基于改进Canny算法的噪声图像边缘检测

针对经典Canny算法应用中常出现的无法滤除椒盐噪声且滤波后图像细节信息易丢失、Sobel卷积核定位的边缘信息精度较差、双阈值选取存在偶然性等问题，对Canny算法进行改进。首先采用自适应中值-高斯滤波法代替传统的高斯滤波，并融合Laplace边缘增强法，滤除大量噪声的同时保留图像边缘细节信息；使用精度更高的Scharr算子代替Sobel算子计算图像梯度幅值和方向；然后通过最大类间方差法自适应计算图像的最优阈值；最后选用BSD500数据集进行实验，结果表明：文中算法相对于经典Canny算法，峰值信噪比平均提升14.5 dB，边缘检测评价指标C/A提高0.07～0.24,C/B提高0.06～0.14，算法性能指标提高24.8%。