[发明专利]一种基于分类的阶跃型边缘亚像素定位方法

说明书

本发明公开了一种数字图像阶跃型边缘的亚像素定位方法，这种方法在对图像进行像素级边缘提取的基础上，针对不同类型的阶跃边缘分别采用不同的亚像素计算方法定位边缘的亚像素位置。由于视觉测量中一般通过光照技术使得前景和背景有显著差异，形成的图像边缘一般均为阶跃型边缘，因此这种定位方法特别适用于非接触式视觉测量领域。相比传统的边缘亚像素定位方法，其定位算法更加鲁邦稳定，在保障测量精度的前提下可有效提升测量速度。

技术领域

本发明属于图像处理和视觉测量技术领域，特别涉及了图像边缘的亚像素定位方法。

背景技术

图像边缘是现实世界中不同物体在图像上投影的边界和分割线，它存在于目标与背景、目标与目标、区域与区域、基元与基元等图像元素之间，它描述了物体在空间中所占范围的轮廓，是在图像上将背景与目标、不同目标进行二维分割的基础；因此边缘是物体在图像上非常重要的特征，在图像处理、基于图像的物体识别等方面意义重大。而在视觉测量领域，边缘是被测量物体在空间所占三维范围在二维图像上的反映，其定位准确性对测量物体的几何尺寸具有决定性影响。因此对于视觉测量领域，边缘定位准确与否对测量精度有至关重要的影响。边缘的两侧的颜色灰度差异显著，其在灰度空间表现为由灰度变化的不连续性，存在多种不同的形态。根据灰度不连续变化的形态，边缘类型分为三类：跃阶边缘、屋顶边缘、凸缘型，参见图1。

有的文献仅分为跃阶边缘和屋顶边缘，因为凸缘可看做跃阶边缘的一个特例。跃阶边缘说明两个物体在图像上是相互重叠遮挡或完全连接在一起的，且这两个物体的灰度值是有较大差异的，在灰度曲线上表现为跃阶函数的形态，因此称为跃阶边缘。这种边缘是存在最为广泛的边缘，往往目标与背景、重叠目标与目标之间存在的都是跃阶边缘。而屋顶边缘多表现在有渐变形态的物体之间，例如水波、人工纹理等。凸缘边缘是一种较为特殊的情况，存在于有单一像素空隙的目标之间，例如我们在白纸上画一条很细的黑线，其边缘特性就表现为凸缘特性。

不同的边缘类型有不同的特征，若灰度变化率在某一点的 n阶导数是一个δ函数，则可认为此灰度变化率在这个点是n阶不连续的。例如跃阶边缘一阶不连续，而屋顶形边缘二阶不连续。因此传统的边缘检测方法都是基于微分技术，构造某个邻域内的边缘检测方法来实现。常用的传统的边界提取的算法有: Roberts ，Sobel，Perwitt，LOG和Canny。

边缘的锐利程度是由图像在灰度上的梯度决定。梯度的模给出了边缘强度，梯度的方向给出了边缘的方向；而最简单方法是利用图像的垂直和水平差分来逼近梯度算子。因此，Roberts以垂直和水平差分计算近似的梯度的模，并设置阈值，如果模大于阈值则可判定为边缘。Roberts 方法在水平方向和垂直方向效果较好，缺点是定位比较粗糙，对噪声较敏感。

Sobel边缘检测方法也是一种计算梯度值的近似算法，它不是仅仅计算垂直和水平差分来近似梯度，而是在一个方形的邻域计算梯度值，但强化了垂直和水平方向差分的权重。这种方式的得到的梯度更为精确和鲁棒，尤其可避免在像素之间的内插点上计算梯度。Prewitt 方法和 Sobel 方法的不同就在于，它对垂直和水平方向没有特殊对待，其各个方向上的差分计算是同等对待的。上述三种方法完全基于差分计算，但是差分计算对噪声非常敏感，并且对图像中的噪声信号也可能出现伪边缘，这使得边缘定位的鲁棒性相当不好。而如果先对图像进行滤波处理，又可能将一些边缘平滑掉，从而影响边缘定位的准确性。