[发明专利]一种基于改进形态学的亚像素边缘检测方法

权利要求书

1.基于改进形态学的亚像素边缘检测方法，其特征在于，包括：

步骤A、获取产品的数字化图像；

步骤B、运用形态学算子检测所述数字化图像的轮廓，获得像素轮廓粗提取区域，其表达式为

其中，Grad表示像素轮廓粗提取区域，f代表数字化图像，S₁表示开运算结构元素，S₂表示膨胀和腐蚀结构元素；

步骤C、采用Canny算子从所述像素轮廓粗提取区域中检测出产品的轮廓，进行粗提取，获得图像的整体像素级边缘；

步骤D、通过理想边缘点与扩散函数卷积得到的高斯型边缘函数，将所述整体像素级边缘拟合为产品的亚像素级边缘。

2.根据权利要求1所述的基于改进形态学的亚像素边缘检测方法，其特征在于，所述步骤B包括：

子步骤b1、通过开运算消除所述数字化图像轮廓的毛刺，获得平滑图像，其表达式为

子步骤b2、运用膨胀算子对所述平滑图像进行膨胀运算，获得膨胀图像，其表达式为

式中，表示膨胀和腐蚀结构元素S₂相对于自身原点的映像，Z表示像素点；

子步骤b3、运用腐蚀算子对所述平滑图像进行腐蚀运算，获得腐蚀图像，其表达式为

子步骤b4、将所述膨胀图像与腐蚀图像相减，获得像素轮廓粗提取区域。

3.根据权利要求1或2所述的基于改进形态学的亚像素边缘检测方法，其特征在于，所述步骤C包括：

子步骤c1、对二维高斯函数求一阶导数，以高斯函数离散化的结果G(x,y,σ)作为高斯平滑滤波器，并与所述轮廓粗提取区域进行卷积，获得已平滑数据阵列S(i,j)＝f(i,j)*G(i,j,σ)，其中x、y分别表示图像的横坐标和纵坐标，f(i,j)表示轮廓粗提取区域，σ是关联概率分布的标准差，表示高斯函数中的滤波尺寸。

子步骤c2、求已平滑数据阵列S(i,j)分别对直角坐标系下的x与y的偏导数，进而将极坐标下所述像素轮廓粗提取区域的灰度梯度幅值阵列和方位角分别表示为：

M(i,j)=Sx(i,j)2+Sy(i,j)2θ(i,j)=tan-1Sy(i,j)Sx(i,j)]]>

式中，S_x(i,j)、S_y(i,j)分别为已平滑数据阵列S(i,j)对x、y偏导数，方位角θ(i,j)取值范围是(0，2π)。

子步骤c3、通过非极大值抑制的方式确定所述像素轮廓提取区域的边缘幅值；

子步骤c4、分别设定像素点的高阈值、低阈值，将所述像素轮廓提取区域的边缘幅度大于高阈值的像素点作为安全边缘保留，同时剔除边缘幅值小于低阈值的像素点，而边缘幅值介于低阈值和高阈值之间、并且与所述安全边缘相连的像素点则作为边缘点保留。