改进的Zernike矩工业CT图像边缘检测

为提高工业计算机断层扫描(CT)图像亚像素边缘检测的精度和速度,研究了一种改进的Zernike矩边缘检测方法。该方法采用Sobel边缘算子快速检测出图像所有可能的边缘,通过Zernike矩算子对所有可能的边缘进行重新检测,最后,检测出图像的亚像素边缘并计算其精确位置。由于采用Sobel算子检测出可能的边缘使后续Zernike矩算子检测范围缩小,从而减小了运算量,提高了运算速度。对实际CT图像进行的实验结果表明:改进的Zernike矩工业CT图像边缘检测精度绝对误差<0.24 pixel,改进算法的运算速度提高了约70%。     

椭圆目标的亚像素边缘定位方法研究

分析和比较了三种常见的基于矩的亚像素边缘定位方法,得出三种方法获取的边缘角度以及OFMM法与ZOM法获取的亚像素边缘相同的结论。提出了一种针对椭圆目标的亚像素边缘定位方法。在ROI提取和SOBEL算子初步检测边缘的基础上,利用初步获取的椭圆目标的几何信息,将参与计算的模板个数减少至一个,从而大大减少了运算时间,提高了算法的运算速度。同时实验结果表明,与其他基于矩的亚像素边缘定位方法相比,新方法不仅有更高的运算速度,而且精度和抗噪性能都有很大地提高。     

快速多项式拟合亚像素边缘检测算法的研究

传统的亚像素边缘检测都是先粗定位,再进行亚像素细分,因而运行时间较长.采用了一种基于多项式拟合的快速亚像素边缘检测算法.该算法根据图像的灰度分布,运用三次多项式拟合图像的边缘实现亚像素定位,从而达到较高的定位精度.采用在边缘附近取点,进行亚像素边缘检测,减少了运行时间.仿真实验给出的实验结果证明了该算法的有效性.     

空间矩和Zernike矩亚像素边缘算子分析

讨论了空间矩、Zernike矩两个亚像素边缘算子的运行时间和定位精度。分析结果表明,Zernike具有更快的运行速度,当计算3个用于边缘定位的参数时,其运行时间较空间矩算子节约了50%。理论分析了空间矩和Zernike矩算子的关系,并推导出了两个算子边缘距离为l的差值公式。测试结果表明,当两个算子的l都限制在中心像素内时,空间矩算子的边缘厚度多达3个像素,而Zernike矩算子的边缘厚度小于1个像素,可见Zernike矩算子的定位精度为真正的亚像素级。经比较,Zernike矩算子的运行时间和定位精度均好于空间矩算子。     

光学测量中椭圆圆心定位算法研究

提出了一种椭圆圆心定位算法。先对图像中的椭圆目标进行粗定位,获取椭圆的粗定位信息,再用Canny算子对图像中的感兴趣区域进行边缘检测。根据椭圆的粗定位信息以及图像的边缘灰度分布特征,用高斯曲线拟合的方法求得精确的亚像素边缘点的坐标。针对亚像素边缘点中出现的“孤立点”以及噪声点,分别用曲率滤波和均值滤波的方法加以滤波,将滤波后的亚像素边缘点用最小二乘法加以拟合,求得精确的椭圆圆心数据。实验证明了该算法的定位精度和抑制噪声能力,通过测试算法运行时间,证明该算法具有很好的实时性。     

基于局部区域灰度矩图像边缘定位方法的研究

在采用机器视觉测量零件尺寸的过程中,提出了一种基于局部区域灰度矩图像边缘定位方法。该方法先利用中值滤波对采集到的图像进行处理,然后通过Prewitt算子对边缘进行初步定位,在此基础上,对图像边缘附近的9个像素的灰度值进行一维灰度矩定位,最后采用误差分析和处理的方法,获得更精确的边缘位置。实验证明,该方法能有效提高边缘检测精度,在检测分辨率为1000DPI情况下,尺寸检测误差小于2um。     

一种多像素图像边缘提取方法

提出了一种基于相邻像素间的灰度差异来提取图像多像素边缘的方法.对一幅256×256大小的图像进行边缘提取需要的时间约0.22 s,分别比Prewitt算子和Robert算子少了26%和34%.算法改进后,较完整地提取了图像的竖直边缘和水平边缘,这些边缘在Prewitt算子和Robert算子的提取结果中是不可见的.经细化算法后,得到了图像清晰、位置精确的单像素边缘图像.研究表明,本文的多像素边缘提取等诸方法具有模型简单、实时性强等特点,且便于实现.     

基于Zernike矩的亚像素边缘定位算法

亚像素软件处理技术可以在一定程度上补偿图像测量系统由硬件限制引起的边缘定位精度,提出了一种基于Zernike矩的亚像素边缘定位算法。该算法利用Zernike多项式的正交性与完备性以及复数矩幅度的旋转不变性计算出边缘的亚像素位置。计算出了像素为正方形与矩形(长宽比为4∶3)时的矩模板,使其应用范围进一步扩大。分析了由于矩模板产生的原理偏差,并提出了修正公式,使定位精度得到提高。进一步推导出了实际边缘模型的定位公式,导出了其存在的偏差,并进行了补偿。最终的实验结果表明,补偿后的算法对直线的定位精度达0.05像素,对曲线的定位精度可达0.07像素。     

基于直方图均衡化的Robinson图像边缘检测算法

针对图像边缘检测,现有Robinson相关算法存在效率低、阈值设定随机性大、易出现伪边缘等问题,提出一种改进Robinson的图像边缘检测算法。该算法利用直方图均衡化对图像进行增强,然后将Robinson算子原有的八方向梯度依照两两垂直原则组合为八组,分别计算每组梯度的范数,并取其最大值作为该像素点的梯度。最后取整幅图像的灰度均值作为阈值来识别图像的边缘像素和背景像素。实验表明,相对于现有相关算法,该算法检测结果更加清晰完整,同时避免了传统算子人为设定阈值随机性大的问题。     

一种改进的Zernike正交矩亚像素边缘检测算法

在分析Ghosal提出的基于Zernike正交矩亚像素边缘检测算法的基础上,对Ghosal算法进行了改进。指出了Ghosal算法的两点不足,即没有考虑模板效应和没有考虑边缘梯度方向上的一阶导数模型。针对这种不足提出了改进方法。改进后的算法在计算边缘亚像素坐标时更准确,同时还具有细化边缘的能力,使边缘定位更精确。     

基于改进Sobel算子的边缘检测算法的研究

针对传统Sobel边缘检测算法对噪声敏感的缺点进行了分析,提出了自适应权值的改进算法,该权值的大小取决于Sobel算子模板内像素灰度值之和。通过不同形式的噪声图像处理对比,结果表明,该算法不仅计算简单,而且具有较强的抗噪能力,对图像边缘有较高的检验精度,极大地改进了图像边缘识别的效果。     

一种基于现场定标的光电图像畸变校正算法

针对CCD摄像机所采集的图像存在畸变问题,提出了一种基于现场定标法的多项式变形技术和三元卷积算法,对其进行校正.灰阶Sobel算子通过引入衰减因子对图像进行边缘检测得到不失真的灰阶边缘图,然后将灰阶边缘图进行三次样条插值处理,使标准定标图案边缘的定位达到亚像素级,提高了图像边缘检测的精度.利用建立的校正畸变的函数关系式,实现空间几何坐标变换,既保证特殊环境下的图像测量具有足够高的精度,又使光电图像几何畸变校正达到很好的效果.     

照明系统对图像检测精度影响的研究

 光源是影响摄像质量十分关键的因素,采用不同的照明方法和光源分别进行实验。用CCD摄像机拍摄标准块规,然后利用递推平均滤波算法对采集到的图像进行滤波处理,减少噪声对边缘检测的干扰,利用一维灰度矩亚像素算法搜索标准块规上下两边缘,用求平均值法算出每幅图片中标准块规的厚度。实验结果表明,随着光源选择的变化,照明系统对图像检测精度的影响不同,采用背光照明并使用医用观察灯照明误差最小。     

基于邻域贡献权值细化的圆心亚像素定位算法

针对传统的圆心算法过程复杂、定位精度受初始边缘提取效果影响较大等问题,提出了一种基于邻域贡献权值细化的圆心亚像素定位算法。首先引入邻域贡献权值系数,改进传统非极大值抑制法,细化边缘;然后在边缘点的梯度方向对灰度值进行高斯拟合,确定亚像素边缘位置;最后针对边缘突变点提出了基于随机抽样一致的最小二乘法来拟合圆心。实验结果表明,该算法具有较好的精度和稳定性,圆心的提取精度可以达到0.1个像素。     

一种轴套类零件尺寸高精度图像检测方法的研究

在采用图像检测技术对轴套类零件尺寸进行高精度检测中，提出了一种高精度零件尺寸图像检测方法，在获取零件图像后，采用Prewitt算子完成对图像边缘的初步定位，在此基础上，通过对图像边缘灰度变化的离散值作最小二乘曲线拟合，并对该拟合曲线求极值，得到边缘位置；为了减少干扰对测量值的影响，采用误差数据处理方法筛选出有一定精度的检测数据，然后对这些检测数据求平均值，获得精确的边缘位置，由此计算出精确的零件尺寸。实验表明，该方法能有效地提高检测精度，在检测分辨率为1000DPI情况下，检测精度可达到13μm。     

基于曲线拟合的亚像素边缘定位方法的研究

图像的边缘定位是图像测量的关键之一,随着测量精度要求的提高,已由早期的像素级边缘定位发展到了现在的亚像素级边缘定位。根据地球在地球敏感器CCD阵面中的成像特性,提出了一种基于曲线拟合的亚像素边缘定位方法以获取地球“灼热圆盘”的边缘。该方法利用曲线拟合获得的拟合斜率以及灰度值来提取图像的边缘。仿真结果表明,采用曲线拟合亚像素边缘定位法可使图像的边缘定位精度达到百分之几个像素,具有较高的精度。     

亚像素多重分形方法在图像处理中的应用

提出了一种用亚像素多重分形原理求取图像奇异性的新型算法,降低了单纯依靠整数像素位置灰度级梯度信息计算边缘测度所产生的误差。该算法结合CCD成像机理给出在亚像素位置的灰度级梯度分布规律,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,对应着从边缘到纹理各层面的图像内容。模拟计算了投影小波中心点改变单位距离对边缘测度的影响程度,得出亚像素分割梯度的方法可以增加计算结果鲁棒性的结论。此方法用于标准图像的分割中,选用5×5亚像素数目提取的最奇异性集合与索贝尔(Sobel)算子(默认阈值为36.7920)提取的边缘的峰值信噪比为9.3981 dB。应用于复杂路面的裂纹提取中,其结果更符合人类的视觉观测。