基于視覺圖像的微小零件邊緣檢測(cè)算法研究

式中：W為相鄰像素點(diǎn)到邊緣點(diǎn)距離，θ為梯度方向與x軸正向夾角。
由式(4)可得出，亞像素細(xì)分定位邊緣的前提條件為：R0>R-1且R0>R1。
采用擴(kuò)展的Sobel細(xì)化算子搜索單像素邊緣，在搜索過程中，剔除邊緣點(diǎn)梯度方向的非極大值，從而保證亞像像素細(xì)分定位的前提條件成立。方向模板與P-1，P1點(diǎn)坐標(biāo)對(duì)應(yīng)表如表1所示。

4 實(shí)驗(yàn)與結(jié)果分析
為了驗(yàn)證該算法，提取在線實(shí)時(shí)采集的微小零件圖像進(jìn)行實(shí)驗(yàn)。
(1)可擴(kuò)展的Sobel細(xì)化算子的驗(yàn)證 引入灰階Sobel算子后，得到的邊緣圖仍是灰階圖像，此時(shí)采用Sobel算子處理，得到邊緣的邊緣圖。在新的邊緣圖上，原邊緣的兩側(cè)得到新的邊緣，而中間部分卻變成背景，且其寬度小于原邊緣。利用該特點(diǎn)細(xì)化原邊緣，即將原邊緣減去新邊緣圖，再將結(jié)果中與負(fù)的部分對(duì)應(yīng)的邊緣變?yōu)榱?，最后得到接近單像素寬的邊緣圖，從而達(dá)到細(xì)化邊緣的效果，如圖2所示。

(2)亞像素細(xì)分算法定位 經(jīng)過擴(kuò)展方向模板的Sobel細(xì)化算子后，提取接近單像素的邊緣，在其梯度方向上用亞像素細(xì)分算法對(duì)圖像邊緣進(jìn)一步定位。
圖3是在原邊緣基礎(chǔ)上取一段圓弧，對(duì)其細(xì)分前后的坐標(biāo)圖，可以看出，經(jīng)過亞像素細(xì)分算法定位后得到的像素邊緣比較光滑。相對(duì)于未細(xì)分，其精確度得到提高。

(3)計(jì)算標(biāo)準(zhǔn)偏差 以單個(gè)點(diǎn)的像素坐標(biāo)值為標(biāo)準(zhǔn)坐標(biāo)值，將定位后的單點(diǎn)與對(duì)應(yīng)點(diǎn)的坐標(biāo)差作為算法偏差，計(jì)算得到的標(biāo)準(zhǔn)偏差約0．20 pixel。

5 結(jié)論
采用的邊緣檢測(cè)算法是通過擴(kuò)展的4個(gè)方向的Sobel算子引入衰減因子而得到無失真的灰階邊緣圖，再采用Sobel算子細(xì)化，可使較陡邊緣部分光滑連續(xù)，且接近單點(diǎn)寬的邊緣；采用二次多項(xiàng)式插值法在梯度方向插值后得到光滑邊緣，定位精度達(dá)到0．20 pixel，適于對(duì)精度要求較高的視覺系統(tǒng)。