改進(jìn)的閾值函數(shù)與形態(tài)學(xué)相結(jié)合的邊緣檢測方法.pdf

1、在考慮數(shù)字圖像處理時，噪聲濾波是一個不容忽視的操作。一般在圖像傳輸、存儲等過程中會產(chǎn)生脈沖干擾，隨著外界干擾的強(qiáng)度不同，最終的數(shù)字圖像受損程度也不同。邊緣檢測算法在實現(xiàn)的過程中會考慮到較小濃度的噪聲干擾。所以在邊緣檢測以前，需要對圖像進(jìn)行去噪。使圖像的噪聲變小，利于邊緣檢測。
　　小波閾值去噪方法容易實現(xiàn)，運算簡單，有更廣泛的適應(yīng)性，但是其本身也有缺陷。硬閾值函數(shù)存在不連續(xù)點，軟閾值函數(shù)的小波系數(shù)和真實圖像的小波系數(shù)存在偏差。本文

2、構(gòu)造了一個新的在原點處充分光滑的閾值函數(shù)，具有更好的連續(xù)性，幾乎處處光滑，并且這個函數(shù)比較簡單。新方法對圖像的去噪取得了滿意的效果。
　　隨著數(shù)字圖像處理的發(fā)展，邊緣作為圖像的一個基本特征起著很重要的作用。數(shù)學(xué)形態(tài)學(xué)邊緣檢測算法由于檢測的原理不是微分運算，所以在抗噪性上有良好的效果。作為一種比較新型的非線性處理方法，數(shù)學(xué)形態(tài)學(xué)通過運算和分析數(shù)學(xué)中的集合進(jìn)行處理圖像。利用傳統(tǒng)的形態(tài)學(xué)算法對圖像進(jìn)行邊緣檢測，如果噪聲濃度較高，效果就不