基于sobel算子的金相图边缘提取新算法

《基于sobel算子的金相图边缘提取新算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于Sobel算子的金相图边缘提取新算法　　摘要：针对传统Sobel算法存在定位不精确、提取边缘不连续等不足，提出在传统Sobel算子模板基础上增加了45°和135°两个模板，提高了边缘定位的精度；采用局部梯度均值作为阈值对梯度图像进行局部梯度筛选，然后进行边缘提取及细化。实验证明，算法获取的图像边缘与传统Sobel算法相比，具有定位准确、边缘连续性好、噪声少等优点，在金相图片处理中有一定的实用性。　　关键词：金相图片；Sobel算子；局部梯度筛；选梯度图像细化　　中图分类号：TP391文献标识码：A　　Abstract：Aimingatth

2、edeficiencyoftraditionalSobelalgorithm，suchasimpreciselocation，inconsecutiveedgeinprocessing，animprovedalgorithmwasputforward，Thealgorithmaddedtwotemplatesinbothdirectionsof45°and135°basedontraditionalsobeloperatortoimprovetheprecisionofedgelocation.Localgradientwasfiltered

3、togradientimagebyusinglocalgradientmeanasthethreshold，thenedgeextractionandrefinementweredone.Theexperimentsuggeststhat，comparedwithtraditionalSobelalgorithm，theimageedgeobtainedbythenewalgorithmhastheadvantageofaccuratelocation，goodcontinuityoftheedgeandfewnoise，etc.So，the

4、algorithmhascertainpracticability8intheprocessingofmetallographyfilm.　　Keywords：metallography；sobeloperator；localgradientscreening；gradientimagethinning　　1引言　　在工程中材料的质量对于所加工产品的质量有着重要的影响。GCr15轴承钢材料的抗疲劳性能，耐磨及耐腐蚀性能都与材料中的碳化物分布紧密相关。由于金相图片的特殊性（图中可能有多种材料组织），并且在获取图像过程中由于设备及其他因素的影响，

5、图像会引入一些噪声[1]。为了进一步分析材料性能的准确性，金相图的边缘检测必须要轮廓清晰，边缘连续性好。因此探究良好的边缘检测算法对金相分析是有意义的。　　边缘检测是指运用算法提取图像中目标与背景之间的边界线。图像边缘一般可以由一阶梯度最大值或二阶导数过零点检测得到。常用的一阶梯度算子有Roberts[2]、Sobel[3]、Prewitt[4]。基于二阶导数过零点检测的边缘检测算子中最具代表性的是LoG算子。这些算子都是局域窗口梯度算子，优点是计算量较小，但在一定程度上丢失了一些边缘信息，检测效果不理想。文献[5]在Sobel算子基础上提出

6、了改进，模板算子采用了8个方向的5×5模板，该算法提取的边缘比传统sobel算子提取的边缘更完整；不过运算也更复杂，且提取的边缘图像有较多的噪声[5]。　　本文提出的算法是在Sobel算法的基础上，选择4个方向上的5×85模板，不会提取过多虚假边缘同时噪声也减少很多，突出了Sobel算法提取边缘较细的优点，并且对Sobel算法存在的虚假边缘较多及噪声较多提出了改进[6-12]，适用于金相图的边缘提取。本算法在检测精度、连续性、及减少噪声上都得到了提高。　　2经典Sobel算法原理　　经典Sobel算法是一种梯度检测算子，梯度与一阶导数相对应，

7、数字图像的一阶导数就是图像的梯度，设g（x，y）表示坐标点（x，y）的一个连续数字图像函数[13]，则图像函数g（x，y）在坐标点（x，y）处的梯度可以定义为：　　3改进的Sobel算法　　Sobel算法原理简单，检测速度快，但由于只使用了水平和垂直两个方向模板，检测到的边缘图像边缘定位精度并不高，斜向边缘的效果不是很理想。基于传统Sobel算子的不足，改进的Sobel算法的步骤如下。　　用原图像分别与4个方向模板进行卷积运算，运算结果分别表示图像窗口中心点的4个方向的梯度值。　　3.2计算梯度图像　　用原图像与四个模板分别进行卷积运算，然后

8、采用公式（5）得到梯度图像　　G=（G0）2+（G90）2+（G45）2+（G135）212（5）　　式（5）中，G0、G90、G45和G135分别代表图像窗口中心