利用机器视觉进行边缘检测的原理和方法

在机器视觉计算理论框架中，抽取二维图像上的边缘、角点、纹理等基本特征，是整个系统框架中的第一步，图像中局部灰度级以简单的方式作极快变换的小区域特征所组成的图称为基元图，在不同"尺度"意义下的边缘点，在一定条件下包含了原图像的全部信息。

边缘检测原理

基本思想是通过检测每个像素和其邻域的状态，以决定该像素是否位于一个物体的边界上。如果一个像素位于一个目标物体的边界上，则其邻域像素的灰度值的变化就比较大，可以通过细微的间距移动狭窄的区段，检测每个点的边缘宽度与边缘位置，确定目标对象的边界。

可以通过下列4个过程来得到边缘。

(1)投影处理

对于测量区域内的图像进行投影处理。投影处理是相对于检查方向进行垂直扫描，然后计算各投影线的平均浓度。投影线平均浓度波形被称为投影波形。

什么是投影处理？

计算投影方向的平均浓度。

可以减少区域内的噪点造成的检查错误。

(2)微分处理

根据投影波形进行微分处理。可能成为边缘的、浓淡变化较大的部位，其微分值也较大。

什么是微分处理？

计算浓淡（级）变化量的处理过程。

可以消除区域内浓度值的变化所导致的影响。

例：没有浓淡变化的部位的微分值是0。

白色（255）→黑色（0） 时的值是-255。

(3)通过校正使微分值达到100%

在实际生产线上，为了使边缘达到稳定的状态，通常会进行适当的调整以使微分值达到100%。

将超过预先设置的“ 边缘感度（%）”的微分波形的峰值作为边缘位置。根据浓淡变化峰值的检测原理，在照度经常发生变化的生产线上也可以稳定的检测出边缘。

(4)亚像素处理

对于微分波形中部分的中心附近的3个像素，根据这3个像素形成的波形，进行修正演算。以1/100像素为单位测算边界位置（次像素处理）。