亚像素定位方法的研究

亚像素检测方法研究摘褥子正确确定数字图像位置对图像测量非常重要。同时，图像获取的过程受到多种噪声的影响，传统的提取方法精度有限，容易受到参数的影响，导致图像模糊，因此对图像定位技术的研究总是备受瞩目。对几种具有代表性的亚像素边缘提取技术进行了原理分析和性能比较。关键字：子像素边缘提取图像位置1.简介对于图像中点和线的定位，人们研究并提出了多种定位方法，每种方法都有其独特的应用条件和精度要求，必须根据每个处理对象选择合适的提取方法。指定图像位置之前，必须预处理图像。2.图像预处理在摄影过程中，由于照明或曝光等原因，照片经常受到局部模糊、噪音等的干扰，在严重的情况下，会直接影响子像素定位的准确性和实现，因此，在定位前处理的图像需要进行预处理，同时消除噪声等干扰，还可以提取包含亚像素的位置信息。这需要图像增强、二进制、边缘跟踪Hough转换。2.1映像增强功能此功能主要发生在由于照片处理拍摄和收集过程中曝光不均而导致的图像的灰度分布集中在狭窄的区域，图像细节不够明确的情况下。使用直方图裁剪后，增加图像的灰度间距，或者均匀分布灰度，使图像的细节清晰，达到提高的目的。2.2二进制使用灰度图像直方图在灰度图像的二值化过程中选择适当的阈值，则在图像的二值化过程中按如下方式处理阈值方法：2.3边缘跟踪边缘跟踪是删除徽标内部的所有像素，只保留边缘线上的像素，以获得标记点的轮廓。实现对标志区域中的每个像素进行4邻或8邻的判断，说明当一个像素4邻或邻8邻内的所有像素值为0(黑色)时，该像素是区域的内部点，删除该点后，仅剩下的部分成为标准轮廓。2.4 Hough变换提取线霍夫变化的核心思想是点-线的双重性，通过转换将图像从空间转换到参数空间。对于线Y=px q，图像空间中通过点(x，Y)的线满足参数方程0g=xcosysin，如下图所示。图1线性方程的极坐标表示Hough变换检测线的算法步骤如下：(1)在示波，的极值范围内，分别除以m，n，以对应第二个数组的下标( I，i)的值。(2)确定每个点在i(j=0，1，2，n)中发生变化后(i，i)对应于哪个数组元素，将图像的边缘点转换为Hough，以便数组元素值加1。(3)比较数组元素值的大小，最大值的(4)霍夫变换的噪声电阻很强，可以连接断开的边。对应于在Hough中转换的(K5;图(a)是原始图像，(b)是二进制图像，(c)是边缘跟踪图像，(d)是Hough转换图像。图2图像预处理亚像素边缘检测技术研究使用机器视觉技术对工业生产线的部件进行尺寸测试具有完全的非接触优势，是保证成品质量的关键手段之一。但是，由于照相机、存储器等各种物理条件的限制而获得的图像分析的关键阶段，边缘的位置精度直接影响大小检测的准确度。基于3.1曲面拟合的亚像素边缘检测根据二阶导数的零点交叉确定了边，得到了像素级精度(误差1像素)的目标边，使用参数多项式方程合成了对应于每个边点的平滑过滤图像的8个根。将此曲面重新采样到所需分辨率将创建分辨率更高的图像，使用LOG操作符(实现原始图像目标的子图像级别边提取)将此图像检测回0。基于3.2灰度矩的亚像素边缘检测算法可以认为，理想边缘是由图2中虚线为理想边缘、单色点为实际边缘的灰色h1的一系列像素和具有灰色H2的一系列像素组成的。以下定义了用于实际边数据时生成理想边的操作符，这两个(边)像素序列的第一个三阶力矩是相同的。首先考虑1 d时，一个信号f(x)的p阶力矩(p=1，2，3)定义为：图3 1-d灰度和渐变图表(2)其中P1=k/n；Hi，H2，P1未知，可以使用以下公式计算边子像素位置k:(3)(4)(5)(6)上述方法可以扩展到二维边缘检测。采用3.3一阶微分期望的亚像素边缘检测算法首先，假设图3所示的一维理想阶跃边缘模型。图4阶跃边缘函数u和成像系统中获得的理想图像f其中，u(x)是表示图像实际边缘的灰度函数，G(x)表示成像系统的点扩展函数，通常可以用高斯函数近似表示，则成像系统获取的无噪声的理想图像为：(7)设置表示F (x)的一阶导数的g (x)和g (x)的概率的P (x)，表示相位边缘位置x的期望值的e为：(8)可以证明一阶微分期望e是阶跃边的精确位置。为了充分利用采样模型中h，h k，h k表示的信息，差分g (x)=f(x)可以近似为gi=| fi1-fi1 |。概率和期望e由以下表达式表示：K=1，2，n (9)(10)对于相位边n，通常使用3。算法的实现阶段对于图像函数f (x)，一阶微分g (x)=|f(x)|。在离散图像中，一阶导数可以用差分近似。包含边缘的间距由g(x)的值决定。也就是说，对于给定阈值T，确定满足g (x) T的值间隔xi，xj，1I，Jn计算公式(9)中所示的离散图像中的g(x)概率函数P (x)。计算p(x)的预期e，将角点设定在e。在离散图像中，表达式(10)所示。由于使用了基于统计特性的期望值，因此与灰度力矩算法相比，该方法更好地消除了图像噪声引起的多响应问题(即，多条边检测不正确)。3.4三种边缘检测技术的性能比较基于曲面拟合的子像素边缘检测方法的特点是干扰强，检测的边缘点位置更准确。但是，该方法的测试结果达不到理想水平，抗干扰和复杂形状的边缘检测之间还存在尖锐的矛盾，反映了软窗尺寸选择中的矛盾。也就是说，窗口很大，抗干扰能力强，但会丢失很多边细节，窗口太大，如果窗口内有几个角，边检测的精度就会受到影响，因此选择窗口大小非常重要，请根据情况小心选择。灰度力矩子像素级别边缘位置不受图像转换或比例更改的影响。一阶导数期望值仅适用于阶跃边，因此极限非常明显。当目标边为阶跃图形，方向为水平或垂直时，或者当目标图形对称时，此算法提供了更精确的估计。表1显示了用灰色矩和一阶微分期望法计算的输入序列和子像素角的位置。如表1所示，用一阶微分期望法计算的子像素边的位置相对稳定，特别是受输入序列长度的影响较小。表1部分输入序列和计算的子像素边缘位置序号输入序号灰度力矩法一阶导数估计12340 000.511 1110 000.251 111 110 000.251 111 111 111 100.10.20.30.40.60.8113.5063.8603.8614.9973.5003.7503.7504.600参考文献：1张重镇编着。影像工程(第二卷)。北京：清华大学出版社，2000。2r m haralick . digital step edge from zero crossing of second directional derivatives . IEEE t