基于机器视觉技术之边缘检测

摘要：图象的边缘信息对人或对机器视觉来说，都是非常重要的。由于边缘具有能勾画区域的形状，且能被局部定义以及能传递大部分图象信息等许多优点，因此，边缘检测可看作是处理许多复杂问题的关键，是图象分析和理解的*步，检测出边缘的图象就可以进行特征提取和形状分析。

        图象的边缘信息对人或对机器视觉来说，都是非常重要的。由于边缘具有能勾画区域的形状，且能被局部定义以及能传递大部分图象信息等许多优点，因此，边缘检测可看作是处理许多复杂问题的关键，是图象分析和理解的*步，检测出边缘的图象就可以进行特征提取和形状分析。 
        由于边缘是灰度值不连续的结果，这种不连续常可以利用求导数方便的检测到，一般选择一阶和二阶导数来检测边缘。在机器视觉检测中，常常借助空域微分算子(实际上是微分算子的差分近似)利用卷积来实现。常用的微分算子有梯度算子和拉普拉斯算子。 
        边缘检测可以借助空域微分算子通过卷积完成。实际上数字图像处理中求导数是利用差分近似微分来进行的。常用的微分算子有梯度算子和拉普拉斯算子。 
        边缘检测算法的基本步骤如下： 
        1、滤波:边缘检测算法主要是基于图象强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。 
        2、增强:增强边缘的基础是确定图象各点邻域强度的变化值。增强算法可以将邻域(或局部)强度值有显著变化的点突显出来。 
        3、检测:在图象中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。常采用梯度幅值Ill值判据。 
        4、定位:如果某一应用场合要求确定边缘位置，则边缘的位置可在子象素分辨率上来估计，边缘的方位也可以被估计出来。 
        在用机器视觉进行尺寸测量时，这四步*，尤其必须指出边缘的位置和方位。机器视觉检测技术，以其强大的性能优势，使得产品质量标准化，检测速度快，检测结果可靠、稳定，并且可以长时间检测，广泛应用于各大领域。