精华内容
下载资源
问答
  • 亚像素边缘提取

    2016-11-08 10:20:08
    亚像素边缘提取、matlab代码。文档里包括插值法、拟合法、基于灰度矩法、基于zernike矩法
  • 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。
  • 亚像素边缘提取程序

    热门讨论 2011-09-19 16:34:23
    通过求高斯梯度的方法进行亚像素级别的图像边缘提取,效果不错,附有运行结果图。
  • 基于Zerike的亚像素边缘提取matlab代码附带论文材料
  • 拟合高斯曲面的亚像素提取方法和矩5提取方法
  • 【Halcon视觉】图像亚像素边缘提取

    千次阅读 2021-08-25 18:29:36
    亚像素边缘提取原理:采用插值算法,精确定位边缘的位置。 Halcon提供了亚像素边缘提取方法,可直接获取高精度的亚像素边缘。 算子:edges_sub_pix () 亚像素边缘 *关闭窗口 dev_close_window () *打开...

    目录

    • 概念
    • 算子
    • 代码
    • 实例

    1.概念

            亚像素:原先的像素单位为1,变为比1小的精度。亚像素比像素精度更高。

            亚像素边缘提取原理:采用插值算法,精确定位边缘的位置。

     2.算子

             Halcon提供了亚像素边缘提取方法,可直接获取高精度的亚像素边缘。

            算子:edges_sub_pix ()   亚像素边缘

     

    3.代码 

    *关闭窗口
    dev_close_window ()
    
    *打开窗口
    dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
    
    *读取图像
    read_image (Image, 'printer_chip/printer_chip_01')
    
    *提取亚像素边缘
    edges_sub_pix (Image, Edges, 'canny', 1, 20, 40)
    
    
    
    

     

    4.实例



    展开全文
  • 文件名称: Subpixel-Matlab-v2.11下载 收藏√ [5 4 3 2 1]开发工具: matlab文件大小: 280 KB上传时间: 2016-11-18下载次数: 4详细说明:亚像素边缘提取算法以及实验代码,算法详见Accurate Subpixel Edge Location ...

    文件名称: Subpixel-Matlab-v2.11891ea1e7dab975064c6bfd22796603ae.gif下载  收藏√  [443d104427974206832dc4b12407db70.gif

     5  4  3  2  1 fb9128a58cbeaabbeb3718ed75079ccf.gif]

    开发工具: matlab

    文件大小: 280 KB

    上传时间: 2016-11-18

    下载次数: 4

    详细说明:亚像素边缘提取算法以及实验代码,算法详见Accurate Subpixel Edge Location Based on Partial Area Effect-Sub-pixel edge detection algorithm and test code, algorithms see Accurate Subpixel Edge Location Based on Partial Area Effect

    文件列表(点击判断是否您需要的文件,如果是垃圾请在下面评价投诉):

    Subpixel Matlab v2.11\EdgeDetector\basicDetector.m

    .....................\............\EdgePixel.m

    .....................\............\finalDetectorIter0.m

    .....................\............\finalDetectorIter1.m

    .....................\............\finalDetectorIterN.m

    .....................\............\nearbyEdgeDetector.m

    .....................\............\printEdgePixel.m

    .....................\............\smooth.m

    .....................\............\smoothDetector.m

    .....................\example1.m

    .....................\example2.m

    .....................\example3.m

    .....................\example4.m

    .....................\example5.m

    .....................\example6.m

    .....................\GUI\InitSubpixelGUI.m

    .....................\...\SubpixelGUI.fig

    .....................\...\SubpixelGUI.m

    .....................\license.txt

    .....................\Readme.pdf

    .....................\real.jpg

    .....................\Statistics\fullStatCircle.m

    .....................\..........\statCircle.m

    .....................\..........\statRamp.m

    .....................\..........\statRing.m

    .....................\subpixelEdges.m

    .....................\subpixelImage.m

    .....................\subpixelStartGUI.m

    .....................\subsetEdges.m

    .....................\Synthetic\circle.m

    .....................\.........\circleGrid.m

    .....................\.........\circleHorizontalWindow.m

    .....................\.........\circleVerticalWindow.m

    .....................\.........\noise.m

    .....................\.........\ramp.m

    .....................\.........\rampGrid.m

    .....................\.........\ring.m

    .....................\.........\ringGrid.m

    .....................\visEdges.m

    .....................\__MACOSX\._EdgeDetector

    .....................\........\._example1.m

    .....................\........\._example2.m

    .....................\........\._example3.m

    .....................\........\._example4.m

    .....................\........\._example5.m

    .....................\........\._example6.m

    .....................\........\._GUI

    .....................\........\._Readme.pdf

    .....................\........\._Statistics

    .....................\........\._subpixelEdges.m

    .....................\........\._subpixelImage.m

    .....................\........\._subpixelStartGUI.m

    .....................\........\._subsetEdges.m

    .....................\........\._Synthetic

    .....................\........\._visEdges.m

    .....................\........\EdgeDetector\._basicDetector.m

    .....................\........\............\._EdgePixel.m

    .....................\........\............\._finalDetectorIter0.m

    .....................\........\............\._finalDetectorIter1.m

    .....................\........\............\._finalDetectorIterN.m

    .....................\........\............\._nearbyEdgeDetector.m

    .....................\........\............\._printEdgePixel.m

    .....................\........\............\._smooth.m

    .....................\........\............\._smoothDetector.m

    .....................\........\GUI\._InitSubpixelGUI.m

    .....................\........\...\._SubpixelGUI.fig

    .....................\........\...\._SubpixelGUI.m

    .....................\........\Statistics\._fullStatCircle.m

    .....................\........\..........\._statCircle.m

    .....................\........\..........\._statRamp.m

    .....................\........\..........\._statRing.m

    .....................\........\.ynthetic\._circle.m

    .....................\........\.........\._circleGrid.m

    .....................\........\.........\._circleHorizontalWindow.m

    .....................\........\.........\._circleVerticalWindow.m

    .....................\........\.........\._noise.m

    .....................\........\.........\._ramp.m

    .....................\........\.........\._rampGrid.m

    .....................\........\.........\._ring.m

    .....................\........\.........\._ringGrid.m

    .....................\........\EdgeDetector

    .....................\........\GUI

    .....................\........\Statistics

    .....................\........\Synthetic

    .....................\EdgeDetector

    .....................\GUI

    .....................\Statistics

    .....................\Synthetic

    .....................\__MACOSX

    Subpixel Matlab v2.11

    输入关键字,在本站275万海量源码库中尽情搜索:

    帮助

    [edge-extraction.zip] - 亚像素提取边缘源代码,可以进行准确的边缘检测

    [edge_xiangwei.zip] - 利用改进的相位一致性原则实现图像的边缘检测,效果非常好,内含两幅实验图像与四个子代码。

    [matlab.rar] - 通过反复从对象中移除边缘像素,直到它们被减少到单像素宽的骨架,二值图像从而被细化得到根中轴(Smucker et al., 1987 Tanaka et al., 1995)。建立在NHI图像上的骨架化命令是用于此过程(见于Fig. 7(ii))和计算骨架像素的数量。

    [Zernike.rar] - 亚像素边缘检测的matlab代码,比一般的边缘检测代码精确

    展开全文
  • 亚像素边缘提取方法总结

    万次阅读 多人点赞 2017-04-11 10:08:37
    亚像素边缘技术概述 数字图像的边缘检测是图像分割、目标识别、区域形状提取等图像处理领域的重要基础。在进行图像理解和分析时,第一步往往是边缘检测。 1965年,L.G.Roberts最早开始系统研究边缘检测。最早提出...

            图象的边缘是指图象局部区域亮度变化显著的部分,该区域的灰度剖面一般可以看作是一个阶跃,既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图象的边缘部分集中了图象的大部分信息,图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的,同时也是图象分割所依赖的重要特征,边缘检测主要是图象的灰度变化的度量、检测和定位。

    亚像素边缘技术概述

           数字图像的边缘检测是图像分割、目标识别、区域形状提取等图像处理领域的重要基础。在进行图像理解和分析时,第一步往往是边缘检测。从广义来讲,边缘形成的是对象的轮廓,对象是视觉系统的分析主体。

          1965年,L.G.Roberts最早开始系统研究边缘检测。最早提出的是一阶微分算子,1965年L.G.Roberts提出Robert算子,随后,在Robert算子基础上人们经过改进得到的Sobel算子、Prcwitt 算子和Kirsh 算子等。但是,这些算子检测到的边缘往往不是很理想,边缘较宽,还需要进行细化处理,这样又影响到边缘的定位。在这种情况下,Laplacian 算子应运而生。这种算子利用二阶导数的过零点来检测边缘位置,所得边缘较细,不需要边缘细化,定位精确度也相应的得到了提高。我们在研究图像的边缘时,不可避免的会遇到噪声的干扰。用微分算子法可以检测图像的边缘同时也会检测到噪声,为了减少噪声的干扰,人们很自然地提出在进行边缘检测之前对图像进行适当的平滑滤波。基于这种思想Mart和Hildreth提出了LOG(Laplacian of Gaussian)算子。随着研究的进一步深入,后来Canny J F指出高斯函数的一阶导数可以近似为最优边缘检测算子,基于这种思想,提出Canny算子,这种算子具有较理想的检测标准、定位标准和单响应标准。

          上述传统的边缘检测方法的检测精度最高只能达到一个像素级,但是,随着科学技术的飞速发展,工业检测等应用对精确度的要求不断提高,传统的像素级边缘检测方法已经不能满足实际测量的需要。在此基础上,亚像素级边缘提取技术应运而生。

          亚像素是将像素这个基本单位再进行细分,它是比像素还小的单位,从而提高了图像分辨率。通常情况下,亚像素边缘点存在于图像中逐渐发生过度变化的区域,我们可以利用多项式拟合等多种方法获得边缘点的亚像素位置。亚像素定位可以理解为在摄像系统硬件条件不变的情况下,用软件算法来提高边缘检测精度的方法,或者说是一种使分辨率小于一个像素的图像处理技术。

    亚像素定位技术的应用具有一定的前提条件

    1、被检测目标不是由孤立的、单个的像素点组成,而是由多个像素点组成,且这些像素点应具有一定的分布特性,如灰度分布、几何形状分布特性等;

    2、一般情况下,不同的目标都具有各自的特征,主要包括基于目标的灰度分布特征、几何形状特征、几何与灰度耦合特征等,能够分析并利用已知的目标特征,通过对被检测目标图像的分析、识别,最后确定出目标的准确位置。在此分析定位的过程中,采用浮点运算对目标图像进行定位,得到的目标定位精度高于整像素级的定位精度。这种利用目标特性从图像中分析,计算出最符合此特征的目标位置的方法称为图像目标亚像素定位技术。

    亚像素边缘技术国内外发展现状

          目前研究的亚像素级的边缘检测算法,可以归纳为3种类型:矩方法、插值法和拟合法。

    矩方法

          矩作为数学上的完备描述,相当于原函数在新的坐标空间上的展开,即一个分段连续有界函数可用其矩族唯一表示。灰度矩边缘定位算法的基本原理是假设实际图像中的实际边缘分布与理想边缘模型的灰度矩保持一致,即矩不变。通过此关系来确定实际边缘的位置。Tabatabai等首先提出一种利用前三阶灰度矩对边缘进行亚像素边缘定位的算法 ,随后基于空间矩、Zernike正交矩的方法也相继被提出。Zernike矩的方法由于只需要计算3个模板,计算量比空间矩的方法要小得多。但是 ,这些方法都是针对理想边缘模型提出的。Shan等对矩方法进行了改进,使用了模糊边缘模型,更能真实反映边缘信息。矩方法的优点是计算简便,并且可以得到解析解。但是矩方法对图像噪声敏感,如果考虑模糊后的边缘模型,就会增加模型参数,使得解析解的确定变得十分困难。

    下面文章是介绍zernike矩方法边缘提取的:

    http://www.cnblogs.com/luo-peng/p/5171455.html

    http://blog.csdn.net/u010839382/article/details/50610459

    插值法

           插值法的核心是对像素点的灰度值或灰度值的导数进行插值,增加信息,以实现亚像素边缘检测。其中,研究比较多的方法有二次插值、B样条插值和切比雪夫多项式插值等。插值类的运算时间短,二次插值算法简单,可以通过硬件实现,适合在线检测。当光学系统的线扩散函数对称时,插值边缘检测的精度较高。插值法的特点同基于矩的方法类似,计算过程简单,但是容易受噪声的影响。

    拟合法

           拟合方法是通过对假设边缘模型灰度值进行拟合来获得亚像素的边缘定位。Nalwa等给出一种边缘模型为双曲正切函数的最小二乘拟合算法;Ye等提出的算法所用的边缘模型是理想边缘模型与高斯函数卷积得到的高斯型边缘函数。这两种算法都能提供较高的亚像素边缘定位精度。由于拟合不需要数值微分,而且按各灰度值到拟合曲线的距离最小进行拟合,不但合理地利用了有误差的灰度值,又可以减小灰度值误差的影响,因此拟合方法对噪声不敏感。但因模型复杂,其求解速度慢。

    基于改进形态学梯度和Zernike矩的亚像素边缘检测方法

           该算法先利用改进的数学形态学梯度算子进行边缘点的粗定位,在像素级上确定边缘点的坐标和梯度方向;然后再根据构造的边缘点向量和参考阈值,用Zernike矩算法对边缘点进行亚像素的重新定位,实现图像的亚像素边缘检测。这种复合的图像边缘亚像素检测算法,能够很好地融合数学形态学梯度算子及Zernike矩算法的优点,具备良好的抗噪性能与亚像素精确定位能力,其计算量相对较少,能快速实现CCD图像测量系统的亚像素边缘检测。此外,由于一般测量图像简单且对比度高,若采用适当的模板窗口,该算法可具有良好的处理效率,能够满足一般图像测量系统的实时性、亚像素精确测量要求,具备良好的应用前景。

    基于改进的形态学梯度的样条插值亚像素边缘检测方法

          此改进方法是将改进的形态学梯度滤波算子与三次样条插值法结合起来进行边缘检测,首先利用改进的数学形态学梯度滤波算子进行边缘点的粗定位,得到图像的像素级边缘;然后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,即亚像素精定位。最后将插值后的边缘进行细化,可得到亚像素级边缘图像。

    比较经典的亚像素提取论文subpixel-precise extranction of lines and edges》,

    资源地址:http://download.csdn.net/detail/piaoxuezhong/9805093,后面找时间整理一下。

    参考:

    http://blog.csdn.net/lsh_2013/article/details/44980993

    http://blog.csdn.net/kezunhai/article/details/52248015 (亚像素级提取的例子)

    http://blog.csdn.net/augusdi/article/details/12907151/

    展开全文
  • 图像的亚像素边缘提取图像的亚像素边缘提取图像的亚像素边缘提取

    图 像 的 亚 像 素 边 缘 提 取 图像的亚像素边缘提取

    • 亚像素边缘:所谓亚像素边缘,就是精度比像素要高。由原先的像素单位为1,变为比1小的精度。

    • 亚像素边缘原理:采用插值的方式,精确定位边缘的位置。.
      在这里插入图片描述

    • 亚像素边缘:常用的方法是canny边缘方法,算子是edges_sub_pix(),可以直接得到亚像素边缘。
      在这里插入图片描述

    展开全文
  • 本文提取了一种新型的亚像素边缘检测和中心定位方法,先用Canny算子提取像素边缘,再用Zernike矩进行亚像素边缘定位,最后用最小二乘椭圆拟合进行中心定位。
  • 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
  • 亚像素边缘提取综述

    千次阅读 2017-07-19 08:15:06
    1 引言  数字图像的边缘检测是图像分割、目标...传统的边缘检测方法的检测精度最高只能达到一个像素级,但是,随着科学技术的飞速发展,工业检测等应用对精确度的要求不断提高,传统的像素边缘检测方法已经不能满
  • 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...
  • 一般在做项目时,无论是边缘检测、瑕疵检测、Blob检测等应用,都有一定的通用套路,也可以说是通用处理框架,在此框架下根据具体应用具体分析,基本上所有项目都可完成。 总结起来:通用套路 + 灵活运用 对于...
  • 亚像素边缘提取的例子

    万次阅读 2016-08-19 10:05:50
    求帮忙下载: ... pkma75 资源积分:1分 ...备注:pdf格式,用曲线拟合的方法计算亚像素,编程易实现,具有较强的实用价值   2.http://download.csdn.net/detail/kuailechengzi/4408229 上 传 者:kuailec
  • 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~~
  • 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
  • 亚像素级别的边缘检测和获取/SubPixelEdgeDetection/aifeng.bmp亚像素级别的边缘检测和获取/SubPixelEdgeDetection/alf.bmp亚像素级别的边缘检测和获取/SubPixelEdgeDetection/b1.bmp亚像素级别的边缘检测和获取/...
  • 修改过的亚像素边缘检测修改过的亚像素边缘检测修改过的亚像素边缘检测
  • 文件名称: SubPixelEdgeDetect下载 收藏√ [5 4 3 2 1]开发工具: Visual C++文件大小: 18618 KB上传时间: 2016-01-07下载次数: 0提 供 者: 王鑫详细说明:使用OPENCV编写的亚像素边缘提取,其中包括运行所需库,及...
  • 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...
  • IC芯片引线框架亚像素边缘提取研究.pdf
  • 亚像素边缘提取方法在半导体芯片定位中的应用.pdf
  • matlab实现了边缘亚像素提取算法
  • 亚像素边缘检测的matlab代码,比一般的边缘检测代码精确
  • 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...
  • 但是,我怀疑你能用这些图像实现1/100像素的亚像素精度,原因如下: >正如您在配置文件中看到的那样,您的白人已经饱和(灰度级为255).当你削减真正的atan轮廓时,合身是有偏见的.如果您可以控制实验,我建议您再次使用较...
  • 求下载亚像素边缘提取的例子

    千次阅读 2013-06-21 20:27:51
    求帮忙下载: ...pkma75 资源积分:1分...备注:pdf格式,用曲线拟合的方法计算亚像素,编程易实现,具有较强的实用价值 2.http://download.csdn.net/detail/kuailechengzi/4408229 上 传 者:kuailechengzi 资源积分:
  • 快速提取图像亚像素边缘坐标,以及梯度,用于对边缘形状描述,可以用于后续模板匹配

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,708
精华内容 1,083
关键字:

亚像素边缘提取

友情链接: genPolarAuxCheckMatrix2.zip