一种亚像素边缘检测方法
【技术领域】
[0001] 本发明涉及计算机视觉和工业检测的领域，具体涉及一种亚像素边缘检测方法。
【背景技术】
[0002] 对图像进行亚像素边缘检测一直是图像分析的一个关键环节，是计算机视觉的重 要组成部分。近年来，在工业检测领域，基于计算机视觉的检测方法得到越来越多的重视， 而亚像素边缘检测在其中处于非常基础而关键的地位。后续的检测分析步骤需要基于亚像 素边缘检测的结果，如果亚像素边缘检测的结果不够准确，则后续的检测几乎不可能是可 信的。到目前为止，亚像素边缘检测技术已经取得了很多的研究成果，概括起来可以分为三 类：
[0003] 1)基于矩的方法；
[0004] 2)基于最小平方差估计的方法；
[0005] 3)基于插值的方法。
[0006] 这些方法有着严谨的数学推导，并且在实际使用中也取得了很大的成功。但是目 前存在的主要问题有：
[0007] 1)传统方法使用阶跃变化对边缘进行建模，数据采集的模型不够准确；
[0008] 2)亚像素边缘检测结果不够准确；
[0009] 3)计算速度慢。
【发明内容】
[0010]本发明旨在至少解决上述技术问题之一。
[0011] 为此，本发明的一个目的在于提出一种亚像素边缘检测方法。
[0012] 为了实现上述目的，本发明的第一方面的实施例公开了一种亚像素边缘检测方 法，包括以下步骤:根据亚像素的中心位置和高斯滤波的滤波系数建立亚像素边缘图像的 高斯滤波模糊模型;根据所述高斯滤波模糊模型计算所述亚像素边缘图像梯度的幅值;使 用Canny算法进行边缘检测;根据所述亚像素边缘图像梯度的幅值计算所述亚像素边缘图 像中心位置的坐标；以及根据所述亚像素边缘图像中心位置的坐标计算所述亚像素边缘图 像的偏移量和偏移位移。
[0013] 根据本发明实施例的一种亚像素边缘检测方法，采用高斯滤波模糊模型比单纯采 用阶跃模型更加符合实际情况。
[0014] 另外，根据本发明上述实施例的一种亚像素边缘检测方法，还可以具有如下附加 的技术特征：
[0015] 进一步地，所述根据亚像素的中心位置和高斯滤波的滤波系数建立亚像素边缘图 像的高斯滤波模糊模型进一步包括：
[0016]
[0017]其中，XQ表示亚像素边缘的中心位置，〇为高斯滤波的滤波系数。
[0018] 进一步地，所述根据所述高斯滤波模糊模型计算所述亚像素边缘图像梯度的幅值 进一步包括:对高斯滤波模糊模型的图像进行卷积，得到以下公式：
[0019]
[0020] 其中，Α和Β分别表示边缘中心两侧的图像亮度值，ω表示实际边缘与X轴正方向的 夹角，Ρ表示当前像素精度边缘点(原点)到实际边缘的距离，
[0021] _
[0022]使用所述高斯滤波模糊模型，得到所述亚像素边缘图像的表达式：
[0023]
[0024]
[0025] 其中，
[0026] μΞχ cos c〇+ysinc〇-p，
[0027] C 三 A-B，
[0028] 得到所述亚像素边缘图像梯度的幅值的表达式：
[0029] M(x,y)=Cg(y,〇,0)o
[0030] 进一步地，所述根据所述亚像素边缘图像梯度的幅值计算所述亚像素边缘图像中 心位置的坐标进一步包括:对于X方向，用[_a，a]上的数据求解偏移量 XQ，其中，a是实际求 解过程中窗口的尺寸，进一步包括：
[0031] 设
[0032]
[0033]其中，MP表示ρ阶矩的值；
[0034]定义辅助函数：
[0035]
[0036] al=V(a,-xo,〇),
[0037] ar = V(a,xo,〇),
[0038] bl = f (-a),
[0039] br = f (a),
[0040] 其中，
[0041]
[0042]
[0043]
[0044]
[0045]
[0046] 其中，M〇UPM:^v别表示0，1，2阶矩，得到χ0:
[0047]
[0048] 对十y万问，用L_b，b」上的数据求觯偏栘量yo，其中，b是买际求解过程中窗口的尺 寸，讲一击包括！hi = V(h.-vn.o)，hr = V(b，yo,〇)，al = f(_b)，ar = f(b)， 斗v汉_、洲
;州刀imj釋丨儿好、狀κ土 r面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0050]本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得 明显和容易理解，其中：
[0051 ]图1是理想的边缘示意图；
[0052] 图2是现有技术中的阶跃函数图像的示意图；
[0053] 图3是本发明的流程图；
[0054]图4是本发明一个实施例的高斯函数图像示意图；
[0055]图5是本发明一个实施例的实际图像的边缘放大图像的示意图；
[0056]图6是本发明一个实施例的X方向偏移量不意图。
【具体实施方式】
[0057]下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0058]在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"上"、"下"、 "前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"等指示的方位或位置关系为 基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗 示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对 本发明的限制。此外，术语"第一"、"第二"仅用于描述目的，而不能理解为指示或暗示相对 重要性。
[0059]在本发明的描述中，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"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 以是机械连接，也可以是电连接;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。
[0060] 参照下面的描述和附图，将清楚本发明的实施例的这些和其他方面。在这些描述 和附图中，具体公开了本发明的实施例中的一些特定实施方式，来表示实施本发明的实施 例的原理的一些方式，但是应当理解，本发明的实施例的范围不受此限制。相反，本发明的 实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
[0061] 以下结合附图描述根据本发明实施例的一种亚像素边缘检测方法。
[0062] 请参考图3,图3为本发明实施例的流程图。本发明采用高斯模糊模型替代传统的 阶跃变化模型。对于理想的边缘，如图1所示，设某个像素精度的边缘点为原点，可以使用传 统的建模方式一一用阶跃函数来建模：
[0063]
[0064] 阶跃函数图像如图2所示，边缘的直线方程为：
[0065] X cos ω +ysin ω -p = 〇
[0066] 其中，0< ω ，ρ 2 0。则每个像素点的值可以表示为：
[0067] E(x,y)=(A-B)U(x co