亚像素定位方法的研究.doc

亚像素检测方法的研究 摘 要 精确的确定数字图像位置，对于图像测量非常的重要。同时，图像的获取过程中受到各种噪声的影响，传统的提取方法的精度有限，且易受参数的影响，必然会引起图像的模糊，因此对图像的定位技术的研究一直是一个热门。对于几种代表性的亚像素边缘提取技术进行了原理分析和性能比较。 关键词：亚像素边缘提取 图像定位 引言 关于图像中点与线的定位人们研究并提出了多种定位方法，每种方法都有其特定的应用条件和精度要求，应该根据不同的处理对象选择合适的提取方法 。在对图像进行定位之前，必须进行图像的预处理。 图像预处理 在拍照过程中常常因为光照或曝光等因素使得照片产生局部模糊 、 噪声等干扰，严重时会直接影响到亚像素定位的精度及实现，所以在进行定位前先要对所处理的图像进行必要的预处理，一方面可以剔除噪声等干扰，另一方面也是为了提取出含有亚像素的定位信息。为实现以上目的，图像的预处理需要进行图像增强，二值化，边缘 跟踪Hough变换。 2.1图像增强 这个功能主要是处理照片在拍摄和采集的过程中，因曝光不均而导致的图像的灰度分布集中在较窄的区域，引起图像细节不够清晰。采用直方图修整后可使图像的灰度间距拉开，或者使灰度分布均匀，从而增大反差，使图像的细节清晰，达到增强的目的。 2.2二值化 利用灰度图像直方图选取适当的阈值实现灰度图像的二值化，图像的二值化的阈值方法处理如下： 2.3边缘跟踪 边缘跟踪就是把位于标志内部的所有像素全部移除，仅仅留下在边缘线上的那些像素，取得标志点的轮廓线。实现方法是对标志区域的每一个像素进行4-邻域或8-邻域的判断，当某个像素4-邻域过8-邻域内所有像素值都是0（黑）时，说明这个像素是区域内部点，则去掉该点，最后仅剩余的即是标准的轮廓线。 2.4 Hough变换提取直线 Hough变化的核心思想是点-线的对偶性，通过变换将图像从空间转换到参数空间。对于直线Y=px+q，在图像空间中为一条过点（x，y）的直线，满足参数方程р=xcosθ+ysinθ,直线方程的极坐标如下图所示。 图1 直线方程的极坐标表示 Hough变换检测直线的算法步骤如下： 在р，θ的极值范围内对其分别进行m，n等分，设一个二位数组的下标与（рi，νi）的取值对应； 对图像的边缘点作Hough变换，求每一个点在νi（j=0，1，2，......n）变化后рi，判断（рi，νi）与哪个数组元素对应，则让该数组元素值加1； 比较数组元素值的大小，最大值所对应的（рi，νi）就是这些共线点对应的直线方程的参数。 Hough变换的抗噪性能强，能将断开的边缘连接起来。很明显，由Hough变换后（рi，νi）数组最大的两个值对应的（рi，νi）就是标志两条垂直线所对应的参数。 图像预处理如图2所示，其中图（a）为原始图像，（b）为二值化图像，（c）为边缘跟踪图像，（d）为Hough变换后的图像。 图2 图像预处理 3.亚像素边缘检测技术的研究 采用机器视觉技术对工业生产线上的零部件进行尺寸检测，具有完全非接触点性的优点，是保证成品质量的关键手段之一。然而由于各种物理条件(如摄像机，存储器等)的限制，所获取图像分析的关键步骤，边缘的定位精度直接影响到尺寸检测的精度。 3.1基于曲面拟合的亚像素边缘检测方法 根据二阶导数过零点确定边缘，在得到像素级精度(误差±1像素)的目标边缘 后，用一个参数多项式方程将每一边缘点所对应的平滑滤波图像的8邻域，拟合成一个空间曲面；再按所需分辨率重采样这一曲面得到了更高分辨率的图像，然 后对此图像再用一遍LOG算子进行过零点检测，即实现了原始图像目标的亚像 素级边缘提取。 3.2基于灰度矩的亚像素边缘检测算法 一个理想的边缘可以认为是由一系列具有灰度h1的像素与一系列具有灰度 h2的像素相接而构成的，如图2中虚线为理想边缘，实心点为实际边缘。 下面我们定义一个算子，当把它用于实际的边缘数据时能产生一个理想边缘，而且这2个(边缘的)像素序列的前3阶矩相等。先考虑1一D时的情况，一 个信号f(x)的P阶矩( p=1，2，3) 定义为： 图3 1—D灰度和梯度图 (2) 其中P1=k/n； ；hi，h2，p1未知，利用下列几个公式可以算出边缘亚像素位置k； (3)