圖像邊緣檢測通常是以類似于素描圖的圖像表達出物體的要素和特征，其任務是使圖像邊緣準確定位和抑制噪聲。本文在傳統(tǒng)形態(tài)學算子基礎上提出了一種遺傳算法優(yōu)化的形態(tài)學Top-Hat算子。
實驗結果表明，與傳統(tǒng)的邊緣檢測算法相比，該算法不僅具有較強的邊緣提取能力，而且通過合理選擇結構元素能明顯降低噪聲對檢測結果的影響，準確檢測出圖像邊緣。
關鍵詞：形態(tài)學;Top-Hat算子;邊緣檢測;遺傳算法
邊緣檢測是圖像處理的基礎，檢測的結果直接決定著后續(xù)處理的精度與結果?，F(xiàn)有的邊
緣檢測方法是以一定的圖像為處理對象，沒有一個統(tǒng)一適用的方法。傳統(tǒng)的邊緣檢測方法是基于空間運算的，借助空域微分算子進行，通過將其模板與圖像卷積完成，根據(jù)模板的大小和元素值的不同有不同的算子。這些空域邊緣檢測算子對噪聲都比較敏感并且常常會在檢測邊緣的同時加強噪聲。
數(shù)學形態(tài)學的基本思想是用具有一定形態(tài)的結構元素去度量和提取圖像中的對應形狀
以達到對圖像分析和識別的目的。所獲得的關于圖像結構的信息與結構元素的尺寸和形狀都有關系，構造不同的結構元素，便可完成不同的圖像分析，得到不同的分析結果。形態(tài)學方法比其他空域或頻域圖像處理和分析方法具有一些明顯的優(yōu)勢，它不像微分算法對噪聲敏感，同時提取的邊緣也比較平滑，易于用并行處理方法有效地實現(xiàn)，從而提高處理速度，而且硬件實現(xiàn)容易。因而，將數(shù)學形態(tài)學用于邊緣檢測，既能有效地濾除噪聲，又可保留圖像中的原有細節(jié)信息[1][2]。
經(jīng)典的形態(tài)學邊緣檢測算子[3]雖能較好地抑制噪聲，但當結構元素選取不合適時，檢
測效果較差。針對這一問題，本文把遺傳算法應用于結構元素的優(yōu)化選擇中，提出了一種遺傳算法優(yōu)化的形態(tài)學邊緣檢測算子。