CB形态学的边缘检测算法研究

doi:10.3778/j.issn.1002-8331.2010.10.046

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (10): 144-146.DOI: 10.3778/j.issn.1002-8331.2010.10.046

• 图形、图像、模式识别 • 上一篇下一篇

CB形态学的边缘检测算法研究

董贤军¹，汤晓安¹，张海英²，陈鸿¹

1.国防科技大学电子科学与工程学院，长沙 410073
2.沧州师范专科学校，河北沧州 063000

收稿日期:2008-09-23 修回日期:2009-03-03 出版日期:2010-04-01 发布日期:2010-04-01
通讯作者: 董贤军

Study on edge detection method based on CB mathematical morphology

DONG Xian-jun¹，TANG Xiao-an¹，ZHANG Hai-ying²，CHEN Hong¹

1.College of Electronic Science & Engineering，National University of Defense Technology，Changsha 410073，China
2.Cangzhou Teachers College，Cangzhou，Hebei 063000，China

Received:2008-09-23 Revised:2009-03-03 Online:2010-04-01 Published:2010-04-01
Contact: DONG Xian-jun

摘要/Abstract

摘要：

数学形态学是一种非线性滤波方法，应用数学形态学进行非线性图像处理已经发展成为图像处理的一个主要研究领域。基于CB（Contour-Based）形态学的方法，提出了一种改进的形态学边缘检测算子，能够有效地检测出图像边缘，并保持边缘的平滑性。实验结果表明，与传统的边缘检测算子相比较，该算法抗噪性能良好，计算量较小，因此具有一定的实用性和可行性。

关键词: 边缘检测, CB形态学, 图像处理

Abstract: Mathematical morphology is a methodology of nonlinear filters.Applying mathematical morphology in nonlinear image processing has been developed a main important study field.On the basis of CB mathematical morphology，an improved edge detection operator is proposed.The method can detect the edge efficiently and keep the detected edge smooth.Experiments demonstrate that compared with traditional edge detectors，this edge detector has a good performance of noise reduction and requires fewer calculations，enhancing its practicality and ablity.

Key words: edge detection, Contour-Based（CB） mathematical morphology, image operation

中图分类号:

TP391

董贤军¹，汤晓安¹，张海英²，陈鸿¹. CB形态学的边缘检测算法研究 [J]. 计算机工程与应用, 2010, 46(10): 144-146.

DONG Xian-jun¹，TANG Xiao-an¹，ZHANG Hai-ying²，CHEN Hong¹. Study on edge detection method based on CB mathematical morphology[J]. Computer Engineering and Applications, 2010, 46(10): 144-146.

[1]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[2]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[3]	杨培伟，周余红，邢岗，田智强，许夏瑜. 卷积神经网络在生物医学图像上的应用进展[J]. 计算机工程与应用, 2021, 57(7): 44-58.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.
[6]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[7]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[8]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[9]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[10]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[11]	林本丰，王呈，孙悦程. 融合LSD算法与深度学习的开关状态检测方法[J]. 计算机工程与应用, 2021, 57(17): 181-189.
[12]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[13]	王滢暄，宋焕生，梁浩翔，余宵雨，云旭. 基于改进的YOLOv4高速公路车辆目标检测研究[J]. 计算机工程与应用, 2021, 57(13): 218-226.
[14]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[15]	胡文涛，陈秀宏. 基于局部保持投影的鲁棒稀疏子空间学习[J]. 计算机工程与应用, 2021, 57(10): 194-199.

CB形态学的边缘检测算法研究

Study on edge detection method based on CB mathematical morphology

PDF

可视化

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