分类筛选
分类筛选:

关于边缘检测方面大学毕业论文范文 和基于边缘检测和Hough变换的圆定位算法相关大学毕业论文范文

版权:原创标记原创 主题:边缘检测范文 类别:硕士论文 2024-01-25

《基于边缘检测和Hough变换的圆定位算法》

该文是关于边缘检测方面论文范文文献跟边缘检测和圆定位算法和Hough相关论文范文文献。

摘 要:为了解决机器视觉系统对具有小直径特征的多圆进行定位时计算量过大、效率低下和检测精度过低的问题,提出一种基于边缘检测和Hough变换的圆定位改进方法.首先,针对Canny算法进行边缘检测时对图像平滑处理过度,且对无关瑕疵点削弱能力差的缺点,采用改进的中值滤波代替高斯滤波,增加45°和135°方向来计算梯度幅值,通过最大类间方差法自动选取阈值.改进的Canny算法能有效去除细小瑕疵并完整保存孔位边缘.其次,在边缘检测的基础上用Hough变换对圆进行定位,对像素点采取75%的抽样,同时限定检测圆的直径范围,减少累积次数.实验结果表明,检测精度可达0.06mm,能够满足工业现场检测要求.

关键词:机器视觉;中值滤波;改进Canny算法;Hough变换

中图分类号:TP391文献标志码:A文章编号:1673\|3851(2018)09\|0593\|06

0引言

图形识别是图像处理和模式识别领域的一个重要问题,圆形的识别和位置检测是机器视觉常见的问题之一,广泛应用于工业测量.目前机器视觉中检测圆形算法主要有标准Hough变换算法及其优化算法.但是由于标准Hough算法使用三维空间参数累积的方法,数据量大,大量占用计算内存,运算速度较慢.针对这一缺陷Xu等[1]提出了随机Hough变换算法,通过随机采样三个非共线的边缘点进行累积得出圆的位置参数,对复杂图像进行处理时,由于该方法大量引入无关样本点,造成计算量过大.目前一些改进算法[27]主要对Hough变换进行降维处理,以减少计算量.陈珂等[6]提出了以线段为主体的一维概率Hough变换,对标准Hough变换进行了降维处理,但是其对于半径小于8像素的圆较难捕获.Manznaera等[7]通过估计灰度图像中的曲率导数,对所有像素进行,通过Hough变换直接计算相关参数,不需要计算轮廓即可得出圆孔相关位置参数.但当圆孔有瑕疵时,该算法也会对瑕疵点进行,得到无关参数,影响检测结果的准确性.相关文献[810]对预处理阶段的边缘检测算法进行了优化,减少干扰噪声提升检测精度.陈小艳等[8]提出在Canny边缘检测后过滤图像边界的方法来提升Hough变换的检测效率,但并没考虑Canny算法自身的缺点.刘可平等[9]针对传统Canny算法的缺点,提出了用双边滤波代替算法中的高斯滤波,该方法能够有效去除干扰并保留边缘信息,但当边缘有瑕疵时,该方法也会提取瑕疵边缘,对检测结果造成影响.以上文献多是对大直径少量圆进行研究,在对小直径多圆进行检测时,由于圆直径小数量多,这些基于提取圆特征的改进算法并不适合,且计算量大.本文主要对机器视觉系统中圆检测算法进行研究和改进,提出了基于边缘检测和Hough变换的圆定位算法,该算法可运用于小直径多圆的检测场合.首先对传统Canny边缘检测算法相关步骤进行改进,削弱无关瑕疵点对检测结果的影响,并完整提取出孔位边缘;在此基础上,对边缘像素点采取75%的抽样并限定检测圆直径,以提升Hough变换圆检测的效率.将算法应用在具有多圆小直径特征的牙刷头上,以验证其有效性.

1Canny算法的改进

传统Canny算法能较好地去除图像噪声并提取出图像边缘,但在相机采集图像的过程中,由于受到各方面的影响,传统Canny算法存在以下缺陷:a)高斯滤波对图像平滑处理过度,丢失部分边缘信息.b)采用2×2邻域求解梯度容易将噪声提取为边缘.c)人为设定高、低阈值具有较大的随机性,自适应能力较差.这些缺陷影响了Canny算法边缘提取的效果,进而影响圆检测结果的准确性.本文从滤波方法、梯度计算和阈值选取三方面对传统Canny算法进行改进.

1.1采用中值滤波替换高斯滤波

传统Canny算法采用高斯滤波对图像进行滤波处理,难以在去噪和保边取得好的平衡,这个缺点普遍存在于线性滤波器中.故本文采用非线性滤波器中的中值滤波[11]对图像进行滤波处理.中值滤波采用像素点领域灰度值中的中值替代该像素的灰度值,在去除噪声的同时又能保留图像边缘细节.但是传统中值滤波会对每个像素点进行滤波处理,造成边缘像素点在滤波后变得模糊.故本文引进边缘点判断机制解决该问题,以像素点A(x,y)为中心选取十字领域的4个像素,设T为阈值,f(xi,yi)(i等于1,2,3,4)为邻近4像素灰度值,f(x,y)为中心像素灰度值,s为中心像素与边缘像素灰度值相似个数.具体实现步骤如下:a)计算d等于fxi,yi-fx,y,若d<T,转b);b)s加1,若a<s<b(a等于1,b等于4),转c);否则转d);c)判定该点为边缘像素点,输出像素值f(x,y);d)判定该点为噪声点或不是边缘像素点,进行中值滤波,输出滤波后的像素值f′(x,y).

1.2改进的梯度计算方法

传统Canny算法采用2×2的邻域对含有较强噪声的图片进行梯度计算时,检测时会引入无关边缘并丢失边缘细节,所以本文采用3×3邻域求解梯度幅值.为了使边缘能够进行多方向的检测,在原算法的基础上增加了45°方向和135°方向进行梯度幅值计算.首先计算图像G(x,y)各个方向的一阶偏导数:

Mxx,y等于Gx+1,y-Gx-1,y

Myx,y等于Gx,y+1-Gx,y-1

Mix,y等于Gx-1,y+1-Gx+1,y-1

Mjx,y等于Gx+1,y+1-Gx-1,y-1(1)

其中:Mx(x,y)为x方向偏导数,My(x,y)为y方向偏导数,Mi(x,y)为45°方向偏导数,Mj(x,y)为135°方向偏导数.然后,分别求出水平方向和垂直方向的差分:

MHx,y等于Mx+Mi+Mj2

MVx,y等于My+Mi+Mj2(2)

其中:MH(x,y)为水平方向差分,MV(x,y)为垂直方向差分.最后分别求得梯度幅值g和梯度方向θ:

g等于MHx,y2+MVx,y2,θ等于arctanMHx,yMVx,y.对梯度幅值在梯度方向上进行非极大值抑制,将局部最大值之外的所有梯度值抑制为0,保留所有可能是边缘的像素点.1.3阈值的改进算法传统Canny算法阈值由人工设定,难以获得良好的边缘效果,采用最大类间方差法[12]进行改进,使其能够自主选取最高阈值.设图像G(x,y)总像素为N,灰度等级为[0,L-1],灰度等级i对应的像素数为Ni,t为目标与背景的分割阈值,则背景类像素灰度值在[0,t]内,目标类像素灰度值在[t+1,L-1],设u0(t)为背景灰度均值,u1(t)为目标灰度均值,则

u0t等于∑ti等于0i·Piw0t

u1t等于∑L-1i等于t+1i·Piw1t(3)

总的灰度均值定义为:

ut等于w0t×u0t+w1t×u1t(4)

其中:Pi等于NiN;w0t等于∑ti等于0NiN和w1t等于∑L-1i等于t+1NiN分别为背景像素点和目标像素点所占的比例,且w0(t)+w1(t)等于1.图像背景和目标两类像素的类间方差表示为:

σ2t等于w0t×u0t-u2+w1t×u1t-u2(5)t在[0,L-1]范围内依次取值,使σ2t取最大时的阈值,即为最优阈值,设为Th.把Th与一个比例因子n的积设为低阈值Tl,即Tl等于nTh(0<n<1),本文设n为13.2改进的Hough变换圆检测算法在Canny边缘检测的基础上,利用Hough变换进行圆孔的定位[13].Hough变换圆检测基本原理[14]为:把平面内以(a,b)为圆心,r为半径的圆转化到以a,b,r为参数的三维空间中,得到如下方程:a-xi2+b-yi2等于r2,同一圆孔边缘上的每个像素点在参数空间中都对应唯一的圆锥面,这些圆锥面相交于一点,通过累积可以求得该点圆参数即为圆孔的位置参数.传统Hough变换检测圆时会对圆直径从0~∞进行累积,计算量巨大检测效率较低,本文采取限定目标圆直径并对边缘像素点采取75%抽样的方法来减少无关累积.设边缘上随机采样点(x1,y1),该点为圆直径的一个端点,限定直径的取值范围[dmin,dmax],则直径的另一端点(x2,y2)在以(x1,y1)为圆心,以dmin为小径,dmax为大径的圆环内,如图1所示.图1点(x2,y2)的范围通过Hough变换进行累加,若(x2,y2)点在图2所在的圆环内,则可确定该点为圆直径的另一端点,可得到圆的参数为:

a等于x1-x22

b等于y1-y22

r等于x1-x22+y1-y222(6)

计算所有抽样像素点可得到数组A(a,b,r),对数组进行累加,累加结果中的峰值(a0,b0,r0)即为圆孔的圆心坐标和半径.3算法流程与实验分析采用本文算法对植毛孔进行检测的算法流程如图2所示,主要步骤为:a)原图灰度化后进行边缘点判断,对非边缘点进行中值滤波处理;b)在3×3邻域求解滤波后图像的梯度幅值和方向;c)对梯度幅值进行非极大值抑制,将局部极大值之外的所有梯度幅值抑制为0,剔除非边缘像素点;d)最大类间方差法求出的高低阈值对边缘像素点进行检测和连接,将阈值之外的像素点剔除;e)对抽样像素点在限定检测圆直径范围内进行Hough变换圆检测并输出参数.图2改进算法流程

为了验证本文改进边缘检测算法的效果,以VS2010为实验平台进行模拟仿真,实验用图为200万像素的CMOS相机在背光源的情况下拍摄的牙刷头图像,图3(a)和(b)示出两种牙刷头图像,图3(c)示出瑕疵圆孔.将本文算法与文献[9]的改进算法和传统Canny算法进行对比,对比结果如图3所示,为突出对圆孔瑕疵的处理,仅示出瑕疵圆的处理结果.可见,图3(d)中传统Canny算法边缘检测引入较多伪边缘,并存在较多噪声;图3(e)中文献[9]用双边滤波替代高斯滤波,一定程度上减少了伪边缘,但削弱细小瑕疵的能力较差;图3(f)中本文算法通过对Canny算法进行改进,很好地消除了图像噪声和圆孔内细小瑕疵,边缘检测清晰,保留了真实边缘.可见本文检测算法检测效果优于传统Canny算法和文献[9]的算法.图3瑕疵圆边缘检测效果图

圆孔边缘的提取直接关系到Hough变换圆检测的准确性,为了验证本文改进的边缘检测算法和Hough变换圆检测算法的效果,将本文算法检测结果应用在数控牙刷植毛机系统中.对植毛孔进行识别和定位时,通过图像处理得到的结果是基于像素的,为了得到实际几何尺寸,需要找到两者的对应关系.在标准状态下,取d等于10mm的卡尺作为系统的标定工件,经过图像采集,图像处理获取出标定工件的像素长度为dpixel等于160.1690,即标定系数k等于d/dpixel等于0.0624.利用求出的标定系数k将像素尺寸转化为实际物理尺寸,同时利用人工测量的方式用三坐标测量仪对图3(a)和图3(b)圆孔进行位置检测.将Hough变换得到的检测误差与允许误差对比分析如图4所示.图4分别示出两种牙刷头在Hough变换圆检测后植毛孔圆心坐标在x方向和y方向的误差,图4(c)和(f)示出Hough变换测得圆心位置与真实圆心位置的偏移,从图中可以看出本文算法的检测误差在允许误差范围0~0.06mm之间,检测精度为0.06mm,可见算法检测结果是合理的,且所用相机的分辨率越高,圆心位置的检测结果越准确.图4误差对比

4结论本文提出了一种改进的小直径多圆检测算法.通过对传统Canny边缘检测算法进行改进提升边缘检测效果;在此基础上利用Hough变换寻找抽样像素点在限定直径范围内的最佳累积圆,实现圆孔定位.该方法具有如下特点:a)适合小直径多圆的检测场合;b)当圆孔中有细小瑕疵时也能进行圆检测.对两种具有多圆小直径特征的牙刷植毛孔进行检测,结果表明在圆孔内有瑕疵的情况下也能较精确得出圆位置参数,实验结果表明检测精度可达0.06mm.

参考文献:

[1]XuL,OjaE.RandomizedHoughtranorm(RHT):basicmechanis,algorithmsandcomputationalcomplexities[J].ComputerVisionGraphicImageProcess:ImageUnderstanding,1993,57(2):131154.

[2]叶峰,陈灿杰,赖乙宗,等.基于有序Hough变换的快速圆检测算法[J].光学精密工程,2014,22(4):11051111.

[3]王宪,赵前程,谭建平.应用区域估计的复杂背景多圆快速定位方法[J].中南大学学报(自然科学版),2016,47(7):22662272.

[4]周勇亮,金燕,何萍,等.随机Hough变换圆检测累计加速算法[J].计算机辅助设计与图形学学报,2014,26(4):574580.

[5]蔡佳,黄攀峰,张彬.基于梯度的区域生长和距离直方图的快速圆检测方法[J].光学学报,2015,35(3):193202.

[6]陈珂,吴建平,李金祥,等.一维概率Hough变换的实时鲁棒多圆检测方法[J].计算机辅助设计与图形学学报,2015,27(10):18321841.

[7]ManznaeraA,NguyenTP,XuXL.LineandcircledetectionusingdenseonetooneHoughtranormsongreyscaleimages[J/OL].EurasipJournalonImageandVideoProcessing,2016,46:118[20161212].https://doi.org/10.1186/s136400160149y.

[8]陈小艳,王强,李柏林.改进的Hough变换检测圆方法[J].计算机系统应用,2015,24(8):197201.

[9]刘克平,李西卫,隋吉雷,等.基于改进Canny算法的工件边缘检测方法[J].广西大学学报(自然科学版),2017,42(6):20222029.

[10]郑子华,陈家祯,叶锋.基于曲率估计的Canny边缘检测算法[J].计算机系统应用,2017,26(12):148154.

[11]宗永胜,胡晓辉,张荣光.一种自适应双阈值中值滤波方法[J].小型微型计算机系统,2017,38(7):16421647.

[12]李擎,唐欢,迟健男,等.基于改进最大类间方差法的手势分割方法研究[J].自动化学报,2017,43(4):528537.

[13]王宪,赵前程,谭建平.应用区域估计的复杂背景多圆快速定位方法[J].中南大学学报(自然科学版),2016,47(7):22662272.

[14]MukhopadhyayP,ChaudhuriBB.AsurveyofHoughtranorm[J].PatternRecognition,2015,48(3):9931010.

AlgorithmforcirclelocationbasedonedgedetectionandHoughtranorm

ANPeiyuan1,ZHANGHua1,2

(1.FacultyofMechanicalEngineering&Automation,ZhejiangSciTechUniversity,Hangzhou310018,China;

2.CollegeofEnergyEngineering,ZhejiangUniversity,Hangzhou310007,China)Abstract:Whenmachinevisionsystemisusedtolocatethemultiplecircleswithalldiameter,therearesomeproblemssuchastoolargecalculationamount,lowefficiencyandtoolowdetectionaccuracy.Tosolvetheseproblems,acirclelocationimprovementmethodbasedonedgedetectionandHoughtranormisproposedinthispaper.Firstly,tosolvetheshortcomingssuchasexcessiveimageoothingandweakeliminationofirrelevantdefectsbyCannyalgorithmduringedgedetection,theimprovedmedianfilterisusedtoreplaceGausilter,andthedirectionsof45degreeand135degreeareaddedtocalculatethegradientamplitude.ThethresholdvalueisautomaticallyselectedthroughOTSU.TheimprovedCannyalgorithmcaneffectivelyremovealldefectsandpreserveholeedgecompletely.Secondly,basedonedgedetection,thecircleislocatedbyHoughtranorm,andtheedgepixelsaresampledby75%.Atthesametime,thediameterrangeofthecircletobetestedisrestrictedtoreduceaccumulationtimes.Theexperimentalresultsindicatethatthedetectionaccuracycouldreach0.06mm,whichcanmeettherequirementsofindustrialfielddetection.Keywords:machinevision;medianfilter;improvedCannyalgorithm;Houghtranorm(责任编辑:康锋)

边缘检测论文参考资料:

毕业论文抄袭率检测

论文查重检测

paperfree论文检测

论文抄袭率检测

论文检测

论文字数检测

归纳上文,上文是大学硕士与边缘检测本科边缘检测毕业论文开题报告范文和相关优秀学术职称论文参考文献资料,关于免费教你怎么写边缘检测和圆定位算法和Hough方面论文范文。

和你相关的