CN110264490A - 一种应用于机器视觉系统中的亚像素精度边缘提取方法 - Google Patents

Abstract

本发明涉及一种应用于机器视觉系统中的亚像素精度边缘提取方法，所述方法包括：从待处理图像中提取第一子区域，通过边缘提取算子获得第一子区域内图形轮廓，设置区域移动常数，并从待处理图像中提取第二子区域和第三子区域，确定三个子区域左上角坐标，对任一相邻的两个子区域做互相关运算，分别从获得的二维相关谱中寻找最大值所对应的整数位置，通过三点拟合插值公式计算获得两个最大值分别所对应的亚像素精度位置，并利用最大值分别所对应的亚像素精度位置将图形轮廓位置点修正为亚像素精度位置。本发明的有益效果体现在，通过对图像边缘处子图像进行互相关运算而获取具有亚像素精度的互相关峰值位置，从而确定亚像素精度的图像边缘位置。

Description

一种应用于机器视觉系统中的亚像素精度边缘提取方法

技术领域

本发明属于机器视觉技术领域，具体涉及一种应用于机器视觉系统中的亚像素精度边缘提取方法。

背景技术

对位是现代工业生产中器件精密装配环节的专业称呼，其典型应用如，以手机生产为典型代表的各种柔性或刚性器件的安装。其具体实现过程是，将位置1的物体A与位置2的物体B安装在一起，在此安装过程中，需要对物体A或物体B的水平或旋转方向有调整。实现对位功能好坏的一个关键环节在于，是否可以获得上述物体A和物体B的精确位置。对物体的精确定位是通过对图像上该物体的轮廓位置进行准确的计算来获得的。视觉系统获取图像是通过相机芯片中每个微小的感光单元来实现的，在这样的情况下，所能获得的图像位置精度只能是1个像素。在高精度对位时，1个像素精度往往会导致视觉系统分辨率不够，因此，发展出一种能够达到0.1个像素甚至更低的亚像素精度的轮廓获取方法就非常有必要。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种应用于机器视觉系统的亚像素精度边缘提取方法，通过对物体图像边缘处子图像进行互相关运算而获取具有亚像素精度的互相关峰值位置，从而确定了亚像素精度的物体图像边缘位置。

为了实现上述目的，本发明采用的技术方案是：

提供一种应用于机器视觉系统中的亚像素精度边缘提取方法，所述方法包括：

S1、从待处理图像中提取第一子区域，通过边缘提取算子获得第一子区域内图形轮廓CP，此时图形轮廓CP位置为整数值；建立沿第一子区域宽度方向和高度方向的二维坐标系，确定第一子区域左上角坐标；

S2、设置区域移动常数 ，所述为宽度移动常数，所述为高度移动常数；

S3、从待处理图像中提取第二子区域和第三子区域，所述第二子区域和第三子区域均包含图形轮廓CP，第二子区域左上角坐标相对于第一子区域左上角坐标移动负的移动常数，第三子区域左上角坐标相对于第一子区域左上角坐标移动正的移动常数；

S4、分别对相邻的两个子区域做互相关运算，并分别从获得的二维相关谱中寻找最大值 所对应的整数位置和；

S5、通过三点拟合插值公式计算获得两个最大值 分别所对应的亚像素精度位置和，所述和、 和分别代表两个最大值的亚像素精度位置的非整数部分；针对图形轮廓CP上任一一点位置具有的亚像素精度位置 定义为：

式（1）

其中，和为整数值，，，，；最终图形轮廓上点位置修正为亚像素精度位置 。

优选方案，所述第二子区域与第一子区域的宽度和高度均相等。

优选方案，所述第三子区域与第一子区域的宽度和高度均相等。

优选方案，所述步骤S2中移动常数中宽度移动常数 设置包括：

确定图形轮廓上所有点 中 的最小值以及最大值，设置宽度预偏置量 ，取区间内的整数常数；确定图形轮廓上所有点中的最小值以及最大值，设置高度预偏置量， 取 区间内的整数常数；

计算不值时和两处对应灰度值与 的差值的绝对值，计算公式为：

式（2）

其中，，所有中最大值为，所有的算数平均值为，设；

确认待处理图像中所有点的灰度值中最大值 ，所有点灰度值的算数平均值，设，定义宽度移动常数取与之间的较小值，。

优选方案，所述步骤S2中移动常数 中高度移动常数设置包括：

确定图形轮廓上所有点中的最小值以及最大值，设置宽度预偏置量，取区间内的整数常数；确定图形轮廓上所有点中的最小值以及最大值，设置高度预偏置量，取区间内的整数常数；

计算不同值时和两处对应灰度值与的差值的绝对值，计算公式为：

式（3）

其中，，所有中最大值为，所有的算数平均值为，设；

确认待处理图像中所有点的灰度值中最大值，所有点灰度值的算数平均值，设，定义高度移动常数取与之间的较小值，。

优选方案，所述互相关运算采用基于FFT做互相关运算。

优选方案，所述边缘提取算子采用Canny算子。

本发明的有益效果体现在，提供一种应用于机器视觉系统中的亚像素精度边缘提取方法，通过在物体图像边缘处提取子图像进行互相关运算而获取具有亚像素精度的互相关峰值位置，从而确定亚像素精度的物体图像边缘位置，即采用第二子区域B和第三子区域C分别以第一子区域A中心对称的提取方式，并通过第一子区域分别与第二子区域以及第三子区域做互相关运算，分别找出两组互相关运算中最大值 所对应的整数坐标位置和 ，进一步通过在二维坐标系中和两个方向上的三点拟合，得到两个最大值具有非整数部分的亚像素精度位置的坐标位置和，进而利用上述两个最大值具有非整数部分的亚像素精度位置将图形轮廓上点的坐标修正为亚像素精度坐标；本发明提供一种不同的可确定亚像素精度的物体图像边缘位置的方法，为亚像素精度边缘提取方法开辟新的路径。

附图说明：

图1为本发明实施例所述应用于机器视觉系统中的亚像素精度边缘提取方法流程图；

图2为本发明实施例所述子区域提取以及三个子区域相对位置关系示意图；

图3为本发明实施例所述确定图形轮廓CP中最小值、 以及对应的预偏置量、 示意图；

图4为本发明实施例所述沿 方向上的三点拟合确定最大值所对应的亚像素精度坐标位置示意图；

图5为本发明实施例所述沿 方向上的三点拟合确定最大值所对应的亚像素精度坐标位置示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-5所示，本发明提供的具体实施例如下：

本实施例的一种应用于机器视觉系统中的亚像素精度边缘提取方法，所述方法包括：

S1、从待处理图像IM中提取第一子区域A，通过边缘提取算子（如Canny算子）获得第一子区域A内图形轮廓CP，此时图形轮廓CP位置为整数值；建立沿第一子区域宽度方向（如图2中方向）和高度方向（如图2中方向）的二维坐标系，确定第一子区域A左上角坐标；

S2、设置区域移动常数，所述为宽度移动常数，所述为高度移动常数；

S3、从待处理图像IM中提取第二子区域B和第三子区域C，并确定第二子区域B和第三子区域C的左上角坐标，从而确定三个子区域的相对位置关系；所述第二子区域B和第三子区域C均包含图形轮廓CP，第二子区域B左上角坐标相对于第一子区域A左上角坐标移动负的移动常数 ，即第二子区域B左上角坐标；第三子区域C左上角坐标相对于第一子区域A左上角坐标移动正的移动常数，即第三子区域C左上角坐标；

S4、分别对相邻的两个子区域做互相关运算，并分别从获得的二维相关谱中寻找最大值所对应的整数位置和；即包括两组互相关运算，对第一子区域A与第二子区域B做互相关运算，从获得的二维相关谱Rab中寻找最大值 所对应的整数位置；对第一子区域A与第三子区域C做互相关运算，从获得的二维相关谱Rac中寻找最大值所对应的整数位置 ；

S5、通过三点拟合插值公式计算获得两个最大值 分别所对应的亚像素精度位置和，所述和、和分别代表两个最大值的亚像素精度位置的非整数部分；针对图形轮廓CP上任一一点位置具有的亚像素精度位置定义为：

式（1）

其中，和为整数值，，，，；最终图形轮廓上点位置修正为亚像素精度位置。

上述实施例中，第一子区域A与第二子区域B、第一子区域A与第三子区域C做互相关运算，均采用基于FFT（快速傅里叶变换）做互相关运算，具体推导如下，

式（4）

式中X和Y表示两个二维矩阵，*表示这两个矩阵做卷积运算，表示X和Y这两个矩阵的互相关计算结果。下面用F表示做FFT运算，有：

式（5）

可得：

式（6）

此时F^-1表示FFT逆运算。互相关结果是一个二维矩阵，最大值一般不会落在整数坐标位置，而往往会出现在两个整数坐标位置之间，如图4和图5所示，就位于方向坐标和之间，通过在和两个方向上的三点拟合，就可以得到所对应的亚像素精度的坐标位置（即具有非整数部分的坐标位置）。利用三点拟合插值公式计算最大值所对应的亚像素精度的坐标位置如下：

式（7-1）

式（7-2）

二维矩阵中每个位置均存有一个数据，通过比较矩阵中所有位置的数据，可以获得最大值，所在位置记为，并用标记，其中和均为整数，分别为在矩阵中和方向坐标（如图4和图5所示），即获得整数位置为具有的最大值，整数位置即为需要从二维相关谱中寻找最大值所对应的整数位置，由于最大值一般不会落在整数坐标位置，而往往会出现在两个整数坐标位置之间，因此继续利用公式（7-1）和公式（7-2）通过三点拟合方法可获得最大值的非整数位置处（即具有亚像素精度的坐标位置）；在矩阵中处提取相应的值，在矩阵中位置处提取相应的值，在矩阵中位置处提取相应的值，利用公式（7-1）计算获得沿方向的坐标；在矩阵中处提取相应的值，在矩阵中位置处提取相应的值，在矩阵中位置处提取相应的值，利用公式（7-2）计算获得沿方向的坐标。

其中，和分别代表所对应的亚像素精度位置的非整数部分，，。利用第一子区域A和第二子区域B的两个矩阵做互相关运算进一步解释说明，由于最大值往往出现在两个整数坐标位置之间，因此从获得的二维相关谱Rab中寻找最大值所对应的整数坐标位置，即此时和为整数值，进一步通过在和两个方向上的三点拟合，可以得到最大值所对应的亚像素精度位置，该亚像素精度位置是具有非整数部分的坐标位置，为，其中和为[-1，1]区间之间的数据；第一子区域A与第三子区域C采用上述同样的方法，得到最大值所对应的亚像素精度位置，该亚像素精度位置是具有非整数部分的坐标位置，为，其中和为[-1，1]区间之间的数据。利用上述两个最大值具有非整数部分的亚像素精度位置，针对图形轮廓CP上任一一点位置具有的亚像素精度位置定义为：，，其中、是点的整数部分坐标，、是点的非整数部分坐标，通过上述方法从而将图形轮廓上点的坐标修正为亚像素精度坐标。

优选实施例方案，所述第二子区域B与第一子区域A的宽度和高度均相等。本实施例中，在待处理图像IM中提取子区域时，如图2所示，IM代表图像，第一子区域A是图像IM中待处理的子区域，建立如图2中二维坐标系，第一子区域A沿方向的宽度为W、沿方向的高度为H，第一子区域A表示在IM图像中的左上角坐标为的子图像。如图2所示，第二子区域B与第一子区域A的宽度和高度均相等。

作为进一步的优选实施例方案，所述第三子区域C与第一子区域A的宽度和高度均相等。本实施例中在待处理图像IM中提取子区域时，采用第二子区域B和第三子区域C分别以第一子区域A为中心提取的方式，进一步通过控制区域大小和相对位置关系而对称提取子区域，优化图形轮廓上点的亚像素精度坐标位置的处理。

在上述实施例中，通过在物体图像边缘处提取子图像进行互相关运算而获取具有亚像素精度的互相关峰值位置，从而确定亚像素精度的物体图像边缘位置，即采用第二子区域B和第三子区域C分别以第一子区域A中心对称的提取方式，并通过第一子区域分别与第二子区域以及第三子区域做互相关运算，分别找出两组互相关运算中最大值所对应的整数坐标位置和，进一步通过在二维坐标系中和两个方向上的三点拟合，得到两个最大值具有非整数部分的亚像素精度位置的坐标位置和，进而利用上述两个最大值具有非整数部分的亚像素精度位置将图形轮廓上点的坐标修正为亚像素精度坐标。采用上述方案，提供一种不同的可确定亚像素精度的物体图像边缘位置的方法，为亚像素精度边缘提取方法开辟新的路径。

由于在待处理图像IM中，第二子区域B左上角坐标相对于第一子区域A左上角坐标移动负的移动常数，即第二子区域B左上角坐标；第三子区域C左上角坐标相对于第一子区域A左上角坐标移动正的移动常数，即第三子区域C左上角坐标；从优化图形轮廓上点的亚像素精度坐标位置处理考虑，需要设置合适的区域移动常数，包括宽度移动常数和高度移动常数。

作为进一步的优化实施例方案，所述步骤S2中移动常数 中宽度移动常数设置包括：

如图3所示，确定图形轮廓上所有点中的最小值以及最大值，设置宽度预偏置量，取区间内的整数常数；如图3所示，确定图形轮廓上所有点中的最小值以及最大值，设置高度预偏置量，取区间内的整数常数；考虑预偏置量、尽量取较小偏移，依据经验、均取3，由于第二子区域B和第三子区域C相对于第一子区域A选择对称位置，因此与取同一常数；

计算不同值时和两处对应灰度值与的差值的绝对值，计算公式为：

式（2）

其中，，所有中最大值为，所有的算数平均值为，设；

确认待处理图像中所有点的灰度值中最大值，所有点灰度值的算数平均值，设，定义宽度移动常数取与之间的较小值，。

作为进一步的优化实施例方案，所述步骤S2中移动常数中高度移动常数设置包括：

如图3所示，确定图形轮廓上所有点中的最小值以及最大值，设置宽度预偏置量，取区间内的整数常数；如图3所示，确定图形轮廓上所有点中的最小值以及最大值，设置高度预偏置量，取区间内的整数常数；考虑预偏置量、尽量取较小偏移，依据经验、均取3，由于第二子区域B和第三子区域C相对于第一子区域A选择对称位置，因此 与取同一常数；

计算不同值时和两处对应灰度值与的差值的绝对值，计算公式为：

式（3）

其中，，所中最大值为，所有的算数平均值为，设；

确认待处理图像中所有点的灰度值中最大值，所有点灰度值的算数平均值，设，定义高度移动常数取与之间的较小值，。

优选实施例方案，所述互相关运算采用基于FFT做互相关运算。

优选实施例方案，所述边缘提取算子采用Canny算子。

在本发明的实施例的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“坚直”、“水平”、“中心”、“顶”、“底”、“顶部”、“底部”、“内”、“外”、“内侧”、“外侧”等指示的方位或位置关系

在本发明的实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“组装”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的实施例的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

在本发明的实施例的描述中，需要理解的是，“-”和“~”表示的是两个数值之同的范围，并且该范围包括端点。例如:“A-B”表示大于或等于A，且小于或等于B的范围。“A~B''表示大于或等于A，且小于或等于B的范围。

在本发明的实施例的描述中，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种应用于机器视觉系统中的亚像素精度边缘提取方法，其特征在于，所述方法包括：

S1、从待处理图像中提取第一子区域，通过边缘提取算子获得第一子区域内图形轮廓，此时图形轮廓位置为整数值；建立沿第一子区域宽度方向和高度方向的二维坐标系，确定第一子区域左上角坐标；

S2、设置区域移动常数，所述为宽度移动常数，所述为高度移动常数；

S3、从待处理图像中提取第二子区域和第三子区域，所述第二子区域和第三子区域均包含图形轮廓，第二子区域左上角坐标相对于第一子区域左上角坐标移动负的移动常数，第三子区域左上角坐标相对于第一子区域左上角坐标移动正的移动常数；

S4、分别对相邻的两个子区域做互相关运算，并分别从获得的二维相关谱中寻找最大值所对应的整数位置和；

S5、通过三点拟合插值公式计算获得两个最大值分别所对应的亚像素精度位置和，所述和、和分别代表两个最大值的亚像素精度位置的非整数部分；针对图形轮廓上任一一点位置具有的亚像素精度位置定义为：

式（1）

其中，和为整数值，，，，；最终图形轮廓上点位置修正为亚像素精度位置。

2.根据权利要求1所述的一种应用于机器视觉系统中的亚像素精度边缘提取方法，其特征在于，所述第二子区域与第一子区域的宽度和高度均相等。

3.根据权利要求1或2所述的一种应用于机器视觉系统中的亚像素精度边缘提取方法，其特征在于，所述第三子区域与第一子区域的宽度和高度均相等。

4.根据权利要求1所述的一种应用于机器视觉系统中的亚像素精度边缘提取方法，其特征在于，所述步骤S2中移动常数中宽度移动常数设置包括：

确定图形轮廓上所有点中的最小值以及最大值，设置宽度预偏置量；确定图形轮廓上所有点中的最小值以及最大值，设置高度预偏置量；

计算不同值时和两处对应灰度值与的差值的绝对值，计算公式为：

式（2）

其中，，所有中最大值为，所有的算数平均值为，设，定义宽度移动常数取与数字128之间的较小值，。

5.根据权利要求1所述的一种应用于机器视觉系统中的亚像素精度边缘提取方法，其特征在于，所述步骤S2中移动常数中高度移动常数设置包括：

确定图形轮廓上所有点中的最小值以及最大值，设置宽度预偏置量；确定图形轮廓上所有点中的最小值以及最大值，设置高度预偏置量；

计算不同值时和两处对应灰度值与的差值的绝对值，计算公式为：

式（3）

其中，，所有中最大值为，所有的算数平均值为，设，定义高度移动常数取与数字128之间的较小值，。

6.根据权利要求1所述的一种应用于机器视觉系统中的亚像素精度边缘提取方法，其特征在于，所述互相关运算采用基于FFT做互相关运算。

7.根据权利要求1所述的一种应用于机器视觉系统中的亚像素精度边缘提取方法，其特征在于，所述边缘提取算子采用Canny算子。