全文摘要
本发明涉及一种应用于机器视觉系统中的亚像素精度边缘提取方法，所述方法包括：从待处理图像中提取第一子区域，通过边缘提取算子获得第一子区域内图形轮廓，设置区域移动常数，并从待处理图像中提取第二子区域和第三子区域，确定三个子区域左上角坐标，对任一相邻的两个子区域做互相关运算，分别从获得的二维相关谱中寻找最大值所对应的整数位置，通过三点拟合插值公式计算获得两个最大值分别所对应的亚像素精度位置，并利用最大值分别所对应的亚像素精度位置将图形轮廓位置点修正为亚像素精度位置。本发明的有益效果体现在，通过对图像边缘处子图像进行互相关运算而获取具有亚像素精度的互相关峰值位置，从而确定亚像素精度的图像边缘位置。
主设计要求
1.一种应用于机器视觉系统中的亚像素精度边缘提取方法，其特征在于，所述方法包括：S1、从待处理图像中提取第一子区域，通过边缘提取算子获得第一子区域内图形轮廓，此时图形轮廓位置为整数值；建立沿第一子区域宽度方向x和高度方向y的二维坐标系，确定第一子区域左上角坐标(i,j)；S2、设置区域移动常数(tx,ty)，所述tx为宽度移动常数，所述ty为高度移动常数；S3、从待处理图像中提取第二子区域和第三子区域，所述第二子区域和第三子区域均包含图形轮廓，第二子区域左上角坐标相对于第一子区域左上角坐标移动负的移动常数(tx,ty)，第三子区域左上角坐标相对于第一子区域左上角坐标移动正的移动常数(tx,ty)；S4、分别对相邻的两个子区域做互相关运算，并分别从获得的二维相关谱中寻找最大值Rmax所对应的整数位置(XB(i),YB(j))和(XC(i),YC(j))；S5、通过三点拟合插值公式计算获得两个最大值Rmax分别所对应的亚像素精度位置(XB(i)+δXB,YB(j)+δYB)和(XC(i)+δXC,YC(j)+δYC)，所述δXB和δYB、δXC和δYC分别代表两个最大值的亚像素精度位置的非整数部分；针对图形轮廓上任意一点CP(i,j)位置(X(i),Y(j))具有的亚像素精度位置(XR(i),YR(j))定义为：XR(i)＝X(i)+(δXB+δXC)\/2YR(j)＝Y(j)+(δYB+δYC)\/2式(1)其中，X(i)和Y(j)为整数值，-1≤δXB≤1，-1≤δYB≤1，-1≤δXC≤1，-1≤δYC≤1；最终图形轮廓上CP(i,j)点位置修正为亚像素精度位置(XR(i),YR(j))；所述步骤S2中移动常数(tx,ty)中宽度移动常数tx设置包括：确定图形轮廓上所有点CP(i,j)中X(i)的最小值Xmin以及最大值Xmax，设置宽度预偏置量Xb＝Xmin+3；确定图形轮廓上所有点CP(i,j)中Y(j)的最小值Ymin以及最大值Ymax，设置高度预偏置量Yb＝Ymin+3；计算不同Y(j)值时Xb和Xmin两处对应灰度值与的差值的绝对值计算公式为：其中，Ymin≤Y(j)≤Ymax，所有中最大值为Mmax，所有的算数平均值为Mmean，设M0＝Mmax\/Mmean，定义宽度移动常数tx取M0与数字128之间的较小值，tx＝min(M0,128)。
设计方案
1.一种应用于机器视觉系统中的亚像素精度边缘提取方法，其特征在于，所述方法包括：
S1、从待处理图像中提取第一子区域，通过边缘提取算子获得第一子区域内图形轮廓，此时图形轮廓位置为整数值；建立沿第一子区域宽度方向x和高度方向y的二维坐标系，确定第一子区域左上角坐标(i,j)；
S2、设置区域移动常数(tx,ty)，所述tx为宽度移动常数，所述ty为高度移动常数；
S3、从待处理图像中提取第二子区域和第三子区域，所述第二子区域和第三子区域均包含图形轮廓，第二子区域左上角坐标相对于第一子区域左上角坐标移动负的移动常数(tx,ty)，第三子区域左上角坐标相对于第一子区域左上角坐标移动正的移动常数(tx,ty)；
S4、分别对相邻的两个子区域做互相关运算，并分别从获得的二维相关谱中寻找最大值Rmax<\/sub>所对应的整数位置(XB(i)<\/sub>,YB(j)<\/sub>)和(XC(i)<\/sub>,YC(j)<\/sub>)；
S5、通过三点拟合插值公式计算获得两个最大值Rmax<\/sub>分别所对应的亚像素精度位置(XB(i)<\/sub>+δXB<\/sub>,YB(j)<\/sub>+δYB<\/sub>)和(XC(i)<\/sub>+δXC<\/sub>,YC(j)<\/sub>+δYC<\/sub>)，所述δXB<\/sub>和δYB<\/sub>、δXC<\/sub>和δYC<\/sub>分别代表两个最大值的亚像素精度位置的非整数部分；针对图形轮廓上任意 一点CP (i,j)<\/sub>位置(X(i)<\/sub>,Y(j)<\/sub>)具有的亚像素精度位置(XR(i)<\/sub>,YR(j)<\/sub>)定义为：
XR(i)<\/sub>＝X(i)<\/sub>+(δXB<\/sub>+δXC<\/sub>)\/2
YR(j)<\/sub>＝Y(j)<\/sub>+(δYB<\/sub>+δYC<\/sub>)\/2 式(1)
其中，X(i)<\/sub>和Y(j)<\/sub>为整数值，-1≤δXB<\/sub>≤1，-1≤δYB<\/sub>≤1，-1≤δXC<\/sub>≤1，-1≤δYC<\/sub>≤1；最终图形轮廓上CP(i,j)<\/sub>点位置修正为亚像素精度位置(XR(i)<\/sub>,YR(j)<\/sub>)；
所述步骤S2中移动常数(tx,ty)中宽度移动常数tx设置包括：
确定图形轮廓上所有点CP(i,j)<\/sub>中X(i)<\/sub>的最小值Xmin<\/sub>以及最大值Xmax<\/sub>，设置宽度预偏置量Xb<\/sub>＝Xmin<\/sub>+3；确定图形轮廓上所有点CP(i,j)<\/sub>中Y(j)<\/sub>的最小值Ymin<\/sub>以及最大值Ymax<\/sub>，设置高度预偏置量Yb<\/sub>＝Ymin<\/sub>+3；
计算不同Y(j)<\/sub>值时Xb<\/sub>和Xmin<\/sub>两处对应灰度值 技术领域 本发明属于机器视觉技术领域，具体涉及一种应用于机器视觉系统中的亚像素精度边缘提取方法。 背景技术 对位是现代工业生产中器件精密装配环节的专业称呼，其典型应用如，以手机生产为典型代表的各种柔性或刚性器件的安装。其具体实现过程是，将位置1的物体A与位置2的物体B安装在一起，在此安装过程中，需要对物体A或物体B的水平或旋转方向有调整。实现对位功能好坏的一个关键环节在于，是否可以获得上述物体A和物体B的精确位置。对物体的精确定位是通过对图像上该物体的轮廓位置进行准确的计算来获得的。视觉系统获取图像是通过相机芯片中每个微小的感光单元来实现的，在这样的情况下，所能获得的图像位置精度只能是1个像素。在高精度对位时，1个像素精度往往会导致视觉系统分辨率不够，因此，发展出一种能够达到0.1个像素甚至更低的亚像素精度的轮廓获取方法就非常有必要。 发明内容 本发明的目的在于克服现有技术的缺点与不足，提供一种应用于机器视觉系统的亚像素精度边缘提取方法，通过对物体图像边缘处子图像进行互相关运算而获取具有亚像素精度的互相关峰值位置，从而确定了亚像素精度的物体图像边缘位置。 为了实现上述目的，本发明采用的技术方案是： 提供一种应用于机器视觉系统中的亚像素精度边缘提取方法，所述方法包括： S1、从待处理图像中提取第一子区域，通过边缘提取算子获得第一子区域内图形轮廓CP，此时图形轮廓CP位置为整数值；建立沿第一子区域宽度方向 申请码:申请号:CN201910751350.4 申请日:2019-08-15 公开号:CN110264490A 公开日:2019-09-20 国家:CN 国家/省市:90(成都) 授权编号:CN110264490B 授权时间:20191210 主分类号:G06T 7/13 专利分类号:G06T7/13;G06T7/73 范畴分类:40B; 申请人:成都新西旺自动化科技有限公司 第一申请人:成都新西旺自动化科技有限公司 申请人地址:611731 四川省成都市高新区(西区)西芯大道4号创新中心B231-232 发明人:虞建;王盼;刘中;张勇 第一发明人:虞建 当前权利人:成都新西旺自动化科技有限公司 代理人:邹广春 代理机构:51254 代理机构编号:成都拓荒者知识产权代理有限公司 优先权:关键词:当前状态:审核中 类型名称:外观设计设计说明书
设计图
相关信息详情