针对传统边缘检测方法受高斯噪声、椒盐噪声污染及边缘梯度变化幅度小等因素影响而出现的物体轮廓检测效果不理想、误检率、漏检率高等问题，提出Canny-Cauchy边缘检测算法。该算法是Canny算法的一种改进，首先对椒盐噪声图像进行自适应中值滤波预处理，在清除椒盐噪声的同时保护边缘不被模糊。在滤波器的设计上，该算法使用柯西分布函数的一阶导数作为边缘检测函数，通过对函数采样得到边缘检测滤波器。对所提边缘检测函数按照边缘检测算法的三条设计准则进行理论分析，并在BSDS500数据集上与其他边缘检测算法进行对比实验。实验结果表明：在降噪方面，该算法可以在20%密度的椒盐噪声下保证处理后图像的峰值信噪比大于30 dB，结构相似性大于0.9；在边缘检测方面，该算法比传统Canny算法对白噪声的抑制能力以及对真实边缘的响应能力更强，在BSDS500数据集上的F1分数提升了7.5%，平均准确率提升了10.2%。

针对磁瓦图像光照不均匀、对比度较低、表面干扰磨削纹理较多的问题，提出了一种基于改进的同态滤波与Canny算法的磁瓦表面缺陷检测算法。首先，采用改进的同态滤波传递函数将磁瓦图像分解成高频图像和低频图像，用连续均值量化变换增强高频图像，再将增强的高频图像与低频图像融合便能够得到光照较均匀和对比度较高的磁瓦图像。然后，将传统Canny算法中的高斯滤波器替换为相对总变差模型，从而提取出磁瓦缺陷结构；为了提高边缘检测的精度，增加了梯度方向模板求取图像像素点的梯度幅值和方向，并采用基于图像灰度信息的单阈值提取出图像缺陷边缘，提高了算法的鲁棒性。最后，通过形态学处理对检测出的缺陷边缘图像进行填充，并把干扰边缘去除，便可得到磁瓦的缺陷区域。实验结果表明，所提算法对磁瓦表面缺陷检测的效果较好，检测精度较高，且适用于多种类型的磁瓦表面缺陷。

由于低照度以及场景光不均匀的环境下图像的成像特点,普通的边缘检测方法无法有效检测出完整清晰的边缘图像。本文结合参数化对数图像处理(PLIP)模型对低亮度图像敏感、处理效果接近人眼视觉观察的结果等优点提出一种新的边缘检测算法。首先,利用PLIP模型理论推导出新的梯度算子,然后分析传统Canny算法检测边缘过程的不足并加以改进,并将推导出的新梯度代替了传统Canny算法中的梯度,运用Canny算子的三个最佳边缘检测标准提取图像的边缘。最后,通过对微光实验平台获取的低照度和场景光不均匀环境下的图像进行边缘检测对比验证。实验结果表明,新算法边缘检测的线型连接程度相较于传统Canny算法、Sobel算法和原对数图像处理模型(LIP)算法分别提升了约10%、30%和4%,其检测效果更佳。

针对传统自适应 Canny算法阈值选取精度低、速度慢的不足，提出基于快速烟花算法(Fast Fireworks Algorithm，FFWA)的自适应 Canny边缘检测算法，该算法采用最大类间方差法结合快速烟花算法对检测和连接边缘的高低阈值进行自动设定。快速烟花算法对传统烟花算法的爆炸半径，爆炸火花产生方式与选择策略进行改进。实验结果表明，快速烟花算法比传统烟花算法的计算时间节省了 36%，在稳定性方面也有了可观的提升，基于快速烟花算法的自适应 Canny边缘检测算法在精度保持不变的情况下，计算速度比改进前加快了 49%，使飞机蒙皮损伤热像图的边缘检测效果更加理想。

为了降低智能手机PCBA电路板元件反光特性对图像灰度产生的干扰, 提高边缘连接的完整度, 减少伪边缘的数量, 本文对传统的canny算子进行改进, 用于提取智能手机PCBA电路板的边缘信息。首先, 兼顾滤波器去噪与梯度保持特性, 使用改进的具有“动态”惩罚因子的引导滤波器替代高斯滤波器, 减少边缘点的丢失。然后, 使用近邻域局部自适应阈值法取代传统双阈值法, 用于解决元件稠密区域存在灰度变化频繁背景与目标差异较小而导致阈值分割不准确的问题。实验结果表明, 当滑动窗口保持在19大小时, 具有最好的阈值分割效果, 伪边缘数量降到最低。本文方法处理后的图像, 拥有更完整细化的边缘, 伪边缘数量大大减少, 局部元件稠密区域, 边缘细节得到保留, 符合像素级手机PCBA电路板的边缘检测精度要求。

针对目前散乱点云特征提取算法存在计算量大且不能规则化提取的问题,提出一种融合改进Canny算法的点云特征规则化提取算法。根据散乱点云的距离分辨率进行重采样,将点云进行规则栅格化;通过优化替代法对网格矩阵进行灰度值赋值,散乱点云被投影成二维影像;利用改进Canny算法从二维影像中进行特征规则化提取。对比实验结果表明:该方法噪声少、可操作性强,可以高效地对直线边界或复杂的曲线边界进行特征规则化提取。对点云与图像的配准以及后期三维重建等有重大作用。

在激光测距仪镜头组件的自动化装配中, 快速、精准识别感光元件雪崩光电二极管( APD)的定位坐标, 对于完成镜头焦点的精确对位以及提高图像处理效率至关重要。针对 APD的图像识别与定位过程, 本文提出一套基于机器视觉的高效、高精度的图像处理算法。首先在粗定位图像处理阶段中, 为提高运算效率, 利用抗干扰性强的高斯金字塔搜索归一化互相关匹配( NCC)算法, 对图像中的 APD进行粗定位。在边缘检测中, 采用 Otsu算法自适应地根据梯度图像变化生成高低阈值, 避免了传统 Canny算法的手动设置高低阈值的难题。在目标轮廓提取阶段采用连通域标记法, 过滤掉孤立的像素点和非目标区域像素点, 保证了下一步的轮廓拟合精度。在最后的轮廓拟合精定位阶段中, 通过对两种拟合算法比较过程中, 确定最小二乘法圆拟合亚像素定位算法进行 APD轮廓拟合, 可以保证效率和定位精度, 实验结果表明整个图像处理系统用时 596 ms、定位精度 0.4 pixel, 相对误差为0.64%, 实现了 APD图像快速、精准定位的过程, 提高了定位精度和效率。