基于Halcon的弹芯尺寸精密检测算法研究

针对弹芯尺寸传统人工方式检测难、精度低等问题,提出了一种基于机器视觉的亚像素级尺寸检测算法.该算法以性能优越的机器视觉软件Halcon为开发平台,利用亚像素级阈值分割提取出边缘轮廓,然后选定各检测参数的感兴趣区域(Region of Interest,ROI)并进行特征提取,最后利用最小二乘法及Tukey权重函数对轮廓进行亚像素边缘拟合,根据返回的拟合轮廓的相关参数即可计算出弹芯尺寸.实验结果表明:该算法将尺寸误差控制在0.01mm以内,能够达到亚像素级的检测精度,并实现在线检测.     

基于高斯积分曲线拟合的亚像素边缘提取算法

针对传统边缘提取算法定位精度低、对噪声敏感等缺点,提出一种基于高斯积分曲线拟合的亚像素边缘提取算法。通过曲面插值求取像素级边缘法截线上各离散点的灰度值,再进行高斯积分曲线拟合,寻找高斯积分曲线的均值点坐标,实现亚像素边缘的精定位。用量块直线边缘进行实验,并与现有亚像素边缘提取算法比较,实验证明基于高斯积分曲线拟合的亚像素边缘提取算法定位精度较高,可以达到1 μm,且算法可靠性高、计算速度快,能够用于高精度测量。     

一种用于零件定位系统的亚像素边缘检测方法

本文简要介绍了基于计算机视觉的长条形杆件测量系统方案，并说明在该系统中零件图像边缘提取对测量精度起着至关重要的作用。本文结合工程实际在传统亚像素边缘检测方法基础上，提出垂直占空比亚像素边缘提取方法。该算法具有算法简单、效率高、边缘提取准确的特点，已成功用于长条形杆件测量系统中。     

一种喷射沉积坯尺寸检测的快速算法

根据Zernike矩边缘检测原理,提出了3*3模板尺寸的Zernike矩亚像素边缘算子,由于该算子具有模板尺寸小的优点,故能快速、精确地检测沉积坯边缘轮廓.根据检测的边缘图像,采用特征尺寸提取算法完成沉积坯尺寸的检测.测试表明,整个沉积坯尺寸检测算法(包括边缘检测和尺寸提取)运行时间仅为0.135s,检测的特征尺寸相对误差不超过5.6%,故采用该方法能够实现沉积坯的快速、精确检测.     

一种小模数齿轮边缘检测效果评价方法

利用机器视觉评定小模数齿轮精度时,在齿轮整体图像中提取的边缘特征信息不能直接描述图像中的单独目标,需要后续识别算法去适应局部的多变特征.为此提出一种基于特征图像的边缘检测效果评价方法来获取丰富的局部图像信息,用于评定小模数渐开线齿轮视觉测量系统中轮廓提取的精度.首先根据齿轮图像中渐开线齿廓边缘的函数特性建立特征图像模型;然后使用基于Zernike矩的亚像素边缘检测算法获取小模数渐开线齿轮特征图像的边缘;最后结合构建特征图像的标准函数,量化特征图像的边缘检测结果与标准函数间的偏差,用以评价边缘检测的效果.实验表明,运用小模数齿轮的特征图像评价基于Zernike矩的亚像素边缘检测算法,渐开线齿廓的检测精度优于0.58pixel.     

基于亚像素边缘的摄像机标定板特征提取算法

目的在视觉测量领域,摄像机的标定精度是最终测量精确度的决定性因素,为了提高标定板特征的提取精度,提出一种基于亚像素边缘的提取方法。方法针对圆点标定板,首先采集标定板图像,对图像进行处理,获取像素级别边缘,然后以边缘像素点为中心,取3×3的数字窗口计算梯度方向,在梯度方向上进行像素点灰度的双曲正切拟合,获取亚像素级别边缘,最后对亚像素边缘按照圆形进行拟合,求得圆心坐标。结果实验表明算法的分辨率达到0.03个像素,精度可达0.1个像素。结论该算法具有稳定可靠,精度高,运算速度快等特点,能够应用于图像拼接和分割,特征提取和摄像机标定等领域。     

利用二次曲线拟合的CCD图像亚像素提取算法

在图像测量系统中，测量系统的精度与边缘提取的精度成正比关系，普通算法的精度为像素级，现在最常用的亚像素算法是重心法。本文提出了一种利用二次曲线拟合方法的亚像素边缘提取算法，介绍了算法的推导过程，并给出了实验结果。     

模糊推理在边缘检测中的应用

针对传统边缘检测算法边缘轮廓模糊、易产生伪边缘等缺点,提出一种基于模糊逻辑推理策略的边缘检测新方法,在无需确定阈值的情况下对数字图像进行边缘提取。给出一种以变化的3×3模板为基准的模糊推理规则,通过对周围像素点的垂直和水平方向以及连续四点像素的黑白分布的判断,提取出图像中的黑点、白点和边缘部分。实验结果表明:与Robert算法相比,该方法对图像中噪声和双重边缘的抑制以及对曲线的圆度轮廓的提取都有很好的效果。     

基于超像素的联合能量主动轮廓CT图像分割方法

为解决医学CT图像主动轮廓分割方法中对初始轮廓敏感的问题,提出一种基于超像素和卷积神经网络的人体器官CT图像联合能量函数主动轮廓分割方法。该方法首先基于超像素分割对CT图像进行超像素网格化,并通过卷积神经网络进行超像素分类确定边缘超像素;然后提取边缘超像素的种子点组成初始轮廓;最后在提取的初始轮廓基础上,通过求解本文提出的综合能量函数最小值实现人体器官分割。实验结果表明,本文方法与先进的U-Net方法相比平均Dice系数提高5%,为临床CT图像病变诊断提供理论基础和新的解决方案。     

建筑物轮廓边缘检测方法对比分析

遥感影像中建筑物的提取一直以来都是研究的一个难点问题,而建筑物轮廓边缘的检测是建筑物准确提取的基础。本文对Edison算子、OFMM亚像素边缘检测方法和利用极值梯度的通用亚像素边缘检测方法进行了分析与实验,结果表明Edison算子在弱边缘的检测以及检测结果的连续性上要优于另外两种方法。     

A sub-pixel edge detection algorithm based on Zernike moments

Abstract

A novel hybrid technique of combining an improved morphological gradient operator and Zernike moments, named MGZ edge detection algorithm, is developed to meet the stringent requirements for measuring accuracies of charge coupled device metrology system. The mathematical morphological gradient and Zernike moment algorithm are discussed based on the pixels grey-scale and spatial structure information of the images. To improve the algorithm process, the image edge is oriented and extracted by using improved morphological gradient operator firstly; then, the calculation errors of the typical ideal step edge model are analysed and corrected by the proposed error compensation formula. The edge point is relocated with sub-pixel accuracy by means of Zernike moment operator based on the edge point vectors and the threshold value. Finally, the sub-pixel edge detecting of the image is attained. The extensive experimental results show that the measuring error of the edge point is compensated reliably and accurately, and the new algorithm has short operation time, more precise and stronger robustness to noise than the prior similar algorithms. Meanwhile, the proposed method can well meet the need of charge coupled device metrology system for sub-pixel edge detection.     

基于机器视觉的制袋机裁切定位系统设计

目的针对圆角包装袋传统裁切工艺中存在的毛刺和废料问题,设计一种基于机器视觉的高精度制袋机裁切定位系统。方法利用LED背光源、低畸变镜头、CMOS黑白相机和工控机搭建视觉系统硬件平台,在Visual Studio开发环境中,基于OpenCV函数库设计视觉软件,用基于最小二乘法检测图像边缘,进而标定相机,提取包装袋圆角轮廓为特征信息。系统以特征信息为匹配模板对圆角位置进行精确定位,得到亚像素级角点位置,最终控制伺服系统执行误差补偿裁切。结果该定位算法可实现16 ms内精确定位圆角坐标,绝对误差小于±0.02像素点。结论基于机器视觉的定位系统具有运算速度快、定位精度高等特点,有效改进了传统制袋工艺,能够满足生产需求。     

一种无衍射激光图像亚像素边缘检测方法

为进一步提高无衍射激光图像的定中精度,提出了一种亮环亚像素级边缘点检测方法.首先,采用局域亮度最大方法,提取亮环像素级屋脊边缘点;然后,利用线性插值算法对每一像素级边缘点进行亚像素处理进而获得亚像素边缘点;最后,用最小二乘方法,将亚像素边缘点拟合定中.分别对距离光源40 m、50 m、60 m处,各连续拍摄的50幅图像(图像分辨率为640×480,光靶分辨率为0.057 2 mm/pixel)进行了处理,各位置处的亚像素级边缘点x方向定中标准差分别为0.021 4 nm、0.037 2 mm和0.042 3mm,y方向定中标准差分别为0.022 8 mm、0.035 1 mm和0.043 7 mm,明显优于像素级边缘点,实验结果表明,该方法切实可行.     

红外图像的亚像素边缘检测

针对红外图像目标边缘的模糊性,为了准确提取目标,提出了基于三次样条插值和灰阶边缘细化的方法,该方法通过对边缘过渡区域及其法线方向信息的处理,使图像边缘精确定位在亚像素级。实验结果表明,该方法能够精确定位目标边缘,优于传统的边缘检测方法。     

Algorithm of locating the sphere center imaging point based on novel edge model and Zernike moments for vision measurement

High accuracy of locating the sphere center imaging points is crucial for the vision measurement system. This paper investigates the effect of projection projective model on extraction of the sphere center, upon which the sub-pixel edge-location algorithm based on the sphere projection model is proposed. The sphere center projection model is established by analysing the process of sphere imaging, and the sub-pixel edge-location algorithm consisted of the novel edge model and the improved Zernike moment computing is studied. The novel edge model based on the Erf (error function) is adopted for modelling the practical edge part, which obtains the edge distribution points with high precision. Then a closed-form solution of edge locating error compensation is calculated based on Zernike moments. Finally, the proposed method is verified via simulations and experiments. The relevant results show that the proposed method can accurately locate the sphere center imaging point, which further improves the precision and robustness of the vision measurement system.     

基于视觉的某炮弹药筒退弹槽槽底宽度精确测量研究

目的某炮弹药筒退弹槽底宽检测速度和精度要求比较高,传统的手工测量适应不了自动化生产的需要。方法用DH-SV1410型CCD摄像机及可调LED光源构建图像采集系统,并在VS2010平台上用C#语言编写一套基于机器视觉的测量系统。采用亚像素边缘轮廓提取方法精确定位退弹槽的边缘轮廓,并设计一个针对退弹槽底宽检测算法。结果通过对一个零件相同部位进行重复对比实验和多个零件测量对比试验表明,该系统在微米级上有误差,但最大误差最大不超过2μm。结论该系统的检测精度能够达到10μm,完全能满足某炮弹药筒在线测量的速度和精度要求,且测量结果不受主观因素的影响。     

基于SUSAN和Hough变换的直线边缘亚像素定位方法

提出了一种基于SUSAN算法和Hough变换的直线边缘亚像素定位方法.在该方法中,给出了SUSAN算法模板选择的依据,同时定义了直线边缘响应函数并引入加权Hough变换.首先,利用直线边缘响应函数对直线边缘进行提取;然后对具有响应值的灰度点进行Hough变换并将该响应值作为权值记入参数空间累加器,得到粗定位;在粗定位的基础上对映射区进行局部细化,并对区域内点进行拟合,最终得到直线边缘精定位.实验证明:直线边缘定位精度可达0.3 pixels,同时为解析曲线亚像素定位提供了一种新的思路.