CN102737377A - 改进的亚像素边缘提取方法 - Google Patents
改进的亚像素边缘提取方法 Download PDFInfo
- Publication number
- CN102737377A CN102737377A CN2012101477714A CN201210147771A CN102737377A CN 102737377 A CN102737377 A CN 102737377A CN 2012101477714 A CN2012101477714 A CN 2012101477714A CN 201210147771 A CN201210147771 A CN 201210147771A CN 102737377 A CN102737377 A CN 102737377A
- Authority
- CN
- China
- Prior art keywords
- edge
- image
- sub
- pixel
- extracting
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种改进的亚像素边缘提取方法，先在原始图像中根据实际象素提取边缘，做边缘的粗定位，再以粗定位的结果剪裁原始图像，获得仅剩边缘的图像，最后在剪裁后的图像中以亚像素边缘提取算法提取亚像素边缘。通过估计的边缘位置剪裁图像，把其他干扰的部分全部剔除，可减少无关的信息的干扰，只在剩余的图像中做亚像素精度的边缘提取，大大减少了运算量，提高了算法的自适应能力和准确度，也大大加快了图像处理的速度。
Description
技术领域:
本发明涉及物理领域，尤其涉及测量技术，特别涉及机器视觉领域中提取图像边缘的技术，具体的是一种改进的亚像素边缘提取方法。
背景技术:
在机器视觉领域中，经常需要从图像中提取图像的边缘。根据图像的实际像素精度提取的边缘，其精细度不足。现有技术中提出了一种亚像素边缘提取算法，将每个实际像素细分成更小的单元，然后提取这些单元的边缘，从而获得精细的图像边缘。但是，现有的这种亚像素边缘提取算法容易受到图像中无关部分的干扰，自适应能力较弱，准确度不理想，图像处理速度较低。
发明内容：
本发明的目的在于提供一种改进的亚像素边缘提取方法，所述的这种改进的亚像素边缘提取方法要解决现有技术中亚像素边缘提取算法容易受到图像中无关部分的干扰、自适应能力较弱、准确度不理想、图像处理速度较低的技术问题。
本发明的这种改进的亚像素边缘提取方法，包括一个在计算机中以亚像素边缘提取算法提取图像边缘的步骤，其中，在所述的以亚像素边缘提取算法提取图像边缘的步骤进行之前，先根据图像的一次像素精度提取图像的边缘，完成边缘的粗定位，然后以边缘粗定位的结果对原始图像进行剪裁，仅保留边缘区域的图像。
进一步的，在以亚像素边缘提取算法提取图像边缘的步骤进行之前，先从原始图像中选取需要检测的部分，然后在选取的区域内以自动阈值分割的方法获得二值化的图象，再根据上述二值化图象的像素精度从二值化图象中取得边缘，之后对二值化图象进行膨胀运算，获得较粗的边缘，然后以所述的较粗的边缘为模板，在原始图像中进行剪裁，保留边缘区域内的图像。
进一步的，在剪裁后保留的边缘区域内的图像中以亚像素边缘提取算法提取亚像素精度的图像边缘。
本发明和已有技术相比较，其效果是积极和明显的。本发明先在原始图像中根据实际象素提取边缘，做边缘的粗定位，再以粗定位的结果剪裁原始图像，获得仅剩边缘的图像，最后在剪裁后的图像中以亚像素边缘提取算法提取亚像素边缘。通过估计的边缘位置剪裁图像，把其他干扰的部分全部剔除，可减少无关的信息的干扰，只在剩余的图像中做亚像素精度的边缘提取，大大减少了运算量，提高了算法的自适应能力和准确度，也大大加快了图像处理的速度。
附图说明：
图1是本发明的改进的亚像素边缘提取方法的一个实施例中的原始图像的示意图。
图2是本发明的改进的亚像素边缘提取方法的一个实施例中通过自动阈值分割方法获得的二值化图像。
图3是本发明的改进的亚像素边缘提取方法的一个实施例中的二值化图像中的边缘部分示意图。
图4是本发明的改进的亚像素边缘提取方法的一个实施例中的经过膨胀运算获得的较粗的边缘的示意图。
图5是本发明的改进的亚像素边缘提取方法的一个实施例中以较粗边缘为模板在原始图像中剪裁后的剩余部分。
图6是本发明的改进的亚像素边缘提取方法的一个实施例中在原始图像的剪裁后剩余部分内以亚像素边缘提取算法提取的亚像素精度边缘的示意图。
具体实施方式：
实施例1:
本发明的改进的亚像素边缘提取方法，包括一个在计算机中以亚像素边缘提取算法提取图像边缘的步骤，其中，在所述的以亚像素边缘提取算法提取图像边缘的步骤进行之前，先根据图像的一次像素精度提取图像的边缘，完成边缘的粗定位，然后以边缘粗定位的结果对原始图像进行剪裁，仅保留边缘区域的图像。
进一步的，如图1所示，在以亚像素边缘提取算法提取图像边缘的步骤进行之前，先从原始图像1中选取需要检测的部分，然后，如图2所示，在选取的区域2内以自动阈值分割的方法获得二值化的图象3，如图3所示，再根据上述二值化图象3的像素精度从二值化图象3中取得边缘（图3中白色线条区域），如图4所示，之后对二值化图象进行膨胀运算，获得较粗的边缘（图4中白色线条区域），如图5所示，然后以所述的较粗的边缘为模板，在原始图像1中进行剪裁，保留边缘区域内的图像（图5中白色及灰度区域）。
如图6所示，进一步的，在剪裁后保留的边缘区域内的图像中以亚像素边缘提取算法提取亚像素精度的图像边缘（图6中白色及灰度区域）内的黑色线条。
Claims (3)
1.一种改进的亚像素边缘提取方法，包括一个在计算机中以亚像素边缘提取算法提取图像边缘的步骤，其特征在于：在所述的以亚像素边缘提取算法提取图像边缘的步骤进行之前，先根据图像的一次像素精度提取图像的边缘，完成边缘的粗定位，然后以边缘粗定位的结果对原始图像进行剪裁，仅保留边缘区域的图像。
2.如权利要求1所述的改进的亚像素边缘提取方法，其特征在于：在以亚像素边缘提取算法提取图像边缘的步骤进行之前，先从原始图像中选取需要检测的部分，然后在选取的区域内以自动阈值分割的方法获得二值化的图象，再根据上述二值化图象的像素精度从二值化图象中取得边缘，之后对二值化图象进行膨胀运算，获得较粗的边缘，然后以所述的较粗的边缘为模板，在原始图像中进行剪裁，保留边缘区域内的图像。
3.如权利要求2所述的改进的亚像素边缘提取方法，其特征在于：在剪裁后保留的边缘区域内的图像中以亚像素边缘提取算法提取亚像素精度的图像边缘。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012101477714A CN102737377A (zh) | 2012-05-14 | 2012-05-14 | 改进的亚像素边缘提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012101477714A CN102737377A (zh) | 2012-05-14 | 2012-05-14 | 改进的亚像素边缘提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102737377A true CN102737377A (zh) | 2012-10-17 |
Family
ID=46992802
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012101477714A Pending CN102737377A (zh) | 2012-05-14 | 2012-05-14 | 改进的亚像素边缘提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102737377A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104228049A (zh) * | 2014-09-17 | 2014-12-24 | 西安交通大学 | 一种基于机器视觉吹塑产品的在线测量方法 |
| CN104732536A (zh) * | 2015-03-18 | 2015-06-24 | 广东顺德西安交通大学研究院 | 一种基于改进形态学的亚像素边缘检测方法 |
| CN105509643A (zh) * | 2016-01-04 | 2016-04-20 | 京东方科技集团股份有限公司 | 一种亚像素单元线宽的测量方法及装置 |
| CN109829897A (zh) * | 2019-01-17 | 2019-05-31 | 北京理工大学 | 一种齿轮毛刺检测方法及齿轮高精度视觉测量系统 |
| CN109949328A (zh) * | 2019-03-22 | 2019-06-28 | 大连大学 | 一种激光焊待焊件图像中直线边缘上矩形域灰度计算方法 |
| CN111879241A (zh) * | 2020-06-24 | 2020-11-03 | 西安交通大学 | 基于机器视觉的手机电池尺寸测量方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101144703A (zh) * | 2007-10-15 | 2008-03-19 | 陕西科技大学 | 一种基于多源图像融合的物体几何尺寸测量装置及方法 |
| CN101256156A (zh) * | 2008-04-09 | 2008-09-03 | 西安电子科技大学 | 平板裂缝天线裂缝精密测量方法 |
| CN101901477A (zh) * | 2010-07-27 | 2010-12-01 | 中国农业大学 | 植物叶片田间图像边缘提取方法及其系统 |
-
2012
- 2012-05-14 CN CN2012101477714A patent/CN102737377A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101144703A (zh) * | 2007-10-15 | 2008-03-19 | 陕西科技大学 | 一种基于多源图像融合的物体几何尺寸测量装置及方法 |
| CN101256156A (zh) * | 2008-04-09 | 2008-09-03 | 西安电子科技大学 | 平板裂缝天线裂缝精密测量方法 |
| CN101901477A (zh) * | 2010-07-27 | 2010-12-01 | 中国农业大学 | 植物叶片田间图像边缘提取方法及其系统 |
Non-Patent Citations (3)
| Title |
|---|
| 刘力双 等: "图像的快速亚像素边缘检测方法", 《光电子.激光》 * |
| 张洪涛 等: "一种快速亚像索边缘价测方法研究", 《计量学报》 * |
| 郎晓萍 等: "图像测量中快速边缘亚像素定位研究", 《工具技术》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104228049A (zh) * | 2014-09-17 | 2014-12-24 | 西安交通大学 | 一种基于机器视觉吹塑产品的在线测量方法 |
| CN104732536A (zh) * | 2015-03-18 | 2015-06-24 | 广东顺德西安交通大学研究院 | 一种基于改进形态学的亚像素边缘检测方法 |
| CN105509643A (zh) * | 2016-01-04 | 2016-04-20 | 京东方科技集团股份有限公司 | 一种亚像素单元线宽的测量方法及装置 |
| US10204407B2 (en) | 2016-01-04 | 2019-02-12 | Boe Technology Group Co., Ltd. | Measurement method and measurement device of critical dimension of sub-pixel |
| CN109829897A (zh) * | 2019-01-17 | 2019-05-31 | 北京理工大学 | 一种齿轮毛刺检测方法及齿轮高精度视觉测量系统 |
| CN109949328A (zh) * | 2019-03-22 | 2019-06-28 | 大连大学 | 一种激光焊待焊件图像中直线边缘上矩形域灰度计算方法 |
| CN109949328B (zh) * | 2019-03-22 | 2021-04-02 | 大连大学 | 一种激光焊待焊件图像中直线边缘上矩形域灰度计算方法 |
| CN111879241A (zh) * | 2020-06-24 | 2020-11-03 | 西安交通大学 | 基于机器视觉的手机电池尺寸测量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102737377A (zh) | 改进的亚像素边缘提取方法 | |
| CN109859227B (zh) | 翻拍图像检测方法、装置、计算机设备及存储介质 | |
| CN110163219B (zh) | 基于图像边缘识别的目标检测方法 | |
| CN103310218B (zh) | 一种重叠遮挡果实精确识别方法 | |
| CN109461148A (zh) | 基于二维Otsu的钢轨缺陷分割自适应快速算法 | |
| JP2018198053A5 (zh) | ||
| WO2008139529A1 (ja) | 車両周辺監視装置、車両周辺監視用プログラム、車両周辺監視方法 | |
| US9275030B1 (en) | Horizontal and vertical line detection and removal for document images | |
| CN106485696B (zh) | 一种基于机器视觉的易爆危险品压合缺陷的检测方法 | |
| JP2014144034A5 (zh) | ||
| CN109166116B (zh) | 一种用于芯片计数的图像处理方法 | |
| JP2012016453A5 (zh) | ||
| WO2009120263A3 (en) | System and method for illumination invariant image segmentation | |
| EP2579184A3 (en) | Mobile apparatus and method of controlling the same | |
| CN109724988B (zh) | 一种基于多模板匹配的pcb板缺陷定位方法 | |
| CN105719275A (zh) | 一种并行组合的图像缺陷分割方法 | |
| Jing et al. | Pavement crack distress detection based on image analysis | |
| CN105139391A (zh) | 一种雾霾天气交通图像边缘检测方法 | |
| CN111640128A (zh) | 一种基于U-Net网络的细胞图像分割方法 | |
| CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
| CN102663781A (zh) | 一种基于视觉的亚像素级焊缝中心提取方法 | |
| CN107194402B (zh) | 一种并行细化骨架提取方法 | |
| CN104992175B (zh) | 一种基于树型关系的过粘连钢坯字符分割方法 | |
| EP2309446A3 (en) | Image processing apparatus, control method and program | |
| CN107680104B (zh) | 基于kalman滤波的手势分割方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121017 |