亞像素邊緣檢測在小模數齒輪參數檢測中的應用

　　讓T在[0，L-1]范圍內依次取值，使得最大的T值則為Otsu算法的最佳閾值。　　

 

　　實驗結果及分析

　　本文中以小模數塑料齒輪圖像為原型，通過實驗比較本文算法與傳統Canny算子所做檢測結果，且以專業檢測儀器所測結果對比。

　　由圖(b)與圖(c)、圖(e)與圖(d)可看出，亞像素邊緣更清晰，定位精度也更高，優于傳統的邊緣檢測算法。

　　表1、表2為兩種算法的數據對比，可見本文算法在精度上有明顯的優勢。　　

 

　　結論

　　本文設計了一種亞像素級邊緣算法，并與傳統邊緣檢測算子，Canny算了作了實驗結果比較，實驗結果表明，該方法能精確定位圖像邊緣，優于傳統方法的邊緣檢測方法，能更好的檢測齒輪圖像的特征，對齒輪檢測有新的進步。

　　參考文獻：

　　[1] 劉洲峰,王鵬飛.基于Canny算子的多尺度小波變換圖像邊緣檢測方法[J].電氣自動化,2009,31,(2):63-65
　　[2] 王文成.基于機器視覺的齒輪參數測量系統設計[J].機械傳動,2011,35,(2):41-43
　　[3] 韋煒.常用圖像邊緣檢測方法及Matlab研究[J].現代電子技術,2011,34,(4):92-94
　　[4] 張豐收,王飛,崔鳳奎,劉建亭.一種基于梯度的亞像素邊緣檢測算法[J].微電子學與計算機,2011,28,(3):102-106
　　[5] 孫紅艷,張海英.圖像邊緣檢測算法的比較與分析[J].菏澤學院學報,2010,32,(2):49-52
　　[6] 陳少平,張桂梅,王斯財.基于小波變換和Canny算子的齒輪邊緣檢測[J].失效分析與預防,2010,5,(4):199-203
　　[7] 董靜,王正勇.Zernike矩結合Sobel算子的邊緣檢測[J].信息與電子工程,2011,9,(2):202-205