刘红丽，赵正卿，谢 群，徐沪萍

(武汉理工大学自动化学院，湖北 武汉 430070)

在颗粒物图像处理与检测过程中，若要能够对颗粒物进行自动识别与编号，同时对单个颗粒物的周长、粒径等指标进行检测标定，必须采用某种方法对目标物进行检测。对图像而言，边缘是最重要的特征，如果能够检测出目标物的边缘，那么就可以采用合适的算法算出目标物的周长、粒径等指标。因此，图像边缘检测是一种很重要的图像检测的预处理方法，边缘检测的结果直接决定了后续处理的结果。对于室内悬浮颗粒物图像而言，重要的是数学形态学参数的检测，因此数学形态学在颗粒物图像边缘检测中的应用主要体现在颗粒物图像特征提取。

传统的边缘检测方法大多是基于模板和梯度的算法，属于高通线性滤波器，如Sobel算子、Canny算子、Laplace算子、Roberts算子和 Laplacian－Gaussian算子等［1］。由于噪声和边缘都属于高频范围，故对含有噪声的图像边缘检测效果并不理想，特别是当图像比较复杂和包含丰富细节时，有的非线性算子涉及方向性并且各向异性，很难完全检测出图像的边缘。此外，一般的灰度图像总是难免包含噪声，单纯地使用上述算子对噪声敏感，且常常会在检测边缘的同时加强噪声，效果更不理想［2］。通过分析数学形态学的基本原理发现，形态学的诸多性质具有建立形态差分算子的性质，非常适合于图像边缘检测。但形态学运算往往只采用一个结构元素，只能提取出与结构元素形状、大小完全相同的模式，而即使与此结构元素有微小差别的其他模式也不能获取，因而不能获取理想的图像边缘。……