【技术实现步骤摘要】
本专利技术涉及图像识别
,尤其涉及一种图像亚像素边缘提取方法。
技术介绍
在机器视觉中,为进行目标定位、测量、检测或几何特征提取等都需要对目标进行亚像素精度的边缘提取。例如在目标定位中采用几何特征的模板匹配方法需要对模板和目标进行亚像素精度的边缘提取;在测量应用中需要精确检测到物体的边缘才能进行准确地测量;在检测应用中,如光学字符验证OCV、边缘缺陷检测等都需要稳定地检测到物体的亚像素边缘。常用的边缘提取算法有Roberts算子、Sobel算子、Prewitt算子、拉普拉斯算子及Canny算子等。亚像素精度的边缘提取算法有空间矩法、灰度矩法、Zernike矩法及数字相关法等。其它亚像素精度的边缘提取算法还包括多项式拟合法、椭圆拟合法、高斯曲面拟合法、Sigmoid曲线拟合法等,李帅等提出了一种基于高斯曲面拟合的亚像素检测算法,孙成秋等在《一种亚像素精度的边缘检测方法》中提出采用贝塞尔边缘模型进行亚像素边缘提取,张舞杰等提出了一种基于Sigmoid函数拟合的亚像素边缘检测的方法。专利文献1(中国专利公开号CN10465002A)公开了一种基于Sobel边缘提取的椭圆目标亚像素边缘定位方法,通过像素边缘计算椭圆几何参数,通过像素边缘计算出亚像素边缘。专利文献2(中国专利公开号CN102737377A)公开了一种改进的亚像素边缘提取算法,先进行像素精度的粗定位,利用边缘图像裁剪目标图像缩小查找范围,然后在缩小后的范围内提取亚像素边缘。专利文献3(中国专利公开号CN103530878A)公开了一种基于融合策略的边缘提取方法,采用三种传统的边缘提取算法的结果 ...
【技术保护点】
一种具有广泛适应性的图像亚像素边缘提取方法,其特征在于:所述方法包括以下步骤:步骤1:采用可变尺度图像模糊平滑滤波对图像预处理;步骤2:对预处理后的图像计算一阶导数,首先确保得到的梯度幅值满足该点错误率小于设定值αp,图像一阶导数通过目标核卷积图像空间得到;图像的边缘线在图像一阶导数的脊线处,其中,脊线是梯度图像内相邻连续的局部极大值的集合;步骤3:在边缘候选点筛选过程中应用到链式阈值的边缘提取及选择原理,实现像素级边界位置提取,高低阈值采用两种方式获得:外部参数输入或者自适应阈值计算;步骤4:在得到梯度图像后,为方便并快速找到脊线的单像素宽位置,结合像素点的梯度方向信息对梯度图像执行局部极大中心值选择操作;步骤5:局部梯度幅值的极值是否为边缘点,需要结合特定阈值来判断,大于某给定阈值的标记为边缘点,小于某给定阈值判定为噪声点或背景点;步骤6:计算亚像素精度的边缘位置;步骤7:将边缘点连接成曲线,构成一组有向连续点的集合。
【技术特征摘要】
1.一种具有广泛适应性的图像亚像素边缘提取方法,其特征在于:所述方法包括以下步骤:步骤1:采用可变尺度图像模糊平滑滤波对图像预处理;步骤2:对预处理后的图像计算一阶导数,首先确保得到的梯度幅值满足该点错误率小于设定值αp,图像一阶导数通过目标核卷积图像空间得到;图像的边缘线在图像一阶导数的脊线处,其中,脊线是梯度图像内相邻连续的局部极大值的集合;步骤3:在边缘候选点筛选过程中应用到链式阈值的边缘提取及选择原理,实现像素级边界位置提取,高低阈值采用两种方式获得:外部参数输入或者自适应阈值计算;步骤4:在得到梯度图像后,为方便并快速找到脊线的单像素宽位置,结合像素点的梯度方向信息对梯度图像执行局部极大中心值选择操作;步骤5:局部梯度幅值的极值是否为边缘点,需要结合特定阈值来判断,大于某给定阈值的标记为边缘点,小于某给定阈值判定为噪声点或背景点;步骤6:计算亚像素精度的边缘位置;步骤7:将边缘点连接成曲线,构成一组有向连续点的集合。2.根据权利要求1所述的方法,其特征在于:所述步骤2中,设图像I(x,y)被执行边缘提取操作后得到边界点错误率为αI,图像大小为n=w×h,则单点检测错误的概率为αp=1-(1-αI)1/n,其中αI范围在0到1.0间,图像I(x,y)只有高斯噪声且噪声信号方差为sn;利用卷积的分步特性,有如下等式: r x ( x , y , σ ) = ( I ( x , y ) * G ( x , y , σ ) ) ′ = ( I * G ( x , σ ) ′ ) * G ( y , σ ) r y ( x , y , σ ) = ( I ( x , y ) ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。