随着机器视觉等技术的发展,对图像处理算法的精度和处理速度均提出了新的要求,其中边缘检测是快速获取目标物轮廓,实现目识别的关键步骤,得到了广泛的关注。边缘检测在机器视觉领域和图像处理方面都有着非常重要的意义,主要被大规模的应用于图像处理、目标物边缘提取等领域。一幅图像最基本的特征就是图像的边缘,它包含有大量的图像信息,边缘检测是进行图像处理和图像分析的主要研究内容,关于边缘检测的方法有许多,其中边缘有效提取是其核心内容。其中,基于数学形态学的方法由于能够在对噪声进行有效滤除的同时,较好地保留了有效信息,因而在图像分割和边缘提取方面取得了比较好的效果。本课题以图像形态学为基础,进一步研究图像的边缘检测算法,并通过实验对所得结果进行验证。主要内容如下:(1)由于图像的边缘包含了一幅图像中大部分的信息,也是其中局部亮度变化比较显著的。因此在图像边缘处理过程中,对于图像边缘的确定以及边缘轮廓的提取都有非常重要的意义,由于传统的边缘检测算法都存在一定的不足之处,这其中以Canny算法运用最为广泛,但是当Canny算法单独使用时,对噪声比较敏感,还有就是提取的边缘细节不够清晰和完整,因此以列车上常用的复合绝缘子为例,将传统的Canny算法进行改进,在上述算法的基础上,和二维Otsu结合使用,应用于绝缘子灰度图像中,进行边缘检测,分析它的憎水性等级,评价它的憎水性指标,通过实验验证了算法的有效性和实用性。实验表明,通过对传统Canny算法的改进,提高了Otsu法对复合绝缘子憎水性图像边缘检测的精度。(2)传统的边缘检测算法能够进行基础的图像边缘的检测处理,对图像分割处理过程做需要的信息能够进行有效的提取,但是传统的边缘检测算法也存在图像处理过程中对噪声比较敏感,检测出来图像的清晰度不够,细节不够完整,由于多尺度多结构元素算法能够克服上述不足之处,使得检测到的结果细节完整,图像平滑,因此将两者进行结合使用,在传统算子的基础上,引入了多尺度多结构元素算法,通过以几张灰度图像为例进行实验验证,实验表明它的检测效果良好,证明此方法可行,能够应用于各种场景,有很好的应用价值。(3)前面提及的算法都是基于确定性的理论,都是针对于灰度图像的边缘分割处理,由于在现实生活中,大多数事物都存在一定的不确定性,相对于灰度图像,彩色图像在生活中也需要进行一定的分割处理,对于边缘的提取显得尤为重要,由于云模型理论是基于不确定性的定性定量转换模型,本小节主要以云模型算法为基础,运用HSV颜色空间进行转换,以彩色图为例,对图像进行预处理,概念跃升和边缘分割处理,通过正态云变换,对图像进行分析处理,提取图像的边缘轮廓,验证算法的可靠性。