基于OpenCV的边缘检测算法在车身尺寸检测中的应用

为了提高现有车身尺寸检测方法的准确性和效率,将用来对开窗统计计算后的图像执行检测的算法OpenCV和改进型Canny边缘检测算法进行结合,提出了一种基于OpenCV的边缘检测算法,并在VC++环境下通过编程对其进行了理论验证.验证结果表明,该算法在边缘检测方面具有良好的效果,且处理速度较快.     

基于OpenCV的机器视觉图像处理技术实现

阐述了在VC＋＋下安装、构建OpenCV编译环境的方法及OpenCV应用程序框架的建立.应用OpenCV视频图像采集技术,在实验室中获取3幅图像,在对数字图像处理技术进行理论分析的基础上,利用OpenCV实现了对采集图像截取感兴趣的区域、对图像进行边缘检测、对图像进行角点探测等技术.     

基于OpenCV的图像处理程序开发方法的研究

OpenCV是一个开放源代码的机器视觉库,可在应用VC＋＋进行程序开发的过程中,直接调用OpenCV视觉库的特定函数,开发出自己的图像处理程序。文章通过示例程序——“Canny边缘检测”,论述了将VC与OpenCV相结合进行图像处理程序开发的具体方法。     

OpenCV在焊缝实时检测系统中的应用

机器视觉系统是集机械、光电、控制、计算机和数字图像处理等技术于一体的高度自动化系统,广泛应用于工业当中。焊缝实时检测系统主要针对焊接自动跟踪技术中的在线检测焊缝并进行相关处理的系统。该文在VC++6.0开发环境中设计了一种采用Gauss小波检测边缘,基于OpenCV的焊缝实时检测与处理算法,实验结果表明该算法实时性高、效果好、检测正确快速。     

基于图像处理的铁路货车交叉杆平面度检测算法研究

以OpenCV为软件开发平台,设计了一种基于数字图像处理的货车交叉杆平面度检测算法。首先利用局部对比度增强、背景差分对图像进行预处理突出被检测目标,然后对预处理后的图像采用自适应阈值改进了的Sobel算法提取目标边缘,利用局部图像截取感兴趣的图像部分,再利用最小二乘法来拟合圆形边缘得到圆心图像坐标,最后通过坐标变换和平面度计算公式实现相关参数的检测。分析实验结果表明该检测方法在实际应用中能取代人工目测,且满足实时性和高精度要求(精度±0.1mm,数据可靠性,即重复性测量标准差0.065mm),提升了工作效率和经济效益。     

视觉检测系统中亚像素边缘检测技术的对比研究

在视觉检测系统中,亚像素边缘检测的定位精度是其最终测量精度的关键,国内外很多学者对该问题进行了广泛的研究,提出了各种边缘检测的方法,但是各种方法的定位精度及抗噪声能力的优劣都自圆其说,难以验证.也有很多学者对各种算法进行了对比研究,但使用的评价图像与实际系统采集的图像相差甚远.本文根据视觉系统采集图像的原理生成理想图像,使用各种边缘检测算法对该图像进行亚像素边缘定位,以理想点坐标和实际采集的点坐标的均方差作为标准来比较各个算法的定位精度,并定量地加入噪声,分析各处算法的抗噪声能力以及计算时间.分析和讨论的结果为亚像素边缘定位技术的选取提供可靠依据.     

基于MATLAB的改进Canny算子的图像边缘检测研究

边缘检测是图像处理一个重要的环节,为了有效提取目标边缘,提出一种基于canny算法的改进算法,主要从两方面进行的改进,采用中值滤波代替高斯滤波对图像的噪声进行滤除和采用迭代法计算高低双阈值。实验的仿真结果很好地验证了改进算法的性能:在保留边缘信息的同时,很好地抑制了噪声的干扰,可以提高图像边缘检测效果。     

基于改进Zernike矩的小模数齿轮亚像素边缘检测

针对传统Zernike矩亚像素边缘检测算法中奇数尺寸模板卷积的不对称性,在分析卷积不对称性和卷积窗口中心局限性对检测精度影响的基础上,提出一种改进的Zernike矩亚像素边缘检测算法。算法采用像素级边缘检测算子进行初定位,获取像素级边缘点;利用小尺寸奇数模板求解Zernike矩进行二级初定位,获取亚像素级边缘点;分析二级初定位边缘点所在区间;根据所在区间,选取偶数模板或者奇数模板求解Zernike矩进行精定位,获取更精确的亚像素级边缘点。为了验证算法的有效性,分别对模拟图像和实际图像进行亚像素边缘检测实验。根据齿轮的边缘特性,通过最小二乘拟合法评价算法对齿轮图像的检测效果。实验结果表明,该算法具有绝对定位精度高、抗噪性能强、曝光敏感度好的优点。     

基于边缘重构图像的边缘检测算法优选研究

边缘检测是视觉定位、零件缺陷识别、视觉测量等图像处理中的关键环节，其检测质量直接影响后续的图像目标识别与定位的精度。针对具体图像处理需选取合适的边缘检测算法的问题，提出了一种基于多方向滑动窗口线性插值重构法的图像边缘检测质量评价算法。首先，采用待处理边缘图像的最大连续非边缘矩形区域作为重构搜索窗口，设计了多方向滑动窗口线性插值图像重构法；然后，根据图像边缘的特征，建立了集成图像结构相似度和边缘错检率为性能指标的边缘检测算法的优选评价方法；最后，进行了实例应用，通过实验对重构算法的性能、优选方法的可行性和正确性进行了验证。研究结果表明：该边缘图像重构算法准确率最高，实验中重构图像的结构相似度可达到0.708 7,耗时320.902 1 s;采用该优选方法能快速地筛选出最佳的边缘处理算法，与人体视觉评价一致，便于实现边缘检测算法的智能优选和图像的智能处理目标。     

一种基于数学形态学的齿轮边缘检测方法研究

针对传统的边缘检测算法在提取齿轮边缘过程中存在的抗噪性较差的问题,对图像边缘检测中算法的抗噪性、边缘检测连续性和细节保留能力进行了研究,在对数学形态学的边缘检测算法进行归纳的基础上,提出了一种基于数学形态学的齿轮边缘检测方法。针对采集到的图片,利用最基本形态学操作组合,对齿轮锯齿边缘和内部圆环部分,分别使用了形态学填充和形态学连通域去噪,然后使用形态学边缘检测算子提取了边缘,最后将两部分边缘边缘相加,得到了最终齿轮边缘检测图;再对采集的齿轮图片加入了椒盐噪声,重复进行了边缘检测试验。研究结果表明:该算法能够检测出较好的齿轮边缘,在抗噪性、边缘检测连续性、细节信息保留等方面都有较大的提高。     

一种改进的六边形结构的Canny边缘检测算法

在图像处理过程中,为了获取更精确的边缘轮廓,将直线插补运算与六边形图像结构相结合,提出了一种简单高效的边缘检测方法.先用高斯滤波器对图像进行滤波,再使用Sobel算子进行边缘检测,最后按给定阚值对边缘进行精确提取,经过这三个步骤完成图像的边缘检测.通过实验验证了六边形图像结构的Canny边缘检测算法比常见的Canny边...     

基于改进 Mean－shift算法的铲斗目标跟踪

针对挖掘机器人铲斗目标实时跟踪问题,提出了Kalman＋Mean－shift算法的铲斗目标跟踪算法。与Mean－shift算法以及Camshift 算法相比,该算法通过Kalman滤波器对目标位置的预测,解决了跟踪过程中出现干扰时无法跟踪目标的问题。运用OpenCV进行跟踪程序设计,对挖掘机模型的铲斗目标进行跟踪实验,对算法的可行性进行验证。实验结果显示,结合Kalman滤波器的Mean－shift算法能够准确地实施对铲斗目标的跟踪。     

基于TRIZ的含噪声图像目标边缘检测算法

为减少对受电弓图像进行目标检测时噪声的存在对算法发现目标的影响,根据发明问题解决理论的物质一场模型,构建出一种以矩形区域为检测模板的局部目标边缘的检测算法,并应用发明问题解决理论的冲突解决方法对算法进行改进分析,基于No.1分割原理构建了变尺寸区域模板搜索边缘的方法,基于No.35参数变化原理构建了大步长搜索边缘的方法,基于No.13反向原理构建了由目标内向外搜索边缘的方法.模拟算例表明,该算法在不显著提高计算量的条件下具有抵抗噪声的能力.以现场实际图像对算法进行验证,结果表明算法是合理可行的.     

基于改进Sobel算法的实时图像边缘检测系统设计

针对传统Sobel边缘检测算法需要人为指定阈值而且检测出的边缘较宽等问题,提出一种自适应阈值和非极大值抑制相结合的边缘检测算法。引入中值滤波的思想生成自适应动态阈值,将该值作为二值化处理的阈值,并采用非极大值抑制的方法细化梯度图像,同时通过增加梯度检测方向提高了算法对复杂纹理的识别能力。将改进后的算法在FPGA平台上实现,实验验证了其有效性。     

一种基于小波变换的照明无关边缘检测和模糊增强方法

提出了一种基于小波变换的照明无关边缘检测和模糊增强算法,用于从不均匀的弱照明图像中提取目标边缘。依据照明反射图像形成模板和CCD相机成像公式,推导出图像的小波变换公式。对图像局部区域中边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。给出一种同时考虑小波模值大小和梯度方向的模糊算子来增强边缘并抑制噪声。最后,采用仿真和真实的图像对该算法进行验证,利用此算法检测阶梯边缘,得到该算法的边缘检测评价标准F系数值为0.984 3,边缘定位精度评价系数E_d值为0.126 5,通过被检测的特征球边缘计算得到的交比值误差为3.72×10^-3。实验结果证实,该边缘检测方法能够很好地工作于非均匀的弱照明图像。     

基于数学形态学的图像边缘提取方法

为了解决传统边缘提取算法边缘定位不精确、抗噪能力差的问题,提出了一种基于数学形态学的边缘提取算法。该算法首先利用了双尺度双结构的数学形态学对目标图像进行滤波降噪处理,以提高目标图像的信噪比,然后利用多尺度多结构的数学形态学对目标图像进行边缘提取。利用该算法在配置了OpenCV的Visual Studio对Lena图像进行仿真处理,并将其处理结果与Canny算法处理结果进行对比。实验结果表明,该算法抗噪性能优异,对含有噪声的图像边缘的提取清晰且流畅、细节丰富。     

微细电火花加工的微细电极在线检测

设计了微细电极在线检测系统。系统由卤素灯光源、变焦显微镜头、CCD摄像机和6自由度支架组成,具有1.61 μm的分辨率和113~729的放大率。在Linux平台下,基于V4L2 API开发了图像采集程序,使用mmap()内存映射方法获取图像数据。实现了IplImage数据结构和QImage类的转换,使图像既可以基于OpenCV进行处理,又可以基于Qt进行显示,通过Canny边缘检测算法提取了微细电极的边缘轮廓。实现了电极在线观测的G代码功能,进行了块状电极电火花磨削微细轴的实验。实验结果表明系统可以在线观察电极状态和在线测量电极尺寸,在线测量值与扫描电镜离线测量值的相对误差在5%以内, 解决了微细电火花加工的微细电极在线制造和检测等难题。     

0603型绿色贴片LED方向检测算法研究

针对全自动编带机编带过程中0603型绿色贴片LED的方向检测,提出了利用MeanShift图像分割法首先对芯片进行图像分割,然后利用Krisch边缘检测算法、Prewitt边缘检测算法和高斯拉普拉斯边缘检测算法分别对芯片进行边缘检测,提取芯片的轮廓特征。实验对比表明,能够通过采用MeanShift图像分割法对芯片进行分割,再利用高斯拉普拉斯边缘检测算法提取芯片的轮廓特征的方法,判别0603型绿色贴片LED的方向。     

改进的遗传算法在PCNN参数标定中的应用

基于PCNN算法的基础研究,详细介绍了遗传算法的基本思想,在其基础上引入了最优家族遗传算法。为了验证算法的有效性,在PC机上借助VS2008、CUDA、OpenCV 2.2实现了算法及相关对比算法。实验结果表明:改进后的PCNN算法能够更好地处理背景中的多模态区域,提高运动目标分割精度,在有效滤除干扰前景的同时,完整保留了运动物体的形状、边缘信息。提出的改进遗传算法能够较好保证运动检测的质量,为后续的图像识别精度提供了保证。     

改进Canny算法检测直缝焊管焊缝位置

针对传统Canny算法在识别直缝焊管焊缝边缘时易受噪声干扰、强弱边缘连接不佳等问题,通过分析直缝焊管图像特点,提出一种改进的Canny算法检测直缝焊管焊缝位置方法。首先在进行非极大值抑制中引入了梯度方向局部均值偏差;其次对非极大值抑制之后的点利用大津法计算阈值;最后通过实际采集焊管图片强弱边缘分布特点将强边缘边界所连边界作为附加连接条件。通过实验验证改进的非极大值相对于传统方法抑制能够有效的抑制噪声点并保留边缘信息,在直缝焊管焊缝边缘位置识别中改进的Canny算法相对于传统边缘检测算法能够抑制噪声干扰,保留更多的焊管边缘与焊缝边缘,因此较好的满足实际使用需求。