數(shù)字圖像邊緣檢測算法的分析實現(xiàn)

數(shù)字圖像邊緣檢測算法的分析實現(xiàn)第1頁，課件共35頁，創(chuàng)作于2023年2月整體思路本課題研究的主要思路如下：以計算機為開發(fā)平臺，首先利用圖像傳感器CCD、圖像采集卡、照明系統(tǒng)以及其它硬件構(gòu)成圖像測量系統(tǒng)，采集被測目標（工業(yè)零件）的圖像；然后再VC++6.0軟件開發(fā)環(huán)境中，用C++語言實現(xiàn)圖像預(yù)處理、圖像邊緣檢測、圖像零件幾何測量等算法，最后針對工業(yè)圓形零件和矩形零件，完成對幾何參數(shù)測量。第2頁，課件共35頁，創(chuàng)作于2023年2月圖像預(yù)處理該課題圖像噪聲主要為脈沖噪聲和高斯噪聲，在圖像預(yù)處理過程中，針對圖像的主要噪聲采用中值濾波算法和均值濾波算法可以分別濾除圖像中的脈沖噪聲和高斯噪聲，但考慮圖像往往會受到脈沖噪聲、高斯噪聲兩種不同性質(zhì)噪聲的共同干擾，提出了一種混合噪聲濾波算法，經(jīng)試驗表明該混合噪聲濾波算法的濾波效果大大好于利用單獨采用中值濾波算法或均值濾波算法的濾波效果。第3頁，課件共35頁，創(chuàng)作于2023年2月均值濾波算法的基本指導(dǎo)思想是采用濾波窗口內(nèi)所用像素灰度值得平均值來代替中心像素的灰度值。高斯噪聲有很好的濾波效果

中值濾波算法的基本思想讓圖像中與周圍像素灰度值的差比較大的像素點改取為與周圍像素值比較接近的值，所以該算法對孤立點噪聲像素的去噪能力特別強，即對脈沖噪聲的去噪效果非常顯著。第4頁，課件共35頁，創(chuàng)作于2023年2月第5頁，課件共35頁，創(chuàng)作于2023年2月第6頁，課件共35頁，創(chuàng)作于2023年2月混合噪聲濾波算法首先對含有混合噪聲的圖像通過算法進行噪聲檢測，即將含有高斯噪聲和脈沖噪聲的像素點區(qū)分開來；然后針對不同的噪聲對象采用不同的濾波算法進行分別處理。對分離出的脈沖噪聲采用中值濾波，對高斯噪聲采用均值濾波著重討論，研究的是圖像的噪聲分離規(guī)則。圖像的脈沖噪聲（椒鹽噪聲）常常是一些孤立的像素點，在灰度特征上與其它像素點有比較明顯的區(qū)別，通常是其領(lǐng)域中灰度值的正極值或負極值點。但是這些正極值點或者負極值點并不一定都是噪聲像素點，因為在一些不含有噪聲像素點的圖像灰度平滑區(qū)域或者有強邊界的區(qū)域也有正極值點或者負極值點的存在。以一副8位的256灰度圖像為例，脈沖噪聲的像素點的灰度值一定是0或者255，但灰度值位0或者255的像素點不一定就是圖像的噪聲像素點。第7頁，課件共35頁，創(chuàng)作于2023年2月為此，我們還需要通過一定的手段進一步判別出圖像的脈沖噪聲像素點。根據(jù)圖像的脈沖噪聲具有孤立分布的性質(zhì)，進一步對極值點是否是脈沖噪聲像素點做出判斷。我們設(shè)x（i，j）屬于正極值點或者負極值點，以x（i，j）為中心做一個5x5的窗口，以本課題研究的8位的256灰度圖像為例，如果x（i，j）=255，統(tǒng)計窗口內(nèi)x（i，j）≠255的像素點的個數(shù)，共有m個；如果x（i，j）=0，統(tǒng)計窗口內(nèi)x（i，j）≠0的像素點的個數(shù)，共有m個，如果當m≥M的時候，就判定該像素點是脈沖噪聲像素點，如果當m<M的時候，就判定該像素點不是脈沖噪聲像素點。M為脈沖噪聲判定閾值，通過大量的實驗，我們發(fā)現(xiàn)脈沖噪聲判定閾值一般取12-16之間。接下來，我們對分離出的脈沖噪聲和高斯噪聲分別用不同的濾波算法進行濾波處理。具體步驟如下，如果m≥M，就判定該像素點是脈沖噪聲像素點，我們采用中值濾波算法進行濾波處理；如果m<M，則判定該像素點不是脈沖噪聲像素點，我們采用均值濾波算法進行處理。第8頁，課件共35頁，創(chuàng)作于2023年2月第9頁，課件共35頁，創(chuàng)作于2023年2月第10頁，課件共35頁，創(chuàng)作于2023年2月基于圖像處理的零件二維幾何尺寸測量算法研究(圖像邊緣檢測算法的分析與實現(xiàn)部分)2012110038付勇第11頁，課件共35頁，創(chuàng)作于2023年2月

經(jīng)典邊緣檢測算子邊緣檢測：邊緣檢測的實質(zhì)是采用某種算法來提取出圖像中對象與背景間的交界線。邊緣定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界。圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此我們可以用局部圖像微分技術(shù)來獲得邊緣檢測算子。roberts算子sobel算子laplacian算子log算子第12頁，課件共35頁，創(chuàng)作于2023年2月經(jīng)典邊緣檢測算子梯度的幅值和方向:梯度方向就是函數(shù)增大時的最大變化率方向：梯度是圖像對應(yīng)二維函數(shù)的一階導(dǎo)數(shù)：梯度是灰度f（x，y）在xy坐標方向上的導(dǎo)數(shù)、表示灰度f(x，y)在xy坐標方向上的變化率，梯度為方向矢量第13頁，課件共35頁，創(chuàng)作于2023年2月1Roberts算子Roberts算子是一種利用局部差分算子尋找邊緣的算子，對于邊界陡峭且噪比較小的圖像檢測效果比較好，它在2×2鄰域上計算對角導(dǎo)數(shù)，通過1范數(shù)衡量梯度的幅值。

兩個卷積核分別為100-1

01-10第14頁，課件共35頁，創(chuàng)作于2023年2月roberts算子實驗結(jié)果分析優(yōu)點：檢測精度比較高，對水平和垂直方向的邊緣檢測性能好于斜線方向。缺點：易丟失一部分邊緣對噪聲敏感。第15頁，課件共35頁，創(chuàng)作于2023年2月2Sobel算子傳統(tǒng)的Sobel圖像邊緣檢測方法，是在圖像空間利用兩個方向模板與圖像進行鄰域卷積來完成的。這兩個方向模板一個檢測垂直邊緣，一個檢測水平邊緣。第16頁，課件共35頁，創(chuàng)作于2023年2月Sobel算子為：

Gx=(z7+2z8+z9)-(z1+2z2+z3)Gy=(z3+2z6+z9)-(z1+2z4+z7)采用數(shù)衡量梯度值：

|f||Gx|+|Gy|Gy2-201-101-10000-1-1-2112Gxz2z8z5z3z9z6z1z7z42Sobel算子第17頁，課件共35頁，創(chuàng)作于2023年2月soble算子實驗結(jié)果分析優(yōu)點：產(chǎn)生的邊緣效果較好，對噪聲具有平滑作用。缺點：存在偽邊緣，定位精度不高第18頁，課件共35頁，創(chuàng)作于2023年2月3Prewitt算子

Prewitt算子是一種一階微分算子的邊緣檢測，利用像素點上下、左右鄰點的灰度差，在邊緣處達到極值檢測邊緣，去掉部分偽邊緣，對噪聲具有平滑作用。其原理是在圖像空間利用兩個方向模板與圖像進行鄰域卷積來完成的，這兩個方向模板一個檢測水平邊緣，一個檢測垂直邊緣。

第19頁，課件共35頁，創(chuàng)作于2023年2月Prewitt算子實驗結(jié)果分析prewitt邊緣檢測算子的元算過程與Sobel邊緣檢查算子的運算過程都一樣，都是首先將算子的中心與圖像中心的像素點相對應(yīng)，然后進行卷積運算，連個卷積的最大值作為該像素點的輸出值，則運算結(jié)果就是一幅邊緣幅度圖像從圖中可以看出，prewitt算子和sobel算子一樣都對噪聲有一定的抑制能力，但檢查出的圖像邊緣也都比較粗。第20頁，課件共35頁，創(chuàng)作于2023年2月4canny算子基本步驟：1

用高斯濾波器平滑圖像。2

再計算濾波后的梯度幅值和方向。

3對梯度幅值應(yīng)用非極大值抑制。4用雙閾值算法檢測和連接邊緣。canny算子方向圖像的邊緣點即為在方向上使取得局部極大值的點第21頁，課件共35頁，創(chuàng)作于2023年2月canny算子實驗結(jié)果分析優(yōu)點：采用高斯函數(shù)對圖像進行平滑處理，因此具有較強的噪聲抑制能力；同樣該算子也將一些高頻邊緣平滑掉，造成邊緣丟失，采用了雙閾值算法檢測和連接邊緣，邊緣的連續(xù)性較好。第22頁，課件共35頁，創(chuàng)作于2023年2月（零件二維幾何尺寸測量部分）2012110026儲召銳基于圖像處理的零件二維幾何尺寸測量算法研究第23頁，課件共35頁，創(chuàng)作于2023年2月主要包括三方面內(nèi)容：一、系統(tǒng)的標定二、重心法、插值法測量圓形零件幾何參數(shù)三、掃描法測量矩形零件長和寬第24頁，課件共35頁，創(chuàng)作于2023年2月（一）系統(tǒng)的標定

CCD攝像機采集到的圖像經(jīng)過圖像采集卡傳送到計算機上，這些數(shù)字圖像都是由一個個像素點組成的，一個像素就是一個離散的單位，但是像素數(shù)量并不代表實際尺寸的大小，像素與實際尺寸的比例關(guān)系，由成像系統(tǒng)和透鏡放大倍數(shù)決定。在實際圖像測量時，只需要將圖像像素數(shù)乘上這個標定系數(shù)(像素與實際尺寸的比例大?。┚涂梢缘玫奖粶y目標的真實尺寸大小，其數(shù)學表達式為

l=p*k其中,l表示被測物的實際尺寸，p表示被測物的像素個數(shù)，k表示標定系數(shù)。第25頁，課件共35頁，創(chuàng)作于2023年2月具體的標定步驟如下：⑴選用一個標準件，本文選用一個半徑為20mm的標準圓形零件作為標準件。⑵將標準件放置在測量系統(tǒng)上進行測量，此時讓測量系統(tǒng)的工作狀態(tài)和平時正常的測量工作狀態(tài)保持一樣，運用插值法測出標準件的半徑，此時，標準件的半徑是以像素為單位的。采用多次測量，取其平均值作為最終的測量結(jié)果。⑶根據(jù)公式k=l/p計算出系統(tǒng)的標定系數(shù)，即像素與實際尺寸的比例關(guān)系。本測量系統(tǒng)最后確定的標定系數(shù)為k=l/p=20mm/245pixel=0.0816mm/pixel。第26頁，課件共35頁，創(chuàng)作于2023年2月（二）重心法、插值法測量圓形零件幾何參數(shù)1、重心法圓度檢測以工業(yè)圓形零件為例，分析研究重心法，工業(yè)圓片零件如圖5.1所示。

該工業(yè)圓形片圖像大小為M*N,是經(jīng)過二值化處理后的二維圖像，可用數(shù)學表達式5.2表示第27頁，課件共35頁，創(chuàng)作于2023年2月設(shè)工業(yè)圓形片的圓心坐標為(x0，y0）,則重心計算公式如式5.3所示該重心算法結(jié)構(gòu)簡單、計算速度快，對于目標灰度分布均勻的圖像測量效果較好。第28頁，課件共35頁，創(chuàng)作于2023年2月下面用重心法檢測出工業(yè)圓形片的圓心，并測量出半徑和面積。下圖5.2是工業(yè)圓形片圖像經(jīng)過邊緣檢測且細化后的圖像。圖5.3是用重心法測量工業(yè)圓形片的圓心、半徑和面積的圖形。第29頁，課件共35頁，創(chuàng)作于2023年2月從圖5.3可以看出，工業(yè)圓形片的半徑是112.933個像素，圓的面積是40067.219個像素，已知標定系數(shù)是k=0.0816mm/pixel,將其轉(zhuǎn)化為真實值，則工業(yè)圓形片的半徑是112.933*k=9.215mm,工業(yè)圓形片的面積是40067.219*k=269.485mm2。2、插值法圓度檢測所謂插值法圓度檢測，就是利用最小二乘法原理，用圓來逼近工業(yè)圓形片的邊界輪廓。圓的方程表達式如式5.4所示。

(x-a)2+(y-b)2=r2 (5.4)殘差的定義如式5.5所示第30頁，課件共35頁，創(chuàng)作于2023年2月第31頁，課件共35頁，創(chuàng)作于2023年2月第32頁，課件共35頁，創(chuàng)作于2023年2月該插值算法從表達式上，看起來比較復(fù)雜，計算量也比較大，但該算法不僅可以一次求出圓心的坐標，而且還可以求出圓的半徑，而重心法一次只能求出圓的圓心坐標，除此之外，插值法不僅適合規(guī)則圓形圖像而且也適合于不太標準的圓形圖像。因此本課題選用插值法作為圓形工業(yè)零件幾何參數(shù)的測量方法。下面用插值法檢測出工業(yè)圓形片的圓心，并且測量出圓形片的半徑和面積。下圖5.4是用插值法測量工業(yè)圓形片的圓心、半徑及面積的圖形。第33頁，課件共35頁，創(chuàng)作于2023年2月

從圖5.4可以看出，工業(yè)圓形片的半徑是112.940個像素，圓的面積是40072.125個像素，從上一節(jié)內(nèi)容中我們知道系統(tǒng)的標定系數(shù)是0.0618mm/pi