【基于Prewitt、Roberts以及Sobel的漏磁缺陷边缘检测方法分析2000字】

基于Prewitt、Roberts以及Sobel的漏磁缺陷边缘检测方法分析目录TOC\o"1-3"\h\u28269基于Prewitt、Roberts以及Sobel的漏磁缺陷边缘检测方法分析 1201331.1高斯滤波 1331.2Prewitt、Roberts、Sobel缺陷检测法 1133651.2.1Prewitt方法原理及实验 1167861.2.2Roberts方法原理及实验 3212741.1.3Sobel方法原理及实验 41.1高斯滤波高斯滤波是一种应用于图像处理的减噪方法，属于线性平滑滤波，适用于消除高斯噪声，是一种信号的滤波器。在处理图像前先进行高斯滤波，也有利于我们进行下一步的图像检测及增强。用简单的方法去理解高斯滤波，其实高斯滤波去噪声就是对你所要操作的图像像素值进行加权平均处理，对于每一个像素点的值，都是由其自身的数值以及其邻域内的其他像素值通过加权平均后得到的。具体的方法就是用一个模板去扫面你要处理的图像中的每一个像素，再用模板确定的像素的加权平均灰度值去替代模板中心像素点的值，对原始图像进行预处理。图4高斯滤波图像1.2Prewitt、Roberts、Sobel缺陷检测法1.2.1Prewitt方法原理及实验Prewitt算子作为边缘检测中一阶微分算子的一种，它主要是利用像素点上下及左右领点的灰度差，在缺陷图像的边缘处达到极值来检测边缘，同时也需要去掉那部分伪边缘，从而对噪声由平滑的作用。其原理是利用两个方向模板与被检测的图像进行领域卷积来完成的，其中一个模板检测水平方向的边缘，而另一个模板检测垂直方向的边缘。对数字图像，Prewitt算子的定义如下所示：则或图5Prewitt水平边缘检测算子以及垂直边缘检测算子运用Prewitt的原理，然后设置合适的阈值，最后对于正方形的缺陷形状检测结果如下：图6用Prewitt算子边缘检测的图像成像效果大致符合缺陷开口的原始形状，由此可以看出Prewitt算子的检测效果合格。基于对Prewitt定义的考虑，Prewitt算子的判定还是些许欠合理的。Prewitt算子指出：凡是灰度新值大于等于阈值的像素值的点都是边缘点。这会造成对于边缘点的误判，原因是有许多噪声点，它的灰度值也会很大，但是对于幅值比较小的边缘点，反而会导致其边缘的丢失。因此对于阈值的选择和对图像形状的选择是十分重要的。1.2.2Roberts方法原理及实验罗伯茨算子是一种在边缘检测算法中比较简单的算子，主要是利用局部差分算子来寻找图像边缘，从而检测边缘。它采用的方法是利用对角线方向的相邻两像素值之差近似梯度幅值来检测图像边缘。检测斜向边缘的效果要比检测垂直边缘的效果好，反观检测垂直边缘，其定位精度更高，对噪声更敏感，无法抑制噪声的影响。罗伯茨算子也被称为交叉微分算法，通常会被用来处理具有陡峭的低噪声图像。但它也存在缺点，它对边缘的定位会不太准确，因此检测出来的图像边缘线条比较粗。如下式所示，从罗伯茨算子的模板就可以得出，它比较适合增强斜向边缘：以下给出一个例子，在像素点P5处x和y方向上的梯度大小分别计算为：图7Roberts算子模板在本文中，使用同样的罗伯茨算子模板，对正方形缺口图像进行检测，结果如下图所示：图8用Roberts边缘检测的图像从这张图可以看出其对水平和垂直方向的检测效果较差，但对部分链接处的斜向边缘效果较好，基本符合罗伯茨算子的定义，以及预期效果。1.1.3Sobel方法原理及实验索贝尔算子在边缘检测的领域中是一种非常常见的算子，具体来讲主要用来获取数字图像的一阶梯度。索贝尔算子将图像中任何一个像素的四个领域的灰度值加权差，从而达到在边缘处达到极值的目的，也就是所谓的边缘检测。运用索贝尔算子来检测边缘首先对噪声会有平滑抑制作用，而且也能得到比较完好的检测效果，但是得到的图像边缘会产生线条较粗的情况，并且可能出现伪边缘。索贝尔算子也有两个，一个是检测垂直边缘的，而另一个是检测水平边缘的。与Prewitt算子作比较，索贝尔算子对于来自像素位置的影响将其做了加权，所以可以降低图像边缘的模糊度，让其更清晰，看起来效果更好。索贝尔算子作为一种滤波算子，可作用于边缘提取，由于其可以使用快速卷积函数，十分快捷有效，所以应用十分广泛。但从另一方面来讲，索贝尔算子并没有准确地将缺陷图像的主体和背景分离开来。具体来说就是索贝尔算子没有严格地基于图像的灰度值进行处理，所以提取出来的缺陷图像轮廓有些时候效果并不是很好，因此提出了阈值化轮廓提取的算法。索贝尔算子所采用的方法是先加权平均计算，再对其进行微分运算，算子的具体计算方法如下：索贝尔算子的垂直方向和水平方向的算子模板如下图所示：图9索贝尔算子垂直方向和水平方向模板前者用来检测缺陷图像中水平方向的图像边缘，后者用来检测缺陷图像中垂直方向的图像边缘。在我们实际的应用当中，运算结果将会是一副缺陷边缘图像，其中图像中每一个像素点取的是两个模板卷积的最大值，将其作为该像素点的输出值。如果以A代表原始图像，和分别代表水平方向边缘和垂直方向边缘的图像，其计算公式如下：图像的每一个像素的水平方向和垂直方向梯度近似值可以运用以下的公式来计算梯度的大小：以及如下公式来计算梯度的方向：在本文中对于正方形缺陷开口的图像检测效果如下图所示：图10用Sobel边缘算子检测的正方形缺陷开口图像由此看见Sobel算子的检测效果是较好的，与Prewitt算子