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
  • 1. 用MATLAB实现的基于Zernike矩的亚像素边缘检测算法,有图片实例,一键运行出结果 2. 包含理论资料,在本人博客也有介绍https://betterbench.blog.csdn.net/article/details/121612652
  • 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函数拟合的像素边缘定位算法....
  • 执行快速准确的亚像素边缘检测,基于改进的zernike矩方法,有需要的可以下载~~
  • 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...
  • 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矩的像素边缘检测算子,并推导出 的模板系数。该算法�
  • 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,利用...
  • 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...
  • 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,确定边缘的像素级坐标。
  • 利用opencv的亚像素级别的边缘检测和获取,添加了原有程序的包含文件和库,可以直接调试运行,个边参数可以根据实际情形修改
  • 针对传统边缘检测算法的定位精度低、对噪声敏感等缺点,提出了Susan-Zernike亚像素边缘检测方法。首先使用Su-san边缘检测算法实现边缘粗定位,然后用Zernike算子实现边缘重定位。实验表明该算法能够很好地实现像素...
  • 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,...
  • 新手求助,谁有Zernike亚像素边缘检测算法的matlab代码,
  • 高分辨率PCB图像亚像素边缘检测算法.pdf
  • 态学梯度的样条插值亚像素边缘检测方法。利用改进的数学形态学梯度算子进行边缘 点的粗定位,再利用三次样条插值法对提取出的边缘图像进行插值运算,最后利用数学 形态学细化算子将提取出的边缘进行细化,可有效地...
  • 本文主要讲解了canny边缘检测原理:计算梯度幅值和方向、根据角度对幅值进行非极大值抑制、用双阈值算法检测和连接边缘以及python 实现
  • 亚像素边缘检测提取算法的实现

    千次阅读 2021-11-29 00:04:27
    亚像素边缘检测提取算法的实现 其中包括插值法、拟合法、基于灰度矩法、基于zernike矩法等 通过Matlab软件运用zernike矩的检测算法 通过如下代码可实现 function zernike7(I) I=imread(‘Pic1_3.bmp’); % 7*7...
           亚像素边缘检测提取算法的实现
           其中包括插值法、拟合法、基于灰度矩法、基于zernike矩法等
    

    通过Matlab软件运用zernike矩的检测算法
    通过如下代码可实现
    function zernike7(I)

    I=imread(‘Pic1_3.bmp’);

    % 7*7Zernike模板
    M00=…
    [
    0 0.0287 0.0686 0.0807 0.0686 0.0287 0
    0.0287 0.0815 0.0816 0.0816 0.0816 0.0815 0.0287
    0.0686 0.0816 0.0816 0.0816 0.0816 0.0816 0.0686
    0.0807 0.0816 0.0816 0.0816 0.0816 0.0816 0.0807
    0.0686 0.0816 0.0816 0.0816 0.0816 0.0816 0.0686
    0.0287 0.0815 0.0816 0.0816 0.0816 0.0815 0.0287
    0 0.0287 0.0686 0.0807 0.0686 0.0287 0
    ];
    M11R=…
    [
    0 -0.015 -0.019 0 0.019 0.015 0
    -0.0224 -0.0466 -0.0233 0 0.0233 0.0466 0.0224
    -0.0573 -0.0466 -0.0233 0 0.0233 0.0466 0.0573
    -0.069 -0.0466 -0.0233 0 0.0233 0.0466 0.069
    -0.0573 -0.0466 -0.0233 0 0.0233 0.0466 0.0573
    -0.0224 -0.0466 -0.0233 0 0.0233 0.0466 0.0224
    0 -0.015 -0.019 0 0.019 0.015 0
    ];
    M11I=…
    [
    0 -0.0224 -0.0573 -0.069 -0.0573 -0.0224 0
    -0.015 -0.0466 -0.0466 -0.0466 -0.0466 -0.0466 -0.015
    -0.019 -0.0233 -0.0233 -0.0233 -0.0233 -0.0233 -0.019
    0 0 0 0 0 0 0
    0.019 0.0233 0.0233 0.0233 0.0233 0.0233 0.019
    0.015 0.0466 0.0466 0.0466 0.0466 0.0466 0.015
    0 0.0224 0.0573 0.069 0.0573 0.0224 0
    ];
    M20=…
    [
    0 0.0225 0.0394 0.0396 0.0394 0.0225 0
    0.0225 0.0271 -0.0128 -0.0261 -0.0128 0.0271 0.0225
    0.0394 -0.0128 -0.0528 -0.0661 -0.0528 -0.0128 0.0394
    0.0396 -0.0261 -0.0661 -0.0794 -0.0661 -0.0261 0.0396
    0.0394 -0.0128 -0.0528 -0.0661 -0.0528 -0.0128 0.0394
    0.0225 0.0271 -0.0128 -0.0261 -0.0128 0.0271 0.0225
    0 0.0225 0.0394 0.0396 0.0394 0.0225 0
    ];

    if length(size(I))==3 I=rgb2gray(I); end
    I=im2bw(I,0.6);
    K=double(I);
    [m n]=size(K);
    xs=double(zeros(m,n));
    ys=double(zeros(m,n));

    % 卷积运算
    A11I=conv2(M11I,K);
    A11R=conv2(M11R,K);
    A20=conv2(M20,K);

    % 截掉多余部分
    A11I=A11I(4:end-3,4:end-3);
    A11R=A11R(4:end-3,4:end-3);
    A20=A20(4:end-3,4:end-3);

    J=zeros(size(K));
    boundary=J;
    theta=atan2(A11I,A11R);%计算theta

    %计算边缘的三个参数
    A11C=A11R.*cos(theta)+A11I.sin(theta);
    l=A20./A11C;
    k=1.5
    A11C./((1-l.2).1.5);
    e=abs(l)>1/3.5;
    k(e)=0;

    %边缘判断条件
    a=abs(l)<1/sqrt(2)*2/7;
    b=abs(k)>max(I(😃)/10;
    % a,b分别为距离和边缘强度判断结果
    J(a&b)=1;
    %将图像的最边缘去除
    % boundary(2:end-1,2:end-1)=1;
    % J(~boundary)=0;
    format short
    % [x,y]=find(J1);%边缘的像素级坐标
    % O=[x y];
    % Z=[x+l(find(J
    1)).*cos(theta(find(J1))) y+l(find(J1)).*sin(theta(find(J==1)))];%亚像素坐标
    % % fprintf(’%.4f %.4f\n’,Z’);

    [L,num]=bwlabel(J,8);%对二值图像进行标记
    %自动化搜索连通域
    s=zeros(1,num);
    for i=1:num
    s(i)=size(find(L==i),1);
    end
    [bwL,label]=sort(s,‘descend’);
    if label(1)<label(2)
    index1=label(1);
    index2=label(2);
    else
    index1=label(2);
    index2=label(1);
    end

    %计算左边探针的最前端坐标
    [r1,c1]=find(L==index1);
    A1=[r1 c1];
    y1=max(A1(:,2));%该连通域中y最大值为针尖处
    x1=max(A1(find(A1(:,2)==y1),1));
    x1sub=x1+3.5*l(x1,y1)cos(theta(x1,y1));
    y1sub=y1+3.5
    l(x1,y1)*sin(theta(x1,y1));

    %计算最右边探针的最前端坐标
    [r2,c2]=find(L==index2);
    A2=[r2 c2];
    y2=min(A2(:,2));%该连通域中y最小为连通域
    x2=max(A2(find(A2(:,2)==y2),1));
    x2sub=x2+3.5*l(x2,y2)cos(theta(x2,y2));
    y2sub=y2+3.5
    l(x2,y2)*sin(theta(x2,y2));

    % [x1sub y1sub],[x2sub,y2sub]
    subplot(221)
    imshow(J)
    % figure;
    % imcontour(J,1)

    % 边界提取
    % subplot(122);
    % bwimg = bwmorph(J,‘remove’);
    % imshow(bwimg)

    subplot(222);
    I41=imfill(J,‘holes’);
    imshow(I41)
    title(‘孔洞填充图像’);
    % 提取最外围边缘
    subplot(223);
    I4=bwperim(I41);
    imshow(I4); title(‘边缘图像’);
    % 去除面积小于150px物体
    subplot(224);
    I5=bwareaopen(I4,100);
    imshow(I5);

    展开全文
  • Matlab实现基于Zerniek矩的亚像素边缘检测
  • opencv亚像素边缘检测

    千次阅读 2021-01-28 10:02:57
    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...一种像素边缘检测方法_IT/计算机_专业资料。提出一种新的像素...

    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
  • 基于高斯积分曲面拟合的亚像素边缘定位算法.pdf,针对现有亚像素边缘定位算法存在精度不高、计算复杂的问题,提出一种基于高斯积分曲面拟合的亚像素边缘定位算法。根据单边阶跃状边缘特征,构建边缘法截线的高斯积分...
  • 灰度距亚像素边缘检测

    热门讨论 2013-06-15 22:39:22
    基于灰度矩的亚像素边缘检测,精确度可以达到0.1-0.2个像素,内附源代码及主要参考文献,仅供学习参考!
  • 一种亚像素边缘检测方法与流程

    千次阅读 2021-04-21 09:21:48
    本发明涉及图像处理技术领域,尤其涉及一种亚像素边缘检测方法。背景技术:随着计算机视觉工业测量技术的发展,高精度的边缘检测和边缘定位技术应运而生。高效且精确的检测技术将极大突破图像采集设备的硬件限制,既...

    本发明涉及图像处理技术领域,尤其涉及一种亚像素边缘检测方法。

    背景技术:

    随着计算机视觉工业测量技术的发展,高精度的边缘检测和边缘定位技术应运而生。高效且精确的检测技术将极大突破图像采集设备的硬件限制,既能提高边缘检测的精度,也可以降低设备成本和能源消耗。

    传统的计算机视觉工业测量中,通过提高采样速率的方法来提高图像边缘的精度,然而,采样速率无法无限提升,过高的采样速率不仅无法显著改善定位精度,而且增大了生产成本。随着数字图像处理技术的发展,产生了基于亚像素的边缘检测技术,在相同的硬件条件下,其定位误差低于一个像素,显著地提高了检测效率,但是现代工业的迅速发展,使得边缘定位对精度的要求越来越高,同时,复杂的边缘也加大了传统亚像素边缘检测技术的测量压力,其精度往往无法满足要求。

    技术实现要素:

    本发明的目的在于针对上述现有技术中的计算机视觉工业测量无法满足复杂边缘检测的问题,提出一种亚像素边缘检测方法,能够有效提高复杂边缘检测的精度。

    一种亚像素边缘检测方法,包括:

    获取原始灰度图像,并获取所述原始灰度图像的像素级粗边缘;

    索引到所述像素级粗边缘的边缘点,并沿着梯度方向采用插值法扩展边缘;

    对扩展后的边缘点进行亚像素检测,获得边缘的亚像素位置。

    进一步地,采用Canny边缘检测方法获取所述原始灰度图像的像素级粗边缘。

    进一步地,沿着梯度方向采用插值法扩展边缘,包括:

    定位到边缘点N×N像素邻域,其中N为大于或等于1的整数;

    计算所述像素邻域中心边缘点的梯度方向,并采用双线性插值法沿着边缘点的梯度方向对所述像素邻域进行插值。

    进一步地,所述边缘点的梯度方向为Soble算子检测的梯度向量的方向;双向性插值的方向为水平方向和垂直方向的矢量和。

    进一步地,所述水平方向的矢量和垂直方向的矢量的比值为所述边缘点梯度方向的正切值。

    进一步地,对扩展后的边缘点进行亚像素检测,获得边缘的亚像素位置,包括:

    采用Zernike多项式模板计算扩展后的边缘点的位置参数;

    进行边缘参数尺度的恢复。

    进一步地,所述Zernike多项式模板为计算图像Zernike矩的图像卷积模板,所述边缘参数尺度的恢复为使用Zernike单位圆模板计算后的基于模板效应的参数尺度恢复。

    本发明提供的亚像素边缘检测方法,通过对边缘点邻域进行基于梯度方向的插值,扩展了复杂边缘中边缘与边缘的间隔,不仅亚像素边缘检测的精度大大提高,而且复杂边缘亚像素级定位能力也显著增强。

    附图说明

    图1为本发明提供的亚像素边缘检测方法一种实施例的流程图。

    图2为本发明提供的亚像素边缘检测方法中绝对坐标系一种实施例的示意图。

    图3a为本发明提供的亚像素边缘检测方法一种应用场景下的原始灰度图像。

    图3b为本发明提供的亚像素边缘检测方法一种应用场景下采用Canny 边缘检测方法获得的图像。

    图3c为采用常规亚像素边缘检测方法检测得到的亚像素边缘图像。

    图3d为采用本发明提供的亚像素边缘检测方法获得的亚像素边缘图像。

    具体实施方式

    为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。

    参考图1,本实施例提供一种亚像素边缘检测方法,包括:

    步骤S101,获取原始灰度图像,并获取所述原始灰度图像的像素级粗边缘;

    步骤S102,索引到所述像素级粗边缘的边缘点,并沿着梯度方向采用插值法扩展边缘;

    步骤S103,对扩展后的边缘点进行亚像素检测,获得边缘的亚像素位置。

    进一步地,步骤S101中,采用Canny边缘检测方法获取所述原始灰度图像的像素级粗边缘,该像素级粗边缘为Canny检测的像素级单边缘二值图像。

    进一步地,步骤S102中,沿着梯度方向采用插值法扩展边缘,包括:

    步骤S1021,定位到边缘点N×N像素邻域,其中N为大于或等于1的整数;

    步骤S1022,计算所述像素邻域中心边缘点的梯度方向,并采用双线性插值法沿着边缘点的梯度方向对所述像素邻域进行插值。

    具体地,步骤S1021中,将处理对象定位到一个边缘点N×N像素邻域上,例如,可以使用一个7×7的模板跟踪边缘点,取出感兴趣区域。步骤S 1022中,计算基于该邻域中心边缘点的梯度方向,然后沿着该梯度的方向对该邻域进行插值。具体可以使用Sobel算子进行梯度方向估计,和使用双线性插值法进行梯度方向插值,插值后边缘的宽度明显变大,边缘与边缘之间的距离也跟着增大。边缘点的梯度方向为Soble算子检测的梯度向量的方向;双向性插值的方向为水平方向和垂直方向的矢量和,水平方向的矢量和垂直方向的矢量的比值为所述边缘点梯度方向的正切值。

    进一步地,步骤S103中,对扩展后的边缘点进行亚像素检测,获得边缘的亚像素位置,包括:

    采用Zernike多项式模板计算扩展后的边缘点的位置参数;

    进行边缘参数尺度的恢复。

    具体地,所述Zernike多项式模板为计算图像Zernike矩的图像卷积模板,所述边缘参数尺度的恢复为使用Zernike单位圆模板计算后的基于模板效应的参数尺度恢复。

    参考图2,采用Zernike多项式模板计算扩展后的边缘点的位置参数,该位置参数包括亚像素边缘点距领域中心点的距离l和亚像素边缘点距领域中心点的角度φ,接下来进行边缘参数尺度的恢复,即将检测到的位置参数的坐标转换为图像的绝对坐标,由于在使用Zernike矩方法计算亚像素边缘位置的时候使用了若干个模板来获得边缘的位置信息,会出现模板效应,得到的亚像素边缘坐标是相对于邻域中心点的坐标,所以需要转化为图像的绝对坐标。绝对坐标系如图2所示,其中圆形区域是理想阶跃边缘的建模,阴影部分是边缘所在位置,h为背景灰度值,k为阶跃边缘高出背景的灰度差。

    进行坐标转换的公式如下:

    其中,l为亚像素边缘点距领域中心点的距离,φ为亚像素边缘点距领域中心点的角度,yt和xt为插值后N×N邻域垂直和水平方向扩展的倍数,两者的比值约为领域中心边缘点梯度方向的正切值。

    参考图3a-图3d,图3a为原始图像,图3b为Canny边缘图像,图3c 为常规亚像素边缘检测方法检测到的亚像素边缘图像,图3d为采用本实施例提供的亚像素边缘检测方法处理后的亚像素边缘图像。可以看出,图3d 较图3c边缘提取更加完整,并且在复杂边缘处也表现出较好的亚像素检测效果。

    本实施例提供的亚像素边缘检测方法,通过对边缘点邻域进行基于梯度方向的插值,扩展了复杂边缘中边缘与边缘的间隔,不仅亚像素边缘检测的精度大大提高,而且复杂边缘亚像素级定位能力也显著增强。

    应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

    展开全文
  • 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
  • 本发明专利技术提供一种亚像素边缘检测方法,包括如下步骤:获取图像;图像预处理;像素计算;生成像素边缘。本发明专利技术采用了像素的像素处理策略,有效地摆脱了由于像素点过大造成的精度丢失问题,能找到...

    本发明专利技术提供一种亚像素边缘检测方法,包括如下步骤:获取图像;图像预处理;亚像素计算;生成亚像素边缘。本发明专利技术采用了亚像素的像素处理策略,有效地摆脱了由于像素点过大造成的精度丢失问题,能找到更为真实的图像边缘,提高了视觉测量的准确性,可作为高精度机器视觉测量的预处理步骤。

    Subpixel edge detection method

    The invention provides a sub-pixel edge detection method, which comprises the following steps of: acquiring an image; image preprocessing; sub-pixel calculation; generating sub-pixel edge. The invention adopts the pixel processing strategy of subpixel, effectively get rid of the pixels caused by excessive loss of precision, can find a real image edge, and improve the accuracy of vision measurement, can be used as a preprocessing step for high precision machine vision measurement.

    【技术实现步骤摘要】

    本专利技术涉及机器视觉

    ,具体涉及一种亚像素边缘检测方法。

    技术介绍

    边缘检测是图像处理和计算机视觉中的基本问题,其目的是标识数字图像中亮度变化明显的点,因为图像属性中的显著变化通常反映了属性的重要事件和变化。边缘检测也是高精度机器视觉测量领域对所获取的图像进行分析判别的必要预处理步骤,在边缘被提取的前提下,其他基于边缘的诸如轮廓检测、尺寸测算等步骤才能进一步展开,从而完成整个高精度机器视觉的流程。目前,流行的方法有Canny算子、Sobel算子等成熟的像素级别的边缘检测算法,但是在现今高精度视觉测量领域,像素级别的边缘检测在精度水平上已经越来越不能满足需求,因此,亚像素边缘检测应运而生。所谓亚像素,就是将原本获取的图像的基础上,将其每个像素点再度进行拆分,使之用比像素更小的“亚像素”单位来表征图像。由于亚像素的尺寸较像素尺寸小,意味着其可以表征的精度比像素要高,可以满足一些较苛刻的高精度机器视觉检测任务的需求。然而,现有的亚像素边缘检测方法,存在由于像素点过大而造成精度丢失的问题,导致图像边缘不太真实,视觉测量的准确性不太高等问题。

    技术实现思路

    本专利技术的目的是提供一种亚像素边缘检测方法,利用亚像素边缘检测的算法对获取图像进行边缘检测,能有效解决由于像素点过大而造成精度丢失的问题,并以此作为高精度机器视觉测量的预处理步骤。为了实现上述目的,本专利技术采用的技术方案如下:一种亚像素边缘检测方法,包括如下步骤:(1)、获取图像;(2)、图像预处理;(3)、亚像素计算;(4)、生成亚像素边缘。根据以上方案,所述步骤(1)包括如下具体步骤:(11)、将物体置于透明玻璃片上;(12)、用远心镜头垂直于玻璃片拍摄照片。根据以上方案,所述步骤(2)包括如下具体步骤:(21)、对获取的图像进行中值滤波;(22)、计算图像中各像素水平梯度;(23)、计算图像中各像素垂直梯度。根据以上方案,所述步骤(3)包括如下具体步骤:(31)、找出像素点中水平梯度大于a的点,该点集合记为A;(32)、找出像素点中垂直梯度大于b的点,该点集合记为B;(33)、将集合A中的水平梯度点最大值和最小值相减得到c;(34)、将集合B中的垂直梯度点最大值和最小值相减得到d。根据以上方案,所述步骤(4)包括如下具体步骤:(41)、将集合A中的水平梯度最大值与A中各个点的水平梯度相减,所得差值除以c,再将该点的横坐标与此结果相减,得到亚像素级别的横坐标;(42)、将集合B中的垂直梯度最大值与A中各个点的垂直梯度相减,所得差值除以d,再将该点的纵坐标与此结果相减,得到亚像素级别的纵坐标;(43)、将横、纵坐标合并得到最终亚像素级别边缘点的坐标。本专利技术的有益效果是:与其他亚像素边缘检测方法相比,本专利技术采用了亚像素的像素处理策略,有效地摆脱了由于像素点过大造成的精度丢失问题,能找到更为真实的图像边缘,提高了视觉测量的准确性。附图说明图1是本专利技术的总流程示意图。具体实施方式下面结合附图与实施例对本专利技术的技术方案进行说明。本专利技术提供一种亚像素边缘检测方法,包括如下具体步骤(见图1):(1)、获取图像:(11)、将物体置于透明玻璃片上;(12)、用远心镜头垂直于玻璃片拍摄照片;(2)、图像预处理:(21)、对获取的图像进行中值滤波;(22)、计算图像中各像素水平梯度;(23)、计算图像中各像素垂直梯度;(3)、亚像素计算:(31)、找出像素点中水平梯度大于a的点,该点集合记为A;(32)、找出像素点中垂直梯度大于b的点,该点集合记为B;(33)、将集合A中的水平梯度点最大值和最小值相减得到c;(34)、将集合B中的垂直梯度点最大值和最小值相减得到d;(4)、生成亚像素边缘:(41)、将集合A中的水平梯度最大值与A中各个点的水平梯度相减,所得差值除以c,再将该点的横坐标与此结果相减,得到亚像素级别的横坐标;(42)、将集合B中的垂直梯度最大值与A中各个点的垂直梯度相减,所得差值除以d,再将该点的纵坐标与此结果相减,得到亚像素级别的纵坐标;(43)、将横、纵坐标合并得到最终亚像素级别边缘点的坐标。本专利技术可应用于机器视觉

    ,作为高精度机器视觉测量的预处理步骤。以上实施例仅用以说明而非限制本专利技术的技术方案,尽管上述实施例对本专利技术进行了详细说明,本领域的相关技术人员应当理解:可以对本专利技术进行修改或者同等替换,但不脱离本专利技术精神和范围的任何修改和局部替换均应涵盖在本专利技术的权利要求范围内。本文档来自技高网...

    【技术保护点】

    一种亚像素边缘检测方法,其特征在于,包括如下步骤:(1)、获取图像;(2)、图像预处理;(3)、亚像素计算;(4)、生成亚像素边缘。

    【技术特征摘要】

    1.一种亚像素边缘检测方法,其特征在于,包括如下步骤:

    (1)、获取图像;

    (2)、图像预处理;

    (3)、亚像素计算;

    (4)、生成亚像素边缘。

    2.根据权利要求1所述的亚像素边缘检测方法,其特征在于,所述步骤

    (1)包括如下具体步骤:

    (11)、将物体置于透明玻璃片上;

    (12)、用远心镜头垂直于玻璃片拍摄照片。

    3.根据权利要求1所述的亚像素边缘检测方法,其特征在于,所述步骤

    (2)包括如下具体步骤:

    (21)、对获取的图像进行中值滤波;

    (22)、计算图像中各像素水平梯度;

    (23)、计算图像中各像素垂直梯度。

    4.根据权利要求1所述的亚像素边缘检测方法,其特征在于,所述步骤

    (3)包括如下具体步骤:

    (31)、...

    【专利技术属性】

    技术研发人员:傅之成,邵卿,李晓强,赵洋洋,

    申请(专利权)人:傅之成,

    类型:发明

    国别省市:浙江;33

    展开全文
  • 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...
  • 亚像素边缘检测的matlab代码,比一般的边缘检测代码精确
  • 轮廓边缘检测

    2017-11-28 10:57:26
    Canny边缘检测,图像金字塔变换,图像轮廓操作说明等 Canny边缘检测,图像金字塔变换,图像轮廓操作说明等

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 31,233
精华内容 12,493
关键字:

亚像素边缘检测算法

友情链接: cluster.rar