1 题目
图像边缘分析与应用
随着科学技术的发展，对各种工件和零件的测量精度的要求越来越高，对测量仪器的要求也越来越高。各种图像测量设备如数字图像尺寸测量仪正在逐步取代传统的手工卡尺测量应用。一般情况下，摄像机经过标定后，根据标定后图像的点阵或棋盘格特征信息，对图像进行畸变校正，计算出图像坐标空间与世界坐标空间的映射关系。
目标物体的边缘在图像识别和计算机分析中是非常有用的。图像边缘是图像局部特征的不连续性的反映。边缘可以勾勒出目标物体的轮廓，使观察者一目了然。边缘包含丰富的内在信息(如方向、阶跃属性、形状等)，是图像识别中提取图像特征的重要属性。图像边缘轮廓提取是图像边界分割中非常重要的一项处理，也是图像处理中的一个经典问题。轮廓提取和轮廓跟踪的目的都是为了获取图像的外部轮廓特征。在必要时应用某些方法来表达轮廓的特征，为图像形状分析做准备，对执行高级处理，如特征描述、识别和理解有重大影响。
轮廓可以描述为一组有序点，轮廓的一般表达式为多边形。轮廓可以是封闭的，也可以是开放的。图像上的封闭轮廓从头到尾都是连通的，开放轮廓通常与图像边界相交。在图1中，有五条封闭的等高线。虽然sobel和canny等边缘检测算法可以根据图像灰度值的差值来检测图像边缘像素的边界，但并没有将轮廓作为一个整体。在图像上，轮廓对应于一系列像素点。轮廓描述连续的点序列，边缘像素点可以组合成轮廓曲线来描述图像的边缘信息。
亚像素是定义在图像采集传感器的两个物理像素之间的虚拟像素。为了提高分辨率或图像质量，亚像素计算是非常有用的。亚像素边缘提取是一种比传统像素边缘提取更精确的方法。亚像素是指图像上每个像素点的坐标值不再是整数定位，而是浮点数定位。如果利用亚像素技术将精度提高到0.1像素，相当于提高10倍的图像系统分析分辨率。
以下三个示意图，在图1中，提取了图像的物体边缘轮廓线，并将图像边缘轮廓分割成直线段、圆弧段、圆等基本图形。在图2中，将一个圆角矩形的边缘轮廓分为几个几何形状。在图3中，在灰度像素图像网格的背景上绘制了一个椭圆的亚像素轮廓曲线。
2 介绍
针对传统像素级边缘定位算法不能满足高精度测量的要求，本文设计了一种精度更高的亚像素级边缘定位算法。首先对图像进行预处理，采用Canny算子和高斯拟合输出图像边缘轮廓，建立六边形插值模型寻找轮廓参数，在HALCON软件中建立模型，利用标定板对图像进行校正，对直线、圆和椭圆进行分割和测量，较好地满足了图像边缘定位稳定可靠和测量精度高的要求。
针对问题1，由于图像边缘定位的精度会受到毛刺和阴影的影响，本文首先使用Canny边缘检测算法获取像素级边缘定位信息，然后使用高斯滤波对图像进行平滑处理，计算滤波后图像在每个像素点的梯度，然后使用滞后阈值和非最大抑制机制获得更清晰的像素级粗边缘定位信息。最后，利用一维高斯函数拟合梯度信息，将像素级定位信息进一步增强到亚像素级，并输出颜色轮廓和数据信息。
对于问题二，为了准确计算出拟合的曲线段的实际物理尺寸对产品图像进行边缘分割。在HALCON软件中，首先调用orientation_region算子来计算图像偏转角度;然后利用vector_angle_to_rigid算子得到图像向水平位置变换的二维矩阵;在标定板被识别后，图像被校正。设计了一种亚像素分辨率下基于六边形像素的插值边缘检测方法，最后根据标定板的已知条件，通过求出轮廓得到图像的尺寸。
针对问题三，为了自动将轮廓曲线数据按照规定的方向分割并拟合成规则形状，本文采用多边形逼近和最小二乘拟合算法在轮廓中找到分割点，并根据图像的几何形状将其分割成不同的基元。然后对边缘轮廓进行多边形逼近，进一步分割为线段基元和圆弧基元。在HALCON软件中，使用fit_line_contour_xld、fit_circle_contour_xld和fit_ellipse_contour_xld算子分别拟合直线段、圆弧段(带圆)和椭圆弧段(带椭圆)，得到相应的数据。
关键字： 亚像素;精明的;高斯拟合;六角像素;Halcon;边缘检测;边缘分割
3 付费内容
- 三个问题的代码、数据、图片全家桶
- 39页PDF论文