè)算法研究中，首先將邊緣的定義拓展成形態(tài)學(xué)意義下的邊緣并給出噪聲定義；然后用實(shí)例分析討論了各種結(jié)構(gòu)元素在形態(tài)學(xué)運(yùn)算中的效用，針對(duì)結(jié)構(gòu)元素的線條走向和尺度大小尋找到了檢測(cè)效果較為理想的結(jié)構(gòu)元素，為后文的邊緣檢測(cè)算法奠定了基礎(chǔ)；接著介紹了基于單結(jié)構(gòu)元素基本的和抗噪型的邊緣

3、檢測(cè)算子，對(duì)Lenna的原始和5％的椒鹽噪聲圖像進(jìn)行了檢測(cè)，重現(xiàn)了其結(jié)果，最后對(duì)單結(jié)構(gòu)元素的抗噪型檢測(cè)算子進(jìn)行改進(jìn)，將改進(jìn)的開-閉、閉-開運(yùn)算濾波思想加入到邊緣檢測(cè)算法中，提出了一種多結(jié)構(gòu)元素多路加權(quán)合成的形態(tài)邊緣檢測(cè)算法。在該算法中，根據(jù)濾波圖像的均值來近似原始無噪圖像，采用用峰值信噪比來確定加權(quán)參數(shù)，該方法實(shí)際是一種自適應(yīng)的方法，比固定的均值加權(quán)適應(yīng)性強(qiáng)，另外該方法中的多路合成可以進(jìn)行分解，視效果而定合成的次數(shù)，也具有一定的適應(yīng)性。