基于灰度矩模型的亚像素边缘跟踪方法、设备及介质

本发明涉及基于灰度矩模型的亚像素边缘跟踪方法、设备及介质，属于图像边缘跟踪。

背景技术：

1、在工业图像处理领域，实现高精度的图像边缘跟踪对于视觉测量和检测技术具有重要意义。传统的边缘跟踪方法依据多是像素级边缘，难以实现亚像素级的检测精度，这无法满足高精度检测场合的技术要求。

技术实现思路

1、针对现有图像边缘检测依赖像素级边缘，检测精度低的问题，本发明提供一种基于灰度矩模型的亚像素边缘跟踪方法、设备及介质。

2、本发明的一种基于灰度矩模型的亚像素边缘跟踪方法，获取待检测目标的灰度图，采用图像梯度计算公式计算灰度图中所有像素点梯度，得到梯度图；

3、根据梯度图中梯度最大值和最小值设定初始梯度阈值t1，将灰度图中像素点梯度大于初始梯度阈值t1的像素点作为边缘锚点，并将所有边缘锚点存放到堆栈中；

4、将堆栈中位于首端的边缘锚点作为搜索起始点，进行图像亚像素边缘的跟踪：

5、将以灰度图中选定边缘锚点为中心的n*n大小的邻域作为亚像素计算区域，其中n为大于1的奇数；根据亚像素计算区域的像素点计算得到对应的掩模；将亚像素计算区域与掩模进行卷积计算，得到区域图像矩值；根据区域图像矩值计算选定边缘锚点对应的亚像素距离和角度，确定当前选定边缘锚点对应的亚像素位置；再以当前选定边缘锚点为中心，在当前选定边缘锚点的邻域内的像素点中，依据当前亚像素位置和角度选择下一个边缘跟踪点，若所述边缘跟踪点的梯度大于预设最终梯度阈值t2，则将所述边缘跟踪点作为下一个边缘锚点继续跟踪；否则结束当前跟踪；

6、再继续跟踪堆栈中下一个边缘锚点的边缘跟踪点，直到所有边缘锚点遍历完成，获得所有边缘跟踪点；在跟踪过程中，已跟踪过的像素点不进行重复跟踪；

7、整理所有边缘跟踪点，作为亚像素边缘跟踪结果。

8、根据本发明的基于灰度矩模型的亚像素边缘跟踪方法，所述像素点梯度表示为g，包括x方向梯度gx和y方向梯度gy：

9、

10、gx＝3f(x+1,y-1)+10f(x+1,y)+3f(x+1,y+1)-3f(x-1,y-1)-10f(x-1,y)-3f(x-1,y+1)，

11、gy＝3f(x-1,y-1)+10f(x,y-1)+3f(x+1,y-1)-3f(x-1,y+1)-10f(x,y+1)-2f(x+1,y+1)，

12、式中x表示灰度图中像素点的x方向坐标，y表示灰度图中像素点的y方向坐标；f为灰度值。

13、根据本发明的基于灰度矩模型的亚像素边缘跟踪方法，所述初始梯度阈值t1为：

14、t1＝t_max-0.2(t_max-t_min)，

15、式中t_max为梯度最大值，t_min为梯度最小值。

16、根据本发明的基于灰度矩模型的亚像素边缘跟踪方法，所述掩模的计算公式为：

17、mpq＝∫∫xpyqf(x,y)dxdy，

18、mpq为亚像素计算区域的p阶q次掩模，p为掩模的阶数，q为掩模的次数。

19、根据本发明的基于灰度矩模型的亚像素边缘跟踪方法，根据亚像素计算区域的像素点计算得到六个掩模m00,m11,m10,m01,m20,m02：

20、其中m00为亚像素计算区域的0阶0次掩模；m11为亚像素计算区域的1阶1次掩模；m10为亚像素计算区域的1阶0次掩模；m01为亚像素计算区域的0阶1次掩模；m20为亚像素计算区域的2阶0次掩模；m02为亚像素计算区域的0阶2次掩模。

21、根据本发明的基于灰度矩模型的亚像素边缘跟踪方法，亚像素角度表示为θ：

22、

23、式中mpq为与mpq对应的区域图像矩值。

24、根据本发明的基于灰度矩模型的亚像素边缘跟踪方法，亚像素距离表示为l：

25、

26、式中m′pq为与mpq对应的旋转后区域图像矩值；

27、m′00＝m00，

28、

29、根据本发明的基于灰度矩模型的亚像素边缘跟踪方法，当前选定边缘锚点对应的亚像素位置(x,y)为：

30、

31、式中x0为当前选定边缘锚点的x轴坐标，y0为当前选定边缘锚点的y轴坐标，n为亚像素计算区域的尺寸。

32、根据本发明的基于灰度矩模型的亚像素边缘跟踪方法，在当前选定边缘锚点的邻域内的像素点中，依据当前亚像素位置和角度选择下一个边缘跟踪点的方法为：

33、选择当前选定边缘锚点的8邻域内的像素点，将当前选定边缘锚点表示为e，则e的8邻域像素点分别为a、b、c、d、f、g、h、i，由a、b、c、d、e、f、g、h、i形成三行三列矩阵；

34、1)亚像素距离l大于0且若则选择下一个边缘跟踪点为d；若则选择下一个边缘跟踪点为a；

35、2)亚像素距离l大于0且若则选择下一个边缘跟踪点为i；若则选择下一个边缘跟踪点为f；

36、3)亚像素距离l小于0且若则选择下一个边缘跟踪点为b；若则选择下一个边缘跟踪点为c；

37、4)亚像素距离l小于0且若则选择下一个边缘跟踪点为h；若则选择下一个边缘跟踪点为g。

38、根据本发明的基于灰度矩模型的亚像素边缘跟踪方法，最终梯度阈值t2根据灰度图依据经验进行设置。

39、本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，

40、所述处理器执行所述计算机程序时实现任一项所述方法的步骤。

41、本发明还提供一种介质，所述介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行任一项所述方法。

42、本发明的有益效果：本发明方法利用亚像素矩模型提升边缘跟踪的精度和优化跟踪方向选择，实现边缘跟踪的精度达到亚像素级，有助于工业检测技术的发展。

43、本发明方法首先对图像计算梯度获取梯度图，然后设定阈值筛选出边缘跟踪锚点。以锚点为基础，对图像进行遍历，选取像素5*5邻域区域作为亚像素拟合区域，利用掩模计算模型系数，利用亚像素位置公式估计亚像素边缘位置，利用亚像素边缘跟踪角度选取序列跟踪点。与现有技术相比，本发明可提高检测精度到亚像素级，利用灰度矩模型的角度优化了选择边缘跟踪方向。本发明方法提升了工业视觉检测中边缘跟踪精度。

技术特征：

1.一种基于灰度矩模型的亚像素边缘跟踪方法，其特征在于，

2.根据权利要求1所述的基于灰度矩模型的亚像素边缘跟踪方法，其特征在于，

3.根据权利要求2所述的基于灰度矩模型的亚像素边缘跟踪方法，其特征在于，

4.根据权利要求3所述的基于灰度矩模型的亚像素边缘跟踪方法，其特征在于，

5.根据权利要求4所述的基于灰度矩模型的亚像素边缘跟踪方法，其特征在于，

6.根据权利要求5所述的基于灰度矩模型的亚像素边缘跟踪方法，其特征在于，

7.根据权利要求6所述的基于灰度矩模型的亚像素边缘跟踪方法，其特征在于，

8.根据权利要求7所述的基于灰度矩模型的亚像素边缘跟踪方法，其特征在于，

9.根据权利要求8所述的基于灰度矩模型的亚像素边缘跟踪方法，其特征在于，

10.根据权利要求9所述的基于灰度矩模型的亚像素边缘跟踪方法，其特征在于，

11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，

12.一种介质，其特征在于，所述介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行权利要求1至10中任一项方法。

技术总结
本发明针对现有图像边缘检测依赖像素级边缘，检测精度低的问题，提出一种基于灰度矩模型的亚像素边缘跟踪方法、设备及介质。包括获取待检测目标的灰度图并计算得到梯度图；基于初始梯度阈值T<subgt;1</subgt;确定边缘锚点；对所有边缘锚点进行图像亚像素边缘的跟踪：选定亚像素计算区域，结合掩模进行卷积计算得到区域图像矩值；计算边缘锚点的亚像素距离和角度，确定亚像素位置；以当前选定边缘锚点为中心，在邻域内的像素点中选择下一个边缘跟踪点，若其梯度大于预设最终梯度阈值T<subgt;2</subgt;，则作为边缘锚点继续跟踪；直到所有边缘锚点遍历完成，获得所有边缘跟踪点；整理所有边缘跟踪点，作为亚像素边缘跟踪结果。本发明用于图像边缘的亚像素级跟踪。

技术研发人员：刘伟华,高会军,孙昊,于兴虎
受保护的技术使用者：浙江大学
技术研发日：
技术公布日：2024/9/23