一种新的亚像素边缘检测算法

总结了目前基于sigmoid函数的亚像素边缘检测算法,针对其计算过程较为复杂的缺陷,本文提出了一种新的亚像素边缘检方法-基于反正切函数拟合的亚像素边缘检测方法。该算法首先通过Canny算子进行图像整像素边缘的初步定位,并采用反正切函数作为拟合边缘模型,利用边缘像素附近的灰度值拟合边缘模型来获得亚像素的边缘定位。实验结果表明,在不影响精度的前提下,基于反正切函数拟合的亚像素边缘检测算法的运行时间要明显快于sigmoid函数的亚像素边缘检测算法的运算时间。因此,反正切函数拟合的亚像素边缘检测算法基本地满足了图像测量的稳定可靠、高精度、强实时性要求,并对图像噪声有较强的抗干扰能力。     

光图像亚像素边缘高精度自适应检测研究

由于激光图像亚像素边缘易出现薄弱现象且边缘位置模糊,导致边缘检测速度以及精度下降,提出激光图像亚像素边缘高精度自适应检测研究。通过小波模极大原理对图像进行粗定位,获取亚像素边缘点位置,结合Zermike矩算法对边缘进行亚像素定位,结合最大类熵阈值方法计算对应的阈值,通过人工对阈值进行反复调整,设定低阈值和自适应阈值来保护图像弱边缘和提取真正边缘,完成激光图像亚像素边缘自适应检测。相关实验结果表明,检测图像图像包含的边缘信息较多,且对于噪声的抑制效果较好,检测信噪比较高,检测时间在1s左右,检测效率在90%以上。     

基于改进Zernike矩的光斑图像亚像素边缘检测算法

为了满足光束质量检测中对光斑边缘高精度的定位要求,采用了一种基于改进Zernike矩的亚像素边缘检测算法.首先由Sobel算子对光斑进行粗定位,再由Zernike矩的边缘模型对获取的像素级边缘进行重定位,最后根据改进的边缘判断条件,确定图像中的实际亚像素边缘点,以完成光斑图像亚像素级边缘的提取.通过对仿真图像亚像素边缘...     

Gabor滤波与数学形态学结合下激光图像亚像素边缘检测

针对当前图像亚像素识别定位易受到噪声干扰,导致边缘检测完整性较差的问题,提出基于Gabor滤波与数学形态学的激光图像亚像素边缘检测方法。采用指定不同方向与尺度Gabor滤波器和图像卷积,对卷积激光图像实行规格化操作,利用取极小值与平均值实现激光图像Gabor滤波器结果自适应性融合,获取增强后的图像。依据图像处理,根据图像灰度与空间结构特征,通过数学形态学实现边缘点粗定位,在图像像素级上得到边缘点坐标与梯度方向。依据边缘点向量与参考阈值,通过Zernike矩实现边缘点亚像素边缘精定位,完成激光图像亚像素边缘检测。实验结果表明,所提方法具备较高的检测精度和效率,可实践性能较强。     

基于Zernike矩的黑片图像亚像素边缘检测

针对目前像素级边缘检测算子存在精度较低,难于实现黑片零件缺陷检测的高速度、高精度的要求,提出了一种基于Zernike矩的黑片图像亚像素边缘检测方法。实验结果表明,该方法测量精度高,定位精确,提取的边缘坐标能达亚像素级,可应用于黑片缺陷的在线检测。     

图像的快速亚像素边缘检测方法

提出了一种新型的测量图像快速亚像素边缘检测方法。首先,利用标准的Sobel算子进行边缘点的粗定位,确定边缘点的像素级精度位置和边缘的方向;然后,沿边缘点的边缘方向拓展像素,得到长度为6的像素灰度值向量,将向量带人利用最小二乘曲线拟合方法得出的公式,求出边缘点的精确位置,从而能够实现亚像素边缘定位精度。实验证明：该方法的定位精度为0．1pixels,算法的运行时间为0．53s。     

基于灰度梯度和反正切函数拟合的亚像素边缘检测算法

在数字图像处理和机器视觉中,边缘检测是一个基本问题和关键环节,因此,精确地检测图像边缘是非常必要的。本文提出了一种基于灰度梯度和反正切函数拟合的亚像素边缘检测算法。首先,通过Canny算子粗略提取输入图像的边缘;然后对初步得到的边缘像素逐点提取灰度梯度方向,以提取的梯度方向为坐标轴正方向建立灰度梯度直角坐标系;最后利用最小二乘法,采用反正切函数拟合图像边缘的灰度梯度,获得亚像素边缘位置。利用Microsoft Visual Studio 2008平台进行实验,结果表明：与基于小波变换及基于Zernike矩的亚像素边缘检测方法相比,本文所提算法定位精度较高,检测速度较快,能够更完整地检测出图像的平滑边缘。     

机械零件直线边缘亚像素定位方法研究

直线是视觉图像中重要的基元特征.建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线边缘像素点,最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线.对空间矩算子亚像素定位算法与像面直线亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面直线亚像素提取算法具有较高的精度和稳定性.     

基于误差效应的亚像素边缘检测算法

针对传统亚像素边缘检测算法在实时性、精确性和鲁棒性之间难以平衡的问题,提出了一种基于误差效应的亚像素边缘检测方法。该方法首先建立边缘函数模型,并计算每个像素边缘对应函数方程常数项的近似值和对应误差,然后结合最小二乘法使整体函数模型误差最小,从而获得较为精确的边缘参数。基于标准图像和实际图像的实验测试结果表明,该算法具有快速、鲁棒性强和检测精度高等优点,能够满足实时检测的要求,评价指标优于其他传统算法。     

一种Zernike矩的高精度板材尺寸测量方法

目前技术条件下,对于大视场的高精度边缘测量而言,工业级面阵CCD传感器的分辨率难以满足要求.文章针对钢板尺寸测量系统,首先介绍了测量环境和工作原理.继而在Zernike矩以及Zernike矩亚像素精度边缘检测原理的基础上,提出了适用于钢板尺寸测量的亚像素精度边缘检测算法.该算法不仅具较好的抗噪性能和检测精度,而且在传统界定边缘点的阈值处理方法上进行了改进,使边缘受限于单个像素的宽度范围内,能够实现亚像素精度的定位.系统实际运行表明,该方法能够有效提高测量精度,具有良好的效果和实用价值.     

基于亚像素边缘检测的LED芯片定位算法研究

LED芯片的定位精度直接决定了LED制造装备的生产质量和效率,为了提高LED芯片的定位精度,提出了一种基于亚像素边缘检测的芯片定位算法.该算法首先采用Gamma变换方法增强图像的对比度,并利用Blob算法获取芯片有效区域;接着采用Canny算法进行芯片亚像素边缘轮廓的提取;最后,通过拟合芯片边缘轮廓,获取芯片位置中心,完成芯片位置的精确识别.该算法不需要人工训练模板进行匹配,提高了边缘提取的定位精度,实验表明,该算法能在平均4 ms内完成一颗芯片的识别,且重复精度达到0.1 pixel,满足LED芯片高速高精度定位需求.     

一种基于图像处理技术的继电器触点间距智能检测方法

基于图像处理技术, 采用嵌入式机器视觉处理系统, 设计了一种用于继电器触点间距的智能检测装置和方法。在硬件方面, 以Cortex-A8处理器为中心, 将控制、处理与测量于一体, 并采用红外光源作为照明系统, 抑制金属触点的光发射; 在算法方面, 以继电器触头静触片的接触点图像区域为特征图像, 并采用多分辨率金字塔分层匹配技术, 实现对检测对象的准确识别和定位, 同时根据继电器内部组件位置的对应关系, 确定继电器触点边缘检测区; 在检测区内, 先采用像素级的边缘检测算法确定两接触点边缘后, 再利用亚像素边缘检测技术, 实现边缘的精确定位, 并检测出继电器触点间的最短距离。本文所提出的方法对继电器质量检测和性能评估具有重要的意义。     

改进的多重分形图像奇异性分析算法

为了准确地研究图像奇异性以及各部分的属性及特征,采用一种基于亚像素边缘测度的多重分形算法,该算法根据方形孔径采样定理计算亚像素位置的梯度面密度函数值和图像任意子集(半径可以达到亚像素精度)的边缘测度,进而利用多重分形理论将实际图像分割成一系列具有不同奇异性指数的分形集合.并利用含有不同信息含量的分形集合重建原图像算法,实现了图像从纹理到边缘各层面内容的精确划分.对该算法进行了理论分析和实验验证,得到3×3亚像素方法提取的边缘信息重构原图像,其峰值信噪比达到14.76dB.结果表明,重建图像峰值信噪比主要依赖于所提取的边缘信息质量以及重构系数比,提取的各层面信息与人类的视觉系统所捕获的重要信息相吻合.     

基于改进的Canny算子和Zernike矩的亚像素边缘检测方法

为满足电荷藕合器件(CCD)图像测量系统的快速、高精度测量要求,提出了一种基于改进Canny算子和Zemike矩的图像亚像素边缘检测新方法.该算法先利用改进的Canny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,...     

一种基于梯度的亚像素边缘检测算法

采用Sobel算子确定图像边缘的大致位置,然后用三次样条插值函数对灰度边缘图进行内插计算,使目标边缘定位达到亚像素级.再对插值后的图像采用阈值迭代算法得到阈值特征图像.实验表明,该方法能精确定位目标边缘,达到亚像素精度,优于传统的边缘检测方法.     

改进Zernike矩亚像素边缘检测算法研究*

针对Ghosal算法检测出的边缘较粗以及手动反复调节阶跃强度阈值引起的效率低的问题,提出了一种改进算法.首先,推导出模板系数,并计算得出Zernike矩.其次,利用推导出的公式计算出距离阈值和边缘阈值,利用Otsu法计算得到最佳阶跃强度.最后,通过设计三组实验,来验证改进算法的有效性.实验证明,改进算法能够更加有效地检测出图像的边缘,减少伪边缘的存在并且细化了边缘,提高了定位精度,同时降低了算法的执行时间.     

互补金属氧化物半导体图像传感器亚像元细分精度实验研究

通过图像处理方法,用软件的方式(亚像元细分)对目标进行定位是一个可有效提高测量精度的途径。主要对互补金属氧化物半导体(CMOS)图像传感器亚像元细分精度的测试方法和测试结果进行研讨。利用压电陶瓷(PZT)精密快扫振镜(FSM)和基于互补金属氧化物半导体图像传感器OV7620的数字相机构建了实验系统,对该互补金属氧化物半导体图像传感器OV7620的亚像元细分精度进行了实验研究。结果表明,OV7620的质心定位精度达到0.17pixel,即能够实现六细分,互补金属氧化物半导体图像传感器具有实现亚像元细分的能力,能够应用于以光斑质心检测为手段的测量系统中。