[发明专利]一种基于伪Zernike矩的亚像素边缘检测方法

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于伪Zernike矩的亚像素边缘检测方法。

背景技术

随着我国经济的快速发展，工业领域的机器化、智能化的程度将飞快的提高，图像的边缘检测技术的发展空间也是相当可观。基于计算机视觉的边缘检测技术具有精度高、速度快、非接触、自动化程度高等优点。由于图像边缘包含了大量的有用信息，边缘检测结果的精确与否，对后续图像的处理，如物体配准、物体的尺寸测量、物体的检测与识别等，也有着重要的影响，因此准确地提取图像边缘在基于计算机视觉的检测系统中占有重要地位。在计算机视觉系统中，系统的精度与边缘检测的精度成一定性的正比，即如果目标物体的边缘检测的位置精度高，物体的特征信息提取的信息量多，后续的相关的处理的结果及精度将高。提高系统精度最直接、有效的方法是提高系统的硬件的分辨率，但提高硬件分辨率所需的成本较高，例如，将摄像头256×256的分辨率提高到1024×1024的分辨率，系统所需的成本要相差几十倍的价格，用计算机视觉技术提高分辨率，在提高检测精度的同时，可有效降低系统成本。

传统的边缘检测算子有：Sobel边缘检测算子，Roberts边缘检测算子，Prewitt边缘检测算子，Log边缘检测算子，Canny边缘检测算子等，这些边缘检测的精度都是像素级，即，定位的精度都是一个像素。随着对检测精度的要求不断提高，像素级的边缘检测已经不能满足实际工业生产的需求，人们提出了亚像素边缘检测技术，例如当检测的精度是0.2像素时，相当于系统分辨率提高5倍。

现有技术中专利号为CN101477685公开了一种具有景深零件加工质量的亚像素级图像检测方法。该发明首先对机器视觉系统进行分层标定，其次，对原始图像进行插值计算，通过粗精两步法实现零件边缘的精确定位，最后利用建立的图像各层面与零件各层面映射关系计算具有景深零件的形状，关键尺寸参数，通过比较分析获得质量数据。虽然该技术有着较快的检测速度，但是该技术是利用插值的方法来进行亚像素边缘检测的，由于插值技术本身很容易受噪声的影响，那么该技术也很容易受噪声的干扰，这样会造成边缘检测的精度降低，进而影响后续的图像处理性能。

另外2012年，Kaur等在文献“Sub-pixel edge detection using pseudo Zernike moment”中提出利用伪Zernike来进行亚像素边缘检测。该技术首先提取获取图像，进行伪Zernike矩运算，其次，获取边缘方向参数分布和边缘方向参数差分值然后，根据预设阈值T来判断是否边缘像素。但是该技术通过伪Zernike矩进行亚像素边缘检测，虽然该技术对噪声不敏感，即克服了噪声的影响，但是该技术使用伪Zernike的计算方法，由于伪Zernike矩计算复杂度较大，那么这样便影响了计算的速度。

发明内容

本发明针对现有的亚像素边缘检测方法精度不高，对噪声敏感，计算复杂度高等问题，提出了一种新的基于伪Zernike矩的亚像素边缘检测方法，具体方案是：

一种基于伪Zernike矩的亚像素边缘检测方法，包括以下步骤：

S1：对输入图像进行去除噪处理；

S2：将完成去噪处理的图像进行像素级边缘检测：以待处理图像中待处理像素为中心，对该像素点的周围四个方向的像素的灰度进行加权运算，从水平和垂直的方向进行边缘检测，按照上述方式对待处理图像的所有像素进行像素级边缘检测；

S3：采用伪Zernike矩方法对待处理图像进行亚像素边缘检测：建立边缘检测模型，对待处理图像的所有像素进行如下处理：计算像素的正交复多项式、利用正交复多形式的结果计算像素相关矩的系数，利用相关矩的系数计算相关矩的大小，利用相关矩的结果来计算出边缘的参数，利用边缘参数计算像素真实的边缘位置；

S4：对待处理图像进行边缘位置的误差补偿：建立误差补偿边缘模型，利用该模型求像素的伪Zernike矩，采用误差补偿边缘求得像素的边缘位置估值、实际的边缘误差和理论边缘误差；

S5：获得亚像素边缘检测的修正实际边缘，对待处理图像的所有像素按照S4的方式进行处理、完成图像的亚像素边缘检测。

S1中对输入图像进行去除噪处理采用如下方式：

S11：以待处理图像中待处理像素为中心，分别计算该像素周围四个窗口所对应的灰度方差；

S12：找出上述灰度方差最小所对应的窗口，并计算其灰度均值；

S13：将计算出的灰度均值代替中心像素的灰度值；对待处理图像的所有像素进行上述操作完成去噪处理。