精华内容
下载资源
问答
  • 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...
  • 为了提高刀具预调测量仪的检测精度,提出了一种改进的图像快速亚像素边缘检测算法——基于正交多项式拟合的亚像素边缘检测算法。首先,利用传统的Sobel算子完成边缘点整像素级别的检测,确定边缘的主体区域;然后,...
  • 一种快速亚像素边缘检测算法的实现的理论,可以快速实现亚像素的算法,在时间上有一定的优势,先看理论,然后自己通过理论用C++实现
  • 新手求助,谁有Zernike亚像素边缘检测算法的matlab代码,
  • 基于Zernike矩的亚像素边缘检测算法,田春苗,钟志,针对传统算子定位精度较低、检测出的边缘较粗的缺点,本文提出了基于Zernike矩的亚像素边缘检测算子,并推导出 的模板系数。该算法�
  • 在分析亚像素边缘检测算法机理的基础上,对多项式插值算法和矩算法在亚像素边缘检测中从速度和精度 两个方面,对其进行了比较性研究,实验结果表明,在同等精度条件下,多项式插值法的运算耗时较短,具有运 算效率高...
  • 总结了目前二维灰度图像的亚像素边缘检测算法,针对它们存在的原理误差、计算复杂、用时长及不能通用等问题,提出了一种新的亚像素边缘检测算法.分析了3种基本边缘(阶跃型边缘、脉冲型边缘、屋脊型边缘)的特点,...
  • 一种改进的正交 Fourier-Mellin 矩亚像素边缘检测算法 [C......本文提出一种新的亚像素精度的边缘检测算法 . 该方法给出了一种可修正的贝塞尔点扩...一种亚像素边缘检测方法_IT/计算机_专业资料。提出一种新的亚像素...

    一种新的基于 Zernike 正交矩亚像素边缘定位的直径测量方法 [J], 宋晋国; 党 宏社; 洪英; 梁勇 2.一种改进的正交 Fourier-Mellin 矩亚像素边缘检测算法 [C......

    本文提出一种新的亚像素精度的边缘检测算法 . 该方法给出了一种可修正的贝塞尔点扩...

    一种亚像素边缘检测方法_IT/计算机_专业资料。提出一种新的亚像素边缘检测方法,...

    2005 Laser 第 16 卷第 8 期 2005 年 8 月 Journal of Optoelectronics 图像的快速亚像素边缘检测方法 * 刘力双 , 张 铫 , 卢慧卿 , 赵 琳 , 王宝光 ......

    因此利用文献[ 所检测的亚像素边缘点进 。 行跟踪及后续处理 亚像素边缘点不一定位于像点中心, 即其坐 , 标不一定为整数 因此直接利用亚像素边缘点确 定后续......

    在视觉检测 系统中,亚像素边缘的检测、定位精度是其测量的关键,国 内外很多学者对该问题进行了广泛研究,已提出很多边缘检 测方法,如灰度矩法、空间矩法 [1] 、......

    通用亚像素边缘检测算法_盛遵冰_物理_自然科学_专业资料。第 41 卷第 6 期...

    基于亚像素边缘检测的二维条码识别甘摘 岚 1, 刘宁钟 2 (1.华东交通大学信...

    基于Sigmoid函数拟合的亚像素边缘检测方法_数学_自然科学_专业资料。第 3...

    (2014)02—0290.04 基于三次样条插值的亚像素边缘检测方法 孙秋成1...

    Company LOGO 基于海森矩阵的亚像素图像边缘特征提取 班级:信研1403 姓名:杨明 1 亚像素边缘检测意义 亚像素边缘检测方法 2 3 4 5 海森矩阵检测方法原理程序流程......

    摘法 要: 针对传统边缘检测算法的定位精度低 、 对噪声敏感等缺 点, 提 出基于函数 曲线拟合 的亚像素边 缘检测算 梯度方向高斯曲线拟合亚像素定位算 法。该......

    基于反正切函数拟合的亚像素边缘检测方法_电子/电路_工程科技_专业资料。数字图像...

    亚像素边缘定位算法的稳定性分析_数学_自然科学_专业资料。亚像素精度边缘检测 第...

    实验结果表明,该方法的相对定位误差小于1%. 关键词:结构光;格雷码;边缘检测;亚像素定位;拟合 中图分类号:TH471 文献标识码:A ASub-PixelStripeEdgeDetectionBased......

    然而由于各种物理条件(如摄像 机,存储器等)的限制,所获取图像分析的关键步骤,边缘的定位精度直接影响 到尺寸检测的精度。 3.1 基于曲面拟合的亚像素边缘检测方法 ......

    edu. cn 。 一种改进的灰度矩亚像素边缘检测算法罗 ,侯 ,付 钧艳丽 (...

    本文提出了一种改进的基于正交傅里叶变换的新方法,提高了部分数字图像的亚像素边缘检测的准确性。首先,使用这些矩的低径向阶和旋转不变性描述图像中的小物体,其次,......

    【期刊名称】《计量技术》 【年(卷),期】2005(000)002 【总页数】3 页(P14-16) 【关键词】边缘检测;亚像素算法;垂直占空比;计算机视觉 【作者】廖常俊;......

    为目标函数 点数m,未知数n(m>=n),得到超定方程组 BC=Y 机器视觉测量技术 2、常用拟合亚像素边缘定位法 1) 边缘灰度拟合 三次多项式拟合边缘灰度值,拐点为......

    展开全文
  • 亚像素边缘检测

    2015-11-15 21:41:08
    该文档讲述亚像素边缘检测算法,能达到很好的效果
  • 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
  • 亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径, 文中对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析 ,提出了Sigmoid函数拟合的亚像素边缘定位算法....
  • 为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于 Franklin 矩的亚像素级图像边缘检测算法。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...
  • 照像素检测技术已经取得了很大的进展,避年一...本文还锋对众多酌照像素边缘检潮算法,进行了性能研究滋较,势主要对三种矩方法给出了模拟三阶边缘图片的处理结果,为实际情况下亚像素边缘检测算法的 选取提供了参考。
  • 针对传统边缘检测算法的定位精度低、对噪声敏感等缺点, 提出基于函数曲线拟合的亚像素边缘检测算 法
  • 为了克服传统的Zernike法在边缘检测过程中,由于人工手动选取阈值而带来的低效率、高误判等不足,将原算法与Otsu法相结合,提出了一...实验结果表明,改进的算法能够更有效地完成边缘检测,补偿后的亚像素定位更准确。
  • 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...
  • 《数字图像中边 缘检测算法研究》内容主要包括:绪论、图像预处理 技术、整像素边缘检测算法、基于拟合的亚像素边缘 检测算法、基于矩的亚像素边缘检测算法、基于插值 的亚像素边缘检测算法、光条中心线检测方法、...
  • 利用正交矩来进行亚像素边缘检测算法,首先通过计算图像3个不同阶次的Zernike正交矩,把理想阶跃灰度模型的4个参数映射到3个Zernike正交矩中;然后计算边缘所在直线的参数,确定边缘的亚像素级坐标。
  • 本文详细介绍了zernike矩边缘检测的原理,并提出一种自动搜索阈值的方法,简单可行。希望对大家有帮助。
  • 基于亚像素边缘检测定位,具有实用价值的参考论文,详细描述了zernike矩的特点及应用
  • 由热扩散方程给出了一种基于张量扩散的各向异性逆扩散图像增强方法。该方法在对指纹图像滤波的同时,不仅保护了...实验结果表明该方法比传统的中值滤波、高斯滤波具有增强边缘的效果,更适合纹理密集的指纹图像的处理。
  • 提出了一种基于贝塞尔边缘模型的亚像素边缘检测算法. 该算法首先在原有的贝塞尔点扩散函数中引 入修正参数t ,并与理想边缘模型卷积,获得可修正的贝塞尔边缘灰度模型;然后,利用图像边缘的信息对该模 型进行最小二乘...
  • 原理 拉格朗日插值法的直观理解和推倒思路,下面知乎这位马同学讲的很好理解 ...这篇博客把整个数学原理,公式推导,讲的很详细了 ...看完这两篇,大致已经知道了拉格朗日插值法的原理和作用...其中(Xi,Yj)为通过前面的算法

    原理

    拉格朗日插值法的直观理解和推倒思路,下面知乎这位马同学讲的很好理解
    https://www.zhihu.com/question/58333118
    这篇博客把整个数学原理,公式推导,讲的很详细了
    https://blog.csdn.net/shenwansangz/article/details/88682785

    看完这两篇,大致已经知道了拉格朗日插值法的原理和作用。

    算法推导

    在这里插入图片描述
    在这里插入图片描述
    上面两张图片截取自论文《应用多项式插值函数提高面阵CCD尺寸测量的分辨力_吴晓波》
    其中(Xi,Yj)为通过前面的算法求出的整像素边缘点,(Xe,Ye)则为根据拉格朗日多项式插值法求出的亚像素边缘点坐标。
    图片中的(10)(11)式,就对应拉格朗日插值多项式和拉格朗日基本多项式(插值基函数)
    下面是我关于(12)式的一个自己的推导
    在这里插入图片描述
    (13)式也可以用同样的方法推导出来。

    实现

    实现可以参考这篇博客,写的挺详细
    https://blog.csdn.net/yx123919804/article/details/103123071/
    他参考的论文是下面这篇。
    一种基于多项式插值改进的亚像素细分算法_李庆利.
    此图片来自论文:一种基于多项式插值改进的亚像素细分算法_李庆利
    上面这张图片截取自《一种基于多项式插值改进的亚像素细分算法_李庆利》,可以看到,途中这个红色箭头的函数,其实就是拉格朗日插值多项式,和前一篇论文用的插值法是一样的。

    想说

    上面这些其实就是是我学习这个方法的一整个过程。
    在CSDN上看了很多博客,要么是只有原理,要么就是给一个任何注释也没有的代码,对我这种菜鸟来说,看起来还是蛮吃力的。自己查了许多资料,上面给出链接或者论文名字的都是我自己觉得写的很清楚的,再加上了一点自己的推导过程,整理下来,如果你想了解这个方法,希望我的博客对你有帮助。

    参考

    [1]李庆利,张少军,李忠富,白荫玖,金剑,苟中魁.一种基于多项式插值改进的亚像素细分算法[J].北京科技大学学报,2003(03):280-283.
    [2]吴晓波,钟先信,刘厚权,张启明.应用多项式插值函数提高面阵CCD尺寸测量的分辨力[J].仪器仪表学报,1996(02):154-159.
    拉格朗日插值法理解https://www.zhihu.com/question/58333118
    数学原理+公式推导https://blog.csdn.net/shenwansangz/article/details/88682785
    实现参考https://blog.csdn.net/yx123919804/article/details/103123071/

    展开全文
  • 为了提高精密矫直机测量工件挠度的精度和效率,提出了一种集成...的特性,介绍了一种基于多项式插值且易于集成在FPGA的亚像素边缘检测算法。仿真实验证明,该测量系 统重复性误差为0.18个像元,达到了亚像素测量精度。
  • 在计算机视觉领域,经常需要检测极值位置,比如SIFT关键点检测、模板匹配获得最大响应位置、统计直方图峰值位置、边缘检测等等,有时只需要像素精度就可以,有时则需要亚像素精度。本文尝试总结几种常用的一维离散...

    动机

    在计算机视觉领域,经常需要检测极值位置,比如SIFT关键点检测、模板匹配获得最大响应位置、统计直方图峰值位置、边缘检测等等,有时只需要像素精度就可以,有时则需要亚像素精度。本文尝试总结几种常用的一维离散数据极值检测方法,几个算法主要来自论文《A Comparison of Algorithms for Subpixel Peak Detection》,加上自己的理解和推导。

    问题定义

    给定如下离散值,求其极值位置。可知125为观察极值。

    \[[60, 80, 100, 120, 125, 105, 70, 55]\]

    如果这些离散值是从某个分布\(f\)中等间距采样获得,其真正的极值位置应位于120和125之间。

    下面给出形式化的定义:给定一组离散值,令\(x\)为观测到的极值点位置,其值为\(f(x)\),其左右相邻位置的值为\(f(x-1)\)\(f(x+1)\),真正的极值点位置为\(x+\delta\),令\(\hat{\delta}\)\(\delta\)的估计值。

    算法

    假设\(x\)的邻域可通过某个模型进行近似,如高斯近似、抛物线近似,则可以利用\(x\)的邻域信息根据模型估计出极值。使用的模型不同就有不同的算法,具体如下。

    高斯近似

    一维高斯函数如下:

    \[y = y_{max} \cdot exp(-\frac{(x-\mu)^2}{2\sigma^2})\]
    \(y_{max}=\frac{1}{\sqrt{2\sigma}\pi}\)时为标准高斯函数,形如

    标准高斯函数

    假设\(x\)的邻域可用高斯近似,用\((x, f(x))\)\((x-1, f(x-1))\)\((x+1, f(x+1))\)三点对高斯函数进行拟合,获得模型参数\(\mu\)即为峰值位置,\(\hat{\delta}=\mu - x\)。将三点带入上面的高斯函数两边同时取对数求得:

    \[\hat{\delta} = \frac{1}{2} \frac{\ln(f(x-1)) - \ln(f(x+1))}{\ln(f(x-1)) - 2\ln(f(x)) + \ln(f(x+1))}\]

    下面可以看到,高斯近似相当于取对数后的抛物线近似

    抛物线近似

    使用抛物线近似\(x\)的局部,可以将\((x, f(x))\)\((x-1, f(x-1))\)\((x+1, f(x+1))\)三点带入\(y=a(x-b)^2+c\)求参数\(b\)即为估计的极值位置,也可采用泰勒展开牛顿法)来求极值。泰勒公式实际上是一种利用高阶导数通过多项式近似函数的方法,下面的图示可直观理解这种近似,图示为通过泰勒公式近似原点附近的正弦曲线:

    泰勒近似正弦曲线

    泰勒近似\(x\)附近,如只取到二阶则为抛物线近似。假设高阶可导,极值为\(f(x+\delta)\),则根据泰勒公式,

    \[f(x+\delta) = f(x) + f'(x)\delta + \frac{1}{2} f''(x)\delta^2 + O(\delta^3)\]

    极值处导数为0,这里\(x\)为常数\(\delta\)为变量,两边同时对\(\delta\)求导,忽略高阶项可得

    \[f'(x+\hat{\delta}) = f'(x) + f''(x)\hat{\delta} = 0\]

    使用一阶微分和二阶微分近似\(f'(x)\)\(f''(x)\)

    \[\hat{\delta} = - \frac{f'(x)}{f''(x)} = - \frac{(f(x+1)-f(x-1))/2}{(f(x+1)-f(x))-(f(x) - f(x-1))}= \frac{1}{2}\frac{f(x-1)-f(x+1)}{f(x+1)-2f(x)+ f(x-1)}\]
    与带入抛物线求参数的结果是一致的,加上对数则与高斯近似一致。

    质心算法

    In physics, the center of mass of a distribution of mass in space is the unique point where the weighted relative position of the distributed mass sums to zero, or the point where if a force is applied it moves in the direction of the force without rotating.——Center of mass wiki

    质心

    若将\(x\)\(x-1\)\(x+1\)看成质点,将\(f(x)\)\(f(x-1)\)\(f(x+1)\)看成质点的质量,则可以把质心作为极值的估计。根据质点相对质心位置的质量加权和为零,可求得质心位置。令\(R\)为质心坐标,\(m\)\(r\)分别为质点质量和坐标,则\(n\)个质点的质心满足

    \[\sum_{i=1}^n m_i(r_i - R) = 0\]

    \(M = \sum_{i=1}^n m_i\),质心坐标为

    \[R = \frac{1}{M} \sum_{i=1}^n m_ir_i\]

    带入得

    \[x + \hat{\delta} = \frac{(x-1)f(x-1)+xf(x)+(x+1)f(x+1)}{f(x-1)+f(x)+f(x+1)}\]

    \[\hat{\delta} = \frac{f(x+1)-f(x-1)}{f(x-1)+f(x)+f(x+1)}\]

    以上考虑的是3质点系统的质心,还可考虑5质点、7质点等,甚至考虑所有点。

    线性插值

    这个模型假设在极值两侧是线性增长和线性下降的,且上升和下降的速度相同,即\(y=kx+b\),上升侧\(k>0\),下降侧\(k<0\),两者绝对值相同,可以利用这个性质求解极值位置。

    \(f(x+1)>f(x-1)\)则极值位于\((x, x+1)\)之间,可列等式

    \[\frac{f(x) - f(x-1)}{x-(x-1)} = \frac{f(x+\delta)-f(x)}{x+\delta - x} = \frac{f(x+\delta)-f(x+1)}{x+1-(x+\delta)}\]

    解得

    \[\hat{\delta}=\frac{1}{2}\frac{f(x+1)-f(x-1)}{f(x)-f(x-1)}\]

    同理,若\(f(x-1)>f(x+1)\)求得

    \[\hat{\delta}=\frac{1}{2}\frac{f(x+1)-f(x-1)}{f(x)-f(x+1)}\]

    数值微分滤波

    这个方法是利用极值处导数为0的性质,在微分滤波结果上插值得到导数为0的位置,因已知极值点在\(x\)附近,因此只需在\(x\)附近做微分和插值即可。插值时取极值点两侧正负值连线的过零点作为极值点的估计,如下图所示

    Linear interpolation of the peak position

    论文Real-time numerical peak detector中定义了4阶和8阶线性滤波器\([1, 1, 0, -1, -1]\)\([1,1,1,1,0,-1,-1,-1,-1]\),对应的函数形式为

    \[g_4(x)=f(x-2)+f(x-1)-f(x+1)-f(x+2)\]

    \[g_8(x)=f(x-4)+f(x-3)+f(x-2)+f(x-1) \\ -f(x+1)-f(x+2)-f(x+3)-f(x+4)\]

    2阶形式为\(g_2(x) = f(x-1) -f(x+1)\),这些滤波器的表现与数值微分滤波器相似。

    \(f(x+1)>f(x-1)\)时,极值点位于\((x, x+1)\)之间,\(g(x)<0\)\(g(x+1)>0\),极值点位置为\(g(x)\)\(g(x+1)\)连线的过零点,通过斜率求得

    \[\hat{\delta} = \frac{g(x)}{g(x+1)-g(x)}\]

    \(f(x-1)>f(x+1)\),则

    \[\hat{\delta} = \frac{g(x-1)}{g(x-1)-g(x)} - 1\]

    总结

    这些数值极值检测方法均是先获取观测极值\(x\)及其邻域信息,然后综合邻域信息在各自的模型假设下通过插值估计出极值位置。若能知道数值来自的真实分布,则直接拟合真实分布然后求极值即可,但往往我们并不知道真实的分布是什么,即使知道真实分布,有时为了快速计算,也会采取插值的方式来估计极值,毕竟偏差可接受效果足够好就可以了。应用时,为了抗噪可对数据先平滑然后求极值,具体采用何种方法可在准确和速度间权衡——所用模型与真实分布越相近自然越准确,如果实在不知道怎么选,就实践对比吧(因为我也不知道),毕竟伟大领袖教导过我们——实践是检验真理的唯一标准

    参考

    个人博客地址:亚像素数值极值检测算法总结

    转载于:https://www.cnblogs.com/shine-lee/p/9419388.html

    展开全文
  • 建立了基于空间矩的圆曲线亚像素边缘检测算法,并用最小二乘边缘拟合算法来获取圆标记中心的亚像素位置,克服了基于传统的Levers空间矩算法进行圆标记中心定位存在的误差大的缺点。仿真对比实验表明该算法相对于其他...
  • sigmoid函数拟合的亚像素边缘

    千次阅读 2016-12-16 13:37:43
    亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,该文章采用 Sigmoid函数拟合边缘模型。 欢迎关注微信公众号“智能算法”。

    亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,该文章采用 Sigmoid函数拟合边缘模型。
    欢迎关注微信公众号“智能算法”。
    1. 边缘形状分析
    由于光学器件的卷积作用以及光学衍射作用 ,在物空间剧变的灰度值经过光学成像成为渐变的形式 ,即阶跃边缘变为了渐变的边缘 , 如图 1所示 .

    边缘在图像中表征为一种灰度分布, 边缘附近点的灰度值分布一般如图 2所示, 两边分别为背景和物体 ,中间灰度值的渐变部分为边缘引起的变化 .

    2. Sigmoid边缘模型
    Sigmoid函数又称为 S函数, 它是一个连续、光滑 、单调的阈值函数 ,在神经网络中应用广泛 .如图1所示 ,由于图像边缘经过采样后变成了一条渐变的曲线 ,因此可以用 Sigmoid曲线来拟合图像边缘 .图 3为 S函数的曲线图和边缘模型 .

    Sigmoid的边缘模型为:

    式中:a为边缘的最大灰度值和最小灰度值的差值 ;b为 S函数在 x轴上的偏移 , 即待拟合点的第一个点的坐标和最后一个点的坐标的差值 ;c表示边缘的倾斜程度 ,其值越大 ,边缘越平坦, 反之 ,则边缘越陡峭, 根据对边缘倾斜程度的分析 , c的取值一般在0.5左右;d为 S函数在 y轴上的偏移 ,即边缘的最小灰度值.将边缘点左右两边的灰度值和 x坐标值作为拟合数据采用非线性最小二乘差求解, 从而可求得未知数 a、b、c、d.为了求取边缘的亚像素位置, 对式 (1)求一阶导数并令 y=f(x),则有:

    由式 (5)可得

    此时的 y值为边缘斜率变化最大的点坐标 ,根据边缘定义, 该点的位置(x=b)就是边缘的亚像素位置 .


    参考文献:

    基于sigmoid函数拟合的亚像素边缘检测方法.pdf

    展开全文
  • 高精度的微小零件边缘检测中,传统边缘检测算法存在实际应用可操作性较差,检测结果难以达到精度要求等问题。为了提高边缘检测精度,提出了基于Soble算子的改进算法,该算法扩展了Sobel算子边缘检测的模板,并对扩展...
  • 亚像素边缘定位技术概论

    千次阅读 2017-03-27 13:17:51
    1.1亚像素边缘定位技术简介 定位精度为整像素级的边缘检测算法,实际上,边缘的位置存在于像素的任何位置,理论上讲,整像素级边缘定位最大误差为 0.5 个像素,两个特征点间的像素个数就有可能存在着 1 个像素的误差...

空空如也

空空如也

1 2 3 4
收藏数 77
精华内容 30
关键字:

亚像素边缘检测算法