基于機器視覺的邊緣檢測算法研究與應(yīng)用.pdf

1、隨著當今社會的自動化程度以及科學技術(shù)的不斷進步，機器視覺技術(shù)以其獨特的優(yōu)勢引起了人們的廣泛關(guān)注。機器視覺最重要的特征在于使用機器自動化設(shè)備替代傳統(tǒng)人工勞動力，從而提高生產(chǎn)自動化效率。近年來，特別是勞動力成本的大幅提高，大大提高了各大公司甚至中小企業(yè)對人力成本重視，越來越多的機器視覺產(chǎn)品開始代替品管、監(jiān)督人員等對產(chǎn)品的質(zhì)量檢測與監(jiān)督。尤其在惡劣環(huán)境下，如下水道、高速高危環(huán)境等人工視覺根本無法使用的情況下，機器視覺更是顯得必不可少。機器視覺

2、不僅大大的提高了生產(chǎn)的自動化程度，而且在檢測準確性上，極大的解決了人眼檢測本身的無監(jiān)督性、無準則性、檢測效率低、準確率低等問題。
　　圖像的邊緣提取是整個機器視覺算法的核心，它包含了圖像特征中的大部分信息，為后續(xù)的擬合、特征劃分、神經(jīng)網(wǎng)絡(luò)分類等提供了大量的有價值的特征信息。邊緣提取直接關(guān)系的機器視覺中的特征分割，它是后續(xù)各種圖像處理算法的基礎(chǔ)，因此邊緣提取的重要性不言而喻，人們對其投入了大量的研究。邊緣提取技術(shù)經(jīng)過人們的不斷深入探

3、索，至今為止已經(jīng)涌現(xiàn)許多先進技術(shù)。
　　大量文獻研究表明，目前主流的邊緣提取算法有Sobel算子、Canny算子、LOG算子、Kirsch算子、Robert算子、Robinson算子等經(jīng)典算法。目前，最具代表性的算子是Canny算子，它是一個對于光照改變時仍然魯棒的分割算法。所以，采用高斯濾波器并選用雙閾值分割算法的Canny算子得到廣大科研工作者的喜愛，然而，Canny算子也具有濾波器不夠魯棒、梯度幅值算法不夠優(yōu)化、自適應(yīng)能力差

4、等缺點，因此本文提出一種在這基礎(chǔ)上改進了的邊緣檢測算法。
　　本文在邊緣檢測算法分析上，首先詳細描述了目前邊緣檢測算法中最為經(jīng)典的集中算法，包括Canny算子、Sobel算子、LOG算子、Kirsch算子、Robert算子、Robinson算子等經(jīng)典算法，并使用軟件編寫了相應(yīng)算法對其進行實驗仿真，對實驗結(jié)果進行了總結(jié)和分析。在分析了各個算法在優(yōu)缺點后，本文在Canny算子的基礎(chǔ)上提出并設(shè)計了一種基于Canny的改進邊緣檢測算子。首

5、先選用了中值濾波器代替高斯濾波器，用4乘4大窗口鄰域代替原有的2乘2鄰域進行梯度幅值計算，并引進4個方向的差分算法，針對邊緣提取的自適應(yīng)能力差問題，本文設(shè)計了一種自適應(yīng)能力較強的雙閾值分割算法。
　　為了檢驗本文提出的邊緣提取算法，本文以汽車輪轂作為檢測目標設(shè)計了汽車輪轂的非接觸檢測系統(tǒng)，并設(shè)計了邊緣檢測算法。實驗對比了Soble算子、LOG算子、以及本文提出的邊緣檢測算法的檢測效果，結(jié)果表明，本文提出的邊緣檢測算法算子所測輪轂直