改进K-means聚类算法的自适应Canny算子工件边缘检测

作者:张宇廷; 王宗彦; 王曦; 范浩东
更新时间:

针对传统Canny算子在复杂工件边缘检测中识别相似度低、连续性和鲁棒性差的问题,提出了一种基于改进k-means算法的自适应Canny算子工件边缘检测技术。首先,对相关复杂工件进行形态学预处理,并通过改进k-means算法对图像进行分割和融合。其次,改进了Canny算子的梯度方向和适应性,进行了Otsu阈值分割,并用最小二乘法拟合了工件孔的锯齿边界。最后,将边缘检测结果与传统的Canny算子图像进行了比较,结果表明,改进后的图像峰值信噪比(PSNR)和相似度(SSIM)都有所提高。实现了复杂相似工件的自适应边缘检测,为该算法结合图像边缘处理技术提供了一定的参考价值。