基于8结构多方向形态学的火焰边缘的检测

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于8结构多方向形态学的火焰边缘的检测范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要通过实验可以发现，本文所采用的形态学算子不管在有无噪声的情况下，均可较好地提取出清晰连贯的边沿。

【关键词】图像处理多 方向形态学 边缘 检测

1 基于数学形态学的边缘检测

用形态学方法进行边缘检测，首先对目标图像连续进行闭运算和开运算来滤除噪声，然后用腐蚀运算平滑边缘细节，之后再做膨胀运算，用运算后的结果后减去膨胀前的结果，最终获得火焰边缘。基于这个理论本文提出8结构元素模板的形态学检测算法。具体运算为：

（1）

式中，，n=m=8；j代表不同尺度的结构元素，i代表用结构元素检测后的图像。

本章的算法中采用结构元素如下：

对原始火焰图像分别采用Canny算子、Sobel算子、形态学梯度法、4结构形态学法以及本文提出的8结构形态学检测算法，对原始无噪的火焰图像进行边缘检测。结果如图3所示。

由1图（a）可看出，在没有噪音干扰的情况下，原始图像边缘细节信息丰富，有很多弱边缘；图（b）Sobel算子和（c）的Canny算子在提取边缘过程中，某些细节部分未检出，边缘不连续，检测效果相对较差。图（d）形态学梯度方法和图（e）文献中的4结构边缘检测算法以及本文提出的8结构形态学法均能较好地进行边缘提取。

2 结论

本文采用8个元素结构进行边缘检测，每个结构元素都有自己的方向性，对响应的边缘信息有很强的提取效果。最终通过将8个结构元素测得的边缘信息整合，可以获得完整的火焰边沿。图2中，图（a）为原始火焰加入高斯噪声后的图像；图（b）为采用形态学梯度算法对加噪火焰图像进行边缘检测的结果；图（c）表示4结构形态学边缘检测算法的检测结果；图（d）为采用本文提出的8结构多方向形态学边缘检测算法对加噪火焰图像进行边缘检测的结果。

图3为4结构形态学边缘检测算法与8结构形态学边缘检测算法的检测结果中细节对比。

图2将本文算法处理结果与形态学梯度方法以及文献中4结构形态学边缘检测进行对比。由图2（b）可发现，细节缺失较严重，边缘变化较大程锯齿状，不连续，而且周围孔噪声较多。从图2（c）可看出相比于梯度法，4结构形态学边缘检测算法去噪效果较好。从图3（a）中可以看出某些边缘细节处不连续，存在断点。图2（d）的检测结果边缘较清晰，细节保存较好，去噪效果最好。

通过以上实验，可以发现利用本文提出的形态学算子不管在有无噪声的情况下，均可较好地提取出清晰连贯的边沿，为后续的特征提取和数据分析打好基础。

参考文献

[1]陈恩庆，李晓磊.采用多结构元素模板的形态学边缘检测新算法[J].计算机工程与应用，2013，49（17）：146-149.

[2]李依令.基于多尺度多结构元素的数学形态学边缘检测[J].科学技术与工程，2006，6（10）：1417-1420.