精华内容
下载资源
问答
  • 亚像素边缘提取算法

    2014-08-17 20:47:07
    这是MATLAB的亚像素边缘提取程序,经过我的验证,能够实现相应的功能。
  • 快速亚像素边缘提取算法

    千次阅读 2010-09-19 12:53:00
    快速亚像素边缘提取算法   关键词: Facet模型,曲面拟合,离散切比雪夫正交多项式,亚像素边缘             特色书店,图像处理,机器视觉,C/C++,控制理论/工程,工程数学..... ...

    快速亚像素边缘提取算法

     

    关键词: Facet模型,曲面拟合,离散切比雪夫正交多项式,亚像素边缘

     

     

     

     

     

     

    特色书店,图像处理,机器视觉,C/C++,控制理论/工程,工程数学.....

    http://shop62151902.taobao.com/view_page-28307970.htm

    展开全文
  • 亚像素边缘检测算法

    2018-11-24 10:25:59
    在分析Tabatabai提出的灰度矩亚像素边缘检测算法的基础上,指出灰度矩算法存在 边缘判断条件不够完善和未能考虑模板效应的问题,提出了改进方法,考虑Tabatabai的灰度矩算 法产生很多虚假边缘,改进算法分析了各参数...
  • matlab实现了边缘亚像素提取算法
  • 首先,建立亚像素边缘模型,利用各级 Franklin 矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin 矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级 Franklin 矩之间的关系,从而确定图像中亚像素边缘的...
  • 精确确定数字图像边缘的位置,对于图像测量非常重要。同时,图像获取过程中受到各种噪声的影响, 必然会引起图像边缘的模糊,因此对图像边缘提取技术的研究一直...介绍了基于曲面拟合的和基于灰度矩的亚像素边缘检测算法
  • Canny检测出的边缘是像素级别的,而有时需要精度低于一个像素,即亚像素边缘提取,Devernay【3】在Canny算法的基础上进行了拓展:将新的边缘点定义为相邻几个梯度模值差值的最大值,可以通过计算梯度方向上相邻的...

    整个项目,我重新用opencv包装了,项目地址:

    https://github.com/fcqing/sub-pixel-edge-detect

    https://github.com/songyuncen/EdgesSubPix

    论文《A Sub-Pixel Edge Detector: an Implementation of theCanny/Devernay Algorithm》提出了一种基于canny算法进行亚像素级边缘提取的算法,并给出了网页测试demo,可以在上面载入图像进行边缘提取测试,效果不错。这里简要翻译一下论文的方法:

    Canny算法

    针对边缘检测算法的研究有很多,其中Canny算法在这方面具有开创性的贡献,我在之前的博客里总结过canny的原理,这里简要说明一下:

    Canny算子求边缘点具体算法步骤如下:
    1. 用高斯滤波器平滑图像.
    2. 计算梯度幅值和方向

    3. 对梯度幅值进行非极大值抑制

    非极大值抑制(Non-Maxima Suppression method)主要是为了更精确的定位某种特征,比如用梯度变化表征边缘时,梯度变化较大的区域通常比较宽,所以利用x和y方向的梯度确定一个法向arctan(y/x),然后在法向上判断当前梯度测量是否是一个峰值(或局部极大值),如果是就保留,不是极大值就抑制(如设置为0)。这样的话就能将边缘定位在1-2像素宽(相邻像素有时候求极大值的方向恰好互不干扰)。

    4. 用双阈值算法检测和连接边缘.

    5.通过滞后跟踪边缘,抑制所有弱而不强的边缘。

    Devernay亚像素校正算法

    Canny检测出的边缘是像素级别的,而有时需要精度低于一个像素,即亚像素边缘提取,Devernay【3】在Canny算法的基础上进行了拓展:将新的边缘点定义为相邻几个梯度模值差值的最大值,可以通过计算梯度方向上相邻的三点处的梯度模值的二次函数插补。如下图所示:

    上图中,||g(A,B,C)||为三个垂直于边缘方向上的梯度模值,canny算法会选择模值最大的B点作为边缘点。但是,也可能在A和C之间存在点η ,在η 点处的梯度模值大于B点及AC之间的其他点,此时,η 点能更好地表示边缘。论文[3]给出了估计η 点以及计算η 点偏移量的方法,并给出η 的亚像素位置。

    为了减少计算量,论文中只用了三点来进行二次方程拟合,并求出相对于BC向量的补偿 η :

    Devernay亚像素算法准确性

    影响Devernay算法准确性的四个误差来源:

    1.假设梯度满足二次曲线规律带来的误差;

    2.使用有限项计算梯度值带来的误差;

    3.插补计算时有些点的梯度并没有通过canny运算计算出来所带来的误差;(个人理解这里应该是说在非水平和垂直方向上)

    4.数据误差;

    以高斯边缘为例,公式:,其中是高斯核函数,Y是阶梯函数,即:

       (1)

    α 是阶梯函数的系数,下图中左是带亚像素偏移 γ 的高斯边缘特性,右图是使用抛物线估计的边缘点位置,例如途中三点abc,:(−1, a), (0, b) 和(1, c) ,边缘估计点的位置为:

              (2)

    把带偏移 γ 的高斯边缘函数带入,可以得到:

       (3)

    带入(2)式得到:

                (4)

     

    右图中,高斯梯度与二次方程梯度极大值点偏差为:

     ,

    文中给出了该误差的分布图5:

    当γ=0时,误差为0,因为此时边缘在网格中间位置;当γ=0.5时,误差也为0,因为此时a=b或b=c,二次曲线插补值可以给出正确的偏移;σ越小,边缘越锐利,而σ越大,边缘越模糊,误差反而越小。

    公式(4)也说明了第二种误差来源,即有限差分计算带来的误差。

    亚像素边缘算法改进

    在上面说的四种误差来源中,其中简单地使用水平和垂直方向插补可以有效去除第三种误差。Deverary使用三个点中间的插补值作为边缘, 这里进行修正:当点(x,y)处梯度满足以下条件,此时该点为水平方向的边缘点:

     , 

     ,

    类似的,垂直方向的边缘点也是可以定义出来的。当x和y方向的梯度相等时,默认为还是水平边缘点,这个影响不大。修正方法的误差分布见下图6:

    对比图5,修正方法的误差有了明显的减弱。另外,论文还对比了边缘是倾斜角度时的提取结果,见下图7:

    边缘点链(Edge Point Chaining)

    此前检测边缘点是一个独立过程,每个边缘点并不相关。后续需要将属于同一个边缘轮廓的点集归到一起--链,形成轮廓。每个边缘点对应的应是一个像素点,而不是一个5*5的区域。

    首先,被归为同一链路的像素点应该具有近似的梯度方向,以像素点A和B为例,它们的夹角应小于90度,数学表示为:g(A).g(B)>0。 另外,图像轮廓可以将亮区域和暗区域分开,所以连续的链路需要将暗区域划分到曲线的同一侧,一个简单的方法是验证从边缘点A到点B的向量与点A两个可能的梯度方向中的一个是否近似正交。有两个概念需要介绍一下:前向链路(forward chaining)和后向链路(back chaining)。当 ,其中表示向量v旋转90度,此时成为A-B的前向链路,记为:,反方向称为反向链路。

    一个边缘点至多有一个前向链路,也至多有一个后向链路,而不用有类似 Y 形状的链路。所以在确定AB是否成链前,需要检查A是否已经有前向链路和B是否已经有后向链路。此时可以通过距离来判断,如果新的链路比之前的距离短,那么之前链路就会被斩断,而增加这新的链路,经过这个步骤,边缘点的链接关系就能确定下来了。以下图8为例:

    A,B,C,D四点的距离关系满足:||A-B||>||B-C||>||C-D||,假定链路搜索顺序为:A-B-C,你会发现当我们想时,存在,而且根据CB距离小于AB,所以会被切断;同样地,由于D的存在,也会被切断,所以最后的结果只剩下:。 再假定链路搜索顺序为C-B-A,经过判断过程,剩下这条链路。 所以,最后的链路结果为:

    算法实现

    Canny/Devernay算法主要分为四部分:图像求梯度,计算边缘点,边缘点链路编码,应用canny双阈值等方法,如下图9所示:

    计算图像梯度的方法为算法2,如下图10所示,主要在水平和垂直两个方向上求取梯度:

    求取边缘点及亚像素校正过程,算法3的伪代码如下图11所示:

    可以发现,当某一点的水平方向和垂直方向梯度值相等时,该点可以被归为任意方向上的边缘,不影响结果。最后,边缘点链路编码过程算法4,如下图12所示:

    算法4中的是指边缘点的邻域集合,取5*5,括号里的数字2应该是说邻域集中上下左右不超过2个像素,最后的边缘点取其邻域水平或垂直方向上的局部最大值。当然,过程中包含前向链路和后向链路,算是的子集。

    最后,算法5描述了canny算法的应用,如下图13所示:

    测试结果

    算法中的输入参数除了被检测图像外,还有高斯函数的标准差S,canny算法的双阈值H和L,在线测试网址请点击

    可见,当S取不同值是,边缘的粗细间隔是不一样的。S越大,边缘越粗些。

     

    后记:第一次把英文文献翻译在CSDN上面,感慨大略看懂到能够翻译出来还是有一段距离的。

    整个项目,我重新用opencv包装了,项目地址:

    https://github.com/fcqing/sub-pixel-edge-detect

    https://github.com/songyuncen/EdgesSubPix

    参考

    https://en.wikipedia.org/wiki/Canny_edge_detector

    http://blog.csdn.net/qq_14845119/article/details/52064928

    《A non-maxima suppression method for edge detection with sub-pixel accuracy》

    http://ipolcore.ipol.im/demo/clientApp/demo.html?id=216

    展开全文
  • 为了提高刀具几何参数图像测量精度, 基于矩法理论, 提出了一种亚像素边缘检测算法。该方法的基本 思想是采用灰度空间矩, 将图像边缘特征离散为亚像素级特征点, 并用Matlab 实现图像的处理。实验证明, 基于亚 像素...
  • 利用改进的Zernike矩亚像素边缘提取算法定位图像边缘并提取特征信息,减小了边缘信息误差,能够更精确地分割出目标轮廓;通过计算连通区域几何参数及全局信息熵来判断是否存在缺陷。通过实验对算法进行了验证,结果表明,...
  • 在完成脉搏图像的预处理后,对脉搏图像进行基于灰度矩的亚像素边缘检测,结合最小二乘拟合法得到圆形标志中心点,最终实现脉搏图像的特征点提取。实验结果表明该算法能够准确定位脉搏图像特征点,精度可达到0.03~...
  • 针对目前的特征点匹配算法不能有效配准边缘模糊的图像, 提出一种灰度偏移极值特征。...该特征易于提取、运算简单, 而且能在阶跃边缘不清晰的图像中稳定存在。经实验验证, 算法应用于模糊图像配准具有较高的匹配精度。
  • 亚像素边缘点进行椭圆拟合,得到标记点成像中心位置。实验结果表明,像素级边缘检测算法运行时间为3 ms左右;亚像素定位算法椭圆拟合最大偏差小于0.08 pixel,平均偏差小于0.03 pixel。与其他提取算法相比,该...
  • 图像测量仪对测量的精度极高,能达到0.001毫米,所有的图像边缘分割和摄像头标定,都在亚像素级水平上进行。目前我们能做到1/100个像素的提取。图像测量仪的关键部分在于亚像素分割。亚像素分割算法各种各样,但每一...

             图像测量仪对测量的精度极高,能达到0.001毫米,所有的图像边缘分割和摄像头标定,都在亚像素级水平上进行。目前我们能做到1/100个像素的提取。图像测量仪的关键部分在于亚像素分割。亚像素分割算法各种各样,但每一类型图片有具体的分割算法,常见的算法有拟合法、空间距等。在系列博文中会逐一进行解说。图像测量仪关键工作之一是摄像头畸变矫正。算法采用成熟的张正友标定法,棋盘格的交点提取精度直接影响标定的结果和测量精度。

          满视场棋盘格的标定

    1.亚像素角点提取

    未完待续。。。。

    展开全文
  • 边缘是指局部强度变化最显著部分.主要存在于目标与目标、目标与背景、区域与区域之间,是图像分割、纹理特征和形状特征等图像分析的重要...而且,实际应用中,像素级已无法满足精度要求,只能采用亚像素级的细分算法
  • 提出了一种用亚像素多重分形原理求取图像奇异性的新型算法,降低了单纯依靠整数像素位置灰度级梯度信息计算边缘测度所产生的误差。该算法结合CCD成像机理给出在亚像素位置的灰度级梯度分布规律,利用多重分形理论将...
  • 首先采用基于Facet模型的边缘检测算法提取亚像素边缘,然后通过最小距离搜索法分离出待测目标的边缘点并排序,最后利用离散化的格林公式计算面积。其中,基于Facet模型的边缘检测算法精度高、抗噪声能力强,能为后续...
  • 提出一种基于亚像素精度的特征点提取算法, 结合P??P 方法和OI 算法计算乒乓球机器人本体的位姿. 根据摄像机成像时弥散斑的近似高斯分布, 以亚像素精度精确求取色标块的边缘, 利用边缘直线交点得到高精度的角点作为...
  • 而且,实际应用中,像素级已无法满足精度要求,只能采用亚像素级的细分算法。  这里给出扩展的4个方向的Sobel算子,即采用4个方向的模板,细化处理其梯度方向图,鉴于插值法计算量小、精度高的特点,故选用二次...
  • 文章目录10.1 像素级边缘提取10.1.1 经典的边缘检测算子10.1.2 边缘检测的一般流程10.1.3 sobel_amp算子10.1.4 edges_image算子10.1.5 其它滤波器10.2 亚像素边缘提取10.2.1 edges_sub_pix 算子10.2.2 edges_color...

    10.1 像素级边缘提取

    像素级边缘提取,直观点说,也就是颜色的边缘提取。

    10.1.1 经典的边缘检测算子

    1. Sobel算子
      Sobel 算子是一个主要用作边缘检测的离散微分算子 (discrete differentiation operator)。 它Sobel算子结合了高斯平滑和微分求导,用来计算图像灰度函数的近似梯度。在图像的任何一点使用此算子,将会产生对应的梯度矢量或是其法矢量。

    2. Laplce算子
      Laplacian 算子是n维欧几里德空间中的一个二阶微分算子,定义为梯度grad()的散度div()。

    3. Canny算子
      Canny边缘检测算子是John F.Canny于 1986 年开发出来的一个多级边缘检测算法。更为重要的是 Canny 创立了边缘检测计算理论(Computational theory ofedge detection),解释了这项技术是如何工作的。Canny边缘检测算法以Canny的名字命名,被很多人推崇为当今最优的边缘检测的算法。

    (1)Sobel算子在边缘检测的同事尽量减少了噪声的影响,比较容易实现。效果比较好,是很常用的边缘检测方法。
    (2)Laplace算子是一种各向同性算子,比较适用于只关心边缘的位置而不考虑其周围像素的灰度差值的情况。只适用于无噪声图像。存在噪声的情况下,要先对图像进行低通滤波处理。
    (3)Canny算子是目前理论相对最完善的一种边缘检测算法,但也存在不足之处:为了得到较好的边缘检测结果,通常需要使用较大的滤波尺度,这样容易丢失一些细节。

    10.1.2 边缘检测的一般流程

    1. 获取图像
    2. 选择感兴趣的区域
    3. 图像滤波
    4. 提取边缘
    5. 边缘处理
    6. 显示结果

    10.1.3 sobel_amp算子

    sobel_amp - 使用Sobel算子检测边缘(幅度)。
    sobel_amp(图片:边缘图像:滤波器方式,掩膜大小:)

    read_image(Image,'data/flower')
    rgb1_to_gray (Image, GrayImage)
    sobel_amp(GrayImage,Amp,'sum_abs',3)
    threshold(Amp,Edg,100,255)
    skeleton (Edg, Skeleton)
    dev_clear_window ()
    dev_display (Skeleton)
    

    10.1.4 edges_image算子

    edges_image(Image : ImaAmp, ImaDir : Filter, Alpha, NMS, Low, High : )

    ImaAmp: 输出变量,说的是edges的amplitude,其实就是梯度的大小(因为边缘检测最重要的几种方法中一种就是基于灰度值梯度的计算,这个算子中用的那些滤波器就是这样的)。
    ImaDir: 输出变量,这个呢,说的是edges的方向,其实就是看灰度值变化的方向了,计算出灰度值是从小变大了还是从大变小了。
    Alpha: 这个值在使用的时候要注意,小一些的值会导致比较强的平滑,从而图像中的细节就会变得更少。(和Canny算子正好相反,因为Canny算子用的是Gauss原理,所以那个值越大越平滑
    NMS: 这个变量是用来控制我们是否使用非极大值抑制技术(这个技术主要是在Canny检测中提出来的)
    Low, High: 就是指定一个双阈值了。

    dev_close_window ()
    read_image(Image,'data/flower')
    rgb1_to_gray (Image, GrayImage)
    gen_image_proto (Image, ImageCleared, 1)
    dev_open_window (0, 0, 256, 256, 'black', WindowHandle1)
    dev_open_window (0, 256, 256, 256, 'black', WindowHandle2)
    dev_open_window (0, 512, 256, 256, 'black', WindowHandle3)
    edges_image (GrayImage, ImaAmpGray, ImaDirGray, 'canny', 1, 'none', -1, -1)
    edges_image (GrayImage, ImaAmpGrayNMS, ImaDirGrayHyst, 'canny', 1, 'nms',20, 40) 
    *对非极大值抑制后的边缘梯度图像进行了阈值处理
    threshold (ImaAmpGrayNMS, RegionGray, 1, 255) 
    *提取边缘轮廓
    skeleton (RegionGray, EdgesGray) 
    *用于结果显示和对比
    dev_set_window (WindowHandle1)
    dev_display (ImageCleared) 
    dev_display (ImaAmpGray) 
    dev_set_window (WindowHandle2)
    dev_display (ImageCleared) 
    dev_display (ImaAmpGrayNMS) 
    dev_set_window (WindowHandle3)
    dev_display (ImageCleared) 
    dev_display (EdgesGray)
    

    10.1.5 其它滤波器

    1. derivate_gauss(Image : DerivGauss : Sigma, Component : )
      在这里插入图片描述
    2. laplace(Image : ImageLaplace : ResultType, MaskSize, FilterMask : )
      在这里插入图片描述
    read_image (Image, 'data/flower')
    laplace (Image, ImageLaplace, 'signed', 11, 'n_8_isotropic')
    zero_crossing (ImageLaplace, RegionCrossing)
    

    3.laplace_of_gauss(Image : ImageLaplace : Sigma : )
    在这里插入图片描述

    10.2 亚像素级边缘提取

    面阵摄像机的成像面以像素为最小单位。例如某CMOS摄像芯片,其像素间距为5.2微米。摄像机拍摄时,将物理世界中连续的图像进行了离散化处理。到成像面上每一个像素点只代表其附近的颜色。至于“附近”到什么程度,就很难解释。两个像素之间有5.2微米的距离,在宏观上可以看作是连在一起的。但是在微观上,它们之间还有无限的更小的东西存在。这个更小的东西我们称它为“亚像素”。实际上“亚像素”是存在的,只是硬件上没有个细微的传感器把它检测出来,于是软件上把它近似地计算出来。
    Halcon中用XLD表示亚像素的轮廓和多边形。

    10.2.1 edges_sub_pix 算子

    edges_sub_pix(Image : Edges : Filter, Alpha, Low, High : )
    https://www.mvtec.com/doc/halcon/13/en/edges_sub_pix.html
    在这里插入图片描述

    read_image (Image, 'data/flower') 
    *转换为单通道灰色图像
    rgb1_to_gray (Image, GrayImage)
    *进行亚像素边缘提取。分别使用了不同的滞后阈值以便进行对比
    edges_sub_pix (GrayImage, Edges1, 'lanser2', 0.5, 5, 50) 
    edges_sub_pix (GrayImage, Edges2, 'lanser2', 0.5, 25, 50) 
    edges_sub_pix (GrayImage, Edges3, 'lanser2', 0.5, 5, 25) 
    *将提取结果显示在窗口中
    dev_display (Edges1) 
    stop()
    dev_display (Edges2)
    stop()
    dev_display (Edges3)
    

    10.2.2 edges_color_sub_pix 算子

    edges_color_sub_pix(Image : Edges : Filter, Alpha, Low, High : )
    https://www.mvtec.com/doc/halcon/13/en/edges_color_sub_pix.html
    在这里插入图片描述

    read_image (Image, 'data/flower') 
    *使用canny算子进行亚像素边缘提取
    edges_color_sub_pix (Image, Edges1, 'canny', 0.5, 5, 50)
    *使用canny算子进行亚像素边缘提取
    edges_color_sub_pix (Image, Edges2, 'sobel_fast', 0.5, 40, 70)
    dev_clear_window ()
    dev_display (Edges1) 
    dev_display (Edges2)
    

    10.2.3 lines_gauss 算子

    lines_gauss(Image : Lines : Sigma, Low, High, LightDark, ExtractWidth, LineModel, CompleteJunctions : )
    https://www.mvtec.com/doc/halcon/13/en/lines_gauss.html
    在这里插入图片描述

    read_image (Image, 'data/flower') 
    rgb1_to_gray (Image, GrayImage)
    dev_open_window (0, 512, 512, 512, 'black', WindowHandle1)
    *进行边缘检测
    lines_gauss(GrayImage,Lines,1.5,1,8,'light','true','bar-shaped','true')
    *在窗口将轮廓线条绘制出来
    dev_set_color ('red')
    dev_clear_window()
    dev_display (Lines)
    

    10.3 轮廓处理

    dev_close_window ()
    read_image (Image, 'data/shapes')
    rgb1_to_gray (Image, GrayImage)
    get_image_size (Image, Width, Height)
    dev_open_window (0, 0, Width , Height, 'black', WindowHandle)
    *提取出的亚像素边缘edge的图像,得到了一个初始的轮廓
    edges_sub_pix (GrayImage, Edges, 'canny', 2.5, 15, 40)
    *对上一步的轮廓进行分割
    segment_contours_xld (Edges, ContoursSplit, 'lines_circles', 5, 4, 2)
    *提取出轮廓中较长的部分线段
    select_contours_xld (ContoursSplit, SelectedContours, 'contour_length', 20, Width / 2, -0.5, 0.5)
    *对相邻的轮廓段进行连接
    union_adjacent_contours_xld (SelectedContours, UnionContours, 20, 1, 'attr_keep')
    
    dev_close_window ()
    *读取了图像并创建显示窗口
    read_image (Image, 'data/flower')
    rgb1_to_gray (Image, GrayImage)
    get_image_size (Image, Width, Height)
    dev_open_window (0, 0, Width , Height, 'black', WindowHandle)
    dev_set_color ('white')
    *对图像进行阈值处理
    threshold (GrayImage, Region, 130, 255)
    *使用闭运算进行填充
    closing_circle (Region, Region, 20.5)
    *获取前景目标的初始轮廓
    gen_contour_region_xld (Region, Contour, 'border')
    *拟合圆形轮廓
    fit_circle_contour_xld (Contour, 'atukey', -1, 2, 0, 10, 1, Row, Column, Radius, StartPhi, EndPhi, PointOrder)
    *生成该拟合的圆形轮廓
    gen_circle_contour_xld (ContCircle, Row, Column, Radius, 0, 4 * acos(0), 'positive', 1)
    
    展开全文
  • 用VC++,实现一些常用的图像处理算法,此部分主要是亚像素边缘提取
  • 根据视觉测量系统所拍摄的受电弓滑板图像的特点, 利用基于部分面积作用的亚像素边缘定位算法, 提出一种滑板上边缘和下边缘的精确识别算法。通过与其他常见边缘提取算法进行对比, 证明了所提算法的可行性和优越性。
  • Halcon —— 边缘检测算子详解

    千次阅读 2021-01-15 17:32:26
    一、算子介绍 1.1 种类 halcon内常用的边缘检测算子包括如下几种: ...edges_image可选择多种边缘检测算法提取物体边缘,其与亚像素边缘算子的区别在于edges_image提取是以像素为单位的边缘特征,edges_sub_p
  • 机器视觉算法提纲

    2016-12-24 16:33:24
    阈值分割与亚像素阈值分割——提取图像连通区域特征提取算法(8):区域特征——灰度值特征——轮廓特征形态学算法(9):区域形态学——灰度值形态学边缘提取算法(10):一维边缘提取——二维边缘
  • ZernikeMoment实现亚像素边缘提取的原理,基于亚像素叫精度对边缘提取,比传统的canny等像素级算法精度提高5-8倍
  • 提取出的亚像素边缘点集映射到参数空间变成曲线,求出所有曲线的交点。最后利用随机采样一致性算法进行拟合,映射到原始坐标空间得到中心坐标。仿真结果表明,随标志点尺寸和拍摄角度的增大,该方法提取的中心坐标误差...
  • 机器视觉课程报告

    2012-02-28 10:41:38
    本文对数字图像处理的概念、意义以及常见的图像处理算法进行了分析,对各种算法的实现原理做了深入剖析。...包括图片去噪、边缘粗提取、亚像素边缘提取、椭圆拟合等步骤,在文中对各个步骤进行了详细的论述。
  • 再对每个粒子干涉图像进行傅里叶变换,利用修正Rife方法提取条纹频率,得到粒子干涉条纹数/条纹间距,其测量精度可达到亚像素精度,并进行了模拟和实验测量。当重叠系数γ<11.62%时,算法识别率高于90%,频率提取...

空空如也

空空如也

1 2 3
收藏数 46
精华内容 18
关键字:

亚像素边缘提取算法