施例，而非全部的实施例。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它实施例，都属于本发明保护 的范围。
[0059] 请参阅图1，本发明实施例中提供的一种基于X光的边缘检测方法的一个实施例 包括：
[0060] 101、获取十邻域算子-和数字图像的二维数字组f(X，y);
[0061] 本实施例中，当需要通过X光进行图像边缘检测的时候，例如电芯由阴阳两极材 料组成，铝质阳极较铜质阴极在X光中容易透射，在图像中阳极呈现高亮度的灰度图像， 而阴极呈现较暗的灰度图像，因此两极材料在X光图像中形成了不同灰度等级的图像，从 而根据灰度的梯度获取边缘图像，首先需要获取十邻域算子▽丨和数字图像的二维数字组 f(x，y)，需要获取十邻域算子Vf:和数字图像的二维数字组f(x，y)，前述的十邻域算子Vf 为预置的，前述的数字图像的二维数字组f(x，y)可以是由X光照射获取图像进行对应的数 字图像的二维数字组f(x，y)的转换。
[0062] 102、通过卷积方式根据十邻域算子Vf和数字图像f(x，y)计算与每个邻域相对应 的梯度图像；
[0063] 当获取十邻域算子ff:和数字图像的二维数字组f(x，y)之后，通过卷积方式根据 十邻域算子和数字图像f( x，y)计算与每个邻域相对应的梯度图像。
[0064] 需要说明的是，前述的卷积方式为本领域技术人员公知技术，此处不再赘述。
[0065] 103、对多个梯度图像中对应的边缘像素进行确定。
[0066] 当通过卷积方式根据十邻域算子和数字图像f(x，y)计算与每个邻域相对应的 梯度图像之后，需要对多个梯度图像中对应的边缘像素进行确定，可以理解的是，前述的边 缘像素进行确定的方式可以是与Sobel的确定方式相似，不过后续实施例中将对多个梯度 图像中对应的边缘像素进行确定的方式进行详细的描述，此处不再赘述。
[0067] 本实施例中，从步骤101至103可以是通过XG5200A自动化检测设备进行运用。
[0068] 本实施例中，通过获取十邻域算子和数字图像的二维数字组；通过卷积方式根据 十邻域算子和数字图像计算与每个邻域相对应的梯度图像；对多个梯度图像中对应的边缘 像素进行确定，实现了对X光提取的图像的获取多个邻域的梯度图像的边缘像素确定，解 决了目前Sobel算子或Canny算子的边缘检测算子，容易丢失有效边缘信息，造成提取的边 缘图像中噪声边缘过多或边缘断续严重，从而致使的电芯内部尺寸检测误差过大的技术问 题。
[0069] 上面是对基于X光的边缘检测方法的过程进行详细的描述，下面将对多个梯度 图像中对应的边缘像素进行确定的过程进行详细的描述，请参阅图2,本发明实施例中提供 的一种基于X光的边缘检测方法的另一个实施例包括：
[0070] 201、根据Prewitt算子和Sobel算子的原理，并采用非加权计算获取十邻域算子 Vf:
[0071] 本实施例中，当需要通过X光进行图像边缘检测之前，需要根据Prewitt算子 和Sobel算子的原理，例如计算灰度梯度的原理，并采用非加权计算获取十邻域算子Vf,
[0072] 需要说明的是，前述的十邻域算子Vf,可以是Prewitt算」
1及，Sobel算子为
，该两个算 子均是依据目标像素的等距领域像素灰度来计算梯度，十邻域算子f f是根据像素周围较 大范围（选取连续而不重复的位置）的灰度分布来计算梯度，可以减小周围噪声像素的影 响。在目标像素位置处，采集灰度较密集，即对边缘贡献较大。该算子反映了目标像素的邻 域像素梯度贡献大小与其间距的正比关系。
[0073] 202、获取十邻域算子和数字图像的二维数字组f (X，y);
[0074] 本实施例中，当需要通过X光进行图像边缘检测的时候，例如电芯由阴阳两极材 料组成，铝质阳极较铜质阴极在X光中容易透射，在图像中阳极呈现高亮度的灰度图像， 而阴极呈现较暗的灰度图像，因此两极材料在X光图像中形成了不同灰度等级的图像，从 而根据灰度的梯度获取边缘图像，首先需要获取十邻域算子Tf:和数字图像的二维数字组 f(x，y)，需要获取十邻域算子Vft和数字图像的二维数字组f(x，y)，前述的十邻域算子Vf. 为预置的，前述的数字图像的二维数字组f(x，y)可以是由X光照射获取图像进行对应的数 字图像的二维数字组f(x，y)的转换。
[0075] 203、通过卷积方式根据十邻域算子雜和数字图像f(x，y)计算与每个邻域相对应 的梯度图像；
[0076] 当获取十邻域算子Vf和数字图像的二维数字组f(x，y)之后，通过卷积方式根据 十邻域算子和数字图像f(x，y)计算与每个邻域相对应的梯度图像。
[0077] 需要说明的是，前述的卷积方式为本领域技术人员公知技术，此处不再赘述。
[0078] 204、将每个邻域相对应的梯度图像与第一预置阈值进行比对，若梯度图像不小于 第一预置阈值，则执行步骤205,若梯度图像小于第一预置阈值，则执行步骤206 ;
[0079] 当通过卷积方式根据十邻域算子班郝数字图像f(x，y)计算与每个邻域相对应的 梯度图像之后，需要将每个邻域相对应的梯度图像与第一预置阈值进行比对，若梯度图像 不小于第一预置阈值，则执行步骤205,若梯度图像小于第一预置阈值，则执行步骤206。
[0080] 205、确定邻域为对应方向上的边缘像素；
[0081] 当将每个邻域相对应的梯度图像与第一预置阈值进行比对，若梯度图像为不小于 第一预置阈值，则确定邻域为对应方向上的边缘像素。
[0082] 206、确定邻域为背景像素。
[0083] 当将每个邻域相对应的梯度图像与第一预置阈值进行比对，若梯度图像为小于第 一预置阈值，则确定邻域为背景像素。
[0084] 本实施例中的第一预置阈值为根据有效边缘的梯度信息来选择的，或者是根据操 作人员长期进行检测的经验值，此处具体不做限定。
[0085] 本实施例中，从步骤201至206可以是通过XG5200A自动化检测设备进行运用。
[0086] 本实施例中，通过获取十邻域算子和数字图像的二维数字组；通过卷积方式根据 十邻域算子和数字图像计算与每个邻域相对应的梯度图像；对多个梯度图像中对应的边缘 像素进行确定，实现了对X光提取的图像的获取多个邻域的梯度图像的边缘像素确定，解 决了目前Sobel算子或Canny算子的边缘检测算子，容易丢失有效边缘信息，造成提取的边 缘图像中噪声边缘过多或边缘断续严重，从而致使的电芯内部尺寸检测误差过大的技术问 题，同时，将每个邻域相对应的梯度图像与第一预置阈值进行比对的设计，进一步避免了 有效边缘信息丢失的技术问题。
[0087] 上面是对多个梯度图像中对应的边缘像素进行确定的过程进行详细的描述，下面 将对梯度图像中对应的边缘像素进行确定的进阶过程进行详细的描述，请参阅图3,本发明 实施例中提供的一种基于X光的边缘检测方法的另一个实施例包括：
[0088] 301、根据Prewitt算子和Sobel算子的原理，并采用非加权计算获取十邻域算子 ▽f,
[0089] 本实施例中，当需要通过X光进行图像边缘检测之前，需要根据Prewitt算子 和Sobel算子的原理，例如计算灰度梯度的原理，并采用非加权计算获取十邻域算子
[0090] 需要说明的是，前述的十邻域算子可以是Prewitt算子
和
以及，Sobel算子为
亥两个算 子均是依据目标像素的等距领域像素灰度来计算梯度，十邻域算子是根据像素周围较 大范围（选取连续而不重复的位置）的灰度分布来计算梯度，可以减小周围噪声像素的影 响。在目标像素位置处，采集灰度较密集，即对边缘贡献较大。该算子反映了目标像素的邻 域像素梯度贡献大小与其间距的正比关系。
[0091] 302、获取十邻域算子Vf:和数字图像的二维数字组f (X，y);
[0092] 本实施例中，当需要通过X光进行图像边缘检测的时候，例如电芯由阴阳两极材 料组成，铝质阳极较铜质阴极在X光中容易透射，在图像中阳极呈现高亮度的灰度图像， 而阴极呈现较暗的灰度图像，因此两极材料在X光图像中形成了不同灰度等级的图像，从 而根据灰度的梯度获取边缘图像，首先需要获取十邻域算子ff;和数字图像的二维数字组 f(x，y)，需要获取十邻域算子和数字图像的二维数字组f(x，y)，前述的十邻域算子 为预置的，前述的数字图像的二维数字组f(x，y)可以是由X光照射获取图像进行对应的 数字图像的二维数字组f(x，y)的转换。
[0093] 303、通过卷积方式根据十邻域算子VP和数字图像f(x，y)计算与每个邻域相对应 的梯度图像；
[0094] 当获取十邻域算子和数字图像的二维数字组f(x，y)之后，通过卷积方式根据 十邻域算子和数字图像f(x，y)计算与每个邻域相对应的梯度图像。
[0095] 需要说明的是，前述的卷积方式为本领域技术人员公知技术，此处不再赘述。
[0096] 304、将每个邻域相对应的梯度图像与第一预置阈值进行比对，若梯度图像不小于 第一预置阈值，则执行步骤305,若梯度图像小于第一预置阈值，则执行步骤306 ;
[0097] 当通过卷积方式根据十邻域算子^:^和数字图像f (X，y)计算与每个邻域相对应的 梯度图像之后，需要将每个邻域相对应的梯度图像与第一预置阈值进行比对，若梯度图