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》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

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實例，主要就測量物體長度的算法加以闡述。現(xiàn)在假設(shè)我們要在圖像中測量物體的長度。如圖1所示，虛線內(nèi)為圖像范圍，圖中背景為白色，被測物呈黑色。圖1待測物體情況在相機拍照后，將圖像視頻信號傳至視覺卡，由視覺卡把波狀視頻信號翻譯成數(shù)字信號，存到電腦的內(nèi)存中去。儲存信息如圖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)存中的存儲信息1、系統(tǒng)的自學(xué)習(xí)接下來第一步，我們要先選取一個臨界灰度值（threshold，有關(guān)這個名詞的解釋，請參閱主題文章“視覺系統(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，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)然在實際測量中為留一定余地，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)便完成了測量的第一步：自學(xué)習(xí)。假如

4、此時已經(jīng)完成了系統(tǒng)的標(biāo)定工作（包括相機標(biāo)定、系統(tǒng)標(biāo)定），那么現(xiàn)在就可以正式開始測量了。2、測量中的臨界灰度值算法我們把一個待測的被測物放到相機下拍照。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。這只是為了說明在實際操作中，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圖像進行分析。仍是以行3為例，假設(shè)系統(tǒng)是從行3開始進行逐點掃描的。掃描的過程如下：先讀取像素（3，A）的灰度值來與剛才所設(shè)定的臨界灰度值作比較。如果像素（3，A）大過臨界灰度值，也就是說像素（3，A

5、）的顏色比臨界灰度值白。那么這個像素就不是被測物上的一個點。然后就繼續(xù)進行下一步的運算，讀取像素（3，B）的灰度值重復(fù)上述運算，如此循環(huán)直至圖像盡頭列L。基本程序可描述如下：for(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是一個標(biāo)志，當(dāng)系統(tǒng)找到被測物的第一個邊緣時，flag=TRUE，于是系統(tǒng)便開始尋找第二個邊緣。在本例中，第一個邊緣是由白到黑，第二個邊緣是由黑到白。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，程序便會中斷，flag=TRUE，并開始尋找第二個由黑到白的邊緣。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，進行到像素（3，H）時，便自動停止?，F(xiàn)在我們根據(jù)程序運行中第一個變量I所記錄的數(shù)值，知道第一個邊緣為D。由變量J知道第二個邊緣是H－1＝G。由此，可以知道整個被測物X軸方向的大?。?/p>

7、G－D＝4個像素。4×像素值（由系統(tǒng)標(biāo)定得到），我們就最終得到被測物體的左右長度了。但事情并沒有這么簡單，現(xiàn)在真正的問題出現(xiàn)了。實際上，不難發(fā)現(xiàn)在圖4中，被測物實際上從列C開始的。只不過在列C中，被測物只有一部分，而另一部分是白色的背景。下面，我們就要設(shè)計新的算法，即“亞像素算法”來計算這種“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1個像素

8、的灰度值分為256級。所以，以這類系統(tǒng)為例，進行亞像素計算就要把像素分為255個小單位?；蛟S，可以這樣來理解“亞像素算法”。一個像素的灰度值從0到255，0是純黑，255是純白。不妨把像素想像成是一個由255個小像素所組成的集合。而每個小像素都是一個獨立的小鏡子，那就是說一個像素里面有255個小鏡子?；叶戎祫t可以看作反光的小鏡子數(shù)量：0表示255個小鏡子全都沒有反光；255表示255個鏡子一起反光。上面講到的所設(shè)定的臨界灰度值100，則可表示255個鏡子中有