基于Franklin矩的亚像素级图像边缘检测算法

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矩的亚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关键参数;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。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。     

基于FPGA的Sobel算子图像边缘检测算法

系统基于Altera DE2-70开发平台,选用500万像素COMS摄像头进行图像采集,图像信息经Sobel算子图像边缘检测算法处理后由液晶显示器显示.算法采用了可编程宏功能模块与Verilog HDL语言相结合的方法实现,实验结果表明,基于FPGA的硬件系统能够很好的实现Sobel算子边缘检测算法,通过设置合适的梯度比较阀值,较为理想的提取图像边缘信息.     

基于小波变换的亚像素边缘检测

提出一种基于小波变换的亚像素边缘检测方法,从理论上证明该方法不存在原理误差,同时具有较强的抗噪能力。实验表明,在对光源等无特殊要求的情况下,该方法的精度优于0.02个像素,从而验证了理论的正确性。     

刀调仪的亚像素边缘检测技术研究

边缘检测技术是刀具预调仪的刀具图像处理的核心技术。文中利用基于阈值进行边缘提取的思想,实现了亚像素级别的边缘检测,可以将边缘检测的精度提高10倍以上,为进一步提取刀具参数奠定了基础。     

图像测量中快速边缘亚像素定位研究

研究了一种图像测量中边缘点的快速亚像素定位的方法,采用先阈值分割再边缘提取进行粗定位,确定边缘点的像素级精度位置和边缘的方向,沿边缘点的边缘方向拓展像素,得到一定长度的灰度值向量,对向量进行处理实现边缘的亚像素定位。分别采用三次多项式拟合法、二次曲线拟合法和灰度矩法三种亚像素定位算法进行了理论分析和实验对比,结果表明,灰度矩算法具有较短的运行时间和较高的定位精度。     

基于高斯曲面拟合的亚像素边缘检测算法

提出了一种基于高斯曲面拟合的亚像素边缘检测算法.该算法首先使用传统Canny算子进行边缘像素级的粗定位,再以粗定位边缘像素为中心取5x5窗口获取梯度幅值,对其进行高斯曲面拟合,在梯度方向上寻找局部极值点,从而达到边缘亚像素级的精细定位的效果.文中介绍了算法的理论依据,给出推导过程,并用螺旋测微器的标准间隙进行实例分析,...     

基于亚像素边缘的椭圆中心检测方法研究

在椭圆边缘粗定位的基础上,根据椭圆粗定位信息及图像边缘梯度方向附近点的灰度分布特征,进行高斯拟合获取精确的亚像素边缘点,对亚像素边缘点进行最小二乘拟合,得到精确的椭圆中心位置。实验证明,该算法对椭圆中心定位精度和稳定性有较大提高,并有很好的实时性。     

图像亚像素边缘检测的新方法

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,通过在垂直方向上设置边缘,分析在不同顺序和角度的正交傅里叶变换-Mellin矩之间的相互关系,进而充分地提取出边缘的具体特征。实验结果表明,改进的基于正交傅里叶变换的亚像素边缘检测方法提高了部分图像的边缘检测的准确率。     

基于边缘像元投影的微小轴承亚像素边缘检测

对于微小轴承的内径测量,基于机器视觉的非接触测量技术具有广阔的应用前景。针对轴承的边缘像素点,投影将感光像元划分成感光值不同的两个部分,像素单元的最终灰度值为投影两侧局部灰度统计值的面积加权平均值,取该像素的矩形邻域,并对其邻域灰度值进行高斯加权处理,将边缘投影按泰勒公式展开为二次曲线得到高精度亚像素边缘。针对微小轴承进行实验,将本文算法与基于直线拟合的方法进行比较,每毫米包括约217.18个像素,检测的圆度提高0.04%以上,标准差减少不少于7.27%,因此可更准确获取微小轴承内径的亚像素边缘。     

活塞表面缺陷图像的亚像素边缘检测技术研究

针对活塞图像对比度低、缺陷区域小、缺陷种类多、人工检测效率低等问题,提出一种结合区域生长法和亚像素边缘提取的活塞表面缺陷检测方法。利用图像处理软件采集活塞图像,分析活塞表面图像中缺陷区域与正常区域灰度值的差异。使用区域生长法进行图像分割,结合Canny算子对活塞表面缺陷边缘进行初步定位。通过定位感兴趣区域的位置,进行亚像素级别提取,并平缓感兴趣区域边缘。实验表明,所提算法比传统的边缘提取方法得到的缺陷区域更精确、平滑。     

基于FPGA的Sobel图像边缘检测的设计

图像边缘检测技术在数字图像处理领域中处于重要位置,是图像分割、目标区域识别、区域形状提取等图像分析的基础。详细地讨论了Sobel图像边缘检测FPGA实现的原理、方法和步骤。以FPGA为中央控制单元,用Verilog语言设计并实现了Sobel边缘检测法。通过改进算法、优化FPGA布局布线结构、利用FPGA高速并行机制和采用流水线处理方式,提高了系统速度,减少了FPGA内部资源的使用。通过Matlab和ModelSim进行仿真和对比,实验得到了理想的图像边缘。     

基于双曲正切的亚像素边缘检测方法及评价

精确定位图像边缘是保证视觉测量精度的基础。根据物体图像边缘的灰度分布特点,本文提出一种亚像素边缘检测方法,采用双曲正切函数对图像边缘的灰度分布进行拟合,通过最小二乘法得到边缘的亚像素位置。对提出的边缘检测方法的精度进行了评价,以高精度棋盘格的尺寸测量误差作为准则,采用实际边缘并结合摄像机标定技术,考虑了镜头畸变和透视失真等因素。试验表明,提出的双曲正切法检测亚像素边缘相比空间矩法和梯度插值法具有更高的精度,同时能够满足机械工业中的实时测量需求。     

基于亚像素技术的锥螺纹参数检测算法

研究了一种基于亚像素技术的外螺纹几何参数计算。在获取螺纹图像的基础上,通过边缘检测算法获取螺纹轴剖面外轮廓的边缘。在已知边缘点Sobel算子八方位边缘梯度的基础上确定未知点的多项式插值的亚像素定位算法和基于螺纹外轮廓形状的曲线拟合对参数进行计算,并对螺纹的螺距等参数的求取过程进行了详细的阐述。实践证明,该算法具有较高的运算精度和较快的运算速度。     

基于数学形态学和灰度矩的高温亚像素边缘检测

提出了一种在高温条件下的试件边缘检测方法,能准确检测试件在升温过程中边缘的变化情况。对采集到的图像利用Canny算子和数学形态学进行像素级边缘粗定位,然后在灰度矩亚像素边缘检测算法基础上,增加对边缘判断条件的约束来检测亚像素级边缘,使得检测出的边缘更加真实可靠。经试验分析,该算法的分辨精度可达到0.1-0.15个像素,可实现高温条件下试件边缘的高精度非接触式测量。     

SLM彩色显微图像的亚像素边缘检测方法

微操作技术的迅速崛起迫切要求显微图像处理技术的发展。在HSI彩色模型的基础上,根据SLM视觉系统的彩色显微图像特点,基于小波变换提出了一种适用于SLM彩色显微图像的边缘检测方法。根据三次样条拟合曲线的一阶导数零点,获取精确的亚像素边缘。试验证明,该方法适用于各放大倍率下的SLM彩色显微图像,能较好地滤除噪声,检测出完整的亚像素边缘。给出了利用该算法处理噪声仿真图像和真实SLM彩色显微图像的试验结果。     

基于视觉图像的机加工零部件亚像素边缘定位

首先介绍了LOG算子的快速定位方法以及二维理想图像边缘模型的空间矩亚像素细分算法的基本原理;在此基础上给出了符合实际图像采样的三级灰度图像边缘模型的空间矩算子,并推导了该算子的原理误差公式。最后利用试验对空间矩算子亚像素定位方法的有效性、精度进行了研究,并给出了该方法的亚像素定位与实测尺寸的对比结果。结果表明该方法比传统的边缘检测算子的边缘定位精度有较大提高。     

亚像素理论在图像边界处理中的应用研究

图像分辨力大大低于胶片是数字图像处理的一大弱点,此弱点极大地限制了数字图像处理技术在精密测量等领域的应用。亚像素软件处理技术能弥补这一缺点。介绍了常用的亚像素处理技术,以及提高角度精确度和边缘检测的方法。     

基于亚像素边缘检测的刀具几何参数测量

为了提高刀具几何参数图像测量精度,基于矩法理论,提出了一种亚像素边缘检测算法。该方法的基本思想是采用灰度空间矩,将图像边缘特征离散为亚像素级特征点,并用Matlab实现图像的处理。实验证明,基于亚像素特征点提取检测的刀具几何参数具有较高测量精度,且计算量小,具有很好的抗噪性能。     

显微视场下微型零件亚像素边缘检测方法

为了提高微型零件在显微视场下的边缘检测精度, 提出了一种非正交二次B样条小波变换结合Zernike矩的亚像素边缘检测算法. 采用非正交二次B样条小波变换算法得到图像的像素级边缘, 利用Zernike矩算法的矩不变性对像素级边缘进行亚像素边缘细化. 为了实现算法的原理, 建立了一套微型零件的实时检测系统. 给出了系统的总体结构和工作原理, 完成了实时图像采集与检测, 分析了检测结果, 并对检测精度进行了评估. 实验结果表明: 该系统检测零件尺寸可以达到0.01~10 mm, 检测精度可以达到0.01%~0.1%, 可准确识别出微型零件的边缘, 将检测精度提高到亚像素级, 满足了在显微视场下微型零件检测的需要.     

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.