基于機(jī)器視覺技術(shù)之邊緣檢測(cè)
圖象的邊緣信息對(duì)人或?qū)C(jī)器視覺來說,都是非常重要的。由于邊緣具有能勾畫區(qū)域的形狀,且能被局部定義以及能傳遞大部分圖象信息等許多優(yōu)點(diǎn),因此,邊緣檢測(cè)可看作是處理許多復(fù)雜問題的關(guān)鍵,是圖象分析和理解的第一步,檢測(cè)出邊緣的圖象就可以進(jìn)行特征提取和形狀分析。
本文引用地址:http://m.butianyuan.cn/article/195041.htm由于邊緣是灰度值不連續(xù)的結(jié)果,這種不連續(xù)??梢岳们髮?dǎo)數(shù)方便的檢測(cè)到,一般選擇一階和二階導(dǎo)數(shù)來檢測(cè)邊緣。在機(jī)器視覺檢測(cè)中,常常借助空域微分算子(實(shí)際上是微分算子的差分近似)利用卷積來實(shí)現(xiàn)。常用的微分算子有梯度算子和拉普拉斯算子。
邊緣檢測(cè)可以借助空域微分算子通過卷積完成。實(shí)際上數(shù)字圖像處理中求導(dǎo)數(shù)是利用差分近似微分來進(jìn)行的。常用的微分算子有梯度算子和拉普拉斯算子。
邊緣檢測(cè)算法的基本步驟如下:
1、濾波:邊緣檢測(cè)算法主要是基于圖象強(qiáng)度的一階和二階導(dǎo)數(shù),但導(dǎo)數(shù)的計(jì)算對(duì)噪聲很敏感,因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測(cè)器的性能。
2、增強(qiáng):增強(qiáng)邊緣的基礎(chǔ)是確定圖象各點(diǎn)鄰域強(qiáng)度的變化值。增強(qiáng)算法可以將鄰域(或局部)強(qiáng)度值有顯著變化的點(diǎn)突顯出來。
3、檢測(cè):在圖象中有許多點(diǎn)的梯度幅值比較大,而這些點(diǎn)在特定的應(yīng)用領(lǐng)域中并不都是邊緣,所以應(yīng)該用某種方法來確定哪些點(diǎn)是邊緣點(diǎn)。常采用梯度幅值Ill值判據(jù)。
4、定位:如果某一應(yīng)用場(chǎng)合要求確定邊緣位置,則邊緣的位置可在子象素分辨率上來估計(jì),邊緣的方位也可以被估計(jì)出來。
在用機(jī)器視覺進(jìn)行尺寸測(cè)量時(shí),這四步必不可少,尤其必須指出邊緣的精確位置和方位。機(jī)器視覺檢測(cè)技術(shù),以其強(qiáng)大的性能優(yōu)勢(shì),使得產(chǎn)品質(zhì)量標(biāo)準(zhǔn)化,檢測(cè)速度快,檢測(cè)結(jié)果可靠、穩(wěn)定,并且可以長(zhǎng)時(shí)間檢測(cè),廣泛應(yīng)用于各大領(lǐng)域
評(píng)論