工件圖像預(yù)處理與邊緣檢測(cè)算法分析案例目錄TOC\o"1-3"\h\u22269工件圖像預(yù)處理與邊緣檢測(cè)算法分析案例 [45]。每個(gè)方向的權(quán)重來(lái)自于城市距離，如圖1.9所示，城市距離指的是對(duì)角相鄰的像素點(diǎn)之間的距離為2，然后按照距離的反比確定各個(gè)位置的權(quán)重。圖1.9歐式距離、城市距離以及棋盤(pán)距離示意圖例如，對(duì)一個(gè)3×3的工件圖像區(qū)域G=g1SobelSobel分別使用水平算子和豎直算子與原圖計(jì)算得到灰度差分近似值Δx，ΔΔΔ則圖像的梯度幅值：M圖像的梯度方向角：θ圖1.10展示的是圖像邊緣部分的邊緣方向角與梯度方向角的關(guān)系，邊緣方向角與梯度方向角成正交關(guān)系。圖1.10邊緣方向與梯度方向非極大值抑制對(duì)工件圖像的梯度幅值進(jìn)行篩選，即沿著梯度方向θM迭代法計(jì)算閾值檢測(cè)邊緣使用的是雙閾值法，雙閾值法比單閾值法好在可以將與閾值相近的點(diǎn)進(jìn)行區(qū)分，先檢測(cè)明確的邊緣，然后使用相鄰像素點(diǎn)灰度值進(jìn)行邊緣點(diǎn)判斷，可以有效的細(xì)化邊緣。閾值一般的確定方法有人工判定、圖像均值、大津法等等，論文選擇的是迭代法計(jì)算閾值，迭代法計(jì)算閾值相較于傳統(tǒng)方法的好處在于將圖像分為前景與背景，計(jì)算出前景和背景之間的最佳區(qū)分閾值，得到最佳的適合邊緣檢測(cè)的閾值，相對(duì)來(lái)說(shuō)是比較合適的閾值計(jì)算方法。迭代法計(jì)算閾值的步驟：找出圖像的最大、最小梯度幅值，記為Mmax和MT根據(jù)當(dāng)前工件圖像的分割閾值T（初始分割閾值為T(mén)0）將工件圖像分為前景與背景，其中梯度幅值大于分割閾值T的像素點(diǎn)組成的區(qū)域?yàn)榍熬?，梯度幅值小于分割閾值T的像素點(diǎn)組成的區(qū)域?yàn)楸尘埃謩e計(jì)算前景和背景的平均梯度幅值MO和MM式中，ZO(i)、根據(jù)前景、背景的梯度幅值的均值得到新的工件圖像分割閾值T判斷工件圖像的分割閾值T是否變化，若不變，則判定當(dāng)前的分割閾值是工件圖像前景與背景最佳的分割閾值；否則，循環(huán)進(jìn)行步驟2）和3），直到確定工件圖像前景與背景的分割閾值T；將得到的閾值T增加5%得到高閾值T?，將閾值T減少5%得到低閾值T檢測(cè)和連接邊緣對(duì)工件圖像的梯度幅值進(jìn)行篩選，比較工件圖像的梯度幅值與高、低閾值T?、Tl大小。例如工件圖像上某點(diǎn)的梯度幅值為Mx,y，如果Mx,y>1.1.3工件圖像邊緣檢測(cè)實(shí)驗(yàn)選擇機(jī)床上實(shí)際的零件圖片進(jìn)行實(shí)驗(yàn)檢測(cè)，如圖1.11所示，a、b是未經(jīng)過(guò)圖像預(yù)處理的邊緣檢測(cè)效果圖，c、d是經(jīng)過(guò)預(yù)處理的圖像及邊緣檢測(cè)效果，可以看到未預(yù)處理的圖像在暗處的邊緣缺失比較嚴(yán)重，而預(yù)處理過(guò)后的圖像邊緣檢測(cè)的效果要好的多，邊緣也更加連續(xù)。同時(shí)，由于自適應(yīng)閾值的存在，論文介紹的邊緣檢測(cè)算法的適應(yīng)性更好，適合在多種場(chǎng)景下進(jìn)行工件檢測(cè)。a、原圖b、邊緣檢測(cè)效果c、預(yù)處理過(guò)的圖像d、邊緣檢測(cè)效果圖1.11預(yù)處理前、后的邊緣檢測(cè)效果圖1.4本章小結(jié)本章首先研究了兩種圖像預(yù)處理的方法——基于灰度均值分割的雙直方圖均衡化算法和自適應(yīng)閾值的雙邊濾波算法，并且利用一些圖像對(duì)這些算法的性能進(jìn)行了實(shí)驗(yàn)驗(yàn)證。針對(duì)圖像對(duì)比度增強(qiáng)方面，研究比對(duì)了HE算法和BBHE算法在增強(qiáng)圖像對(duì)比度方面的效果，根據(jù)五軸數(shù)控加工中心采集的工件圖像的特點(diǎn)確定了使用BBHE算法作為工件與測(cè)量系統(tǒng)的圖像增強(qiáng)算法。在圖像濾波方面，首先闡述了高斯濾波算法和雙邊濾波算法，根據(jù)算法的特點(diǎn)提出了自適應(yīng)雙邊濾波算法，并選取實(shí)際拍攝的工件圖片對(duì)算法濾波效果進(jìn)行檢驗(yàn)，實(shí)驗(yàn)表明自適應(yīng)雙邊濾波效果更好，對(duì)于各類場(chǎng)景下的圖片適應(yīng)性也更好。然后研究了邊緣檢測(cè)算法，邊緣檢測(cè)算法基于Canny算法，由于在圖像預(yù)處理階段使用了自適應(yīng)雙邊濾波算法，所以邊緣檢測(cè)直接從計(jì)算梯段開(kāi)始。邊緣檢測(cè)算法中非極大值抑制能夠細(xì)化邊緣。隨后研究了工件圖像梯度分割閾值的選擇方法，根據(jù)視覺(jué)系統(tǒng)獲取的工件特點(diǎn)使用迭代法計(jì)算閾值，這種方法避免了傳統(tǒng)閾值選擇方法的局限性，通過(guò)將圖像前景與背景分開(kāi)