背光圖像微米級邊緣檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于高精度檢測技術(shù)領(lǐng)域，尤其涉及一種背光圖像微米級邊緣檢測方法。
【背景技術(shù)】
[0002] 機器視覺測量系統(tǒng)集光學(xué)、傳感器、圖像處理和模式識別等多領(lǐng)域多學(xué)科的關(guān)鍵 技術(shù)于一體，在非接觸高速在線測量領(lǐng)域應(yīng)用廣泛。本發(fā)明利用機器視覺和數(shù)字圖像處理 技術(shù)，針對背光數(shù)字圖像，建立法向正態(tài)概率分布曲線圖像邊緣灰度曲面模型，用最小二乘 法求取擬合曲面四個系數(shù)，得到微米級亞像素邊緣。
[0003] 專利【申請?zhí)枴?011104481191，名稱為"一種彩色圖像邊緣檢測方法"，將彩色圖像 分解到紅色、綠色、藍色和黃色四個通道圖像，分別計算紅綠、藍黃拮抗圖像，并在拮抗圖像 上計算得到邊緣信息分布圖像，通過調(diào)節(jié)計算生成顏色拮抗圖像過程中引入的兩組拮抗權(quán) 重因子，調(diào)節(jié)圖像中顏色邊緣和亮度邊緣的強度，實現(xiàn)邊緣檢測。
[0004] 專利【申請?zhí)枴?011100826554,名稱為"一種圖像邊緣檢測的方法"，在利用攝像機 獲得一幅圖像后，首先用一種在12鄰域像素內(nèi)計算X方向和y方向一階偏導(dǎo)數(shù)差分的方法 計算梯度幅值和方向，抑制圖像中的噪聲并且避免圖像的邊緣模糊。再建立灰度共生矩陣 逆差矩特征值和高斯空間系數(shù)及閾值之間的映射關(guān)系，自適應(yīng)地改變高斯空間系數(shù)和邊緣 檢測的高低閾值，確保了圖像邊緣點的連續(xù)提取。最后根據(jù)"非局部最大值抑制"原理檢測 圖像邊緣點，提高了圖像邊緣檢測的精確度。
[0005] 專利【申請?zhí)枴?008102323401，名稱為"基于Fast Slant Stack變換的圖像邊緣檢 測方法"。其過程為：根據(jù)滑動窗大小和重疊度對圖像分塊，每次檢測提取一個小圖像塊，根 據(jù)其灰度均方差判斷塊中是否存在邊緣，對存在邊緣的圖像塊做Fast Slant Stack變換， 并對變換結(jié)果的零值區(qū)域進行填充；對填充后的圖像塊做二進小波變換，搜索變換后小波 域系數(shù)極大值，并根據(jù)極大值所處的位置用基于共輒梯度法的Fast Slant Stack逆變換重 構(gòu)空域中的圖像，存放到輸出矩陣中對應(yīng)的位置。
[0006] 專利【申請?zhí)枴?010102516986,名稱為"一種基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測方 法"，采用不同尺度的結(jié)構(gòu)元素對圖像進行形態(tài)學(xué)處理，獲取邊緣信息圖像，然后對邊緣信 息圖像進行加權(quán)合并，獲取總邊緣信息圖像，最后對總邊緣信息圖像的邊緣點進行細化和 閾值分割，得到最終的二值邊緣圖像。
[0007] 專利【申請?zhí)枴?008101877316,名稱為"一種基于Bayer RGB的圖像邊緣檢測方 法"，以目標像素點為中心，生成3x3鄰域的Bayer RGB像素點矩陣，分別對該矩陣中各像素 點，應(yīng)用檢測算子進行梯度運算，得到各像素點的梯度幅值以及梯度角度。然后采用雙閾值 判定和相鄰像素點梯度比較，判定是否為邊緣點。免除了像素點的灰度計算，適用于對CMOS 圖像傳感器所得的原始圖像直接進行邊緣檢測。
[0008] 專利【申請?zhí)枴?007101787372,名稱為"一種基于閾值分割的圖像邊緣檢測方法"。 利用圖像中像素鄰域的灰度值均值統(tǒng)計信息作為該點閾值設(shè)置的標準，并引入該點鄰域內(nèi) 像素灰度值方差作為附加判斷條件，從而實現(xiàn)綜合考慮區(qū)域信息的全局二值化，使提取出 來的目標點是圖像的邊緣。根據(jù)不同的需要來選擇不同大小的結(jié)構(gòu)元素。對每一個像素都 給定一個閾值，從而實現(xiàn)綜合考慮區(qū)域信息的全局二值化。
[0009] 專利【申請?zhí)枴?014104698402,名稱為"一種基于機器視覺的快速亞像素邊緣檢測 與定位方法"，包括以下步驟：獲取檢測圖像；圖像去噪預(yù)處理：計算每個像素點水平方向 上的梯度G x和垂直方向上的梯度G y;計算每個像素點極坐標下的梯度幅值G。和梯度方向 Ge;確定每個像素點的鄰域像素點；確定像素級邊緣點；計算每個像素級邊緣點在8分梯度 方向上的亞像素邊緣點到該像素級邊緣點的距離；計算實際梯度方向G e上的亞像素邊緣 點到像素級邊緣點的距離d;采用余弦查找表法計算其實際梯度方向Ge上的亞像素邊緣點 的直角坐標，進而實現(xiàn)圖像邊緣點的檢測和亞像素級定位。
[0010] 以上發(fā)明基于機器視覺和圖像處理技術(shù)，利用顏色、數(shù)學(xué)形態(tài)學(xué)、閥值法、梯度法 等方法，檢測數(shù)字圖像中的像素級和亞像素級邊緣。這些方法適用于正面照明圖像，都不適 用于背光圖像的微米級邊緣檢測。

【發(fā)明內(nèi)容】

[0011] 本發(fā)明就是針對上述問題，提供一種曲面擬合精度高、抗干擾的背光圖像微米級 邊緣檢測方法。
[0012] 為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案，本發(fā)明包括以下步驟：
[0013] 1)結(jié)合點擴散函數(shù)和單邊階躍模型，構(gòu)建背光圖像階躍邊緣法平面截線正態(tài)分布 函數(shù)模型；
[0014] 背光源邊緣檢測圖像的前景和背景為常量Pp P2，背景與前景的灰度差為
[0015] g = P2-P1
[0016] 灰度曲面過邊緣法平面的截線為正態(tài)分布函數(shù)（高斯積分）曲線：
[0020] 圖像邊緣點過曲線的中心點在圖像平面的投影，@ ? U丨as: I或t_ μ = 0。
[0021] 2)過渡帶離散點曲面擬合求解
[0022] μ，〇沿邊緣線S方向在鄰域內(nèi)呈線性變化
[0023] μ s= μ 〇+ks (I)
[0024] 〇s=o 0+ls (2) I , t ? p .
[0025] 由 於眾》二參（-
[0026] 查標準正態(tài)分布表得到 「 ? L0027J -=藝
[0028] 將（1)、⑵式代入，得
[0029] t- μ 〇-ks = a ( σ 〇+ls) 「00301 田?/丨、一乘法步取相合曲而PU個賽翁u "、σ "、k、I .伸
[0036] 其中，〇 (即上方帶橫杠的標識）表示平均值；
[0037] 3)分段提取邊緣曲面亞像素邊緣
[0038] 在圖像平面內(nèi)建立邊緣曲線活動坐標系；以像素級別的粗邊界曲線方向為活動坐 標系的一個坐標，以曲線弧長作為其坐標值；以粗邊界曲線的法線方向為活動坐標系的另 一個坐標，以點到曲線的法向距離作為其坐標值；以計算點為中心選取曲面擬合區(qū)域；在 邊緣法線方向上，區(qū)域包含邊緣過渡區(qū)和前景與背景圖像部分；將選取區(qū)域內(nèi)點的圖像坐 標轉(zhuǎn)換為邊緣曲線的活動坐標，得到tp 8;及相應(yīng)的灰度值P i;根據(jù)P i/g查標準正態(tài)分布 表，得到a1;求得μ。，即邊緣到粗邊界曲線的法向距離，得到精確的邊緣曲線。
[0039] 作為一種優(yōu)選方案，本發(fā)明還包括步驟4)背光源檢測圖像邊緣時，圖像邊緣清 晰，邊緣過渡帶窄，將μ，σ在鄰域內(nèi)作為常量，即
[0040] μ,= μ 〇 (4)
[0041] Os=O0 (5)
[0042] 簡化計算
[0043] O
[0044] 作為另一種優(yōu)選方案，本發(fā)明所述步驟3)選取區(qū)域為背光圖像邊緣過渡帶寬度 的10至20倍。
[0045] 其次，本發(fā)明所述步驟4)邊緣過渡帶為3-4個像素。
[0046] 本發(fā)明有益效果。
[0047] (1)針對背光圖像，構(gòu)建了階躍邊緣法平面截線正態(tài)分布函數(shù)模型，并給出了微米 級亞像素邊緣定位方法的完整步驟。本方法屬于曲面擬合，具有曲面擬合精度高，抗干擾的 優(yōu)點。
[0048] (2)曲面擬合時，采用的不是行列方向的鄰域點，而是切線和法線方向的過渡帶數(shù) 據(jù)點，提高了精度。曲面切向和法向分離，減少了計算復(fù)雜度。單純的曲面擬合算法，僅僅 減少了噪聲的影響，本方法將離散點糾正到理論曲面上，極大地消除了噪聲影響。
[0049] (3)對量塊邊緣的檢測表明，直線度誤差在± 1. 5 μ m以內(nèi)。因此，