一種基于偽Zernike矩的亞像素邊緣檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及圖像處理技術(shù)領(lǐng)域，尤其設(shè)及一種基于偽Zernike矩的亞像素邊緣檢 測(cè)方法。
【背景技術(shù)】
[0002] 隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，工業(yè)領(lǐng)域的機(jī)器化、智能化的程度將飛快的提高，圖像 的邊緣檢測(cè)技術(shù)的發(fā)展空間也是相當(dāng)可觀?；谟?jì)算機(jī)視覺的邊緣檢測(cè)技術(shù)具有精度高、 速度快、非接觸、自動(dòng)化程度高等優(yōu)點(diǎn)。由于圖像邊緣包含了大量的有用信息，邊緣檢測(cè)結(jié) 果的精確與否，對(duì)后續(xù)圖像的處理，如物體配準(zhǔn)、物體的尺寸測(cè)量、物體的檢測(cè)與識(shí)別等， 也有著重要的影響，因此準(zhǔn)確地提取圖像邊緣在基于計(jì)算機(jī)視覺的檢測(cè)系統(tǒng)中占有重要地 位。在計(jì)算機(jī)視覺系統(tǒng)中，系統(tǒng)的精度與邊緣檢測(cè)的精度成一定性的正比，即如果目標(biāo)物體 的邊緣檢測(cè)的位置精度高，物體的特征信息提取的信息量多，后續(xù)的相關(guān)的處理的結(jié)果及 精度將高。提高系統(tǒng)精度最直接、有效的方法是提高系統(tǒng)的硬件的分辨率，但提高硬件分辨 率所需的成本較高，例如，將攝像頭256X256的分辨率提高到1024X1024的分辨率，系統(tǒng) 所需的成本要相差幾十倍的價(jià)格，用計(jì)算機(jī)視覺技術(shù)提高分辨率，在提高檢測(cè)精度的同時(shí)， 可有效降低系統(tǒng)成本。
[0003] 傳統(tǒng)的邊緣檢測(cè)算子有；Sobel邊緣檢測(cè)算子，Robeds邊緣檢測(cè)算子，Prewitt邊 緣檢測(cè)算子，Log邊緣檢測(cè)算子，Canny邊緣檢測(cè)算子等，該些邊緣檢測(cè)的精度都是像素級(jí)， 即，定位的精度都是一個(gè)像素。隨著對(duì)檢測(cè)精度的要求不斷提高，像素級(jí)的邊緣檢測(cè)已經(jīng) 不能滿足實(shí)際工業(yè)生產(chǎn)的需求，人們提出了亞像素邊緣檢測(cè)技術(shù)，例如當(dāng)檢測(cè)的精度是0. 2 像素時(shí)，相當(dāng)于系統(tǒng)分辨率提高5倍。
[0004] 現(xiàn)有技術(shù)中專利號(hào)為CN101477685公開了一種具有景深零件加工質(zhì)量的亞像素 級(jí)圖像檢測(cè)方法。該發(fā)明首先對(duì)機(jī)器視覺系統(tǒng)進(jìn)行分層標(biāo)定，其次，對(duì)原始圖像進(jìn)行插值計(jì) 算，通過(guò)粗精兩步法實(shí)現(xiàn)零件邊緣的精確定位，最后利用建立的圖像各層面與零件各層面 映射關(guān)系計(jì)算具有景深零件的形狀，關(guān)鍵尺寸參數(shù)，通過(guò)比較分析獲得質(zhì)量數(shù)據(jù)。雖然該技 術(shù)有著較快的檢測(cè)速度，但是該技術(shù)是利用插值的方法來(lái)進(jìn)行亞像素邊緣檢測(cè)的，由于插 值技術(shù)本身很容易受噪聲的影響，那么該技術(shù)也很容易受噪聲的干擾，該樣會(huì)造成邊緣檢 測(cè)的精度降低，進(jìn)而影響后續(xù)的圖像處理性能。
[0005] 另外2012年，Kaur等在文獻(xiàn)"Sub-pixel edge detection using pseudo Zernike moment"中提出利用偽Zernike來(lái)進(jìn)行亞像素邊緣檢測(cè)。該技術(shù)首先提取獲取圖像，進(jìn)行 偽Zernike矩運(yùn)算，其次，獲取邊緣方向參數(shù)(P分布和邊緣方向參數(shù)差分值/\取，然后，根據(jù) 預(yù)設(shè)闊值T來(lái)判斷是否邊緣像素。但是該技術(shù)通過(guò)偽Zernike矩進(jìn)行亞像素邊緣檢測(cè)，雖 然該技術(shù)對(duì)噪聲不敏感，即克服了噪聲的影響，但是該技術(shù)使用偽Zernike的計(jì)算方法，由 于偽Zernike矩計(jì)算復(fù)雜度較大，那么該樣便影響了計(jì)算的速度。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明針對(duì)現(xiàn)有的亞像素邊緣檢測(cè)方法精度不高，對(duì)噪聲敏感，計(jì)算復(fù)雜度高等 問(wèn)題，提出了一種新的基于偽Zernike矩的亞像素邊緣檢測(cè)方法，具體方案是：
[0007] -種基于偽Zernike矩的亞像素邊緣檢測(cè)方法，包括W下步驟：
[0008]S1;對(duì)輸入圖像進(jìn)行去除噪處理；
[0009]S2 ;將完成去噪處理的圖像進(jìn)行像素級(jí)邊緣檢測(cè)：W待處理圖像中待處理像素為 中屯、，對(duì)該像素點(diǎn)的周圍四個(gè)方向的像素的灰度進(jìn)行加權(quán)運(yùn)算，從水平和垂直的方向進(jìn)行 邊緣檢測(cè)，按照上述方式對(duì)待處理圖像的所有像素進(jìn)行像素級(jí)邊緣檢測(cè)；
[0010]S3;采用偽Zernike矩方法對(duì)待處理圖像進(jìn)行亞像素邊緣檢測(cè)：建立邊緣檢測(cè)模 型，對(duì)待處理圖像的所有像素進(jìn)行如下處理：計(jì)算像素的正交復(fù)多項(xiàng)式、利用正交復(fù)多形式 的結(jié)果計(jì)算像素相關(guān)矩的系數(shù)，利用相關(guān)矩的系數(shù)計(jì)算相關(guān)矩的大小，利用相關(guān)矩的結(jié)果 來(lái)計(jì)算出邊緣的參數(shù)，利用邊緣參數(shù)計(jì)算像素真實(shí)的邊緣位置；
[0011] S4 ;對(duì)待處理圖像進(jìn)行邊緣位置的誤差補(bǔ)償；建立誤差補(bǔ)償邊緣模型，利用該模 型求像素的偽Zernike矩，采用誤差補(bǔ)償邊緣求得像素的邊緣位置估值、實(shí)際的邊緣誤差 和理論邊緣誤差；
[0012]S5;獲得亞像素邊緣檢測(cè)的修正實(shí)際邊緣，對(duì)待處理圖像的所有像素按照S4的方 式進(jìn)行處理、完成圖像的亞像素邊緣檢測(cè)。
[0013]S1中對(duì)輸入圖像進(jìn)行去除噪處理采用如下方式；
[0014]S11 待處理圖像中待處理像素為中心分別計(jì)算該像素周圍四個(gè)窗口所對(duì)應(yīng)的 灰度方差；
[0015]S12;找出上述灰度方差最小所對(duì)應(yīng)的窗口，并計(jì)算其灰度均值；
[0016]S13;將計(jì)算出的灰度均值代替中屯、像素的灰度值；對(duì)待處理圖像的所有像素進(jìn) 行上述操作完成去噪處理。
[0017]S3中采用偽Zernike矩方法對(duì)圖像進(jìn)行像素邊緣檢測(cè)時(shí)采用如下算法：
[0018]
【主權(quán)項(xiàng)】
1. 一種基于偽Zernike矩的亞像素邊緣檢測(cè)方法，其特征在于包括以下步驟： 51 :對(duì)輸入圖像進(jìn)行去除噪處理； 52 :將完成去噪處理的圖像進(jìn)行像素級(jí)邊緣檢測(cè)：以待處理圖像中待處理像素為中 心，對(duì)該像素點(diǎn)的周圍四個(gè)方向的像素的灰度進(jìn)行加權(quán)運(yùn)算，從水平和垂直的方向進(jìn)行邊 緣檢測(cè)，按照上述方式對(duì)待處理圖像的所有像素進(jìn)行像素級(jí)邊緣檢測(cè)； 53 :采用偽Zernike矩方法對(duì)待處理圖像進(jìn)行亞像素邊緣檢測(cè)：建立邊緣檢測(cè)模型，對(duì) 待處理圖像的所有像素進(jìn)行如下處理：計(jì)算像素的正交復(fù)多項(xiàng)式、利用正交復(fù)多形式的結(jié) 果計(jì)算像素相關(guān)矩的系數(shù)，利用相關(guān)矩的系數(shù)計(jì)算相關(guān)矩的大小，利用相關(guān)矩的結(jié)果來(lái)計(jì) 算出邊緣的參數(shù)，利用邊緣參數(shù)計(jì)算像素真實(shí)的邊緣位置； 54 :對(duì)待處理圖像進(jìn)行邊緣位置的誤差補(bǔ)償：建立誤差補(bǔ)償邊緣模型，利用該模型求 像素的偽Zernike矩，采用誤差補(bǔ)償邊緣求得像素的邊緣位置估值、實(shí)際的邊緣誤差和理 論邊緣誤差； 55 :獲得亞像素邊緣檢測(cè)的修正實(shí)際邊緣，對(duì)待處理圖像的所有像素按照S4的方式進(jìn) 行處理、完成圖像的亞像素邊緣檢測(cè)。
2. 根據(jù)權(quán)利要求1所述的一種基于偽Zernike矩的亞像素邊緣檢測(cè)方法，其特征還在 于：Sl中對(duì)輸入圖像進(jìn)行去除噪處理采用如下方式： 511 :以待處理圖像中待處理像素為中心，分別計(jì)算該像素周圍四個(gè)窗口所對(duì)應(yīng)的灰度 方差； 512 :找出上述灰度方差最小所對(duì)應(yīng)的窗口，并計(jì)算其灰度均值； 513 :將計(jì)算出的灰度均值代替中心像素的灰度值；對(duì)待處理圖像的所有像素進(jìn)行上 述操作完成去噪處理。
3. 根據(jù)權(quán)利要求1所述的一種基于偽Zernike矩的亞像素邊緣檢測(cè)方法，其特征還在 于：S3中采用偽Zernike矩方法對(duì)圖像進(jìn)行像素邊緣檢測(cè)時(shí)采用如下算法：
其中：(n+l)/是歸一化參數(shù)，符號(hào)表示復(fù)數(shù)的共軛計(jì)算，0是邊緣與X方向的夾 角，P是中心到直線的距離，即像素邊緣所在的位置，VM(P，0)是正交積分內(nèi)核函數(shù)，上
其中，O< |m| <n，arctanO是反正切函數(shù)。
4. 根據(jù)權(quán)利要求1所述的一種基于偽Zernike矩的亞像素邊緣檢測(cè)方法，其特征還在 于：S4中對(duì)圖像進(jìn)行邊緣位置的誤差補(bǔ)償具體采用如下方式：根據(jù)建立的誤差補(bǔ)償邊緣模 型采用公式（28)、（29)進(jìn)行像素邊緣矩的修正：
其中，f' (X，y)是旋轉(zhuǎn)后圖像的灰度值， 利用誤差補(bǔ)償邊緣采用公式（30)求得像素的邊緣位置P，采用公式（31)求解像素的 實(shí)際的邊緣和理論邊緣誤差E:
5.根據(jù)權(quán)利要求1所述的一種基于偽Zernike矩的亞像素邊緣檢測(cè)方法，其特征還在 于：求解修正像素的實(shí)際邊緣位置采用如下公式 P'R=P-E 其中P'K是修正后像素的實(shí)際邊緣位置，P是實(shí)際的邊緣誤差，E是邊緣的誤差值。
【專利摘要】本發(fā)明公開了一種基于偽Zernike矩的亞像素邊緣檢測(cè)方法，其特征在于包括以下步驟：S1：對(duì)輸入圖像進(jìn)行去除噪處理；S2：將完成去噪處理的圖像進(jìn)行像素級(jí)邊緣檢測(cè)：S3：采用偽Zernike矩方法對(duì)待處理圖像進(jìn)行亞像素邊緣檢測(cè)：S4：對(duì)待處理圖像進(jìn)行邊緣位置的誤差補(bǔ)償：S5：獲得亞像素邊緣檢測(cè)的修正實(shí)際邊緣，對(duì)待處理圖像的所有像素按照S4的方式進(jìn)行處理、完成圖像的亞像素邊緣檢測(cè)。本發(fā)明所提的方法對(duì)噪聲不敏感，提高了亞像素邊緣的精度，并且減少了檢測(cè)邊緣所需的計(jì)算復(fù)雜度。
【IPC分類】G06T7-00
【公開號(hào)】CN104715487
【申請(qǐng)?zhí)枴緾N201510153151
【發(fā)明人】陳喆, 殷福亮, 楊兵兵
【申請(qǐng)人】大連理工大學(xué)
【公開日】2015年6月17日
【申請(qǐng)日】2015年4月1日