CN102637300A - 改进的Zernike矩边缘检测方法 - Google Patents
改进的Zernike矩边缘检测方法 Download PDFInfo
- Publication number
- CN102637300A CN102637300A CN2012101362477A CN201210136247A CN102637300A CN 102637300 A CN102637300 A CN 102637300A CN 2012101362477 A CN2012101362477 A CN 2012101362477A CN 201210136247 A CN201210136247 A CN 201210136247A CN 102637300 A CN102637300 A CN 102637300A
- Authority
- CN
- China
- Prior art keywords
- pixel
- edge
- point
- intersection point
- detection method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
改进的Zernike矩边缘检测方法,涉及一种图像处理方法。提供一种针对交点附近像素点亚像素定位的改进的Zernike矩边缘检测方法。采用Zernike矩方法对工业CT图像进行亚像素边缘提取,并细化边缘,再采用8链码跟踪方法,获取边缘方向参数φ分布,计算边缘方向参数差分值Δφ,选取阈值T,判断边缘点是否为交点附近的像素点,若不是交点附近边缘点,则进行最小二乘拟合,得到直线方程,再通过直线方程计算交点附近待修正边缘点的亚像素坐标。改进Zernike矩边缘检测方法很好地弥补了Ghosal算法在交点附近像素点定位误差较大的不足,对高精度面积测量和高精度三维测量有重要意义。
Description
技术领域
本发明涉及一种图像处理方法,尤其是涉及一种针对交点亚像素定位的改进的Zernike矩边缘检测方法。
背景技术
工业CT(Industry Computerized Tomogragh)广泛应用于航空、航天、汽车等等工业中精密工件内部结构的测量及其缺陷检测领域。工业CT图像尺寸测量方法是一种以工业CT图像为信息载体并从中提取定量数据的测量方法,它以工业CT断层图像为研究对象,计算目标的长度、宽度、高度、壁厚等各种几何参数。与其它测量方法相比,其既能测得实体复杂的内部几何形状(尤其是封闭内腔)的参数,又不破坏实体。边缘提取是工业CT图像测量的基本任务,它对测量结果的精度有很大的影响。传统的边缘检测算子如Sobel,Canny等只能提取像素级边缘不能满足定位的高精度需求。Hueckel首先提出亚像素边缘检测算法,到目前为止,亚像素级边缘检测方法主要分为四大类:插值法、拟合法、基于小波变换的方法、基于矩的方法、基于活动轮廓模型的方法。其中基于矩的方法具有快速、高精度且有一定抗噪能力的优势。
Ghosal和Mehrotal首次提出了利用Zernike正交矩来检测亚像素边缘(参见Ghosal S,Mehrotra R.Orthogonal moment operators for sub-pixel edge detection.PatternRecognition,1993,26(2):295-306),在他们的算法中建立了理想的阶跃灰度模型,通过图像的三个不同阶次Zernike矩计算模型的4个参数,以这4个参数为判断边缘的依据并确定图像中物体边缘的位置。分析发现,Ghosal提出的Zernike矩方法是基于直线边缘的,当检测目标为交点附近像素点时,算法将每个模板内的折线边缘作为直线处理,亚像素检测效果较差。
因此,需要一种改进的Zernike矩边缘检测算法,解决Ghosal算法在利用Zernike矩进行亚像素边缘检测时交点附近的边缘检测误差大的问题。
发明内容
有鉴于此,本发明所要解决的技术问题是提供一种改进的Zernike矩边缘检测方法,对Ghosal算法在利用Zernike矩进行亚像素边缘检测时交点附近的亚像素边缘误差大的不足进行判断和修正。
本发明的目的是这样实现的:
本发明提供的改进的Zernike矩边缘检测方法,包括以下步骤:
1)获取图像,提取图像的边缘;
2)对边缘进行细化处理;
3)获取边缘方向参数φ分布和边缘方向参数差分值Δφ;
4)根据预设阈值T来判断边缘像素点是否为交点附近像素点,如果是,则该像素点为交点附近像素点;
5)如果否,则该像素点为非交点附近像素点,判断为待修正像素点,并利用非交点附近像素点进行最小二乘拟合,得到直线方程P;
6)利用直线方程P来计算待修正像素点的坐标。
进一步,所述步骤2)中边缘点细化是对图像中的所有边缘点做边缘梯度方向上边缘距离参数l的非极小值抑制来细化边缘。
进一步,所述步骤3)中对所有边缘点采用8链码跟踪获取边缘方向参数φ分布。
进一步,所述步骤3)中采用以下公式来计算检测到边缘点的边缘方向参数φ的向前差分值Δφ:
Δφ=φ(n+1)-φ(n),n=1,2,3...(NUM-1),
其中,Δφ表示边缘方向参数向前差分值,φ(n+1)表示后一个边缘点的边缘方向参数,φ(n)表示当前边缘点的边缘方向参数,NUM为检测到的像素点总数。
进一步,所述步骤4)中判断像素点是否为交点附近像素点包括以下步骤:
如果边缘方向参数差分值满足关系式|Δφ|≥T时,则边缘像素点为交点附近待修正像素点,如果边缘方向参数差分值满足关系式|Δφ|<T,则边缘像素点为非交点附近像素点。
进一步,所述步骤5)中最小二乘拟合直线方程根据以下公式进行:
其中,F(X,P)=Ax+By+C=0表示拟合的直线方程,P表示直线参数P=[A,B,C],X=[x,y,1]T表示坐标向量,对于直线上任意边缘点则F(X,P)表示该点到F(X,P)=0的代数距离,根据目标函数求解直线参数P。
进一步,所述步骤6)中交点附近的像素点的精确坐标是通过直线参数P来确定的。
本发明的优点在于:本发明与传统的Zernike矩边缘检测方法相比,针对交点附近像素点亚像素定位误差较大进行改进,采用Zernike矩方法对工业CT图像进行亚像素边缘提取,并细化边缘,然后采用8链码跟踪方法获取边缘方向参数φ分布,并计算边缘方向参数差分值Δφ,再选取阈值T,判断边缘点是否为交点附近的像素点,若为非交点附近的边缘点,进行最小二乘拟合从而得到直线方程,再通过直线方程计算交点附近待修正边缘点的亚像素坐标。改进Zernike矩边缘检测方法很好地弥补了Ghosal算法在交点附近像素点定位误差较大的不足,对高精度面积测量和高精度三维测量有重要意义。
本发明的其它优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其它优点可以通过下面的说明书,权利要求书,以及附图中所特别指出的结构来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为本发明实施例提供的改进的Zernike矩边缘检测方法流程图;
图2为本发明实施例的矩形数字模拟二值图;
图3为本发明实施例的边缘方向参数φ分布图;
图4为本发明实施例的边缘方向参数差分值Δφ分布图;
图5为本发明实施例的亚像素边缘定位结果图。
具体实施方式
以下将结合附图,对本发明的优选实施例进行详细的描述;应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
图1为本发明实施例提供的改进的Zernike矩边缘检测方法流程图,
实施例1
本发明提供的改进的Zernike矩边缘检测方法,包括以下步骤:
1)获取图像,提取图像的边缘;本实施例中采用Zernike矩方法对图像进行边缘提取,本实施例中的图像为工业CT图像。
2)对边缘进行细化处理;本实施例的细化边缘是通过对图像中的每一个边缘点在梯度最大方向上做边缘距离参数l的非极小值抑制来进行的。
3)获取边缘方向参数φ分布和边缘方向参数差分值Δφ;本实施例采取8链码跟踪获取边缘方向参数φ分布;本实施例采用以下公式来计算检测到边缘点的边缘方向参数φ的向前差分值Δφ:
Δφ=φ(n+1)-φ(n),n=1,2,3...(NUM-1),
其中,Δφ表示边缘方向参数向前差分值,φ(n+1)表示后一个边缘点的边缘方向参数,φ(n)表示当前边缘点的边缘方向参数,NUM为检测到的像素点总数。
4)根据预设阈值T来判断边缘像素点是否为交点附近像素点;判断像素点是否为交点附近像素点如下步骤:
如果边缘方向参数差分值满足关系式|Δφ|≥T时,则边缘像素点为交点像素点,如果边缘方向参数差分值满足关系式|Δφ|<T,则边缘像素点为待修正像素点,如果是,则该像素点为交点附近像素点;
5)如果否,则该像素点为非交点附近像素点,判断为待修正像素点,并利用非交点附近像素点进行最小二乘拟合,得到直线方程P;最小二乘拟合直线方程根据以下公式进行:
其中,F(X,P)=Ax+By+C=0表示拟合的直线方程,P表示直线参数P=[A,B,C],X=[x,y,1]T表示坐标向量,对于直线上任意边缘点则F(X,P)表示该点到F(X,P)=0的代数距离,根据目标函数求解直线参数P。
6)利用直线方程P来计算待修正像素点的坐标。
实施例2
本发明提供的实施例2采用如下方式进行改进的Zernike矩边缘检测方法。
步骤一、Zernike矩方法提取边缘轮廓,Zernike矩亚像素边缘检测的具体实现步骤如下:
(1)计算模板Re[M11],Im[M11]和M20;
其中Mpq表示p阶q次Zernike矩模板,M11表示一阶一次Zernike矩模板,M20表示二阶零次Zernike矩模板,Re[M11]表示M11模板实部,Im[M11]表示M11模板虚部。
(2)利用模板Re[M11],Im[M11]分别与图像卷积运算得到对应的Zernike矩实部Re[A11],和虚部Im[A11],M20与图像卷积运算得到二阶零次Zernike矩A20。p阶q次Zernike矩模板Mpq与图像卷积运算后得到p阶q次Zernike矩Apq。
(3)根据公式
计算边缘模型参数φ,l,k,h;
其中,φ表示边缘中心与对应像素中心的连线和水平方向的夹角,l表示边缘中心到像素中心距离,k表示边缘相对于背景的灰度阶跃值,h表示背景灰度值,A′pq为Apq旋转φ角后的Zernike矩。
(4)选取阈值δ和τ,对每个像素点进行边缘点判定,若该点的参数满足条件l≤δ,k≥τ,则认为此点边缘点,利用式子
计算亚像素边缘点坐标,N为模版的大小,(xs,ys)表示亚像素位置,(x,y)表示中心像素位置。
步骤二、边缘细化
由于l≤δ,k≥τ的判定具有全局性,会产生提取边缘较粗的现象,所以进行了边缘细化处理,其步骤如下:
(1)Zernike矩算法亚像素边缘检测中保留每个点的边缘方向φ和边缘距离l;
(2)对图像中的所有边缘点做边缘距离l的非极小值抑制。所谓的l的非极小值抑制,即将边缘点的边缘方向φ分为四个范围0~π/4,π/4~π/2,π/2~3π/4,π/2~π,再比较每个边缘点的边缘距离l0在边缘方向上相邻的两个像素点的边缘距离值l1,l2,判断l0是否比l1,l2小,若不是,则认为此点不是边缘点。
图2为本发明实施例的矩形数字模拟二值图;图3为本发明实施例的边缘方向参数φ分布图;图4为本发明实施例的边缘方向参数差分值Δφ分布图;图3中横坐标为边缘像素点序号,纵坐标为像素点的边缘方向参数φ;图4中横坐标为边缘像素点序号,纵坐标为像素点的边缘方向参数差分值Δφ。
步骤三、判断边缘点是否为交点附近边缘点,其步骤如下:
(1)边缘跟踪,获取边缘方向参数φ分布
对检测结果中亚像素边缘进行8链码跟踪,获取边缘参数φ分布。
(2)计算边缘方向参数差分值Δφ
计算检测到边缘点的边缘方向参数φ的向前差分值Δφ:
Δφ=φ(n+1)-φ(n),n=1,2,3...(NUM-1),
其中,Δφ表示边缘方向参数向前差分值,φ(n+1)表示后一个边缘点的边缘方向参数,φ(n)表示当前边缘点的边缘方向参数,NUM为检测到的像素点总数。
(3)选取阈值T,判断像素点是否为交点附近的像素点
选取阈值T,如果当差分值|Δφ|≥T时,则边缘像素点为交点附近像素点,如果|Δφ|<T,则边缘像素点为非交点附近像素点。
步骤四、直线拟合
直线的一般方程为:
F(X,P)=Ax+By+C=0,
求解出直线参数P。
步骤五、求交点附近像素点的亚像素坐标,
利用直线参数P,求取交点附近亚像素坐标。
图5为实施例中模拟二值图片的亚像素边缘定位结果,其中横坐标为列数,纵坐标为行数。
最后应说明的是,以上实施例仅用以说明本发明技术方案而非限制,尽管参照较佳实施例对本发明进行了说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者同等替换,而不脱离本发明方案的精神和范围。本发明就每个步骤所涉及的技术来说,都是可以用本技术领域的常识做到的,但这些步骤组合起来形成一种基于改进Zernike矩边缘技术的工业CT图像边缘定位方法。
Claims (7)
1.改进的Zernike矩边缘检测方法,其特点在于,包括以下步骤:
1)获取图像并提取图像的边缘;
2)对边缘进行细化处理;
3)获取边缘方向参数φ分布和边缘方向参数差分值Δφ;
4)根据预设阈值T来判断边缘像素点是否为交点附近像素点,如果是,则该像素点为交点附近像素点;
5)如果否,则该像素点为非交点附近像素点,判断为待修正像素点,并利用非交点附近像素点进行最小二乘拟合,得到直线方程P;
6)利用直线方程P来计算待修正像素点的坐标。
2.根据权利要求1所述改进的Zernike矩边缘检测方法,其特点在于,所述步骤2)中边缘点细化是对图像中的所有边缘点做边缘方向上边缘距离参数l的非极小值抑制来细化边缘。
3.根据权利要求1所述改进的Zernike矩边缘检测方法,其特点在于,所述步骤3)中对所有边缘点采用8链码跟踪获取边缘方向参数φ分布。
4.根据权利要求1所述改进的Zernike矩边缘检测方法,其特点在于,所述步骤3)中采用以下公式来计算检测到边缘点的边缘方向参数φ的向前差分值Δφ:
Δφ=φ(n+1)-φ(n),n=1,2,3...(NUM-1),
其中,Δφ表示边缘方向参数向前差分值,φ(n+1)表示后一个边缘点的边缘方向参数,φ(n)表示当前边缘点的边缘方向参数,NUM为检测到的像素点总数。
5.根据权利要求1所述改进的Zernike矩边缘检测方法,其特点在于,所述步骤4)中判断像素点是否为交点附近像素点包括以下步骤:
如果边缘方向参数差分值满足关系式|Δφ|≥T时,则边缘像素点为交点附近待修正像素点,如果边缘方向参数差分值满足关系式|Δφ|<T,则边缘像素点为非交点附近像素点。
6.根据权利要求1所述改进的Zernike矩边缘检测方法,其特点在于,所述步骤5)中最小二乘拟合直线方程根据以下公式进行:
其中,F(X,P)=Ax+By+C=0表示拟合的直线方程,P表示直线参数P=[A,B,C],X=[x,y,1]T表示坐标向量,对于直线上任意边缘点则F(X,P)表示该点到F(X,P)=0的代数距离,根据目标函数求解直线参数P。
7.根据权利要求1所述改进的Zernike矩边缘检测方法,其特点在于,所述步骤6)中交点附近的像素点的精确坐标是通过直线参数P来确定的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210136247.7A CN102637300B (zh) | 2012-04-26 | 2012-04-26 | 改进的Zernike矩边缘检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210136247.7A CN102637300B (zh) | 2012-04-26 | 2012-04-26 | 改进的Zernike矩边缘检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102637300A true CN102637300A (zh) | 2012-08-15 |
CN102637300B CN102637300B (zh) | 2014-08-06 |
Family
ID=46621686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210136247.7A Expired - Fee Related CN102637300B (zh) | 2012-04-26 | 2012-04-26 | 改进的Zernike矩边缘检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102637300B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208117A (zh) * | 2013-03-21 | 2013-07-17 | 袁景 | 一种多功能智能皮带表面斑块边缘检测方法 |
CN103218961A (zh) * | 2013-03-22 | 2013-07-24 | 苏州领视测控科技有限公司 | 一种lcd缺陷在线检测方法及系统 |
CN104050671A (zh) * | 2014-06-25 | 2014-09-17 | 西安石油大学 | 基于灰色关联分析和Zernike矩的油井管套损图像边缘检测方法 |
CN104318519A (zh) * | 2014-09-26 | 2015-01-28 | 南京邮电大学 | 一种基于边缘替代法的图像去雾方法 |
CN104715491A (zh) * | 2015-04-09 | 2015-06-17 | 大连理工大学 | 一种基于一维灰度矩的亚像素边缘检测方法 |
CN107767371A (zh) * | 2017-09-30 | 2018-03-06 | 电子科技大学 | 一种基于亚像素的高精度矩形磁材尺寸检测方法 |
CN109084675A (zh) * | 2018-06-04 | 2018-12-25 | 哈尔滨工业大学 | 基于嵌入式的几何特征与Zernike矩结合的圆心定位装置与方法 |
CN109622404A (zh) * | 2018-11-19 | 2019-04-16 | 广东海洋大学 | 一种基于机器视觉的微工件自动分拣系统及方法 |
CN111428720A (zh) * | 2020-04-14 | 2020-07-17 | 北京神工科技有限公司 | 基于阶跃响应匹配的亚像素级视觉特征点定位方法及装置 |
CN111862037A (zh) * | 2020-07-17 | 2020-10-30 | 华中科技大学无锡研究院 | 基于机器视觉的精密孔类零件几何特征检测方法及系统 |
CN111862071A (zh) * | 2020-07-29 | 2020-10-30 | 南通大学 | 一种基于ct图像测量腰1椎体ct值的方法 |
CN113192118A (zh) * | 2021-04-07 | 2021-07-30 | 中国兵器科学研究院宁波分院 | 一种空调压缩机内部结构尺寸精确测量方法 |
CN114862855A (zh) * | 2022-07-07 | 2022-08-05 | 南通盈赛纺织品有限公司 | 基于模板匹配的纺织品缺陷检测方法及系统 |
CN117237441A (zh) * | 2023-11-10 | 2023-12-15 | 湖南科天健光电技术有限公司 | 亚像素定位方法、系统、电子设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003009232A2 (en) * | 2001-07-16 | 2003-01-30 | Hewlett-Packard Company | Method and apparatus for sub-pixel edge detection |
CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
CN101465002A (zh) * | 2009-01-05 | 2009-06-24 | 东南大学 | 椭圆目标的亚像素边缘定位方法 |
-
2012
- 2012-04-26 CN CN201210136247.7A patent/CN102637300B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003009232A2 (en) * | 2001-07-16 | 2003-01-30 | Hewlett-Packard Company | Method and apparatus for sub-pixel edge detection |
CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
CN101465002A (zh) * | 2009-01-05 | 2009-06-24 | 东南大学 | 椭圆目标的亚像素边缘定位方法 |
Non-Patent Citations (3)
Title |
---|
王 珏,徐利兵,卢艳平: "边缘检测在工业CT图像中的应用", 《无损检测》 * |
罗敏,王琰: "一种利用Roberts-Zernike矩的亚像素边缘检测方法", 《计算机工程与应用》 * |
陶李,王珏,邹永宁,伍立芬,王慧倩: "改进的Zernike矩工业CT图像边缘检测", 《中国光学》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208117A (zh) * | 2013-03-21 | 2013-07-17 | 袁景 | 一种多功能智能皮带表面斑块边缘检测方法 |
CN103218961A (zh) * | 2013-03-22 | 2013-07-24 | 苏州领视测控科技有限公司 | 一种lcd缺陷在线检测方法及系统 |
CN104050671A (zh) * | 2014-06-25 | 2014-09-17 | 西安石油大学 | 基于灰色关联分析和Zernike矩的油井管套损图像边缘检测方法 |
CN104050671B (zh) * | 2014-06-25 | 2016-07-13 | 西安石油大学 | 基于灰色关联分析和Zernike矩的油井管套损图像边缘检测方法 |
CN104318519A (zh) * | 2014-09-26 | 2015-01-28 | 南京邮电大学 | 一种基于边缘替代法的图像去雾方法 |
CN104318519B (zh) * | 2014-09-26 | 2017-07-07 | 南京邮电大学 | 一种基于边缘替代法的图像去雾方法 |
CN104715491A (zh) * | 2015-04-09 | 2015-06-17 | 大连理工大学 | 一种基于一维灰度矩的亚像素边缘检测方法 |
CN104715491B (zh) * | 2015-04-09 | 2017-07-21 | 大连理工大学 | 一种基于一维灰度矩的亚像素边缘检测方法 |
CN107767371B (zh) * | 2017-09-30 | 2021-02-05 | 电子科技大学 | 一种基于亚像素的高精度矩形磁材尺寸检测方法 |
CN107767371A (zh) * | 2017-09-30 | 2018-03-06 | 电子科技大学 | 一种基于亚像素的高精度矩形磁材尺寸检测方法 |
CN109084675A (zh) * | 2018-06-04 | 2018-12-25 | 哈尔滨工业大学 | 基于嵌入式的几何特征与Zernike矩结合的圆心定位装置与方法 |
CN109622404A (zh) * | 2018-11-19 | 2019-04-16 | 广东海洋大学 | 一种基于机器视觉的微工件自动分拣系统及方法 |
CN111428720A (zh) * | 2020-04-14 | 2020-07-17 | 北京神工科技有限公司 | 基于阶跃响应匹配的亚像素级视觉特征点定位方法及装置 |
CN111428720B (zh) * | 2020-04-14 | 2023-09-26 | 北京神工科技有限公司 | 基于阶跃响应匹配的亚像素级视觉特征点定位方法及装置 |
CN111862037A (zh) * | 2020-07-17 | 2020-10-30 | 华中科技大学无锡研究院 | 基于机器视觉的精密孔类零件几何特征检测方法及系统 |
CN111862071A (zh) * | 2020-07-29 | 2020-10-30 | 南通大学 | 一种基于ct图像测量腰1椎体ct值的方法 |
CN111862071B (zh) * | 2020-07-29 | 2024-03-05 | 南通大学 | 一种基于ct图像测量腰1椎体ct值的方法 |
CN113192118A (zh) * | 2021-04-07 | 2021-07-30 | 中国兵器科学研究院宁波分院 | 一种空调压缩机内部结构尺寸精确测量方法 |
CN113192118B (zh) * | 2021-04-07 | 2021-10-29 | 中国兵器科学研究院宁波分院 | 一种空调压缩机内部结构尺寸精确测量方法 |
CN114862855A (zh) * | 2022-07-07 | 2022-08-05 | 南通盈赛纺织品有限公司 | 基于模板匹配的纺织品缺陷检测方法及系统 |
CN114862855B (zh) * | 2022-07-07 | 2022-09-23 | 南通盈赛纺织品有限公司 | 基于模板匹配的纺织品缺陷检测方法及系统 |
CN117237441A (zh) * | 2023-11-10 | 2023-12-15 | 湖南科天健光电技术有限公司 | 亚像素定位方法、系统、电子设备和介质 |
CN117237441B (zh) * | 2023-11-10 | 2024-01-30 | 湖南科天健光电技术有限公司 | 亚像素定位方法、系统、电子设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102637300B (zh) | 2014-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102637300B (zh) | 改进的Zernike矩边缘检测方法 | |
CN102750693B (zh) | Zernike矩对曲线边缘高精度定位的修正方法 | |
CN103425988B (zh) | 一种具有圆弧几何基元的实时定位与匹配方法 | |
CN107341802B (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
Da et al. | Sub-pixel edge detection based on an improved moment | |
CN103678754B (zh) | 信息处理装置及信息处理方法 | |
Peng et al. | Computer vision algorithm for measurement and inspection of O-rings | |
CN103942824B (zh) | 一种三维点云直线特征提取方法 | |
CN107610061B (zh) | 一种基于二维投影的保边点云孔洞修补方法 | |
CN101477685B (zh) | 具有景深零件加工质量的亚像素级图像检测方法 | |
CN106248035A (zh) | 一种基于点云模型的面轮廓度精确检测的方法及系统 | |
CN105865344A (zh) | 一种基于机器视觉的工件尺寸测量方法和装置 | |
CN104359403A (zh) | 基于亚像素边缘算法的平面零件尺寸测量方法 | |
CN102628682A (zh) | 基于工业ct扫描技术的体积测量方法 | |
CN104359415B (zh) | 一种水火弯板角变形量测量方法及系统 | |
Wang et al. | Distortion calibrating method of measuring rail profile based on local affine invariant feature descriptor | |
Belhaoua et al. | Error evaluation in a stereovision-based 3D reconstruction system | |
CN115937203B (zh) | 一种基于模板匹配的视觉检测方法、装置、设备及介质 | |
CN109583377B (zh) | 一种管路模型重建的控制方法、装置及上位机 | |
CN111932669A (zh) | 一种基于边坡岩体特征对象的变形监测方法 | |
JP2017026430A (ja) | 標識検出装置、方法、及びプログラム | |
CN112150616A (zh) | 一种基于空间数据融合的水上交通事故航迹模拟方法 | |
Kiddee et al. | A practical and intuitive calibration technique for cross-line structured light | |
Shi et al. | Circular grid pattern based surface strain measurement system for sheet metal forming | |
CN113362468B (zh) | 一种火车轮毂的尺寸测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140806 Termination date: 20150426 |
|
EXPY | Termination of patent right or utility model |