基于臨界灰度值和亞像素的“邊緣尋找”算法

《基于臨界灰度值和亞像素的“邊緣尋找”算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、基于臨界灰度值和亞像素的“邊緣尋找”算法基于臨界灰度值和亞像素的“邊緣尋找”算法基于臨界灰度值和亞像素的“邊緣尋找”算法基于臨界灰度值和亞像素的“邊緣尋找”算法本文將圍繞一個(gè)實(shí)例，主要就測(cè)量物體長(zhǎng)度的算法加以闡述?，F(xiàn)在假設(shè)我們要在圖像中測(cè)量物體的長(zhǎng)度。如圖1所示，虛線內(nèi)為圖像范圍，圖中背景為白色，被測(cè)物呈黑色。圖1待測(cè)物體情況在相機(jī)拍照后，將圖像視頻信號(hào)傳至視覺(jué)卡，由視覺(jué)卡把波狀視頻信號(hào)翻譯成數(shù)字信號(hào)，存到電腦的內(nèi)存中去。儲(chǔ)存信息如圖2所示，圖像中的虛線格子為像素單元。下面

2、將具體說(shuō)明基于臨界灰度值和亞像素的邊緣尋找算法。圖2內(nèi)存中的存儲(chǔ)信息1、系統(tǒng)的自學(xué)習(xí)接下來(lái)第一步，我們要先選取一個(gè)臨界灰度值（threshold，有關(guān)這個(gè)名詞的解釋，請(qǐng)參閱主題文章“視覺(jué)系統(tǒng)速成”）。大家已經(jīng)知道，當(dāng)圖像轉(zhuǎn)換成數(shù)字信號(hào)存到內(nèi)存中去之后，我們便可以輕易地讀取任何像素的灰度值。比如，我們現(xiàn)在從圖像中得到行3的全部像素灰度值（如圖3所示）。為了方便，這里假定此系統(tǒng)的灰度值分辨率是256級(jí)，0為最黑，255為最白。圖3圖像中第三行的像素灰度值情況[/center]從

3、圖中，我們可以看出被測(cè)體的范圍（X軸方向）是從列D至列H。在行3的灰度值中，從列D到列H的灰度值分別為：50，40，40，35，80。由此可知，被測(cè)物體在成像中灰度值最高（即顏色最白）的像素的灰度值是像素（3，H）的灰度值，即80。那么我們便可以認(rèn)為，系統(tǒng)的臨界灰度值就是80，當(dāng)然在實(shí)際測(cè)量中為留一定余地，我們不妨設(shè)為100。當(dāng)然，若成像中被測(cè)物為白色，則應(yīng)當(dāng)選顏色最黑的地方的像素值為臨界灰度值（有關(guān)臨界灰度值設(shè)定的具體方法，以后另題討論）。設(shè)定臨界灰度值后，系統(tǒng)便完成了測(cè)量的第一步：自學(xué)習(xí)。假如

4、此時(shí)已經(jīng)完成了系統(tǒng)的標(biāo)定工作（包括相機(jī)標(biāo)定、系統(tǒng)標(biāo)定），那么現(xiàn)在就可以正式開(kāi)始測(cè)量了。2、測(cè)量中的臨界灰度值算法我們把一個(gè)待測(cè)的被測(cè)物放到相機(jī)下拍照。在內(nèi)存中所得圖像如圖4所示。這里圖4與圖2略有不同。這只是為了說(shuō)明在實(shí)際操作中，每次拍照所得到的圖像，必定是有所不同的。圖4得到圖像后，我們便可以讓軟件對(duì)圖像進(jìn)行分析。仍是以行3為例，假設(shè)系統(tǒng)是從行3開(kāi)始進(jìn)行逐點(diǎn)掃描的。掃描的過(guò)程如下：先讀取像素（3，A）的灰度值來(lái)與剛才所設(shè)定的臨界灰度值作比較。如果像素（3，A）大過(guò)臨界灰度值，也就是說(shuō)像素（3，A

5、）的顏色比臨界灰度值白。那么這個(gè)像素就不是被測(cè)物上的一個(gè)點(diǎn)。然后就繼續(xù)進(jìn)行下一步的運(yùn)算，讀取像素（3，B）的灰度值重復(fù)上述運(yùn)算，如此循環(huán)直至圖像盡頭列L?；境绦蚩擅枋鋈缦拢篺or(I=AI<=LI++){if(pixel[3,I]<=100){flag=TRUEbreak}}程序中的100就是剛才系統(tǒng)所設(shè)定的臨界灰度值。Flag是一個(gè)標(biāo)志，當(dāng)系統(tǒng)找到被測(cè)物的第一個(gè)邊緣時(shí)，flag=TRUE，于是系統(tǒng)便開(kāi)始尋找第二個(gè)邊緣。在本例中，第一個(gè)邊緣是由白到黑，第二個(gè)邊緣是由黑到白。假設(shè)在新的

6、圖像中，行3的灰度值如圖5如示。那么系統(tǒng)掃描到像素（3，D）時(shí)，程序便會(huì)中斷，flag=TRUE，并開(kāi)始尋找第二個(gè)由黑到白的邊緣。圖5新的圖像灰度值情況第二次尋找基本程序如下：for(J=IJ<=LJ++){if(pixel[3,J]>=100){flag=FALSEbreak}}按圖5所示，第二邊緣的尋找，進(jìn)行到像素（3，H）時(shí)，便自動(dòng)停止?，F(xiàn)在我們根據(jù)程序運(yùn)行中第一個(gè)變量I所記錄的數(shù)值，知道第一個(gè)邊緣為D。由變量J知道第二個(gè)邊緣是H－1＝G。由此，可以知道整個(gè)被測(cè)物X軸方向的大?。?/p>

7、G－D＝4個(gè)像素。4×像素值（由系統(tǒng)標(biāo)定得到），我們就最終得到被測(cè)物體的左右長(zhǎng)度了。但事情并沒(méi)有這么簡(jiǎn)單，現(xiàn)在真正的問(wèn)題出現(xiàn)了。實(shí)際上，不難發(fā)現(xiàn)在圖4中，被測(cè)物實(shí)際上從列C開(kāi)始的。只不過(guò)在列C中，被測(cè)物只有一部分，而另一部分是白色的背景。下面，我們就要設(shè)計(jì)新的算法，即“亞像素算法”來(lái)計(jì)算這種“一半一半”的部分。3、亞像素算法亞像素算法的基本思路就是將一個(gè)像素再分為更小的單位。在我們上面的討論中，一直以8bit的系統(tǒng)作例子，也就是說(shuō)1個(gè)像素

8、的灰度值分為256級(jí)。所以，以這類系統(tǒng)為例，進(jìn)行亞像素計(jì)算就要把像素分為255個(gè)小單位?；蛟S，可以這樣來(lái)理解“亞像素算法”。一個(gè)像素的灰度值從0到255，0是純黑，255是純白。不妨把像素想像成是一個(gè)由255個(gè)小像素所組成的集合。而每個(gè)小像素都是一個(gè)獨(dú)立的小鏡子，那就是說(shuō)一個(gè)像素里面有255個(gè)小鏡子。灰度值則可以看作反光的小鏡子數(shù)量：0表示255個(gè)小鏡子全都沒(méi)有反光；255表示255個(gè)鏡子一起反光。上面講到的所設(shè)定的臨界灰度值100，則可表示255個(gè)鏡子中有