基于機器視覺技術之邊緣檢測

圖象的邊緣信息對人或對機器視覺來說，都是非常重要的。由于邊緣具有能勾畫區域的形狀，且能被局部定義以及能傳遞大部分圖象信息等許多優點，因此，邊緣檢測可看作是處理許多復雜問題的關鍵，是圖象分析和理解的第一步，檢測出邊緣的圖象就可以進行特征提取和形狀分析。

由于邊緣是灰度值不連續的結果，這種不連續常可以利用求導數方便的檢測到，一般選擇一階和二階導數來檢測邊緣。在機器視覺檢測中，常常借助空域微分算子(實際上是微分算子的差分近似)利用卷積來實現。常用的微分算子有梯度算子和拉普拉斯算子。

邊緣檢測可以借助空域微分算子通過卷積完成。實際上數字圖像處理中求導數是利用差分近似微分來進行的。常用的微分算子有梯度算子和拉普拉斯算子。

邊緣檢測算法的基本步驟如下：

1、濾波:邊緣檢測算法主要是基于圖象強度的一階和二階導數，但導數的計算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關的邊緣檢測器的性能。

2、增強:增強邊緣的基礎是確定圖象各點鄰域強度的變化值。增強算法可以將鄰域(或局部)強度值有顯著變化的點突顯出來。

3、檢測:在圖象中有許多點的梯度幅值比較大，而這些點在特定的應用領域中并不都是邊緣，所以應該用某種方法來確定哪些點是邊緣點。常采用梯度幅值Ill值判據。

4、定位:如果某一應用場合要求確定邊緣位置，則邊緣的位置可在子象素分辨率上來估計，邊緣的方位也可以被估計出來。

在用機器視覺進行尺寸測量時，這四步必不可少，尤其必須指出邊緣的精確位置和方位。機器視覺檢測技術，以其強大的性能優勢，使得產品質量標準化，檢測速度快，檢測結果可靠、穩定，并且可以長時間檢測，廣泛應用于各大領域