CN108648205A - 一种亚像素边缘检测方法 - Google Patents
一种亚像素边缘检测方法 Download PDFInfo
- Publication number
- CN108648205A CN108648205A CN201810428425.0A CN201810428425A CN108648205A CN 108648205 A CN108648205 A CN 108648205A CN 201810428425 A CN201810428425 A CN 201810428425A CN 108648205 A CN108648205 A CN 108648205A
- Authority
- CN
- China
- Prior art keywords
- edge
- sub
- pixel
- marginal point
- detection method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种亚像素边缘检测方法,包括:获取原始灰度图像,并获取所述原始灰度图像的像素级粗边缘;索引到所述像素级粗边缘的边缘点,并沿着梯度方向采用插值法扩展边缘;对扩展后的边缘点进行亚像素检测,获得边缘的亚像素位置;通过对边缘点邻域进行基于梯度方向的插值,扩展了复杂边缘中边缘与边缘的间隔,不仅亚像素边缘检测的精度大大提高,而且复杂边缘亚像素级定位能力也显著增强。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种亚像素边缘检测方法。
背景技术
随着计算机视觉工业测量技术的发展,高精度的边缘检测和边缘定位技术应运而生。高效且精确的检测技术将极大突破图像采集设备的硬件限制,既能提高边缘检测的精度,也可以降低设备成本和能源消耗。
传统的计算机视觉工业测量中,通过提高采样速率的方法来提高图像边缘的精度,然而,采样速率无法无限提升,过高的采样速率不仅无法显著改善定位精度,而且增大了生产成本。随着数字图像处理技术的发展,产生了基于亚像素的边缘检测技术,在相同的硬件条件下,其定位误差低于一个像素,显著地提高了检测效率,但是现代工业的迅速发展,使得边缘定位对精度的要求越来越高,同时,复杂的边缘也加大了传统亚像素边缘检测技术的测量压力,其精度往往无法满足要求。
发明内容
本发明的目的在于针对上述现有技术中的计算机视觉工业测量无法满足复杂边缘检测的问题,提出一种亚像素边缘检测方法,能够有效提高复杂边缘检测的精度。
一种亚像素边缘检测方法,包括:
获取原始灰度图像,并获取所述原始灰度图像的像素级粗边缘;
索引到所述像素级粗边缘的边缘点,并沿着梯度方向采用插值法扩展边缘;
对扩展后的边缘点进行亚像素检测,获得边缘的亚像素位置。
进一步地,采用Canny边缘检测方法获取所述原始灰度图像的像素级粗边缘。
进一步地,沿着梯度方向采用插值法扩展边缘,包括:
定位到边缘点N×N像素邻域,其中N为大于或等于1的整数;
计算所述像素邻域中心边缘点的梯度方向,并采用双线性插值法沿着边缘点的梯度方向对所述像素邻域进行插值。
进一步地,所述边缘点的梯度方向为Soble算子检测的梯度向量的方向;双向性插值的方向为水平方向和垂直方向的矢量和。
进一步地,所述水平方向的矢量和垂直方向的矢量的比值为所述边缘点梯度方向的正切值。
进一步地,对扩展后的边缘点进行亚像素检测,获得边缘的亚像素位置,包括:
采用Zernike多项式模板计算扩展后的边缘点的位置参数;
进行边缘参数尺度的恢复。
进一步地,所述Zernike多项式模板为计算图像Zernike矩的图像卷积模板,所述边缘参数尺度的恢复为使用Zernike单位圆模板计算后的基于模板效应的参数尺度恢复。
本发明提供的亚像素边缘检测方法,通过对边缘点邻域进行基于梯度方向的插值,扩展了复杂边缘中边缘与边缘的间隔,不仅亚像素边缘检测的精度大大提高,而且复杂边缘亚像素级定位能力也显著增强。
附图说明
图1为本发明提供的亚像素边缘检测方法一种实施例的流程图。
图2为本发明提供的亚像素边缘检测方法中绝对坐标系一种实施例的示意图。
图3a为本发明提供的亚像素边缘检测方法一种应用场景下的原始灰度图像。
图3b为本发明提供的亚像素边缘检测方法一种应用场景下采用Canny 边缘检测方法获得的图像。
图3c为采用常规亚像素边缘检测方法检测得到的亚像素边缘图像。
图3d为采用本发明提供的亚像素边缘检测方法获得的亚像素边缘图像。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参考图1,本实施例提供一种亚像素边缘检测方法,包括:
步骤S101,获取原始灰度图像,并获取所述原始灰度图像的像素级粗边缘;
步骤S102,索引到所述像素级粗边缘的边缘点,并沿着梯度方向采用插值法扩展边缘;
步骤S103,对扩展后的边缘点进行亚像素检测,获得边缘的亚像素位置。
进一步地,步骤S101中,采用Canny边缘检测方法获取所述原始灰度图像的像素级粗边缘,该像素级粗边缘为Canny检测的像素级单边缘二值图像。
进一步地,步骤S102中,沿着梯度方向采用插值法扩展边缘,包括:
步骤S1021,定位到边缘点N×N像素邻域,其中N为大于或等于1的整数;
步骤S1022,计算所述像素邻域中心边缘点的梯度方向,并采用双线性插值法沿着边缘点的梯度方向对所述像素邻域进行插值。
具体地,步骤S1021中,将处理对象定位到一个边缘点N×N像素邻域上,例如,可以使用一个7×7的模板跟踪边缘点,取出感兴趣区域。步骤S 1022中,计算基于该邻域中心边缘点的梯度方向,然后沿着该梯度的方向对该邻域进行插值。具体可以使用Sobel算子进行梯度方向估计,和使用双线性插值法进行梯度方向插值,插值后边缘的宽度明显变大,边缘与边缘之间的距离也跟着增大。边缘点的梯度方向为Soble算子检测的梯度向量的方向;双向性插值的方向为水平方向和垂直方向的矢量和,水平方向的矢量和垂直方向的矢量的比值为所述边缘点梯度方向的正切值。
进一步地,步骤S103中,对扩展后的边缘点进行亚像素检测,获得边缘的亚像素位置,包括:
采用Zernike多项式模板计算扩展后的边缘点的位置参数;
进行边缘参数尺度的恢复。
具体地,所述Zernike多项式模板为计算图像Zernike矩的图像卷积模板,所述边缘参数尺度的恢复为使用Zernike单位圆模板计算后的基于模板效应的参数尺度恢复。
参考图2,采用Zernike多项式模板计算扩展后的边缘点的位置参数,该位置参数包括亚像素边缘点距领域中心点的距离l和亚像素边缘点距领域中心点的角度φ,接下来进行边缘参数尺度的恢复,即将检测到的位置参数的坐标转换为图像的绝对坐标,由于在使用Zernike矩方法计算亚像素边缘位置的时候使用了若干个模板来获得边缘的位置信息,会出现模板效应,得到的亚像素边缘坐标是相对于邻域中心点的坐标,所以需要转化为图像的绝对坐标。绝对坐标系如图2所示,其中圆形区域是理想阶跃边缘的建模,阴影部分是边缘所在位置,h为背景灰度值,k为阶跃边缘高出背景的灰度差。
进行坐标转换的公式如下:
其中,l为亚像素边缘点距领域中心点的距离,φ为亚像素边缘点距领域中心点的角度,yt和xt为插值后N×N邻域垂直和水平方向扩展的倍数,两者的比值约为领域中心边缘点梯度方向的正切值。
参考图3a-图3d,图3a为原始图像,图3b为Canny边缘图像,图3c 为常规亚像素边缘检测方法检测到的亚像素边缘图像,图3d为采用本实施例提供的亚像素边缘检测方法处理后的亚像素边缘图像。可以看出,图3d 较图3c边缘提取更加完整,并且在复杂边缘处也表现出较好的亚像素检测效果。
本实施例提供的亚像素边缘检测方法,通过对边缘点邻域进行基于梯度方向的插值,扩展了复杂边缘中边缘与边缘的间隔,不仅亚像素边缘检测的精度大大提高,而且复杂边缘亚像素级定位能力也显著增强。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种亚像素边缘检测方法,其特征在于,包括:
获取原始灰度图像,并获取所述原始灰度图像的像素级粗边缘;
索引到所述像素级粗边缘的边缘点,并沿着梯度方向采用插值法扩展边缘;
对扩展后的边缘点进行亚像素检测,获得边缘的亚像素位置。
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,采用Canny边缘检测方法获取所述原始灰度图像的像素级粗边缘。
3.根据权利要求1所述的亚像素边缘检测方法,其特征在于,沿着梯度方向采用插值法扩展边缘,包括:
定位到边缘点N×N像素邻域,其中N为大于或等于1的整数;
计算所述像素邻域中心边缘点的梯度方向,并采用双线性插值法沿着边缘点的梯度方向对所述像素邻域进行插值。
4.根据权利要求3所述的亚像素边缘检测方法,其特征在于,所述边缘点的梯度方向为Soble算子检测的梯度向量的方向;双向性插值的方向为水平方向和垂直方向的矢量和。
5.根据权利要求4所述的亚像素边缘检测方法,其特征在于,所述水平方向的矢量和垂直方向的矢量的比值为所述边缘点梯度方向的正切值。
6.根据权利要求5所述的亚像素边缘检测方法,其特征在于,对扩展后的边缘点进行亚像素检测,获得边缘的亚像素位置,包括:
采用Zernike多项式模板计算扩展后的边缘点的位置参数;
进行边缘参数尺度的恢复。
7.根据权利要求6所述的亚像素边缘检测方法,其特征在于,所述Zernike多项式模板为计算图像Zernike矩的图像卷积模板,所述边缘参数尺度的恢复为使用Zernike单位圆模板计算后的基于模板效应的参数尺度恢复。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810428425.0A CN108648205A (zh) | 2018-05-07 | 2018-05-07 | 一种亚像素边缘检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810428425.0A CN108648205A (zh) | 2018-05-07 | 2018-05-07 | 一种亚像素边缘检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108648205A true CN108648205A (zh) | 2018-10-12 |
Family
ID=63749592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810428425.0A Pending CN108648205A (zh) | 2018-05-07 | 2018-05-07 | 一种亚像素边缘检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108648205A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741356A (zh) * | 2019-01-10 | 2019-05-10 | 哈尔滨工业大学(深圳) | 一种亚像素边缘检测方法及*** |
CN109993800A (zh) * | 2019-03-18 | 2019-07-09 | 五邑大学 | 一种工件尺寸的检测方法、装置及存储介质 |
CN112800797A (zh) * | 2020-12-30 | 2021-05-14 | 凌云光技术股份有限公司 | 一种dm码的区域定位方法及*** |
CN113538378A (zh) * | 2021-07-16 | 2021-10-22 | 哈尔滨理工大学 | 一种基于深度学习的轴承尺寸在线检测*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334896A (zh) * | 2008-07-25 | 2008-12-31 | 西安交通大学 | 数字图像测量亚像素边沿处理方法 |
CN101477685A (zh) * | 2009-01-15 | 2009-07-08 | 西安交通大学 | 具有景深零件加工质量的亚像素级图像检测方法 |
CN106774889A (zh) * | 2016-12-15 | 2017-05-31 | 广州大学 | 可穿戴装置的手势识别方法及装置 |
US10535132B2 (en) * | 2016-09-26 | 2020-01-14 | Carl Zeiss SMT SmbH | Method for determining a distance between a first structure element on a substrate and a second structure element |
-
2018
- 2018-05-07 CN CN201810428425.0A patent/CN108648205A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334896A (zh) * | 2008-07-25 | 2008-12-31 | 西安交通大学 | 数字图像测量亚像素边沿处理方法 |
CN101477685A (zh) * | 2009-01-15 | 2009-07-08 | 西安交通大学 | 具有景深零件加工质量的亚像素级图像检测方法 |
US10535132B2 (en) * | 2016-09-26 | 2020-01-14 | Carl Zeiss SMT SmbH | Method for determining a distance between a first structure element on a substrate and a second structure element |
CN106774889A (zh) * | 2016-12-15 | 2017-05-31 | 广州大学 | 可穿戴装置的手势识别方法及装置 |
Non-Patent Citations (2)
Title |
---|
张利群,等: "基于滑动边缘点的高斯拟合亚像素定位算法", 《计算机应用与软件》 * |
罗敏,等: "一种利用Roberts-Zernike矩的亚像素边缘检测方法", 《计算机工程与应用》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741356A (zh) * | 2019-01-10 | 2019-05-10 | 哈尔滨工业大学(深圳) | 一种亚像素边缘检测方法及*** |
CN109993800A (zh) * | 2019-03-18 | 2019-07-09 | 五邑大学 | 一种工件尺寸的检测方法、装置及存储介质 |
CN109993800B (zh) * | 2019-03-18 | 2023-01-03 | 五邑大学 | 一种工件尺寸的检测方法、装置及存储介质 |
CN112800797A (zh) * | 2020-12-30 | 2021-05-14 | 凌云光技术股份有限公司 | 一种dm码的区域定位方法及*** |
CN112800797B (zh) * | 2020-12-30 | 2023-12-19 | 凌云光技术股份有限公司 | 一种dm码的区域定位方法及*** |
CN113538378A (zh) * | 2021-07-16 | 2021-10-22 | 哈尔滨理工大学 | 一种基于深度学习的轴承尺寸在线检测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108648205A (zh) | 一种亚像素边缘检测方法 | |
CN110428433B (zh) | 一种基于局部阈值的Canny边缘检测算法 | |
EP3306562B1 (en) | Image processing method and device | |
CN104376319B (zh) | 一种基于各向异性高斯核提取封闭边缘图像轮廓的方法 | |
JP2018520428A5 (zh) | ||
CN107169979A (zh) | 一种改进Canny算子的图像边缘检测方法 | |
JP2017510427A5 (zh) | ||
CN107038432B (zh) | 基于频率信息的指纹图像方向场提取方法 | |
US20090226097A1 (en) | Image processing apparatus | |
CN105279473B (zh) | 人脸图像校正方法及装置和人脸识别方法及*** | |
CN104933738A (zh) | 一种基于局部结构检测和对比度的视觉显著图生成方法 | |
CN109272521A (zh) | 一种基于曲率分析的图像特征快速分割方法 | |
CN110874827B (zh) | 湍流图像复原方法、装置、终端设备及计算机可读介质 | |
CN106296587B (zh) | 轮胎模具图像的拼接方法 | |
WO2017096814A1 (zh) | 一种图像处理方法及装置 | |
CN107452028A (zh) | 一种确定目标图像位置信息的方法及装置 | |
CN103093418A (zh) | 一种改进的数字图像缩放方法 | |
CN103914829A (zh) | 一种含噪图像边缘检测方法 | |
CN109241822A (zh) | 一种基于mtcnn的多方位人脸检测方法及*** | |
CN102118547A (zh) | 图像加权滤波的方法 | |
CN103514587B (zh) | 基于海天分界线检测的舰载稳像方法 | |
CN101572820B (zh) | 一种运动目标检测过程中的视频信号预处理方法 | |
CN102073997B (zh) | 小型文档图像透视复原方法 | |
CN104200460B (zh) | 基于图像特征和互信息的图像配准方法 | |
CN105551048A (zh) | 一种基于空间面片的三维角点检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181012 |