一种基于改进的形态学算子的边缘检测算法

J4 ›› 2011, Vol. 33 ›› Issue (8): 112-118.

一种基于改进的形态学算子的边缘检测算法

孟婷婷，余谅，李寿敏，陈雪

（四川大学计算机学院，四川成都 610064）

收稿日期:2010-09-04 修回日期:2010-12-17 出版日期:2011-08-25 发布日期:2011-08-25
作者简介:孟婷婷(1986),女,山东临朐人，硕士生，研究方向为多媒体技术。余谅(1986),男,四川成都人，硕士，副教授，研究方向为多媒体技术。李寿敏(1983),女，山东临沂人，硕士生，研究方向为数字图像处理。陈雪(1984),女,河北石家庄人，硕士生，研究方向为机器学习。
基金资助:
国家自然科学基金资助项目（60736046）

An Edge Detection Algorithm Based on Improved Morphologic Operators

MENG Tingting,YU Liang,LI Shoumin,CHEN Xue

(School of Computer Science，Sichuan University,Chengdu 610064,China)

Received:2010-09-04 Revised:2010-12-17 Online:2011-08-25 Published:2011-08-25

摘要/Abstract

摘要：

本文提出了一种基于改进的形态学算子和多尺度多结构元素思想的边缘检测算法。改进的抗噪型形态学边缘检测算子增强了图像边缘检测时的抗噪能力，采用多尺度和多结构元素构建的边缘检测算法既具有较好的抗噪能力，同时可检测更多边缘方向。实验结果表明，该算法具有较好的抗噪能力，在检测出更多的边缘方向的同时可保留较多的边缘细节，具有较强的适应性。

关键词: 形态学算子, 多尺度, 多结构元素, 边缘检测

Abstract:

An edge detection algorithm using improved morphologic operators with multiscale and multistructuring elements is presented in this paper. The competence of antinoise can be improved by the improved morphologic operator when using it to detect image edges. And the use of the idea of multiscale and multistructuring elements can detect more information of edge direction while having better competence of antinoise. The results of experiments show that the algorithm has better competence of antinoise and retains more edge details while detecting more information of edge direction, thus has better applicability.

Key words: morphologic operator;multiscale;multistructuring element;edge detection

孟婷婷，余谅，李寿敏，陈雪. 一种基于改进的形态学算子的边缘检测算法[J]. J4, 2011, 33(8): 112-118.

MENG Tingting,YU Liang,LI Shoumin,CHEN Xue. An Edge Detection Algorithm Based on Improved Morphologic Operators[J]. J4, 2011, 33(8): 112-118.

[1]	肖振久, 李思琦, 曲海成. 基于多尺度特征与互监督的拥挤行人检测[J]. 计算机工程与科学, 2024, 46(07): 1278-1285.
[2]	邓翔宇, 裴浩媛, 盛迎. 基于网络融合的改进MobileViT人脸表情识别[J]. 计算机工程与科学, 2024, 46(06): 1072-1080.
[3]	张文豪, 瞿绍军. 基于双解码器结构的多尺度注意力特征融合网络的视网膜血管分割#br#[J]. 计算机工程与科学, 2023, 45(12): 2175-2185.
[4]	李卓璇, 周亚同. 改进DBNet的电商图像文字检测算法研究[J]. 计算机工程与科学, 2023, 45(11): 2008-2017.
[5]	陈清江, 顾媛. 基于多尺度深度可分离卷积的低照度图像增强算法[J]. 计算机工程与科学, 2023, 45(10): 1830-1837.
[6]	唐剑, 车文刚, 高盛祥. 融入注意力机制的多尺度卷积图像去雾方法[J]. 计算机工程与科学, 2023, 45(08): 1453-1462.
[7]	崔克彬, 崔叶微. 基于卷积和Transformer的断路器动触头跟踪方法研究[J]. 计算机工程与科学, 2023, 45(07): 1236-1244.
[8]	王晓琦, 赵宣植, 刘增力, . 基于多尺度小波和Tsallis熵的水下图像边缘检测[J]. 计算机工程与科学, 2023, 45(07): 1245-1252.
[9]	李校林, 王复港, 张鹏飞, 张琳玉, . 基于多尺度特征提取的YOLOv5s算法优化[J]. 计算机工程与科学, 2023, 45(06): 1054-1062.
[10]	闫彩瑞, 马慧芳, 李青青. 基于谱图小波的多尺度社区搜索方法[J]. 计算机工程与科学, 2023, 45(06): 1106-1115.
[11]	方雪杉, 杨云飞, 冯松. 基于多尺度多模态学习的光球亮点曲线轨迹段检测方法研究[J]. 计算机工程与科学, 2023, 45(05): 885-894.
[12]	王万军, 丁新涛, 刘朝, 章智强. 基于多尺度联合网络的图像超分辨率重建方法[J]. 计算机工程与科学, 2023, 45(04): 683-690.
[13]	孙琪, 翟锐, 左方, 张玉涛, . 基于部分卷积和多尺度特征融合的人脸图像修复模型[J]. 计算机工程与科学, 2023, 45(02): 304-312.
[14]	李忠瑞, 崔宾阁, 杨光, 张昊卿. 基于深度学习的海岸线边缘检测网络模型[J]. 计算机工程与科学, 2022, 44(12): 2220-2229.
[15]	徐琨, 赵启雯, 徐源, 柳有权. 基于边缘检测的快速纸张检测方法[J]. 计算机工程与科学, 2022, 44(10): 1795-1803.