CN102032875A - 一种基于图像处理的电缆护套厚度测量方法 - Google Patents

Abstract

本发明公开了一种基于图像处理的电缆护套厚度测量方法，解决了传统的几何测量方法精度低、误差大、效率低等缺点。本发明首先对采集到的电缆护套切片图像用K近邻均值滤波器进行预处理，而后采用改进的Sobel边缘检测方法，并细化边缘像素点，而后提取出电缆护套的内外轮廓，并采用多项式插值法进行亚像素定位，最后检测出国家标准规定的电缆护套的内外边缘厚度。本发明使得电缆护套的测量具有测量精度高、测量误差低、动态范围大、灵活性好等优点。

Description

一种基于图像处理的电缆护套厚度测量方法

技术领域

本发明涉及一种电缆护套的厚度测量方法，特别涉及一种基于图像处理的电缆护套厚度测量方法

背景技术

目前电缆护套材料和绝缘材料的厚度测量仍采用传统的基于接触式的几何测量方法，检测手段主要有卡尺、量规、指针式测厚仪、显微镜、投影仪等。随着现代工业的发展和进步，这些传统的测量手段己经不能满足生产的需要，这些测量手段一次只能测量被选择两点之间的厚度，不仅工作量大、效率低，而且其测量误差除了仪器本身的误差外，还与瞄准、定位误差有关，并且由于接触会造成切片材料变形。因此研究开发厚度自动测量系统是非常必要的。此外，电缆护套和绝缘材料的厚度尺寸小、精度要求较高，对其进行精密测量很困难，传统的接触法测量往往达不到测量精度的要求。

与传统测量方法相比，图像测量技术有着独特的优越性。首先，由于光的传播速度极快，图像测量不仅适用于静态测量，也适用于动态测量；由于光路系统可以获得很高的信号放大率，因此测量的准确度相当高，通过选择合适的放大或缩小镜头，可以对不同尺寸大小的零件进行测量，可以对整个视场或局部视场中目标的特性进行测量，极大地扩展了测量范围，灵活性得到了提高；图像测量技术利用电子计算机及各种软件功能进行图像处理，非接触测量使得对被测物不用加以任何干扰限制，可以独立地、客观地对被测对象进行测量，有效地避免了人眼读数等因素造成的误差，减少了重复性测量的误差和仪器本身形成的误差，有利于提高精度；图像测量技术采用了“图像”这种信息含量非常丰富的载体并以数字图像处理技术为理论基础，大大增强了它对复杂结构和异型曲面的测量能力；同时专用数字信号处理器的出现对于图像检测算法快速的实现，起了很大的推动作用。目前图像测量技术已经用于多个领域，但是在电缆护套厚度的测量方面还没有应用，这是因为电缆护套有其自身的特殊性，必须根据其具体特点对现有的图像测量技术进行改进。

发明内容

本发明的目的就在于解决现有技术的缺陷，设计一种基于图像处理的电缆护套厚度测量方法。

本发明的技术方案是：

一种基于图像处理的电缆护套厚度测量方法，其特征在于包括以下步骤：

(1)采用边缘保持滤波器对采集到的图像进行平滑预处理；

(2)对预处理后的图像采用改进的Sobel边缘检测：

用一个二维的灰度矩阵G来表示一幅经过预处理的M×N大小的图像的灰度值。

$G=\left[\begin{array}{cccc}{g}_{11}& g_{12}& \·\·\·& g_{1N}\\ g_{21}& g_{22}& \·\·\·& g_{2N}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ g_{M1}& g_{M2}& \·\·\·& g_{\mathrm{MN}}\end{array}\right]$

采用图6所示的8个方向模板对G进行逐点计算，取结果中的最大值作为该点的梯度值，并将该最大值对应模板的方向顺时针转90°，得到了一幅具有方向信息的梯度图像。

$\left\{\begin{array}{c}{Y}_i=T_i\·G^{\′}\\ Y_{\max }=\max \left(Y_i\right)\end{array}\right.(i=0~7)$

上式中T_i表示第i个模板，G’为图像G中的一个3×3邻域，Y_i为第i个方向上的方向导数的模，Y_max表示3×3邻域中间像素点的梯度幅值。

(3)对边缘检测后的图像边缘像素点进行细化，细化步骤为：对于梯度图像中的所有边缘点，在每一点的3×3邻域内，将中心像素的梯度值与沿梯度方向的两个像素梯度值进行比较，若在邻域中心处的幅值比沿梯度方向上的两个相邻点的幅值大，则此点为边缘点，否则，此点为非边缘点，赋值为0，从而得到单像素边缘图像。

(4)对单像素边缘图像进行轮廓提取；采用从上而下，从左至右的顺序扫描整个跟踪区域，寻找属于电缆护套内外边缘对象的像素，遇到的第一个对象点即为一个区域的跟踪起点。从区域边界上的跟踪起点出发，逐次搜索下一边界点，找到下一边界点即将它的链码存入链码表，然后将刚才找到的边界点作为当前边界点，并确定新的检测始点链码，进入下一轮边界点的搜索，直至跟踪结束，从而跟踪并提取出电缆护套内外边缘的轮廓。

(5)多项式插值法亚像素定位；利用已知边界点的灰度梯度方向近似代替未知的亚像素点的梯度方向，并在此方向上进行二次多项式插值得到边缘的亚像素位置；

对于灰度图像中任意点的梯度值用R表示，设R_(i，j)为边界点P0₍x_i，y_i)的灰度梯度的模，R_-1(R_(i-1，j)，R_(i，j-1))和R₁(R_(i+1，j)R_(i，j+1))分别是在梯度方向上与P₀(x_i，y_i)点相邻的两像素点P_-1、P₁的梯度幅值，代入二次多项式插值函数，得到亚像素点的横坐标x和纵坐标y：

$x=x_i+\frac{R_{(i-1,j)}-R_{(i+1,j)}}{R_{(i-1,j)}-2R_{(i,j)}+R_{(i+1,j)}}\×\frac{W}{2}\cos \mathrm{\θ}$

$y=y_i+\frac{R_{(i,j-1)}-R_{(i,j+1)}}{R_{(i,j-1)}-2R_{(i,j)}+R_{(i,j+1)}}\×\frac{W}{2}\sin \mathrm{\θ}$

上两式中，W为相邻像素点到边界点的距离，θ为梯度方向与X轴正向夹角。

(6)根据上述各步骤得到的电缆护套材料的内外边缘的坐标集合，检测出电缆护套的3个最小厚度A、B、C和3个最大厚度D、E、F：

设内外边缘的坐标集合分别是X、Y，遍历内边缘集合X中的每个坐标点，求与该坐标点距离最小的Y集合中的坐标点，则该距离为集合X中该点的厚度；遍历外边缘集合Y中的每个坐标点，求与该坐标点距离最小的X集合中的坐标点，则该距离为集合Y中该点的厚度；

根据X、Y集合中每个坐标点的厚度找到最小厚度A和最大厚度D；针对A和D所在位置分别向前后移动1/6起点，在1/3范围内搜索并找到该范围内的最小厚度B、C和最大厚度E、F。

在所述的基于图像处理的电缆护套厚度测量方法中，所述的K近邻均值滤波器的K取5。

在所述的基于图像处理的电缆护套厚度测量方法中，对于边界点采用8连通链码表示法；在具体存储中，通常将链码表存放在一维数组中，它的第1、第2单元存放边界起点的X、Y坐标，第3单元开始存放链码序列。

在所述的基于图像处理的电缆护套厚度测量方法中，，所述的搜索下一个边界点的过程为，当前边界点按一定顺序检测其连通点是否为区域点，检测从区域外一点开始，遇到区域点结束，检测到的区域点即为下一边界点。

在所述的基于图像处理的电缆护套厚度测量方法中，所述的跟踪结束的条件为当前搜索到的边界点回到跟踪起点，并且它的链码方向与跟踪起点的链码方向一致。

在所述的基于图像处理的电缆护套厚度测量方法中，对所述的边缘进行多项式插值法亚像素定位的前提条件是：R_(i，j)＞R_(i-1，j)且R_(i，j)＞R_(i+1，j)；R_(i，j)＞R_(i，j-1)且R_(i，j)＞R_(i，j+1)。

本发明的优点和效果在于：

1.用图像测量技术代替传统的基于接触式的几何量测量方法，具有测量精度高、测量误差低、动态范围大、灵活性好等优点。

2.在对采集到的电缆护套切片图像进行处理的过程中，通过预处理有效地降低了图像采集过程中的噪声；改进的Sobel边缘检测得到的边缘图像连续且光滑，并且可以更精确找到了梯度方向；边缘像素点细化可以提高边缘的定位精度；轮廓提取可以跟踪并正确地提取出电缆护套内外边缘的图像；亚像素定位后的边缘更加平滑，并且大大降低与实际边界之间的误差。

附图说明

图1——测量系统的结构框图。

图2——护套材料切片图。

图3——测量方法流程图。

图4——预处理前的护套材料切片图。

图5——预处理后的护套材料切片图。

图6——8个方向模板。

图7——某像素点的梯度幅值及其方向的计算实例。

图8——经过Sobel边缘检测的边缘效果图。

图9——经过边缘像素点细化后的效果图

图10——八连通链码。

图11——中心点与各邻点坐标偏差表。

图12——链码表的结构。

图13——寻找下一边界点示意图。

图14——确定下一检测起始点的示意图。

图15——轮廓提取结果。

图16——需要测量的3个最小厚度和3个最大厚度。

图17——最小厚度与最大厚度的亚像素坐标。

具体实施方式

下面结合附图和实施例，对本发明所述的技术方案作进一步的阐述。

图1为基于图像处理的电缆护套厚度测量系统框图，整个系统主要由软、硬件两部分组成。硬件部分包括光学照明系统、工作台、CCD摄像头、图像采集卡、计算机系统和外设接口。软件部分主要运行在计算机系统中，包括图像采集模块、标定与图像处理模块、输出显示模块几部分。该测量系统的工作原理如下：被测电缆护套切片或绝缘材料切片放置在工作台上，照明系统发出的平行光线照射在电缆护套或绝缘材料切片表面上，经工作台上的透镜放大后聚焦在CCD摄像头的光敏阵列面上。CCD摄像头将图像信号变为电信号，通过图像采集卡存入计算机系统的内存中，然后由软件部分对所采集到的图像进行处理、存储，对电缆护套切片的最小厚度进行检测，实时输出检测结果。本发明所述的方法主要应用于在软件部分的图像处理模块。

在本实施例中选取的电缆护套材料切片如图2所示。完整的测量方法流程如图3所示。即首先对采集到的电缆护套切片图像用K近邻均值滤波器进行预处理，而后采用改进的Sobel边缘检测方法，并细化边缘像素点，而后提取出电缆护套的内外轮廓，并采用多项式插值法进行亚像素定位，最后检测出国家标准规定的电缆护套的内外边缘厚度。各步骤详细说明如下：

(1)图像预处理

在图像采集过程中，由于受到成像条件、光照不均匀、光电转换过程中的噪声、A/D转换带来误差等因素的影响，会在图像中引入一定的噪声，它使图像变得模糊，难以辨别图像边缘及捕捉图像特征。因此，必须对采集到的图像进行预处理，以降低噪声的影响。在本方法中，采用K近邻均值滤波器，它是一种边缘保持滤波器。在这里，设f(x，y)为当前采集到的图像中的待处理的中心像素，以其为中心的3*3个邻居像素点中，选择与f(x，y)最接近的K个像素(在这里K＝5)，对K个像素求平均值，用该均值代替原中心像素值f(x，y)。对图像中每个像素点都做同样的操作，从而得到预处理后的图像。图4为预处理前含有噪声的图像，图5为通过边缘保持滤波器处理后的图像。可以看出，该方法在滤除噪声和保留细节方面取得较好折中。

(2)改进的Sobel边缘检测

图像的边缘可以定义为在图像的局部区域内图像特征的差别，表现为图像上的不连续性(灰度的突变、纹理的突变、色彩的变化)。经典的边缘提取方法是检查图像的每个像素的某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律。其基本思想是首先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的边缘强度，通过设置阈值的方法提取边缘点集。

经过预处理后的一幅M×N大小的图像可以用一个二维的灰度矩阵G来表示其灰度值，如式(1)。

$G=\left[\begin{array}{cccc}{g}_{11}& g_{12}& \·\·\·& g_{1N}\\ g_{21}& g_{22}& \·\·\·& g_{2N}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ g_{M1}& g_{M2}& \·\·\·& g_{\mathrm{MN}}\end{array}\right]---\left(1\right)$

采用一种基于改进的Sobel算子方向模板，对原始图像求其灰度梯度图像。用图6的8个方向模板对图像G进行逐点计算，取8个运算结果中的最大值作为该点的梯度值，并将该最大值对应模板方向顺时针转90°作为梯度方向。这样就得到了一幅具有方向信息的梯度图像。

$\left\{\begin{array}{c}{Y}_i=T_i\·G^{\′}\\ Y_{\max }=\max \left(Y_i\right)\end{array}\right.(i=0~7)---\left(2\right)$

式(2)中T_i表示第i个模板，G’为图像G中的一个3×3邻域，Y_i为第i个方向上的方向导数的模，Y_max表示3×3邻域中间像素点的梯度幅值。

下面以一个具体的例子说明某一像素点的梯度幅值及其方向的计算方法，如图7所示。图7中的3×3正方形为G’，其中采用方向模板T₀的计算过程为：

Y₀＝120×1+120×2+120×1+0×0+60×0+90×0+0×(-1)+0×(-2)+40×(-1)＝440     (3)

在计算出的8个结果中，取其中的最大值T₇作为中心像素点梯度的幅值，梯度方向取模板T₇的方向顺时针转90°后的方向，即与X轴夹角成45°方向。

图8为对采样后的电缆护套切片图像采用改进Sobel检测出的边缘效果图，可以清楚地发现经过边缘检测后的电缆护套切片图像的边缘连续并且光滑。

(3)边缘像素点细化

经过上述改进方向模板的计算得到了边缘像素点的梯度值和梯度的方向，接下来的工作就是要对图像边缘进行细化。传统的边缘细化算法很多，其主要思想是逐次剥除目标形体的最外层元素，直到获得宽度为单个像素的连通线。但在实际运用中，发现这一类的方法精确度较差，一些真实边缘点被剥离，而一些伪边缘点却被保留。这里，利用前面改进的Sobel方向模板时计算出的边缘的梯度进行单像素边缘的检测，具体检测步骤如下：对于梯度图像中的所有边缘点，在每一点的3×3邻域内，将中心像素的梯度值与沿梯度方向的两个像素梯度值进行比较，若在邻域中心处的幅值比沿梯度方向上的两个相邻点的幅值大，则此点为边缘点，否则，此点为非边缘点，赋值为0，从而得到单像素边缘图像。

对边缘检测后的图像采用细化处理后的结果如下图9所示。可以看出，经过上述方法对边缘像素点进行细化，得到了效果比较理想的单像素宽度的连续边缘图像。这样既可以提高边缘的定位精度，又可以为后面的亚像素定位打下基础。

(4)轮廓提取

对图9所示的单像素边缘图像进行轮廓提取。采用从上而下，从左至右的顺序扫描整个跟踪区域，寻找属于电缆护套内外边缘对象的像素，遇到的第一个对象点即为一个区域的跟踪起点。在这里，对于边界点采用8连通链码表示法，如图10所示，用值0-7定义中心像素的8个邻点方向。在图像处理中，为了取得邻点的灰度值，就得知道此邻点的坐标，这可由中心点的坐标加上邻点与中心点的坐标偏差得到。当坐标原点定义在屏幕左上角，即X轴自左向右，Y轴由上而下时，各邻点与中心点的坐标偏差如图11所示。在具体存储中，通常将链码表存放在一维数组中，它的第1、第2单元存放边界起点的X、Y坐标，第3单元开始存放链码序列，如图12所示。

从跟踪起点出发，逐次搜索下一边界点。搜索下一边界点的过程是在当前边界点按一定顺序检测其连通点是否为区域点，检测从区域外一点开始，遇到区域点结束，检测到的区域点即为下一边界点。具体来说，检测开始条件有两个，一是已知一个边界点，称为当前边界点，二是指向外部的背景区域的一个链码，由它指向检测的起始点。在错误！未找到引用源。13(a)中，英文字母代表区域像素，C为当前边界点，*为检测始点。此时，当前点指向它的链码为4。检测过程以当前边界点为中心，从检测始点开始逐个测试其邻点，直到遇到区域的边界点为止，若在邻点中没有找到边界点，说明它是孤立点，跟踪结束。

检测过程中用链码来控制各邻点的检测次序，按顺时针方向检测时，链码值依次递减，如错误！未找到引用源。13(b)中，在第4点遇到区域边界，则N点即为下一个边界点，如错误！未找到引用源。13(c)所示。将N点的链码存入链码表，然后将刚才找到的边界点N作为当前边界点，并确定新的检测起始点，进入下一轮边界点的搜索。该检测起始点只要设定为一个区域外的点即可。在图14中，*表示区域内部。边界的方向为C指向N，若要确定区域外部的点，可先将边界反向，即由N指向C，然后按顺时针旋转45°即可。对于链码操作来说，反向就是链码加4，顺时针旋转45°就是链码值再减去1。这样，C指向N的链码加3得到的链码即为N点指向区域外的一个方向。在图14中，图14(a)中计算得到的链码为4，图14(b)中计算得到的链码为3，它们的确是N指向外部的方向，用L表示。

反复用这样的方式，如果当前搜索到的边界点回到跟踪起点，并且它的链码方向与跟踪起点的链码方向一致时边界线闭合，则跟踪结束，从而提取出电缆护套内外边缘的轮廓，如图15所示。

(5)多项式插值法亚像素定位

传统插值法虽然在理论上可以获得较高的边缘定位精度，仅仅是在X方向和Y方向上插值，没有考虑到细分算法应在边界点的灰度梯度方向上进行，丢失了边缘点的方向信息，造成计算精度的下降。另外，在传统插值法中，边缘点的梯度值必须大于其上下左右四个像素点的梯度值，而同时满足这一条件的概率比较小。这样，可能导致计算结果上出现较大的误差，尤其对于曲线边缘的检测，误差很大。在这里，利用已知边界点的灰度梯度方向近似代替未知的亚像素点的梯度方向，并在此方向上进行二次多项式插值得到边缘的亚像素位置。对于灰度图像中任意点的梯度值用R表示，设R_(i，j)为边界点P₀(x_i，y_i)的灰度梯度的模，R_-1(R_(i-1，j)，R_(i，j-1))和R₁(R_(i+1，j)，R_(i，j+1))分别是在梯度方向上与P₀(x_i，y_i)点相邻的两像素点P_-1、P₁的梯度幅值，代入二次多项式插值函数式(4)：

$f\left(x\right)=\frac{\left({x-x}_i\right)[x-(x_i+w)]}{[(x_i-w)-x_i][(x_i-w)-(x_i+w)]}{R}_{(i-1,j)}+\frac{[x-(x_i-w)][x-(x_i+w)]}{[x_i-(x_i-w)][x_i-(x_i+w)]}{R}_{(i,j)}$

$+\frac{(x_i-x)[x-(x_i-w)]}{[(x_i+w)-(x_i-w)][(x_i+w)-x_i]}{R}_{(i+1,j)}---\left(4\right)$

令df(x)/dx＝0，可得亚像素点横坐标x为：

$x=x_i+\frac{R_{(i-1,j)}-R_{(i+1,j)}}{R_{(i-1,j)}-2R_{(i,j)}+R_{(i+1,j)}}\×\frac{W}{2}\cos \mathrm{\θ}---\left(5\right)$

同理，则可获得亚像素点纵坐标y为：

$y=y_i+\frac{R_{(i,j-1)}-R_{(i,j+1)}}{R_{(i,j-1)}-2R_{(i,j)}+R_{(i,j+1)}}\×\frac{W}{2}\sin \mathrm{\θ}---\left(6\right)$

式中：W为相邻像素点到边界点的距离，θ为梯度方向与X轴正向夹角。且对边缘进行多项式亚像素细分定位的前提条件为：

R_(i，j)＞R_(i-1，j)且R_(i，j)＞R_(i+1，j)；R_(i，j)＞R_(i，j-1)且R_(i，j)＞R_(i，j+1)  (7)

(6)厚度检测

上述各步骤得到的护套材料的内外边缘的链码表所表示的坐标集合分别是X、Y，那么根据国家标准的要求，3个最小厚度A、B、C和3个最大厚度D、E、F的测量方法如下：

遍历内边缘集合X中的每个坐标点，求与该坐标点距离最小的Y集合中的坐标点，则该距离为集合X中该点的厚度；

遍历外边缘集合Y中的每个坐标点，求与该坐标点距离最小的X集合中的坐标点，则该距离为集合Y中该点的厚度；

对X、Y集合中每个坐标点的厚度查找最小厚度A和最大厚度D；

针对A和D所在位置分别向前后移动1/6起点，在1/3范围内搜索并找到该范围内的最小厚度B、C和最大厚度E、F。检测结果如下图16所示，测量所得的亚像素坐标和亚像素距离(电缆护套的厚度)如图17所示。

本发明请求保护的范围并不仅仅局限于本具体实施方式的描述。

Claims (6)

1.一种基于图像处理的电缆护套厚度测量方法，其特征在于包括以下步骤：

(1)采用K近邻均值滤波器对采集到的图像进行平滑预处理；

(2)对预处理后的图像采用改进的Sobel边缘检测：

用一个二维的灰度矩阵G来表示一幅经过预处理的M×N大小的图像的灰度值；

$G=\left[\begin{array}{cccc}{g}_{11}& g_{12}& \·\·\·& g_{1N}\\ g_{21}& g_{22}& \·\·\·& g_{2N}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ g_{M1}& g_{M2}& \·\·\·& g_{\mathrm{MN}}\end{array}\right]$

采用图6所示的8个方向模板对G进行逐点计算，取结果中的最大值作为该点的梯度值，并将该最大值对应模板的方向顺时针转90°，得到了一幅具有方向信息的梯度图像：

$\left\{\begin{array}{c}{Y}_i=T_i\·G^{\′}\\ Y_{\max }=\max \left(Y_i\right)\end{array}\right.(i=0~7)$

上式中T_i表示第i个模板，G’为图像G中的一个3×3邻域，Y_i为第i个方向上的方向导数的模，Y_max表示3×3邻域中间像素点的梯度幅值；

(3)对边缘检测后的图像边缘像素点进行细化，细化步骤为：对于梯度图像中的所有边缘点，在每一点的3×3邻域内，将中心像素的梯度值与沿梯度方向的两个像素梯度值进行比较，若在邻域中心处的幅值比沿梯度方向上的两个相邻点的幅值大，则此点为边缘点，否则，此点为非边缘点，赋值为0，从而得到单像素边缘图像；

(4)对单像素边缘图像进行轮廓提取；采用从上而下，从左至右的顺序扫描整个跟踪区域，寻找属于电缆护套内外边缘对象的像素，遇到的第一个对象点即为一个区域的跟踪起点；从区域边界上的跟踪起点出发，逐次搜索下一边界点，找到下一边界点即将它的链码存入链码表，然后将刚才找到的边界点作为当前边界点，并确定新的检测始点链码，进入下一轮边界点的搜索，直至跟踪结束，从而跟踪并提取出电缆护套内外边缘的轮廓；

(5)采用多项式插值法亚像素定位；利用已知边缘点的灰度梯度方向近似代替未知的亚像素点的梯度方向，并在此方向上进行二次多项式插值得到边缘的亚像素位置；

对于灰度图像中任意点的梯度值用R表示，设R_(i，j)为边缘点P₀(x_i，y_i)的灰度梯度的模，R_-1(R_(i-1，j)，R_(i，j-1))和R₁(R_(i+1，j)，R_(i，j+1))分别是在梯度方向上与P₀(x_i，y_i)点相邻的两像素点P_-1、P₁的梯度幅值，代入二次多项式插值函数，得到亚像素点的横坐标x和纵坐标y：

$x=x_i+\frac{R_{(i-1,j)}-R_{(i+1,j)}}{R_{(i-1,j)}-2R_{(i,j)}+R_{(i+1,j)}}\×\frac{W}{2}\cos \mathrm{\θ}$

$y=y_i+\frac{R_{(i,j-1)}-R_{(i,j+1)}}{R_{(i,j-1)}-2R_{(i,j)}+R_{(i,j+1)}}\×\frac{W}{2}\sin \mathrm{\θ}$

上两式中，W为相邻像素点到边缘点的距离，θ为梯度方向与X轴正向夹角；

(6)根据上述各步骤得到的电缆护套材料的内外边缘的坐标集合，检测出电缆护套的3个最小厚度A、B、C和3个最大厚度D、E、F：

设内外边缘的坐标集合分别是X、Y，遍历内边缘集合X中的每个坐标点，求与该坐标点距离最小的Y集合中的坐标点，则该距离为集合X中该点的厚度；遍历外边缘集合Y中的每个坐标点，求与该坐标点距离最小的X集合中的坐标点，则该距离为集合Y中该点的厚度；

根据X、Y集合中每个坐标点的厚度找到最小厚度A和最大厚度D；针对A和D所在位置分别向前后移动1/6起点，在1/3范围内搜索并找到该范围内的最小厚度B、C和最大厚度E、F。

2.根据权利要求1所述的一种基于图像处理的电缆护套厚度测量方法，其特征在于，所述的K近邻均值滤波器的K取5。

3.根据权利要求1所述的一种基于图像处理的电缆护套厚度测量方法，其特征在于，对于边界点采用8连通链码表示法；在具体存储中，通常将链码表存放在一维数组中，它的第1、第2单元存放边界起点的X、Y坐标，第3单元开始存放链码序列。

4.根据权利要求1所述的一种基于图像处理的电缆护套厚度测量方法，其特征在于，所述的搜索下一个边界点的过程为，当前边界点按一定顺序检测其连通点是否为区域点，检测从区域外一点开始，遇到区域点结束，检测到的区域点即为下一边界点。

5.根据权利要求1所述的一种基于图像处理的电缆护套厚度测量方法，其特征在于，所述的跟踪结束的条件为当前搜索到的边界点回到跟踪起点，并且它的链码方向与跟踪起点的链码方向一致。

6.根据权利要求1所述的一种基于图像处理的电缆护套厚度测量方法，其特征在于，对边缘进行多项式插值法亚像素定位的前提条件是：

R_(i，j)＞R_(i-1，j)且R_(i，j)＞R_(i+1，j)；R_(i，j)＞R_(i，j-1)且R_(i,j)＞R_(i，j+1)

Images