一种亚像素边缘检测方法技术

本发明专利技术公开了一种亚像素边缘检测方法，包括以下步骤：根据亚像素的中心位置和高斯滤波的滤波系数建立亚像素边缘图像的高斯滤波模糊模型；根据所述高斯滤波模糊模型计算所述亚像素边缘图像梯度的幅值；使用Canny算法进行边缘检测；根据所述亚像素边缘图像梯度的幅值计算所述亚像素边缘图像中心位置的坐标；以及根据所述亚像素边缘图像中心位置的坐标计算所述亚像素边缘图像的偏移量和偏移位移。本发明专利技术具有如下优点：采用高斯滤波模糊模型比单纯采用阶跃模型更加符合实际情况；高斯滤波模糊模型推导由于得到了闭式解，因此得比非线性优化等方法更快的计算速度。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和工业检测的领域，具体涉及一种亚像素边缘检测方法。
技术介绍
对图像进行亚像素边缘检测一直是图像分析的一个关键环节，是计算机视觉的重要组成部分。近年来，在工业检测领域，基于计算机视觉的检测方法得到越来越多的重视，而亚像素边缘检测在其中处于非常基础而关键的地位。后续的检测分析步骤需要基于亚像素边缘检测的结果，如果亚像素边缘检测的结果不够准确，则后续的检测几乎不可能是可信的。到目前为止，亚像素边缘检测技术已经取得了很多的研究成果，概括起来可以分为三类：1)基于矩的方法；2)基于最小平方差估计的方法；3)基于插值的方法。这些方法有着严谨的数学推导，并且在实际使用中也取得了很大的成功。但是目前存在的主要问题有：1)传统方法使用阶跃变化对边缘进行建模，数据采集的模型不够准确；2)亚像素边缘检测结果不够准确；3)计算速度慢。
技术实现思路
本专利技术旨在至少解决上述技术问题之一。为此，本专利技术的一个目的在于提出一种亚像素边缘检测方法。为了实现上述目的，本专利技术的第一方面的实施例公开了一种亚像素边缘检测方法，包括以下步骤：根据亚像素的中心位置和高斯滤波的滤波系数建立亚像素边缘图像的高斯滤波模糊模型；根据所述高斯滤波模糊模型计算所述亚像素边缘图像梯度的幅值；使用Canny算法进行边缘检测；根据所述亚像素边缘图像梯度的幅值计算所述亚像素边缘图像中心位置的坐标；以及根据所述亚像素边缘图像中心位置的坐标计算所述亚像素边缘图像的偏移量和偏移位移。根据本专利技术实施例的一种亚像素边缘检测方法，采用高斯滤波模糊模型比单纯采用阶跃模型更加符合实际情况。另外，根据本专利技术上述实施例的一种亚像素边缘检测方法，还可以具有如下附加的技术特征：进一步地，所述根据亚像素的中心位置和高斯滤波的滤波系数建立亚像素边缘图像的高斯滤波模糊模型进一步包括：g(x,σ,x0)=12πσexp(-(x-x0)2/2σ2)]]>其中，x0表示亚像素边缘的中心位置，σ为高斯滤波的滤波系数。进一步地，所述根据所述高斯滤波模糊模型计算所述亚像素边缘图像梯度的幅值进一步包括：对高斯滤波模糊模型的图像进行卷积，得到以下公式：其中，A和B分别表示边缘中心两侧的图像亮度值，ω表示实际边缘与x轴正方向的夹角，ρ表示当前像素精度边缘点(原点)到实际边缘的距离，使用所述高斯滤波模糊模型，得到所述亚像素边缘图像的表达式：Ex≡∂E∂x=Cg(μ,σ,0)cosω,]]>Ey≡∂E∂y=Cg(μ,σ,0)sinω,]]>其中，μ≡xcosω+ysinω-ρ，C≡A-B，得到所述亚像素边缘图像梯度的幅值的表达式：M(x,y)＝Cg(μ,σ,0)。进一步地，所述根据所述亚像素边缘图像梯度的幅值计算所述亚像素边缘图像中心位置的坐标进一步包括：对于x方向，用[-a,a]上的数据求解偏移量x0，其中，a是实际求解过程中窗口的尺寸，进一步包括：设Mp=∫-aaf(x)xpdx,]]>其中，Mp表示p阶矩的值；定义辅助函数：V(x,y,z)=Erf(x-z2y),]]>al＝V(a,-x0,σ)，ar＝V(a,x0,σ)，bl＝f(-a)，br＝f(a)，其中，Erf(τ)=12π∫0τexp(-t2/2)dt,]]>则，M0=12C(al+ar),]]>M1=12Cx0(al+ar)+σ2(bl-br),]]>M2=12C(x02+ρ2)(al+ar)-σ2(abl+αbr-blx0+brx0),]]>其中，M0、M1和M2分别表示0，1，2阶矩，得到x0：x0=a(bl+br)M1-M0M1+(bl-br)M2a(bl+br)M0-M02+blM1-brM1]]>对于y方向，用[-b,b]上的数据求解偏移量y0，其中，b是实际求解过程中窗口的尺寸，进一步包括：bl＝V(b,-y0,σ)，br＝V(b,y0,σ)，al＝f(-b)，ar＝f(b)，本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是理想的边缘示意图；图2是现有技术中的阶跃函数图像的示意图；图3是本专利技术的流程图；图4是本专利技术一个实施例的高斯函数图像示意图；图5是本专利技术一个实施例的实际图像的边缘放大图像的示意图；图6是本专利技术一个实施例的x方向偏移量示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。参照下面的描述和附图，将清楚本专利技术的实施例的这些和其他方面。在这些描述和附图中，具体公开了本专利技术的实施例中的一些特定实施方式，来表示实施本专利技术的实施例的原理的一些方式，但是应当理解，本专利技术的实施例的范围不受此限制。相反，本专利技术的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。以下结合附图描述根据本本文档来自技高网...

【技术保护点】
一种亚像素边缘检测方法，其特征在于，包括以下步骤：根据亚像素的中心位置和高斯滤波的滤波系数建立亚像素边缘图像的高斯滤波模糊模型；根据所述高斯滤波模糊模型计算所述亚像素边缘图像梯度的幅值；使用Canny算法进行边缘检测；根据所述亚像素边缘图像梯度的幅值计算所述亚像素边缘图像中心位置的坐标；以及根据所述亚像素边缘图像中心位置的坐标计算所述亚像素边缘图像的偏移量和偏移位移。

【技术特征摘要】
1.一种亚像素边缘检测方法，其特征在于，包括以下步骤：
根据亚像素的中心位置和高斯滤波的滤波系数建立亚像素边缘图像的高
斯滤波模糊模型；
根据所述高斯滤波模糊模型计算所述亚像素边缘图像梯度的幅值；
使用Canny算法进行边缘检测；
根据所述亚像素边缘图像梯度的幅值计算所述亚像素边缘图像中心位置
的坐标；以及
根据所述亚像素边缘图像中心位置的坐标计算所述亚像素边缘图像的偏
移量和偏移位移。
2.根据权利要求1所述的亚像素边缘检测方法，其特征在于，所述根据
亚像素的中心位置和高斯滤波的滤波系数建立亚像素边缘图像的高斯滤波模
糊模型进一步包括：
g(x,σ,x0)=12πσexp(-(x-x0)2/2σ2)]]>其中，x0表示亚像素边缘的中心位置，σ为高斯滤波的滤波系数。
3.根据权利要求2所述的亚像素边缘检测方法，其特征在于，所述根据
所述高斯滤波模糊模型计算所述亚像素边缘图像梯度的幅值进一步包括：
对高斯滤波模糊模型的图像进行卷积，得到以下公式：
其中，A和B分别表示边缘中心两侧的图像亮度值，ω表示实际边缘与x
轴正方向的夹角，ρ表示当前像素精度边缘点(原点)到实际边缘的距离，
使用所述高斯滤波模糊模型，得到所述亚像素边缘图像的表达式：
Ex≡∂E∂x=Cg(μ,σ,0)cosω,]]>Ey≡∂E∂y=Cg(μ,σ,0)sinω,]]>其中，
μ≡xcosω+ysinω-ρ，
C≡A-B，
得到所述亚像素边缘...

【专利技术属性】
技术研发人员：戴琼海，吴立威，刘烨斌，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11