如何使用机器视觉测量边缘位置

在一个数字图像中，物体的边缘产生强度的变化，在几个像素的距离。当区分作为像素距离的函数的图像强度时，在边缘处的强度的变化的快速速率产生大的输出值。然后，可以检测到对象的边缘，通过发现这些大的输出值。

由于光照变化的强度变化通常是较小的，并发生在较长的距离在图像比边缘强度的变化。区分这些变化给出了较小的输出值，可以通过应用一个阈值滤波。通过检测边缘，一个可以可靠地定位和测量的对象，而没有完全均匀的照明。

一个对象的边缘可以作为一个模型或模板来搜索对象的其他实例。基于边缘的搜索可以更快，更强大的比搜索的基础上的像素强度。

最顶端的卡尺检测线边缘假（红+引号）由于质感。底部卡尺线已被设置为停止在第一边缘发现高于阈值时，从而忽略了部分内部质地。该图显示在黑色的边缘强度，在红色的数字差曲线，如绿色，水平线，发现边缘位置为蓝色，垂直线的阈值。

计算边缘

现代机器视觉系统隐藏易于使用的工具的边缘检测过程的大部分细节，比如搜索或外部卡钳。边缘检测的工作原理及其局限性的理解可以提高使用这些工具。

数字图像在空间和强度离散的，所以利用数字差分运算而不是连续的差异来检测边缘。例如，沿着一个卡钳线连续的强度值之间的差。差运算符可以表示为乘以一个向量或内核的值（重量）和总和的像素强度值。

线性代数而言，这是一个内核矢量和像素值的矢量之间的点或内积。例如，以连续像素之间的差由[-1,1]的内核表示。这就是说，两个连续像素，1-1和右像素乘以左像素，总结的结果，所以：输出=（右像素+（ - 左像素））。

内核沿卡钳线移动，并且在每个像素执行此加权求和操作。这个过程被称为卷积（它实际上是相关性）。考虑卷积的一种方法是，该内核是看起来像的边缘和沿所述图像中的线滑动的强度图案。其中，这种模式的边缘相匹配时，输出将是大的值。

这里有三个问题检测使用卷积边：

首先，卷积在卡钳线的每一端用完像素。它不能检测边缘是比内核元件数的一半更靠近卡钳行的末尾。所以使卡钳线比最大预期边缘位置更长一点的两端。

其次，对象应具有与大或比使用的内核的大小大的宽度。是需要子像素分辨率，下面所讨论的这种限制。避免在细线措施。

第三，数字差异放大任何强度的变化，包括由于噪声和纹理的部分的变化。边缘检测算子平滑的像素强度值之前的数字差降低噪声和纹理的影响。由于卷积是线性的，平滑和数字差分可以合并到一个内核。例如，结合了一个[ 1，1 ]平滑内核和一个[ 1，1 ]数字差分核给出了[ 1，0，1 ]的核心。

即使平滑后，噪音或纹理可以产生虚假的边缘。噪声给出了一个小的卷积值，所以一个阈值相同的一个用于抑制照明变化可以删除它。纹理可以给输出太大，以消除由一个阈值。

纹理边缘有时可以通过设置边缘检测，以避免纹理区域，例如，由在第一阈值以上的边缘停止检测发现或通过拾取边缘具有最大值被抑制。

一个黑暗到光的边缘（顶部）给出了强度样品（蓝点）。一条曲线（绿色）适合于数字差异（红色），和内插的寻峰（绿色）点，这是亚像素边缘位置。

假设一个外部钳工具使用。该工具返回边缘到边缘距离的措施，显然，4或5位小数的分辨率，说87.17095。这显然大分辨率主要是噪声测量的精度是少多了，也许1?10个像素的距离。如果你想到它，任何分数或亚像素精度似乎是不可能的。在离散位置的像素值，如何可以在这些位置之间的一项措施？

如果边缘强度的变化小于一个像素的亚像素位置则无法测量。由于该步进边缘的位置在像素内移动，不同的值显示，但没有可靠的方法来与这些值的像素内的边缘位置。

真实的物体边缘过渡的强度超过一定距离和相机的光学进一步平滑或模糊边缘强度值超过一定的距离。这两个分布信息的边缘的位置上的一些像素。恢复亚像素边缘位置，模型的分布式边缘位置的样品和插值。对于这一工作，平滑或模糊必须发生之前的图像数字化。

模型假定边缘处的最大强度变化的点，所以它在强度衍生物峰。通常将不会有在数字差值的峰的强度的样品的权利。因此，适合的抛物线到最靠近峰值的数字差分值，并沿着该曲线插值找到峰值。

为了获得亚像素位置分辨率，反对由自然平滑，并且需要相机的光学边缘。假设，在这些平滑的边缘，最大强度变化的峰的在点衍生物是边缘位置。在数字化图象通过拟合曲线到数字差值（样本）和内插恢复峰值位置。

镜头和相机的选择也影响精度和精度。标准机器视觉镜头，特别是短焦距透镜显着扭曲的图像距离。视觉系统的标定可以除去大部分的这种扭曲，但较高的精密度和准确度使用透镜设计的测量，如远心镜头。从理论上说，一个镜头过于尖锐会不会平滑的边缘信息，在一些像素，因此可以降低子像素精度。

使用为机器视觉设计的相机。在其他东西中，这些相机没有缺陷的像素，它可以给虚假的边缘。更多的相机像素可以提供更好的精度对对象的测量。亚像素精度不是像素数目的函数。