图像测量中的亚像素定位技术研究
图像测量中的亚像素定位技术研究 图像测量中的亚像素定位技术研究
张晖
(健雄职业技术学院汀苏太仓215411)
tl
摘要图像处理过程中的算法对图像测量的结果有着至关重要的影响,为了提高测
在用传统
模板
个人简介word模板免费下载关于员工迟到处罚通告模板康奈尔office模板下载康奈尔 笔记本 模板 下载软件方案模板免费下载
算子确定边 量精度,本文根据图像灰度分布理论和图像采样原理,
缘大致位置的基础上,结合局部非极大值抑制技术消除伪边界点,并沿边界点的梯度方向进行高斯曲线捕值,将边界点位置定位到了亚象素级,提高了边缘检测的精 度.
关键词图像处理;边缘检测;亚像素
中图分类号TP391文献标识码A文章编号1673—9671一(2009)111—0017-01 在图像处理和测量的过程中,利用经典算子进行边缘检测时,一般可 以检测到像素级的边缘像素点,以此方法找到的点集来进行零件几何量的 拟合与测量,精度往往比较低,不能满足要求.亚像素级精度的定位就是 通过一定的算法,找到子像素点的灰度值,从而更准确的重定位图像边缘 位置的方法.
1亚像素定位的原理
亚像素细分算法的基本原理是建立于光强在图像上的分布是连续的这 一
基础上,每一个像素的灰度值不是孤立的,都和它周围像素的灰度值有 关.因为CCD等感光器件是光积分器件,它以固定大小的面积在固定的时 间间隔内对投射在它感光面上的光强进行积分,所以像素的灰度输出值实 际上是像素感光面上各部分光强综合作用的结果,通过使用周围像素点的 灰度值作为判断光强分布的补充信息,将离散的光强分布近似的还原成实 际的连续分布,再确定图像边缘具体落在像素的哪一个位置,使边缘的定 位精度小于一个像素,实现更加精确的边缘定位.
最早应用的亚像素算法是重心法,后来又发展了不同原理的其它亚像 素提取算法,如概率论法,解调测量法,多项式插值法,滤波重建法,矩 法以及样条曲线插值法和最小二乘估计法等.这些算法的精度和抗噪声能 力都不相同,其中重心法的计算最简单,滤波重建法的精度最高,矩法对 输入数据中的加性噪声和乘性噪声不敏感.相比较于其它的算法,基于插 值细分算法准确性较好,计算量小.
2亚像素定位方法
2.1边缘点梯度方向算法
在用经典边缘检测算子检测m边缘信息后,就要根据灰度分布理论和 图像成像原理,对边缘进行精确定位.对边缘进行精确定位,首先需要知 道边缘点的灰度梯度方向,因为沿梯度方向的插值,其效果最好. 经典Sobel算子只有检测水平和垂直两个方向的邻域模板,而实际图 像边缘的方向会有八个.因此可在Sobel算子的基础上进行扩充,定义八 个方向的模板,各模板表示的方向对应图像的边缘方向.
依据边缘点的梯度方向,利用扩展的Sobel算子,计算出边缘点的灰 度梯度值,并且沿边缘梯度方向,计算}}{其前后相邻像素点的梯度值.在 计算时,将这八个模板分别与被检测图像中对应目标的邻域进行卷积,取 模板卷积结果中的最大值作为中心像素点的梯度幅值.
2.2高斯曲线插值的原理
一
般图像中边缘处的灰度值分布如图1(a),灰度值差分的分布如图1(1)) 所示,灰度差分值最大处两边分别为背景和物体.由于光学元器件的卷积作 用和光学衍射作用,以及光学系统的像差,导致在物空间是剧变的灰度值经光 学成像变成了渐变的形式.经典边缘提取的原理认为成像物体在边缘处的 差分值最大.根据中心极限定理可得边缘灰度变化值应当是高斯分布,即如 图l和图2所示.在图2中,曲线的顶点位置即为边缘点的精确位置. 图1_1nXl图2
2.3伪边界点抑制的细分算法
在实际应用中,用经典算子提取到的边缘点边界比较粗,不一定全是
我们真正希望寻找到的,若不加以筛选,则容易将伪边缘点误判为真实边 缘点,从而影响后期利用边缘点集进行几何量特征拟合的精度.在进行亚 像素精定位的过程中,还需要考虑亚像素细分定位基准点与目标的位置关 系.由分析可知,序号为的定位基准点,其灰度差分值应大于序号为和 序号为的相邻点的灰度差分值,即且.这样,由经典算子检测出的伪边 缘点就可以被排除在外,不再参与亚像素细分.
3亚像素细分算法实验与分析
为了验证所采用的沿梯度方向的高斯曲线插值与伪边界点抑制的细分 算法的定位效果,作者采用visualBasic6.0编程,对图3所示的量块边界直 线和图4所示的环规边界进行了亚像素细分前后的边缘检测对比实验. 图3量块的局部边界图图4环规的局部边界图
图5和图6分别是根据边缘检测得到的数据作出的拟合图线,其中,圆 圈表示未采用亚像素定位前的坐标位置,星号表示亚像素细分定位后的坐 标位置.
雏吩誉#静静?菩j《劈嚣螽|托鼯嚣
图5直线边界定位对比图图6圆弧边界定位对比图
可以看出,经过亚像素细分算法进一步定位后,得到的边缘相对比于 未细分之前更加光滑,精确度得到了提高.同时也可看出,对于该圆弧图 像边缘,亚像素定位法能够自动沿着初始边界点的灰度梯度方向进行细分 定位.
4小结
在获得图像边界点初始定位的基础上,通过扩展的Sobel算子计算边 界点的梯度方向和梯度幅值,并结合局部非极大值抑制技术去掉伪边界 点,从而将Sobel算子提取到的粗边界定位到单象素级边缘,结合图像灰 度分布理论和摄像机采样原理,采用在初定位边界点梯度方向上进行高斯 曲线插值的精定位算法,可使图像边界点的位置进一步得到提高. 参考文献
[1】郭彦珍,尹国鑫.应用概率论提高CCD尺寸测量的分辨力【J】_仪器仪表学 报,1988,9(2):149—154.
f212邹仲力.提高CCD尺寸测量分辨力的解调测量法[J].仪器仪表,1986, 7(1):38—45.
『3]3吴晓波,钟先信.应用多项式插值函数提高面阵CCD尺寸测量的分辨力 [JJ.仪器仪表,1996,17(2):154—158.
浙公网安备 33021202002483