（光学工程专业论文）车轮踏面缺陷检测系统的研究.pdf

西南交通大学硕士研究生学位论文第1 页 摘要 随着铁路系统大提速，机车运行的安全程度越来越受到关注。车轮作为机 车车辆的重要部件，其车轮踏面故障的测量是铁路部门一直密切关注和不断研 究改进的课题，因为踏面的擦伤是影响运行安全性、平稳性和运用经济性的重 要因素。 论文主要由硬件和软件两部分构成。 第一部分主要是借鉴常用的机器视觉系统模型，设计出适合本系统的在线 检测硬件构成，并针对系统所要求达到的精度进行了相应的参数计算，选择合 适的元器件。 第二部分主要是图像处理、畸变图像的标定部分。根据车轮踏面缺陷图像 的特点，利用数字图像处理技术对采集到的踏面图像进行处理并提取出缺陷， 同时对缺陷图像进行标定，最后输出缺陷图像的实际尺寸。图像处理的主要步 骤包括预处理、检测区域定位、边缘检测、边缘连接、目标缺陷定位。以下所 提出的算法对准确地检测和分析缺陷具有极大的影响。 1 先对获取的畸变图像进行标定。 2 为避免车轮背景干扰缺陷的检测，减少运算量，在缺陷分析之前首先 对踏面区域进行定位，利用垂直边缘检测算子强化踏面左右边界，再利用投影 法确定踏面位置并将其剪切下来。 3 缺陷的边缘具有不规则性，为了对缺陷形状进行准确提取，论文中选 择c a n n y 算子来完成边缘检测，提取效果好，可以有效地保护边缘信息。 4 改进了边缘生长算法，对得到的边缘图像进行连接，达到一定效果。 增强了目标缺陷的连通性。 5 通过对模板的标定，得到单个像素的大小，并以此来计算已定位的缺 陷的实际大小。 关键词：踏面缺陷；数字图像处理；边缘检测；边缘连接；边缘生长 a b s t r a c t w i t ht h ed e v e l o p m e n to ft h er a i l w a y , d e f e c ti n s p e c t i o no fr a i l sb e c o m e sm o r e a n dm o r ei m p o r t a n tt oe n s u r et h es a f e t y t h ep r o b l e mt h a th o wt om e a s u r ct h ef a u l t o ft h et r e a dp r o f i l ei sc o n c e r n e da l l 洳n ga n dp e r p e t u a ls t u d i e da n di m p m v e d t h a t i sb e c a u s et h ei r r e g n l a r i t i e so ft r e a dp r o f i l ea r et h ek e yf a c t o ro fi n f l u e n c i n gt h e s a f e t y , s t a b i l i z a t i o na n de c o n o m yo fr u n n i n g t h ep a p e ri sc o m p o s e do fah a r d w 缸ep a r ta n das o f t w a r ep a r t t h ef i r s tp a r tm a i n l yd e s i g n st h eh a r d w a r ef r a m eo ft h es y s t e mu s i n gf o r r e f e r e n c eu n i v e r s a lt h em o d e lo fm a c h i n ev i s i o ns y s t e m i ta i m sa tt h es y s t e m p r e c i s i o n s d e m a n da n dc h o o s e st h er i g h tc o m p o n e n t sa n dc o m p u t e r se a c h c o m p o n e n t p a r a m e t e r s t h es e c o n dp a r ti sm a i n l ya b o u ti m a g ep r o c e s s i n g a c c o r d i n gt ot h es u r f a c e d e f e c ti m a g e st r a i t sa n du s i n gd i g i t a li m a g ep r o c e s s i n gi tc a l i b r a t e st h ed i s t o r t e d i m a g e sa n da b s t r a c t s t h ed e f e c t sf r o mt h et r e a di m a g e s t h ek e ys t e p s i n c l u d e p r e t r e a t m e n t , t r e a d l o c a t i o nd e t e r m i n a t i o n ，e d g ed e t e c t i o n , e d g el i n k , d e f e c t o r i e n t a t i o n u n d e r - m e n t i o n e da r i t h m e t i ch a sag r e a ti n f l u e n c eo ni n s p e c t i n ga n d a n a l y z i n gd e f e c t se x a c t l y 1 i no r d e rt oa v o i dt h ed i s t u r b a n c eo ft h ew h e e l ，仃e a dr e g i o ni so r i e n t e db y u s i n gv e r t i c a le d g ed e t e c t i o n t h eo p e r a t i o n c a ni n t e n s i f yr a i l sb o r d e r l i n ea n dc u ti t d o w nb yp r o j e c t i o n 2 t h ee d g eo ft h ed e f e c ti sa b n o r m i t y i no r d e rt oa b s t r a c tt h ed e f e c tw i t hh i g h p r e c i s i o n ，c a n n ym e t h o di sa p p l i e dt oc a r r yo ne d g e d e t e c t i o n 3 i m p r o v e de d g eg r o w i n ga r i t h m e t i ci sa d v a n c e dt ol i n kd i s c o n t i n u o u se d g e ， w h i c hi n c r e a s e sc o n n e c t e d n e s s 4 a c c o r d i n gt ot h ec a l i b r a t i o ns t e n c i l - p l a t e ，w eg e tt h es i z eo f o n ep i x e l ；t h e n a f t e rz h a n gz h e n g y o ui m a g ec a l i b r a t i o n ，w eg e tt h et r e a dd e f e c t sr e a ls i z e 西南交通大学硕士研究生学位论文 第1 il 页 k e y w o r d s ：t r e a dd e f e c t ；d i g i t a li m a g ep r o c e s s i n g ：e d g ei n s p e c t i o n ：e d g el i n k ：e d g e g r o w i n g ： 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和 借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1 保密口，在年解密后适用本授权书； 2 不保密d 使用本授权书。 ( 请在以上方框内打。4 ”) 学位论文作者签名：有寺t j i 乳 日期：撕8 嗽1 1 南方 牙 易” 名咯 签饥 程如 j y 老 ： 导期 静巨 西南交通大学 学位论文创新性声明 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所 得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体 已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在 文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。 本学位论文的主要创新点如下： 1 、借鉴传统机器视觉系统，设计了适合本系统的硬件方案。 2 、根据系统图像特点设计了适合的软件检测流程，大大减少处理时间。 3 、综合比较边缘检测算法，选择了适合不规则缺陷检测的边缘方法。 4 、对边缘不连续的情况进行详细的论述，提出了解决办法，并取得一定效 果。 5 、选择张政友的标定方法对畸变图像进行标定，取得一定效果。 西南交通大学硕士研究生学位论文第1 页 第1 章绪论 1 1 踏面缺陷检测的背景及意义 轮对是铁路车辆运行的主要部件，其技术状态好坏直接涉及车辆的运行品 质，影响列车运行安全。目前，由于车轮及闸瓦的材质、列车紧急制动、空重 车调整装置漏调或误调致使空车时在重车位制动力过大、调车作业的铁鞋制 动、机车司机的操纵水平不高及车辆缓解不良等诸多原因，造成车辆车轮踏面 擦伤、剥离等故障较多。而目前列检对车轮踏面故障的检查，主要靠检车员接 车过程中和停车后的耳听、锤敲、眼看，这种传统的人工检查方法，受人为因 素、故障所处的部位、现场工作条件、气候以及技检时间等因素影响，既不易 及时发现车轮踏面故障，造成漏检、漏修，又增加工人的劳动强度，延长技校 时间。因此，研制一种车轮踏面擦伤自动检测系统，自动地实现对列车动态检 测，对及时准确发现轮对踏面故障，提高车辆检修质量，缩短技检时间，加速 车辆周转，改善运行条件，降低劳动强度，确保列车运行安全具有十分重要的 意义。 1 2 踏面缺陷存在的形式 踏面的缺陷主要有擦伤、剥离和裂纹等，一些缺陷是在制造过程中留下的 隐患，而经过长时间机车与轨道相互作用，逐渐延伸到表面显现出来；另一些 缺陷是由于大量机车车辆车轮高强度与钢轨表面接触，致使金属的接触疲劳强 度不足，形成表面缺陷。图l l 是几种常见的钢轨表面缺陷。 西南交通大学硕士研究生学位论文第2 页 ( a ) 撺伤r h 、剥离 ( c ) 裂纹 图卜1 踏面缺陷图 擦伤是车轮在钢轨上滑行产生损伤的总称。可分为单独擦伤、斑点状擦伤、 连续擦伤和其他情况。所谓单独擦伤踏面一处产生扁平的圆形或椭圆形损伤。 斑点状擦伤是指擦伤排列为斑点状。连续擦伤是指发生连续的波状或带状塑性 流变。剥离是指车轮在运用过程中由于制动热作用或轮轨滚动接触疲劳作用而 在踏面圆周或部分圆周上呈现出的金属掉块剥落损伤和鱼磷状或龟纹状热裂 纹现象。 1 3 本文要完成的工作 本文设计了踏面缺陷自动检测系统的硬件构成；针对现场的实用情况设计 和选择合适的元器件；通过对由硬件得到的大量现场缺陷图片的分析，并结合 西南交通大学硕士研究生学位论文麴 玩殇丽耍砾应甬涉及了图像处理算法，最终将确定缺陷的位置及大小用计算 机编程语言实现。 西南交通大学硕士研究生学位论文第4 页 第2 章踏面缺陷检测系统的硬件组成 2 1 踏面缺陷检测系统的主要技术要求 系统的主要技术要求如下： 测试精度：轮缘方向0 5 m 、轮周方向0 5 m m 工作环境：在白天、黑夜、云、雨、雾、雪等环境下均能正常工作 工作的温度范围：- 3 0 c - - - - - - - + 4 0 测试对象：现场正线上被磨损后表现出来的擦伤或剥离 输出结果：有无缺陷及缺陷大小 2 2 本系统的构成及系统的工作流程 本文设计的缺陷识别系统主要由以下几部分组成：车辆接近检测模块、车 辆离去检测模块、图像获取模块、图像采集模块、图像处理单元模块。 具体的工作流程为：当车辆进入检测范围时，车辆接近检测单元的传感器 启动现场摄像系统，使之做好检测准备。摄像系统和光源均搭建在钢轨的两侧。 光源以一定的角度照射在被测踏面上，摄像系统以一定的角度和距离对轨道信 息进行摄像。相机每扫描踏面的一行信息，就通过图像采集卡传送，并暂存在 板卡的缓存器中。若板卡缓存器内存受限的话，也可将信息按照一定的顺序传 送到p c 机( 或者工控机) 中，并以一定的地址存放在硬盘内。一维信息经图 像采集卡的专用函数进行任意凭借获得反映一定踏面宽大的图像。然后通过实 现编译好的软件进行图像的预处理、标定，最后给出缺陷的大小。当车辆离开 检测范围时，车辆离去检测模块判断此次检测是否结束，当最后一个轮对离开 检测区时，再发出检测结束信号，关闭图像获取模块和采集模块。 西南交通大学硕士研究生学位论文第5 页 2 2 1 车辆接近检测模块和车辆离去检测模块 车辆运行方向 i i - _ 2 图2 - 1 车辆检测模块 l 号：开机传感器，探测列车轮沿，检测列车是否到来，控制系统自检，并发出 指令使图像获取模块采集数据； 2 号：关机传感器，用来辨别列车远离后，控制摄像及停止采集数据。 2 3 图像获取和采集模块 图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被 计算机处理的数据，它直接影响到系统的稳定性及可靠性。一般是利用光源、 光学系统、像机、图像采集卡来获取被测物的图像。为了能够获得质量较好的 反映轨道表面状况的图像，需要慎重选择光源、摄像机、采集卡、镜头。每一 个元器件的选择都是与其它器件紧密联系的，因此不能孤立的看待每个选择过 程，而应该将它们作为一个相互制约的整体，彼此牵制，最终寻找一个最佳的 方案。 2 3 1 照明方式及光源和滤光片的选择 此部分的选择尤为关键。因为如果没有合适的光信号入射，那么收集光信 号的电荷耦合器件也就无法将光信号转化成电信号，无法提供轨道表面信息， 那么就更谈不上后续部分的图像处理与图像识别了 光学照明方式有多种，大致可分为：前方照明、镜面照明( 暗视场亮视 场) 、斜光照明、背面照明( 亮视场) 、正面照明等。本系统选择利用斜光照明 西南交通大学硕士研究生学位论文第6 页 来实现对目标物体的打光。之所以选择这种方式是因为它让需要的区域的光散 射，表面特点确定目标特征的。此方式多用于工作为二进制数字领域，或使 用模数转换处理的灰度等级信息中，来确定对比度信息，使用两个光源，可以 降低对光源强度的要求。图2 2 表示的是斜光照明的原理图。 圆状灯源 l 摄像头 图2 2 斜光照明的原理图 光源是影响整个机器视觉系统输入的重要因素，因为它直接影响输入数据 的质量。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例， 要选择相应的照明装置，以达到最佳效果。许多机器视觉系统用可见光作为光 源，这是由于可见光容易获得，并且便于操作。但是这些光源最大的缺点是不 能保持稳定。 选择具有足够均匀度、稳定性能好的光源应从以下角度考虑： 1 、光谱特征：光源的颜色及测量物体表面的颜色决定了反射到摄像头的 光能的大小及波长。要选择适合摄像机响应波长范围的光源。 2 、效率：尽量选择效率高的光源，相对于能量的消耗，其散发出更加多 的光能，例如荧光灯。一般来说，光源的温度越高，其寿命就会缩短，其消耗 的能量就相对较高。 3 、寿命特性：光源工作时间应尽可能长。l e d 光源是比较流行的光源，其 可以连续工作很长时间，大约可以连续操作1 0 0 ，0 0 0 小时。对多数光源，随着 光源的老化，光源释放的能量会减少，根据光源类型的不同，光能减小的速度 可能比较慢，也可能很快很明显。光能输出的变化可能也影响着光谱特性。当 光源的老化速度影响到图像处理结果的时候就可以注意光源的变化了。 西南交通大学硕士研究生学位论文第7 页 4 、费用：许多光源需要在视觉系统的使用过程中更换。如果光源很昂贵， 在机器视觉的使用过程中可能会增大后期费用。i l j 考虑到后续选择的b a s l e r 相机的峰值响应波长是7 0 0 h m 左右，光源的波 长须与之相匹配。一般红光的波长范围是6 2 0 - - - 7 6 0 n m ，恰好相机的响应波长在 红光波段范围内，因此选择红色的l e d 光源。另外由于后续选择线阵型c c d 相 机与被测车轮踏面之间以一定的相对运动来完成整个踏面的扫描，最好选择多 排l e d 排列而成的面形光源以防止信息的漏检。 滤光片的目的是减小环境光的干扰。太阳光谱是连续分布的，而摄像机有 一定的峰值响应波长，并且所选择的光源波长值是与摄像机匹配的，和光源相 比，自然光就成了一种噪声，因此可选择带通滤光片，滤掉非光源波长的杂光。 根据线光源的波长来设计滤光片的中心波长，通带宽度尽可能窄，参数设计为 7 0 0 + 6 0 h m 。 2 3 2 摄像机的选择及相关参数的计算 相机实际上是一个光电转换装置，它将图像传感器所接收到的光学图像转 化为计算机所能够处理的电信号。光电转换器件是相机的核心器件。目前典型 的光电转换器件有真空摄像管、c c d 、c m o s 图像传感器。c c d 和c m o s 摄像机是 当前被普遍应用于工业领域中的两大类摄像机，二者都是利用感光二极管进行 光电转换，将图像转换为数字数据，其主要差异是数据传送的方式。 c c d 传感器中电荷全部转移到输出端，由一个放大器进行电压转变，形成 电子信号，然后被读取。传输电荷的时候，是从不同的垂直寄存器传到水平寄 存器中，会有不同电压的电荷，从而产生很大的功耗。信号通过一个放大器进 行放大，产生的噪声点较少。c m o s 传感器中每一个像素点有一个放大器，且信 号是直接在最原始的时候转换，更方便读取。传输已经经过转换的电压，所以 会有更低的电压和更低的功耗。但是由于每个信号都有一个放大器，产生的噪 声点较大。图2 3 为c c d 和c m o s 的原理图。 西南交通大学硕士研究生学位论文第8 页 h i 锱喁镌、 乏 。? ：l 镌1 。 8 瑙镰 ( 3 1 ) 其中，o ，y ) 为经过变换后的像素取值，s ( s ，f ) 为以所研究的像素为中心的领域 范围内的像素值，o ，f ) 属于空间s 盯。 这是一种非线性的平滑法，对脉冲干扰及椒盐颗粒噪声的抑制效果好， 在抑制随机噪声的同时又能有效保护边缘少受模糊。 中值滤波具体程序的实现步骤如下： 西南交通大学硕士研究生学位论文第2 4 页 3 3 2 踏面信息定位 图3 - 3 中值滤波程序实现步骤 从现场拍摄的图像( 图3 - 4 ) 看出，每幅图像都由踏面区域和非踏面区域 构成。若直接对整幅图像提取缺陷目标，必然会遇到非踏面区域噪声的影响。 如果不排除这些噪声，会造成软件的误判且浪费系统大量的处理时间。因此需 要采用相应的算法划定缺陷所在踏面的区域范围。【l o 】 通过观察图像发现：在钢轨表面区，灰度只在水平方向上有明显的跳变， 在垂直方向上基本上是连续的；但在非踏面区域，无论在水平方向还是在垂直 方向都存在着很明显的灰度跳变。那么就可以利用方向性强的水平梯度算子来 增强被测图像的垂直边缘。这里采用两个对方向性敏感的梯度算子模板进行处 理。 。 西南交通大学硕士研究生学位论文第2 5 页 ( 1 ) 读入经过中值滤波后的图像，并计算出图像大小n m 和n n 。 ( 2 ) 初始化矩阵g ，用来存放处理后的结果。 ( 3 ) 对图像进行栅格扫描，扫描的像素从k ( 2 ：n m 一1 ，2 ：n n 一1 ) 。 ( 4 ) 初始化矩阵w l 和w 2 ，分别是3 3 的大小。以每一个栅格扫描的像素为中 心，利用其周围的八邻域的3 3 小矩阵点乘h ，并将结果赋给w 1 ，计算矩阵 w 1 的像素值总和的绝对值g x ( i ，j ) 。同理用以扫描栅格的像素为中心的八邻 域的3 3 小矩阵点乘g ，并将结果赋给w 2 ，计算总和值的绝对值g y ( i ，j ) 。 g ( i ，j ) = g x ( i ，j ) + g y ( i ，j ) 作为经过模板运算后的新的像素灰度级。 ( 5 ) 继续扫描下一个像素，直至所讨论的图像中的像素都被扫描完，并且全 部计算出全部新的像素灰度级。 ( 6 ) 结束循环，输出新的图像g 。 经过上述方法可以得到强化垂直方向边缘的图像。处理结果如图3 5 。 纠2 2 一 一 一 酣 4 4 4 咯 2 2 2 删 一 一 一 的 = v g 剑 g 摄拍 4 i 1 1 3 图 o 0 o 一 一 = ：为法算现实体具 西南交通大学硕士研究生学位论文第2 6 页 图3 - 5 强化边缘图 为了对踏面进行连续扫描，硬件系统要求摄像机与车轮之间存在相对运 动，这样就会使得在同一水平线内确定踏面宽度的两点形成两条直线，它们分 别确定了踏面的左边界和右边界。上述方法已经使得图像中垂直方向的左右两 个边界很明显，由此就给后续的裁剪图像带来了极大的方便。这里考虑到对图 像在水平方向上进行投影，统计图像中每一列所出现的亮点的个数，则必然会 出现两个或两个以上的峰值，其中的两个峰值所处的位置就代表踏面左右边界 出现的大致位置。只要找到对应左右边界的两个峰值在图像中相应的列数然后 进行裁剪图像，得到的就是去除掉大量干扰信息的图片 不过在裁剪图像时，仍然要考虑到现场实际的工作环境。由于整个硬件安 装在地面上的位置是固定的，那么机车在发生转弯的时候踏面占用图片中的空 间位置不同于机车在沿直线运行时钢轨在图像中的位置。为了防止程序在裁剪 过程中可能会漏掉一些表面信息，则需要在裁剪过程中预留出一定的像素单 元，保证踏面信息的完整性。我们也可以考虑用经验分析结果来直接简化裁剪 步骤。因为在机车沿钢轨直线运行过程中，在一定的景深范围内摄像机的视角 是固定的，由此获得的图像视野范围也是固定的：踏面占用7 6 8 1 0 2 4 图像中 的列数大致是固定的，一般钢轨的左边界在图像中处于3 8 5 列，而右边界则处 于7 1 5 列，由此可以根据此规律对图像进行直接裁剪，这比前一种方法的时间 更短，且同样达到消除多余信息的目的，所以在经过大量实验后完全可以依据 西南交通大学硕士研究生学位论文第2 7 页 这两个经验数据对图像进行裁剪。图3 - 6 是算法步骤；图3 7 是水平投影结果； 图3 - 8 是分析统计图中峰值出现的列数，得到原始图像的裁减图像。 l 读入垂直边缘加强后的输出图像g 上 i 计算图像的大小【m ，n 】 上 初始化一维矩阵s u m l ( 1 ，n ) 上 j = l ：n ，s u m l ( 1 j ) = s u m ( g ( ：劫l 山 绘制水平投影结果图 考虑到物距固定，钢轨在图像中位置也 接近固定，在列数3 8 0 2 0 列数范围内寻 找s u m l 取最大值的列数，对应钢轨左边 界；在列数为7 1 0 2 0 列数范围内搜索 s t n n l 取最值时的列数，对应钢轨右边界 图3 - 6 踏面缺陷定位步骤 从最后裁剪后的结果可以明显看出：图中大量的非踏面区域已经被裁减 掉，那么裁剪后图像的大小则变为( 7 6 8 ，图像右边界的列数一图像左边界的列 数+ 1 ) ，明显比原先( 7 6 8 ，1 0 2 4 ) 的图片节省了存储空间和处理时间，大大减 少了对硬件所造成的负担，也排除了踏面外噪声的干扰，提高了缺陷检测的精 确度。 图3 7 水平投影结果 西南交通大学硕士研究生学位论文第2 8 页 3 4 边缘检测 图3 - 8 裁减后的图像 图像经过裁剪后排除了很多不必要的干扰，剩下的是踏面可利用的有效信 息。为了能够在踏面图像中提取出缺陷目标，进行边缘检测尤为必要。边缘是 指图像中像素灰度有阶跃变化或屋顶状变化的那些像素的集合。它存在于目标 与背景、目标与目标、区域与区域、基元与基元之间。它对图像识别和分析十 分有用。边缘能够勾画出目标物体轮廓，使观察者一目了然，包含了丰富的信 息( 如方向、阶跃性质、形状等) ，是图像识别中抽取的重要属性。 3 4 1 边缘及边缘检测 边缘是图像的最重要的特征。 边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。 p o g g i o 等在 1 1 中说：“边缘或许对应着图像中物体( 的边界) 或许并没有对 应着图像中物体( 的边界) ，但是边缘具有十分令人满意的性质，它能大大地减 少所要处理的信息但是又保留了图像中物体的形状信息。 常见的边缘点有三种。第一种是阶梯形边缘( s t e p e d g e ) ，即从一个灰度到比它 高好多的另一个灰度。第二种是屋顶型边缘( r o o f e d g e ) ，它的灰度是慢慢增加 到一定程度然后慢慢减小。还有一种是线性边缘( l i n e - e d g e ) ，它的灰度从一级 别跳到另一个灰度级别之后然后回来。 各种不同的边缘有不同的特征。n a l w a 和b i n f o r d 1 6 认为图像中的边缘可以 西南交通大学硕士研究生学位论文第2 9 页 由许多的短直线段( 他称之为e d g e l ，我们下面称之为边缘元) 来逼近，每一个边 缘元都由一个位置和一个角度确定。边缘元对应着图像上灰度曲面阶数的不连 续性。如果灰度曲面在一个点的n 阶导数是一个d e l t a 函数，那么我们就定义 灰度曲面在这个点是n 阶不连续的。那么线性边缘是o 阶不连续的，阶梯形边 缘的一阶不连续的，而屋顶形边缘是2 阶不连续的。 j j 屋顶式边缘 阶梯形边缘 线性边缘 图3 - 9 边缘的类型 在大部分情况下，我们都是把图像的边缘全部看作是阶梯形边缘，然后求 得检测这种边缘的各种最优滤波器，然后用在实践中。边缘检测“主要是( 图 像的) 灰度变化的度量、检测和定位一1 1 1 l 。有很多种不同的边缘检测方法，同一 种方法使用的滤波器也不尽相同。边缘检测就是研究更好的边缘检测方法和检 测算子。 3 4 2 常用的边缘检测算子 r o b e r t s 算子 边缘，是指周围像素灰度有阶跃变化或屋顶等变化的那些像素的集合图 像的边缘对应着图像灰度的不连续性。显然图像的边缘很少是从一个灰度跳到 另一个灰度这样的理想状况。真实图像的边缘通常都具有有限的宽度呈现出陡 峭的斜坡状。 西南交通大学硕士研究生学位论文第3 0 页 边缘的锐利程度由图像灰度的梯度决定。梯度是一个向量， 变化的最快的方向和数量。 v ，一( 姜，为o v d ：x 梯度的大小和方向是由 i i v l i v f 指出灰度 ( 3 - 2 ) ( 3 - 3 ) a n - 1 ( 器) 仔4 ， 因此最简单的边缘检测算予是用图像的垂直和水平差分来逼近梯度算子： v fl ( ，o ，) ，) 一厂o - 1 , y ) ，f o ，) ，) 一厂o ，y 一1 ) ) ( 3 5 ) 因此当想寻找边缘的时候，最简单的方法是对每一个像