CN111968144B - 一种图像边缘点获取方法及装置 - Google Patents
一种图像边缘点获取方法及装置 Download PDFInfo
- Publication number
- CN111968144B CN111968144B CN202010930344.8A CN202010930344A CN111968144B CN 111968144 B CN111968144 B CN 111968144B CN 202010930344 A CN202010930344 A CN 202010930344A CN 111968144 B CN111968144 B CN 111968144B
- Authority
- CN
- China
- Prior art keywords
- edge
- points
- point
- gray
- stable
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013507 mapping Methods 0.000 claims abstract description 74
- 238000010586 diagram Methods 0.000 claims abstract description 51
- 238000012216 screening Methods 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 17
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 6
- 238000005286 illumination Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像边缘点获取方法及装置,先从灰度图像中选取矩形ROI区域,根据矩形ROI区域内指定方向上的灰度信息获取像素点位置‑灰度映射值关系图,以此获取像素点位置‑灰度差关系图,结合阈值、边缘宽度等信息筛选出稳定边缘点,最后输出该稳定边缘点的二维坐标。本申请还涉及一种图像边缘点获取装置。本申请利用高斯滤波算法提高了抗噪声能力;利用设置阈值、判断边缘宽度依次过滤不可信点,减少了光照导致的边缘干扰,提高了边缘点的准确度;除设置高斯滤波的窗口尺寸和阈值之外,并未再设置其他参数,减小了人为干预的影响;对稳定边缘点的相邻像素点的灰度值进行抛物线拟合,使得最终输出的边缘点坐标呈亚像素级别的,提高了边缘精度。
Description
技术领域
本申请涉及图像识别领域,尤其涉及一种图像边缘点获取方法及装置。
背景技术
寻找图像中的边缘是应用项目中出现最频繁的需求之一。在工业应用中,边缘特征经常用在曲线拟合中,根据边缘获取直线(或线段)、圆(或圆弧)、椭圆(或椭圆段)等特征,以协助完成宽度、高度、圆心等尺寸测量,例如:通过两组直线特征测量高度或宽度,通过圆或椭圆特征获取圆心等。边缘特征也常用在外观缺陷检测项目中,一般是通过工件实际边缘与标准曲线特征(可来自曲线拟合或工件设计文件)进行比对来检测是否有凹陷、凸起或断裂等缺陷。边缘特征也常在图像定位中被频繁使用,稳定有效的边缘往往可以提供更高的定位精度,例如:线定位、圆定位、角定位,或直接利用边缘组成边缘链的几何定位等。
目前,常用的边缘获取技术有:Roberts算子、Sobel算子、Prewitt算子、Laplacian算子和Canny算子等。其中,Roberts算子,是一种利用局部差分寻找边缘的最简单算子,它对具有陡峭的低噪声的图像处理效果较好,但提取边缘较粗;Sobel算子利用了图像灰度信息的一阶梯度,可以获得图像像素坐标下对应的梯度矢量,它对灰度渐变和噪声较多的图像处理效果较好,但在边缘定位时稍欠准确;Prewitt算子利用像素点上下、左右邻点的灰度差,并结合极值检测去掉伪边缘,它同样对灰度渐变和噪声较多的图像处理效果较好,但获取的边缘较宽且间断点多;Laplacian算子是各向同性的二阶微分算子,能对任何走向的界线和线条进行锐化,但它对噪声比较敏感;Canny算子是一个结合高斯平滑、一阶梯度、非极大值抑制、双阈值检测的多阶段优化算子,不易受噪声干扰,能够检测到真正的弱边缘,但实现比较复杂,且高斯参数和双阈值需要人为设定,不同参数对结果影响较大。
所以,现有的图形边缘点获取技术还不能同时实现不受噪声和光照干扰、减少人为参数设定且精度高的目标。
发明内容
有鉴于此,本申请提供了一种图像边缘点获取方法及装置,不易受噪声和光照强度的影响,人为干预少,算法简单,且可以得到亚像素精度的边缘点。
本申请采用的技术方案如下:
一种图像边缘点获取方法,所述方法包括以下步骤:
从输入的灰度图像中选取矩形ROI区域;
按垂直于矩形ROI区域生成方向的方向,将所述矩形ROI区域内每一行像素点的灰度值映射到坐标系中,获取所述矩形ROI区域内的像素点位置-灰度映射值关系图;
根据所述像素点位置-灰度映射值关系图获取像素点位置-灰度差值关系图,所述像素点位置-灰度差值关系图中任意一像素点灰度差值为相邻后位灰度映射值与相邻前位灰度映射值之差;
从所述像素点中筛选出候选边缘点,所述候选边缘点是指灰度差绝对值大于或等于阈值的像素点;
从所述候选像素点中筛选出稳定边缘点,所述稳定边缘点是指所述矩形ROI区域中边缘宽度最大处的所述候选边缘点;
输出所述稳定边缘点的二维坐标。
进一步地,所述矩形ROI区域包括根据线段、圆弧、椭圆段或三次样条曲线自动生成连续多个固定大小的带旋转的矩形ROI区域,还包括仿射矩形ROI区域;
所述灰度映射值通过高斯滤波方法计算生成,所述高斯滤波方法的窗口尺寸为1×3、1×5或1×7;或者,
所述灰度映射值通过计算所述矩形ROI区域内每一行像素点灰度值的平均值、中值或加权平均数获得。
进一步地,所述输出所述稳定边缘点的二维坐标,包括:
选取所述稳定边缘点的相邻像素点,将所述相邻像素点的灰度差值进行抛物线拟合,获得过零点的一维坐标;
将所述一维坐标映射到直边上获得映射点,所述直边与所述矩形ROI区域的生成方向重合;
将所述映射点平移至中心线上,输出所述稳定边缘点的二维坐标,所述中心线平行于所述生成方向且平分所述矩形ROI区域。
进一步地,所述输出所述稳定边缘点的二维坐标,包括:
选取所述稳定边缘点的相邻像素点,将所述相邻像素点的灰度差值进行抛物线拟合,获得过零点的一维坐标;
将所述一维坐标映射到中心线上,输出所述稳定边缘点的二维坐标,所述中心线平行于所述生成方向且平分所述矩形ROI区域。
进一步地,在筛选出所述稳定边缘点之后,进行所述输出所述稳定边缘点的二维坐标之前,还包括计算所述稳定边缘点的方向角度,所述方向角度采用如下方式计算:
计算所述稳定边缘点在所述矩形ROI区域内的梯度信息;
根据所述梯度信息计算所述稳定边缘点的方向角度,所述方向角度用于与所述二维坐标结合,获得有角度约束的边缘。
一种图像边缘点获取装置,所述图像边缘点获取装置包括:
选取模块,用于从输入的灰度图像中选取矩形ROI区域;
第一获取模块,用于计算所述矩形ROI区域内每一行像素点的灰度映射值,获取所述矩形ROI区域内的像素点位置-灰度映射值关系图,所述行均垂直于所述矩形ROI区域的生成方向;
第二获取模块,用于根据所述像素点位置-灰度映射值关系图获取像素点位置-灰度差值关系图,所述像素点位置-灰度差值关系图中任意一像素点灰度差值为相邻后位灰度映射值与相邻前位灰度映射值之差;
筛选候选边缘点模块,用于从所述像素点中筛选出候选边缘点,所述候选边缘点是指灰度差绝对值大于或等于阈值的像素点;
筛选稳定边缘点模块,用于从所述候选像素点中筛选出稳定边缘点,所述稳定边缘点是指所述矩形ROI区域中边缘宽度最大处的所述候选边缘点;
输出模块,用于输出所述稳定边缘点的二维坐标。
进一步地,所述矩形ROI区域包括由线段、圆弧、椭圆段或三次样条曲线自动生成的、连续多个固定大小的、带旋转的矩形ROI区域,还包括仿射矩形ROI区域;
所述灰度映射值通过高斯滤波方法计算,所述高斯滤波方法的窗口尺寸为1×3、1×5或1×7,或者,
所述灰度映射值通过计算所述矩形ROI区域内每一行像素点灰度值的平均值、中值或加权平均数获得。
进一步地,所述输出模块具体用于:选取所述稳定边缘点的相邻像素点,将所述相邻像素点的灰度差值进行抛物线拟合,获得过零点的一维坐标;
将所述一维坐标映射到直边上获得映射点,所述直边与所述矩形ROI区域的生成方向重合;
将所述映射点平移至中心线上,输出所述稳定边缘点的二维坐标,所述中心线平行于所述直边且平分所述矩形ROI区域。
进一步地,所述输出模块具体用于:选取所述稳定边缘点的相邻像素点,将所述相邻像素点的灰度差值进行抛物线拟合,获得过零点的一维坐标;
将所述一维坐标映射到中心线上,输出所述稳定边缘点的二维坐标,所述中心线平行于所述生成方向且平分所述矩形ROI区域。
进一步地,在所述筛选稳定边缘点模块之后,进入所述输出模块之前,还包括计算方向角度模块,所述计算方向角度模块用于计算所述稳定边缘点的方向角度,具体包括:
计算所述稳定边缘点在所述矩形ROI区域内的梯度信息;
根据所述梯度信息计算所述稳定边缘点的方向角度,所述方向角度用于与所述二维坐标结合,获得有角度约束的边缘。
采用本申请的技术方案的有益效果如下:
本申请先在灰度图像中选取矩形ROI区域,根据矩形ROI区域内的灰度信息和指定方向,获取指定方向上的像素点位置-灰度映射值关系图,并根据该像素点位置-灰度映射值关系图获取像素点位置-灰度差关系图,然后结合阈值、边缘宽度等信息判断筛选出稳定边缘点,最后输出该稳定边缘点的亚像素级别的二维坐标。本申请利用高斯滤波算法提高了抗噪声能力;利用设置阈值和比较边缘宽度分别过滤弱边缘点和干扰边缘,实现两次过滤,减少了光照原因导致的边缘干扰,提高了获取边缘的准确度;除了设置高斯滤波的窗口尺寸和阈值之外,并未再设置其他参数,减小了人为干预的影响;并且,对稳定边缘点的相邻像素点的灰度值进行抛物线拟合,使得最终输出的边缘点坐标是亚像素级别的,提高了边缘精度。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种获取图像边缘点的方法的流程示意图;
图2a为本申请实施例提供的矩形ROI区域中像素点位置-灰度映射值关系图的生成示意图;
图2b为本申请实施例提供的带旋转的矩形ROI区域中像素点位置-灰度映射值关系图的生成示意图;
图3为本申请实施例提供的像素点位置-灰度差值关系图的生成示意图;
图4a为本申请实施例提供的利用暗边缘宽度筛选稳定边缘点的示意图;
图4b为本申请实施例提供的利用亮边缘宽度筛选稳定边缘点的示意图;
图5为本申请实施例提供的利用抛物线拟合法求取稳定边缘点的一维坐标示意图;
图6为本申请实施例提供的一种图像边缘点获取装置的结构框图;
图7为利用本申请实施例提供的一种图像边缘点获取装置及方法获取的图像边缘点示意图。
具体实施方式
下面将详细地对实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
参见图1,为本申请实施例提供的一种获取图像边缘点的方法的流程示意图,该方法包括:
步骤S01,从输入的灰度图像中选取矩形ROI区域。
在图像处理领域,从被处理的图像中圈定一个图像区域,即ROI区域,具体包括以线段、圆弧、椭圆段或三次样条曲线自动生成的、连续多个固定大小的且带旋转的矩形ROI区域,还包括仿射矩形ROI区域。使用矩形ROI区域圈定目标,可以减少处理时间,增加精度。
步骤S02,按垂直于生成方向的方向,将矩形ROI区域内每一行像素点的灰度值映射到坐标系中,得到矩形ROI区域内的像素点位置-灰度映射值关系图。
参见图2a为矩形ROI区域中像素点位置-灰度映射值关系图的生成示意图;参见图2b为带旋转的矩形ROI区域中像素点位置-灰度映射值关系图的生成示意图。
为了降低噪音的影响,灰度映射值可以通过高斯滤波方法计算生成。高斯滤波方法的窗口尺寸为1×3、1×5或1×7,该窗口尺寸不宜过大,否则会造成数据过于平滑而导致找不到边缘点,计算量也会增大。
灰度映射值还可以通过计算矩形ROI区域内每一行像素点灰度值的平均值、中值或加权平均数获得,具体计算方式在此就不再详述。
步骤S03,根据像素点位置-灰度映射值关系图获取像素点位置-灰度差值关系图。
参见图3为本申请实施例提供的像素点位置-灰度差值关系图的生成示意图。像素点位置-灰度差值关系图中任意一像素点灰度差值为相邻后位灰度映射值与相邻前位灰度映射值之差;由于某一像素点的灰度差值是其相邻后一位像素点的灰度值减去其相邻前一位像素点的灰度值,所以,若某像素点的相邻像素点的灰度值是由小向大变化的,则在像素点位置-灰度差值关系图中,该像素点的灰度差值一定为正值;若某像素点的相邻像素点的灰度值是由大向小变化的,则像素点位置-灰度差值关系图中的该像素点的灰度差值一定为负值。像素点灰度差值的正负性有助于判断图像边缘点的暗亮属性。
步骤S04,从像素点中筛选出候选边缘点,候选边缘点是指灰度差绝对值大于或等于阈值的像素点。
本步骤的目的主要是剔除灰度变化不明显的弱边缘点。其中,阈值可以根据图像本身的灰度变化情况来预设。候选边缘点是指灰度差绝对值大于或等于阈值的像素点。若某像素点的灰度差绝对值大于或等于预设的阈值,则该像素点为候选像素点;若某像素点的灰度差绝对值小于预设的阈值,则该像素点不为候选像素点,可以将该像素点剔除。如果图像本身的灰度变化不大,可以适当降低阈值。步骤S04是利用设置阈值来过滤不可信点。
步骤S05,从候选像素点中筛选出稳定边缘点,所述稳定边缘点是指所述矩形ROI区域中边缘宽度最大处的所述候选边缘点。这是利用比较边缘宽度来过滤不可信点。
本步骤的目的主要是剔除由于光照原因在物体轮廓处产生的干扰边缘。因为干扰边缘的边缘宽度比较小,所以在矩形ROI区域内,可先将暗边缘的边缘宽度进行比较,剔除边缘宽度较小的暗边缘上的边缘点。或者,在矩形ROI区域内,可先将亮边缘的边缘宽度进行比较,剔除边缘宽度较小的亮边缘上的边缘点。当边缘点的灰度值比相邻像素点的灰度值小时,该边缘点所处边缘为暗边缘;相反,当边缘点的灰度值比相邻像素点的灰度值大时,该边缘点所处边缘为亮边缘。
参见图4a中所示A、B区域为暗边缘,而暗边缘A的边缘宽度比暗边缘B的边缘宽度小,所以剔除暗边缘A上的候选边缘点,筛选暗边缘B上的候选边缘点为稳定边缘点,同理,如图4b中C、D区域为亮边缘,而亮边缘D的边缘宽度比亮边缘C的边缘宽度小,所以剔除亮边缘D上的候选边缘点,筛选亮边缘C上的候选边缘点为稳定边缘点。
通过上述步骤S04和S05的两次过滤分别剔除了弱边缘点和干扰边缘点,最终筛选出稳定边缘点,提高了获取边缘点的准确度。
在筛选出稳定边缘点之后,还可计算稳定边缘点的角度方向,角度方向可以采用如下方式计算:
计算稳定边缘点在矩形ROI区域内的梯度信息;
根据梯度信息计算稳定边缘点的方向角度,方向角度用于与二维坐标结合,获得有角度约束的边缘。
由以上步骤筛选出稳定边缘点,稳定边缘点的一维坐标为d(d=0、1、2……),是像素级别的,精度不高,为了提高图像边缘的精度,进行了步骤S06。
步骤S06,输出稳定边缘点的二维坐标。
参见图5中示出的是本申请实施例提供的利用抛物线拟合法求取稳定边缘点的一维坐标示意图,在图5中r位置对应抛物线顶点,其一阶导数过零点,是灰度值变化最快的点,所以稳定边缘点在r位置,选取稳定边缘点r位置的相邻像素点X(-λ,G1)、Y(0,G2)、Z(λ,G3),其中-λ、0、λ分别表示像素点X、Y、Z在坐标系中的位置,G1、G2、G3分别表示像素点X、Y、Z的灰度值,通过公式计算稳定边缘点在坐标系中的位置r:
经过上述抛物线拟合后,稳定边缘点的位置精度提高,为过零点的一维坐标d+r。
将一维坐标d+r映射到直边上获得映射点,该直边与矩形ROI区域的生成方向重合。
设与矩形ROI区域生成方向重合的直边的起始点为p、终点为q,直边长度为L,则一维坐标d+r映射到直边上的映射点S=(q-p)×(d+r)/L+p。
通过一维坐标无法得到稳定边缘点在宽度方向上的位置,因此将映射点平移至中心线上,中心线平行于直边且平分矩形ROI区域。也就是,假设矩形ROI区域宽边起点为u、终点为v,以坐标S为起点,将映射点沿vu方向平移1/2(v-u)的距离,最终输出稳定边缘点的二维坐标为:W=(v–u)/2+S。
在获得稳定边缘定的一维坐标d+r之后,将一维坐标d+r映射到矩形ROI区域的中心线上,即可输出稳定坐标点的二维坐标,中心线平行于生成方向且平分矩形ROI区域,设中心线的起始点为m、终点为n,中心线长度为L,则一维坐标d+r映射到中心线上,并输出稳定边缘点的二维坐标为W=(n-m)×(d+r)/L+m。
采用本实施例提供的方法,利用高斯滤波算法提高了抗噪能力,利用设置阈值和比较边缘宽度分别过滤弱边缘点和干扰边缘,实现两次过滤,减少了光照原因导致的边缘干扰,提高了获取边缘的准确度;除了设置高斯滤波的窗口尺寸和阈值之外,并未再设置其他参数,减小了人为干预的影响;且对稳定边缘点的相邻像素点的灰度值进行了抛物线拟合,使得最终输出的边缘点坐标呈亚像素级别,提高了边缘精度。
如图6示出的是本申请实施例提供的一种图像边缘点获取装置的结构框图,该图像边缘点获取装置包括:
选取模块21,用于从输入的灰度图像中选取矩形ROI区域;
第一获取模块22,用于获取图像矩形ROI区域内的像素点位置-灰度映射值关系图;
第二获取模块23,用于根据像素点位置-灰度映射值关系图获取像素点位置-灰度差值关系图,像素点位置-灰度差值关系图中任意一像素点灰度差值为相邻后位灰度映射值与相邻前位灰度映射值之差;
筛选候选边缘点模块24,用于从像素点中筛选出候选边缘点,候选边缘点是指灰度绝对值大于或等于阈值的像素点;
筛选稳定边缘点模块25,从候选像素点中筛选出稳定边缘点,稳定边缘点是指矩形ROI区域中边缘宽度最大处的候选边缘点;
输出模块26,用于输出稳定边缘点的二维坐标。
其中,选取模块21中,所述矩形ROI区域包括由线段、圆弧、椭圆段或三次样条曲线自动生成的、连续多个固定大小的、带旋转的矩形ROI区域,还包括仿射矩形ROI区域。
第一获取模块22中灰度映射值可以通过高斯滤波方法计算,高斯滤波方法的窗口尺寸为1×3、1×5或1×7;灰度映射值还可以通过计算矩形ROI区域内每一行的灰度值的平均值、中值或加权平均数获得。
筛选稳定边缘点模块还包括稳定边缘点方向角度计算模块,稳定边缘点方向角度计算模块用于在筛选出稳定边缘点之后,进入输出模块之前,角度方向可采用如下方式计算:
计算稳定边缘点在矩形ROI区域内的梯度信息;
再根据梯度信息计算稳定边缘点的方向角度,方向角度用于与二维坐标结合,获得有角度约束的边缘。
由以上模块筛选出稳定边缘点,稳定边缘点的一维坐标为d(d=0、1、2……),是像素级别的,精度不高,为了提高图像边缘的精度,进入输出模块26。
输出模块26具体用于输出稳定边缘点的二维坐标。
如图5示出的是本申请实施例提供的利用抛物线拟合法求取稳定边缘点的一维坐标示意图,在图5中r位置对应抛物线顶点,其一阶导数过零点,是灰度值变化最快的点,所以稳定边缘点在r位置,选取稳定边缘点r位置的相邻像素点X(-λ,G1)、Y(0,G2)、Z(λ,G3),其中-λ、0、λ分别表示像素点X、Y、Z在坐标系中的位置,G1、G2、G3分别表示像素点X、Y、Z的灰度值,通过公式计算稳定边缘点在坐标系中的位置r:
所以经过抛物线拟合后,稳定边缘点的位置精度提高,获得过零点的一维坐标为d+r。
将一维坐标d+r映射到直边上获得映射点,直边与矩形ROI区域的生成方向重合。
设与矩形ROI区域生成方向重合的直边的起始点为p、终点为q,直边长度为L,则一维坐标映射到直边上的映射点S=(q-p)×(d+r)/L+p。
通过一维坐标无法得到稳定边缘点在宽度方向上的位置,因此将映射点平移至中心线上,中心线平行于直边且平分矩形ROI区域。也就是,假设矩形ROI区域宽边起点为u、终点为v,以坐标S为起点,将映射点沿vu方向平移1/2(v-u)的距离,最终输出稳定边缘点的二维坐标为:W=(v–u)/2+S。
在获得稳定边缘定的一维坐标d+r之后,将一维坐标d+r映射到矩形ROI区域的中心线上,即可输出稳定坐标点的二维坐标,中心线平行于生成方向且平分矩形ROI区域,设中心线的起始点为m、终点为n,中心线长度为L,则一维坐标d+r映射到中心线上,并输出稳定边缘点的二维坐标为W=(n-m)×(d+r)/L+m。
如图7示出的是采用本申请实施例所提供的一种图像边缘点获取方法和装置所获取的稳定边缘点(见图7中圆点),将多个稳定边缘点连接即可获取图像的边缘直线(见图7中虚线)。
本申请提供的实施例之间的相似部分相互参见即可,以上提供的具体实施方式只是本申请总的构思下的几个示例,并不构成本申请保护范围的限定。对于本领域的技术人员而言,在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (10)
1.一种图像边缘点获取方法,其特征在于,所述方法包括以下步骤:
从输入的灰度图像中选取矩形ROI区域;
按垂直于矩形ROI区域生成方向的方向,将所述矩形ROI区域内每一行像素点的灰度值映射到坐标系中,获取所述矩形ROI区域内的像素点位置-灰度映射值关系图;
根据所述像素点位置-灰度映射值关系图获取像素点位置-灰度差值关系图,所述像素点位置-灰度差值关系图中任意一像素点灰度差值为相邻后位灰度映射值与相邻前位灰度映射值之差;
从所述像素点中筛选出候选边缘点,所述候选边缘点是指灰度差绝对值大于或等于阈值的像素点;
从所述候选边缘点中筛选出稳定边缘点,所述稳定边缘点是指所述矩形ROI区域中边缘宽度最大处的所述候选边缘点;
输出所述稳定边缘点的二维坐标。
2.根据权利要求1所述的一种图像边缘点获取方法,其特征在于,所述矩形ROI区域包括根据线段、圆弧、椭圆段或三次样条曲线自动生成连续多个固定大小的带旋转的矩形ROI区域,还包括仿射矩形ROI区域;
所述灰度映射值通过高斯滤波方法计算生成,所述高斯滤波方法的窗口尺寸为1×3、1×5或1×7;或者,
所述灰度映射值通过计算所述矩形ROI区域内每一行像素点灰度值的平均值、中值或加权平均数获得。
3.根据权利要求2所述的一种图像边缘点获取方法,其特征在于,
所述输出所述稳定边缘点的二维坐标,包括:
选取所述稳定边缘点的相邻像素点,将所述相邻像素点的灰度差值进行抛物线拟合,获得过零点的一维坐标;
将所述一维坐标映射到直边上获得映射点,所述直边与所述矩形ROI区域的生成方向重合;
将所述映射点平移至中心线上,输出所述稳定边缘点的二维坐标,所述中心线平行于所述生成方向且平分所述矩形ROI区域。
4.根据权利要求2所述的一种图像边缘点获取方法,其特征在于,
所述输出所述稳定边缘点的二维坐标,包括:
选取所述稳定边缘点的相邻像素点,将所述相邻像素点的灰度差值进行抛物线拟合,获得过零点的一维坐标;
将所述一维坐标映射到中心线上,输出所述稳定边缘点的二维坐标,所述中心线平行于所述生成方向且平分所述矩形ROI区域。
5.根据权利要求3或4所述的一种图像边缘点获取方法,其特征在于,
在筛选出所述稳定边缘点之后,进行所述输出所述稳定边缘点的二维坐标之前,还包括计算所述稳定边缘点的方向角度,所述方向角度采用如下方式计算:
计算所述稳定边缘点在所述矩形ROI区域内的梯度信息;
根据所述梯度信息计算所述稳定边缘点的方向角度,所述方向角度用于与所述二维坐标结合,获得有角度约束的边缘。
6.一种图像边缘点获取装置,其特征在于,所述图像边缘点获取装置包括:
选取模块,用于从输入的灰度图像中选取矩形ROI区域;
第一获取模块,用于计算所述矩形ROI区域内每一行像素点的灰度映射值,获取所述矩形ROI区域内的像素点位置-灰度映射值关系图,所述行均垂直于所述矩形ROI区域的生成方向;
第二获取模块,用于根据所述像素点位置-灰度映射值关系图获取像素点位置-灰度差值关系图,所述像素点位置-灰度差值关系图中任意一像素点灰度差值为相邻后位灰度映射值与相邻前位灰度映射值之差;
筛选候选边缘点模块,用于从所述像素点中筛选出候选边缘点,所述候选边缘点是指灰度差绝对值大于或等于阈值的像素点;
筛选稳定边缘点模块,用于从所述候选边缘点中筛选出稳定边缘点,所述稳定边缘点是指所述矩形ROI区域中边缘宽度最大处的所述候选边缘点;
输出模块,用于输出所述稳定边缘点的二维坐标。
7.根据权利要求6所述的一种图像边缘点获取装置,其特征在于,所述矩形ROI区域包括由线段、圆弧、椭圆段或三次样条曲线自动生成的、连续多个固定大小的、带旋转的矩形ROI区域,还包括仿射矩形ROI区域;
所述灰度映射值通过高斯滤波方法计算,所述高斯滤波方法的窗口尺寸为1×3、1×5或1×7,或者,
所述灰度映射值通过计算所述矩形ROI区域内每一行像素点灰度值的平均值、中值或加权平均数获得。
8.根据权利要求7所述的一种图像边缘点获取装置,其特征在于,
所述输出模块具体用于:选取所述稳定边缘点的相邻像素点,将所述相邻像素点的灰度差值进行抛物线拟合,获得过零点的一维坐标;
将所述一维坐标映射到直边上获得映射点,所述直边与所述矩形ROI区域的生成方向重合;
将所述映射点平移至中心线上,输出所述稳定边缘点的二维坐标,所述中心线平行于所述直边且平分所述矩形ROI区域。
9.根据权利要求7所述的一种图像边缘点获取装置,其特征在于,
所述输出模块具体用于:选取所述稳定边缘点的相邻像素点,将所述相邻像素点的灰度差值进行抛物线拟合,获得过零点的一维坐标;
将所述一维坐标映射到中心线上,输出所述稳定边缘点的二维坐标,所述中心线平行于所述生成方向且平分所述矩形ROI区域。
10.根据权利要求8或9所述的一种图像边缘点获取装置,其特征在于,
在所述筛选稳定边缘点模块之后,进入所述输出模块之前,还包括计算方向角度模块,所述计算方向角度模块用于计算所述稳定边缘点的方向角度,具体包括:
计算所述稳定边缘点在所述矩形ROI区域内的梯度信息;
根据所述梯度信息计算所述稳定边缘点的方向角度,所述方向角度用于与所述二维坐标结合,获得有角度约束的边缘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010930344.8A CN111968144B (zh) | 2020-09-07 | 2020-09-07 | 一种图像边缘点获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010930344.8A CN111968144B (zh) | 2020-09-07 | 2020-09-07 | 一种图像边缘点获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111968144A CN111968144A (zh) | 2020-11-20 |
CN111968144B true CN111968144B (zh) | 2024-03-29 |
Family
ID=73392470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010930344.8A Active CN111968144B (zh) | 2020-09-07 | 2020-09-07 | 一种图像边缘点获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111968144B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460776B (zh) * | 2018-04-12 | 2022-03-25 | 广东工业大学 | 一种基于机器视觉的刹车片尺寸检测方法及装置 |
CN112529924B (zh) * | 2020-12-25 | 2022-04-26 | 广东华中科技大学工业技术研究院 | 基于多源光学的盖板玻璃与液晶屏的贴合对位方法 |
CN112767428A (zh) * | 2021-03-15 | 2021-05-07 | 宁波明星科技发展有限公司 | 一种图像边缘的人工辅助定位方法 |
CN113643410B (zh) * | 2021-08-24 | 2024-01-23 | 凌云光技术股份有限公司 | 一种用于定位椭圆弧曲线的gui图形控件设计方法及装置 |
CN113470056B (zh) * | 2021-09-06 | 2021-11-16 | 成都新西旺自动化科技有限公司 | 一种基于高斯模型卷积的亚像素边缘点检测方法 |
CN114170228B (zh) * | 2022-02-14 | 2022-04-19 | 西南石油大学 | 一种计算机图像边缘检测方法 |
CN114882499B (zh) * | 2022-07-08 | 2022-09-20 | 南通海扬食品有限公司 | 一种基于人工智能的水果酸甜度分类方法及系统 |
CN115113630B (zh) * | 2022-08-26 | 2022-12-09 | 陕西欧卡电子智能科技有限公司 | 无人船过桥方法、装置、计算机设备及存储介质 |
CN115880248B (zh) * | 2022-12-13 | 2024-02-09 | 哈尔滨耐是智能科技有限公司 | 一种表面划痕缺陷识别方法及视觉检测设备 |
CN116879173B (zh) * | 2023-09-08 | 2024-02-02 | 宁德时代新能源科技股份有限公司 | 阴极片检测系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339710A (zh) * | 2016-08-25 | 2017-01-18 | 凌云光技术集团有限责任公司 | 一种边缘宽度缺陷检测方法及装置 |
CN108389215A (zh) * | 2018-03-15 | 2018-08-10 | 京东方科技集团股份有限公司 | 一种边缘检测方法、装置、计算机存储介质及终端 |
CN108921865A (zh) * | 2018-06-27 | 2018-11-30 | 南京大学 | 一种抗干扰的亚像素直线拟合方法 |
CN108986126A (zh) * | 2018-06-15 | 2018-12-11 | 哈尔滨工业大学 | 基于高斯拟合亚像素边缘检测及改进ransac算法的圆心检测法 |
CN109741356A (zh) * | 2019-01-10 | 2019-05-10 | 哈尔滨工业大学(深圳) | 一种亚像素边缘检测方法及系统 |
WO2019165604A1 (zh) * | 2018-02-28 | 2019-09-06 | 华为技术有限公司 | 一种发际线轮廓的定位方法、装置及计算机可读存储介质 |
CN110717922A (zh) * | 2018-07-11 | 2020-01-21 | 普天信息技术有限公司 | 一种图像清晰度评价方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9560259B2 (en) * | 2014-06-27 | 2017-01-31 | Sony Corporation | Image processing system with blur measurement and method of operation thereof |
-
2020
- 2020-09-07 CN CN202010930344.8A patent/CN111968144B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339710A (zh) * | 2016-08-25 | 2017-01-18 | 凌云光技术集团有限责任公司 | 一种边缘宽度缺陷检测方法及装置 |
WO2019165604A1 (zh) * | 2018-02-28 | 2019-09-06 | 华为技术有限公司 | 一种发际线轮廓的定位方法、装置及计算机可读存储介质 |
CN108389215A (zh) * | 2018-03-15 | 2018-08-10 | 京东方科技集团股份有限公司 | 一种边缘检测方法、装置、计算机存储介质及终端 |
CN108986126A (zh) * | 2018-06-15 | 2018-12-11 | 哈尔滨工业大学 | 基于高斯拟合亚像素边缘检测及改进ransac算法的圆心检测法 |
CN108921865A (zh) * | 2018-06-27 | 2018-11-30 | 南京大学 | 一种抗干扰的亚像素直线拟合方法 |
CN110717922A (zh) * | 2018-07-11 | 2020-01-21 | 普天信息技术有限公司 | 一种图像清晰度评价方法及装置 |
CN109741356A (zh) * | 2019-01-10 | 2019-05-10 | 哈尔滨工业大学(深圳) | 一种亚像素边缘检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
一种基于运动边缘检测的视频对象分割新算法;贾振堂, 李生平, 贺贵明, 田惠;计算机研究与发展(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111968144A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111968144B (zh) | 一种图像边缘点获取方法及装置 | |
JP6358351B1 (ja) | 表面欠陥検査方法及び表面欠陥検査装置 | |
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN106934803B (zh) | 电子器件表面缺陷的检测方法及装置 | |
CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
US5987172A (en) | Edge peak contour tracker | |
CN107203973B (zh) | 一种三维激光扫描系统中线激光中心的亚像素定位方法 | |
CN109741356B (zh) | 一种亚像素边缘检测方法及系统 | |
CN111080661B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
US8406561B2 (en) | Methods and systems for estimating illumination source characteristics from a single image | |
CN110596116B (zh) | 一种车辆表面瑕疵检测方法及检测系统 | |
EP2143041A1 (en) | Photo-document segmentation method and system | |
CN111353993A (zh) | 一种基于机器视觉的螺纹角度测量方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN111462066A (zh) | 一种基于机器视觉的螺纹参数检测方法 | |
CN116503388B (zh) | 缺陷检测方法、装置及存储介质 | |
CN114240845B (zh) | 一种应用于切削工件的光切法表面粗糙度测量方法 | |
CN111861979A (zh) | 一种定位方法、设备及计算机可读存储介质 | |
CN114140416A (zh) | 一种基于机器视觉的玻璃边缘检测方法和系统 | |
US11354794B2 (en) | Deposit detection device and deposit detection method | |
JP2005283197A (ja) | 画面のスジ欠陥検出方法及び装置 | |
CN109661683B (zh) | 基于图像内容的投射结构光方法、深度检测方法及结构光投射装置 | |
CN115235335A (zh) | 一种高铁动车组走行部尺寸智能检测方法 | |
CN114120320A (zh) | 一种图像多目标信息识别方法、系统及介质 | |
CN113538404A (zh) | 一种基于锚点选择的盖板玻璃缺陷检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant after: Lingyunguang Technology Co.,Ltd. Applicant after: Shenzhen Lingyun Shixun Technology Co.,Ltd. Address before: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant before: Beijing lingyunguang Technology Group Co.,Ltd. Applicant before: Shenzhen Lingyun Shixun Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |