机器视觉检测中的平面轮廓图元识别方法研究

摘 要：本文介绍了视觉检测的原理，对几种典型的图像边缘检测算子进行研究，分析了这些算子在视觉检测中的优缺点，这对进一步学习和寻找更好的图像边缘检测方法具有一定的指导意义。

关键词：机器视觉；图像处理；边缘检测；检测算子

DOI：10.16640/j.cnki.37-1222/t.2017.17.268

0 绪论

在现代工业的自动化生产中，机器视觉技术广泛的应用于航空航天、汽车、制药、电子与电气、制造等行业。机器视觉检测是指利用获取的零件图像作为检测和传递信息的手段和载体，以实现代替人眼进行一些尺寸测量、产品合格与否的检测。由于在视觉检测中不需要接触待检产品，所以不会损坏待检产品，并且视觉检测精度高，因此在测量领域具有非常明显的优势。

1 视觉检测系统的工作原理

机器视觉系统的基本结构是由CCD摄像机把待检物体的图像以二维图像的形式采集到计算机内部；再运用相关的图像处理技术把原始二维图像转化为数字图像；然后，在采集的图像中提取有用的信息，完成图像分析；再运用模式识别技术对轮廓图像识别的特征进行分类整理；最后，通过图像处理软件完成对数字图像的识别与判断，从而得到检测所需要的信息，并根据已知的参考标准，自动识别被测目标是否符合要求。

2 轮廓边缘检测

机器视觉检测中平面轮廓图元识别的关键是，如何将图像中含有的机械零件尺寸边缘轮廓简便快速的识别出来。边缘检测就是判别并定位图像上像素强度突变的不连续点，这些像素强度值的突变点就是物体相对于背景的边界。边缘检测是用边缘点勾画出各个对象的轮廓，为了能识别图像特征，可通过检测图像中待检物体与背景间的交界线，以实现分割图像的目的。

由于待检物体图像边缘包含了大量的物体特征信息，边缘检测的结果直接影响图像分割的效果和轮廓识别的性能，所以对图像边缘检测进行研究对视觉检测技术至关重要。

3 图像轮廓边缘检测算法

图像边缘特征提取是边缘检测中非常重要的一个过程，边缘检测一般有四个步骤，其实质是采用某种算法来提取出图像中对象与背景间的交界线。但是迄今为止对于边缘提取中图像识别的可靠性、精度及速度问题，还没有一种通用的边缘检测算法。

3.1 一阶边缘检测

梯度是函数变化的一种度量，一阶微分法是利用一阶导数算子来计算图像灰度梯度值的方法。一幅二维图像可认为是图像强度连续函数的取样点阵列，边缘检测就是检测图像局部显著变化的运算，因此，可用梯度的离散逼近函数来检测图像灰度值。

一阶算子常见的有Roberts算子、 Prewitt算子和Sobel算子，这些算子的不同之处在于对近似计算图像的水平和垂直梯度分量时分别使用两个模板组合构成一个梯度算子。由于模板大小和系数值不同，又可构成不同的模板算子。

Roberts算子是在2×2的邻域上计算对角导数，该算子是利用局部差分寻找边缘，由于其计算邻域2×2太小，所以抗噪声能力较差且检测的边缘不具有连续性。

Prewitt算子是用每一点与其模板做卷积，将得到的最大值赋给与待检测区域相似度最高的样板，再以此最大值作为算子输出值，即可得到图像边缘检测结果。Prewitt算子具有平滑噪声的作用，能检测出比较精确的边缘信息，但也容易检测出伪边缘，所以边缘定位精度不高。

Sobel算子是根据一阶微分在边缘点处达到极值来进行边缘检测，其实现要对目标图像中的任何一个像素的上、下、左、右各个方向上的邻域都进行灰度值加权求和运算，该算子是将方向差分运算与局部平均相结合的方法。Sobel算子也具有平滑噪声的作用，当所使用的模板较大时，抗噪效果更好，但其缺点是增加了计算量，得到的检测边缘也比较粗。在局部平均的影响下，也会检测出许多伪边缘，这样就降低了检测边缘定位精度。当视觉检测对精度要求不是很高时，该算子是一种较为常用的边缘检测方法。

3.2 二阶边缘检测

一阶算子的抗噪声能力很差，特别是脉冲噪声在噪声像素点附近的梯度幅值很大时，很容易将噪声误检测为边缘。一种在理论上更有效的方法是求图像梯度二阶导数的过零点。二阶导数的零交叉点就是一阶导数的局部最大值，可通过找二阶导数的零交叉点检测出更精确的图像边缘。

经典二阶微分边缘检测算子主要有Laplace和LOG算子等。

Laplace算子是一种考虑到图像边缘方向的二阶导数算子，该算子具有旋转不变形以及各向同性的性质。Laplace算子通过找二阶导数的零交叉点来求取边缘，确定过零点比确定极值点的位置要容易，可以检测出更多的边缘信息避免伪边缘的出现，故而比较精确，但是对噪声却更为敏感。由于对噪声的强响应，使噪声放大，常产生双像素宽的边缘，所以Laplace算子很少直接用于图像的边缘检测中。

LOG算子是针对Laplace算子对噪声比较敏感而提出的，该算子同时利用了高斯滤波和拉普拉斯算子的特性，首先用高斯函数对采集到的原始图像进行平滑去噪，再用Laplace算子求取二阶导数的零交叉点，该交叉点就是图像的轮廓边缘。LOG算子很好的解决了频域最优化和空域最优化之间的矛盾，Laplace算子是最低阶各向同性的微分算子，这使LOG算子在过零点检测中具有各向同性的特点，可以减轻方向性带来的计算负担，使边缘检测的计算量减少。

4 结束语

本文对机器视觉检测的原理及图像处理中平面轮廓图元识别进行研究，重点讨论了实现边缘检测几种常见的算法，边缘检测的目标是能够更准确，更连续，更清晰的找到边缘点，针对不同的检测条件和要求，选择合适的算子来进行边缘检测，这是视觉检测领域研究的主要方向。

參考文献：

[1]甘金来.图像边缘检测算法的比较研究[D].成都.电子科技大学，2005.

[2]李娅娅，李志洁等.图像边缘检测算法的比较与实现[J].计算机工程与设计，2010，31（09）.

[3]杨雪.机器视觉中图像检测算法的研究与应用[D].无锡：江南大学，2013.

作者简介：杨昆明（1987-），男，陕西西安人，硕士，助教，主要研究方向：机器视觉检测、先进制造技术。