基于小波变换的齿轮图像边缘检测

在基于计算机视觉技术的齿轮测量中,齿轮图像中的边缘信息是极为有用的,它是进一步进行齿轮图像分割的基础,直接影响到齿轮几何参数测量结果的正确性和可靠性。传统的边缘检测算子大都是基于边缘的灰度不连续性利用梯度局部最大值或二阶导数过零点来检测边缘,容易受噪声干扰。文中采用图像的多尺度小波变换局部模最大值进行边缘检测。检测结果表明,此方法降噪能力强,定位精度高,克服了传统方法的缺点。     

基于机器视觉的螺纹参数检测

依靠机器视觉技术,对螺纹检测的图形处理技术进行了研究,提出了螺纹多参数的检测方法。介绍了图像处理技术中的预处理、边缘轮廓提取、参数标定等技术,并研制了相应的检测软件。实验结果表明该软件能对螺纹进行实时、高速的检测。     

图像边缘检测的研究与分析

边缘检测是数字图像处理中的重要内容,它是底层视觉处理中最重要的环节之一也是实现基于边界的图像分割的基础。本文对图像的边缘检测的各种算法和算子做了总结和分析,通过运用MATLAB对常见的边缘检测算子进行仿真。     

图像处理中边缘检测算法性能的分析

数字图像处理和计算机视觉有一个基本问题就是边缘检测。图像中会有亮度变化比较明显的点就是图像的边缘。图像的边缘表现出了图像的位置信息、轮廓特征等。边缘检测现在只要应用在分析和处理图像中,像提取图像特征、分割图像、增强图像、复原图像、模式识别、图像压缩等。本文介绍了边缘检测算法中的几种经典边缘检测算法,讨论了这几种经典的边缘检测算子的若干性能判据,通过实验验证:不同的边缘检测算子对分辨率不同的图像性能变化是不同的。     

图像边缘检测技术的研究与比较

边缘检测技术是图像处理和计算机视觉等领域最基本的技术,如何快速、精确地提取图像物体的边缘信息一直是国内外研究的热点,本文介绍了几种的经典边缘检测算子,对其性能和算法特点进行了分析。运用Matlab进行了算法的仿真,并对其结果进行了研究和比较。     

基于方向空间的数字图像边缘检测理论与应用研究

成果简介：该项目给出一种新的边缘检测方法，“方向空间边缘检测”，其基本原理是，建立一个方向空间，在方向空间内通过一组不等式判断，分别提取方向Ridge边缘像素和方向Valley边缘像素，构成二值化方向Roof边缘图。再在相邻的方向Ridge边缘像素和方向Valley边缘像素之间，通过求取差分极大值的方法提取方向Step边缘像素，构成二值化方向Step边缘图。最后将二值化方向Roof边缘图和方向Step边缘图通过逻辑“或”操作分别合成为二值化Roof边缘图和Step边缘图。从20世纪60年代提出用梯度方法提取边缘像素至今，尽管众多算法被提出，但边缘检测质量一直没有得到根本解决，因此，边缘检测一直是国际计算机视觉研究领域的热点课题之一。在经典边缘检测算子基础上发展起来的边缘检测算子，主要可以分为最优算子、多尺度方法和自适应方法三大类。[第一段]     

边缘检测算法的比较分析

边缘检测在图像处理中占要重要的地位,边缘检测的算法选择直接影响到整个计算机视觉系统性能的好坏,寻找比较简单的算法、对边缘检测精度并与抗噪性能协调的算法起着重要作用,是图像处理领域的热点。     

基于层间相关性的小波边缘检测

在计算机视觉系统当中，图像边缘检测占据着重要位置．图像成像过程中，噪声、畸变等因数引起图像细节模糊，如何有效提取图像边缘成为一个不断探索的课题．众所周知，采用Sobel、LapLacian边缘检测算子尽管能够有效地去除噪声的干扰，但是破坏了图像边缘细节．基于此，本文提出了一种基于层间相关性的小波边缘检测．在不同层间，如果低分辨率下的父系数绝对值大，则在高分辨率下四个相应的子系数的绝对值可能性也大，则其所代表地图像边缘信息可能性越大．因此，采用基于层间相关性的小波边缘检测算法既有效地去除噪声的干扰，又保留了图像边缘细节．     

图像边缘检测研究进展

 图像边缘是图像的最基本和最重要的特征之一,它包含了位置、轮廓等许多有用的信息,为人们描述或识别目标及解释图像提供了一个重要的特征参数。边缘检测是图像处理、图像分析和计算机视觉领域中最经典的研究内容之一,是进行模式识别和信息提取的基本手段。已有的图像边缘检测方法很多,但每种方法都尚有不足之处,在某些情况下仍不能检测到目标物体的最佳边缘,未形成一种普遍适用的边缘检测方法。因此边缘检测一直是图像处理与分析技术中的研究热点,其新理论、新方法不断涌现。对已有方法进行改进,或是按照具体要求设计新方法,是目前边缘检测领域研究的主导方向。本文阐述了边缘检测的研究意义,总结了图像边缘检测的基本思想和检测出的边缘的一般要求,回顾了边缘检测的各种方法,分析了这些方法的优点和存在的不足,总结了边缘检测的最新发展方向。最后分析了现有的边缘评价方法的特点,为边缘检测进一步的研究和应用提供参考。     

气门几何尺寸的多种边缘高精度检测

目前边缘检测算法只能检测水平边缘、垂直边缘,且检测精度低、处理速度慢、抗噪性能差;针对上述存在的缺陷,提出一种气门几何尺寸的多种边缘高精度尺寸检测算法。首先采用中值滤波和高斯滤波对气门采集图像进行预处理,然后针对不同的边缘使用不同检测算法实现图像边缘的像素级定位。在像素级边缘定位的基础上采用几何质心法亚像素边缘定位实现图像边缘的亚像素级精确定位。最后采用畸变校正技术对图像中边缘像素点的坐标进行校正,得到没有畸变情况下边缘像素点的理想坐标,根据像素当量计算得到气门的各个尺寸。通过在光学图像检测系统中的实际应用,证明提出的算法精确且稳定,满足高精度视觉检测的要求。     

三种经典图像边缘检测算法的分析

在图像分析和计算机视觉领域中,边缘检测技术是至关重要的环节之一,本文针对不同边缘模型,在对三种经典最优滤波器进行理论分析的基础上,通过仿真实验比较分析各自性能,为实际应用提供参考。     

基于工艺匹配的微小型结构件边缘检测方法

为提高显微视觉检测的精度,指出微小型结构件的视觉检测过程中应当遵循工艺匹配原则,提出一种基于工艺匹配的边缘检测方法:对不同工艺工件的边缘过渡区进行提取,建立边缘过渡区的数学模型,从模型中确定边缘点精确位置. 对不同工艺样件的实验结果表明,该算法考虑了实际加工特性的影响,通过建立过渡区数学模型使边缘检测结果达到亚像素级,而且识别的边缘连续,能进一步满足精密测量的需要.     

基于拉普拉斯算子的边缘检测研究

边缘检测是图像处理、图像分析和计算机视觉领域中最经典的研究内容之一,是进行模式识别和图像信息提取的基本手段.本文对基于拉普拉斯算子的边缘检测进行了研究测试,取得较好效果.     

基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,因而在基于计算机视觉的检测中具有重要地位。本文对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析。提出了Sigmoid函数拟合的亚像素边缘定位算法,该算法采用Sigmoid函数拟合边缘模型,然后利用图像边缘灰度信息,对该模型进行非线性最小二乘拟合,求得边缘的亚像素位置。实验中测得本文提出的基于Sigmoid函数拟合的亚像素边缘定位算法定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zernike矩和插值法提高了两个数量级。理论分析和实验结果表明：本文提出的亚像素定位算法能较好的满足影像测量中的稳定可靠、精度高及实时性的要求。     

菌落图像的边缘检测方法比较

菌落图像的边缘检测在自动视觉系统里占有非常重要的地位,边缘检测的算法有很多种,包括Roberts算子、Sobel算子、Prewitt算子、Canny算子和遗传算法(GAs)等算法.文章对微生物工程里的菌落图像采用各种边缘检测方法,并对边缘检测结果进行研究比较,得出采用不同算法的优缺点,实验结果表明采用遗传算法进行边缘检测效果较好.     

图像测量中的边缘检测与像素细分算法研究

边缘检测与像素细分是机器视觉中必不可少的重要环节。总结和分析了一些典型的边缘检测和像素细分算法的特点,并分别讨论了它们的机理和优劣。     

菌落图像的边缘检测方法比较

菌落图像的边缘检测在自动视觉系统里占有非常重要的地位,边缘检测的算法有很多种,包括Roberts算子、Sobel算子、Prewitt算子、Canny算子和遗传算法(GAs)等算法。文章对微生物工程里的菌落图像采用各种边缘检测方法,并对边缘检测结果进行研究比较,得出采用不同算法的优缺点,实验结果表明采用遗传算法进行边缘检测效果较好。     

基于视觉的贴片元件检测算法

为了实现贴片元件的自动检测,提出了一种基于视觉的贴片元件几何特征参数检测方法.首先采用最大外接矩形法实现元件的粗定位及确定边缘的分割点,并采用Canny和Zernike矩边缘检测算子实现边缘的精确定位.然后,利用分割点将边缘分割成4部分,分别进行直线和圆弧拟合,得到其精确值.同时,利用快速傅里叶变换后的图像特征,实现端面图像中条纹方向的判定.实验中测得亚像素边缘点的定位精度为0.03像素,直线拟合精度为0.03像素,圆弧拟合精度为0.05像素,端面条纹判断的准确率为100%.实验结果表明:文中提出的检测方法能很好地满足贴片元件自动视觉检测稳定可靠、精度高及实时性强的要求.     

一种非线性的图象边缘检测方法

<正> 0 引言图象的边缘检测是计算机视觉领域里最重要和最基本的研究任务之一。近几十年来对边缘检测的研究一直方兴未艾,Marr 提出的 Gauss-Laplace 法在边缘检测方法上占有十分重要的地位,随后 Haralick、Chen 等人相继又进行了进一步的研究和发展。在总结前人思想的基础上,本文提出一种基于梯度方向上二阶差分的非线性微分算     

基于局部多结构元素数学形态学的灰度图像边缘检测算法

提出了一种边缘检测算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立了多个结构元件，利用基于视觉模型的边缘阈值选择策略确定灰度图像中梯度变化中的像素点，并对其采用二值形态学的腐蚀操作，选择出图像的边缘，滤除噪声，与传统的形态学方法相比，该算法只对梯度发生变化的像素点进行操作，减少了运算量，得到了与人的主观视觉更为一致的边缘。实验表明，与经典的边缘检测算子相比，该算法不仅具有很好的边缘提取能力，而且具有很强的抗噪能力。