一种自适应的sobel边缘检测方法.docxVIP

一种自适应的sobel边缘检测方法 1 改进的soel边缘检测算法 边缘是图像的基本特征之一。边缘检测包括图像捕获、图像分析、模式识别、计算机视觉和人类视觉的基本步骤。经典的边缘检测是基于检测算子的方法, 通过考察待测点在某个邻域内的灰度变化, 然后利用一阶或二阶方向导数变化规律, 根据一定的判断标准检测出边缘。常见的边缘检测算子有Roberts算子、Sobel算子、Prewitt算子、Laplace算子、LOG算子、Canny算子等。近年来随着数学理论及人工智能的发展, 涌现出许多新的边缘检测方法, 如基于小波变换和数学形态学的边缘检测法、基于神经网络和自适应阈值选取的边缘检测法等。 本文分析了经典Sobel边缘检测算法的优缺点, 针对其对噪声比较敏感而且需要人为指定阈值等缺点对算法进行改进, 增加了梯度计算的模板, 通过计算四方向梯度合成最终的梯度, 然后再根据待检测像素点8邻域内的平均像素值和人眼的视觉特征自适应地生成动态阈值, 从而在一幅图像的不同区域使用不同的阈值来检测边缘, 这种方法检测出的边缘图像比固定阈值法检测的边缘更为接近人的主观视觉。对检测后的边缘图像进行形态学腐蚀处理, 使得算法的抗噪性能更强。 改进的Sobel边缘检测算法较经典算法的时间复杂度增加, 采用一般的顺序计算难以满足实时性的要求。随着FPGA技术的高速发展, 使用FPGA搭建图像处理平台成为图像