機(jī)器視覺(jué)尺寸測(cè)量中的圖像邊緣檢測(cè)技術(shù)
來(lái)源：2015年03月06日熱度：606
圖像的特征指圖像場(chǎng)中可用作標(biāo)志的屬性，而圖像的邊緣是圖像最基本的特征。在數(shù)字圖像中，所謂邊緣是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。
數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，圖像理解和分析的第一步往往就是邊緣檢測(cè)，目前邊緣檢測(cè)已成為機(jī)器視覺(jué)研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。
邊緣檢測(cè)是圖像處理和計(jì)算機(jī)視覺(jué)中的基本問(wèn)題，邊緣檢測(cè)的目的是標(biāo)識(shí)數(shù)字圖像中亮度變化明顯的點(diǎn)。圖像屬性中的顯著變化通常反映了屬性的重要事件和變化。這些包括深度上的不連續(xù)、表面方向不連續(xù)、物質(zhì)屬性變化和場(chǎng)景照明變化。
圖象的邊緣信息對(duì)人或?qū)C(jī)器視覺(jué)來(lái)說(shuō)，都是非常重要的。由于邊緣具有能勾畫區(qū)域的形狀，且能被局部定義以及能傳遞大部分圖象信息等許多優(yōu)點(diǎn)，因此，邊緣檢測(cè)可看作是處理許多復(fù)雜問(wèn)題的關(guān)鍵，是圖象分析和理解的第一步，檢測(cè)出邊緣的圖象就可以進(jìn)行特征提取和形狀分析。
圖像邊緣檢測(cè)大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性。有許多方法用于邊緣檢測(cè)，它們的絕大部分可以劃分為兩類：基于查找一類和基于零穿越的一類?；诓檎业姆椒ㄍㄟ^(guò)尋找圖像一階導(dǎo)數(shù)中的最大和最小值來(lái)檢測(cè)邊界，通常是將邊界定位在梯度最大的方向?；诹愦┰降姆椒ㄍㄟ^(guò)尋找圖像二階導(dǎo)數(shù)零穿越來(lái)尋找邊界，通常是Laplacian過(guò)零點(diǎn)或者非線性差分表示的過(guò)零點(diǎn)。
由于物體的邊緣是由灰度不連續(xù)性所反映的，因此一般邊緣檢測(cè)方法是考察圖像的每個(gè)像素在某個(gè)領(lǐng)域內(nèi)灰度的變化，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律來(lái)檢測(cè)邊緣，這種方法通常稱為邊緣檢測(cè)局部算子法。
在基于機(jī)器視覺(jué)尺寸測(cè)量技術(shù)的應(yīng)用中，邊緣檢測(cè)技術(shù)尤為重要，必須指出邊緣的精確位置和方位，才能得到精確的測(cè)量結(jié)果。而機(jī)器視覺(jué)檢測(cè)技術(shù)，也憑借其強(qiáng)大的性能優(yōu)勢(shì)，使得產(chǎn)品質(zhì)量標(biāo)準(zhǔn)化，檢測(cè)速度快，檢測(cè)結(jié)果可靠、穩(wěn)定，并且可以長(zhǎng)時(shí)間檢測(cè)，廣泛應(yīng)用于各大領(lǐng)域。
