视觉测量技术中的边缘检测方法

2025-09-30 理论教育版权反馈

【摘要】：图4.10 边缘模型边缘检测是基于边界分割方法的最基本处理。实际边缘模型是如图4.10b所示的水平剖面图，称为斜坡边缘。斜坡部分与边缘的模糊程度成比例。阶跃型边缘处于图像中两个具有不同灰度值的相邻区域之间，其灰度变化曲线的一阶导数在边缘处出现极值，而二阶导数在边缘处出现零交叉。脉冲型边缘主要对应于细条状的灰度值突变区域。边缘检测包含两个方面含义：1）检测边缘点或边缘线段。

图4.10 边缘模型

边缘检测是基于边界分割方法的最基本处理。图像的边缘蕴含了丰富的信息，是图像的最基本特征，广泛地存在于物体与背景之间、物体与物体之间。从本质上讲，图像边缘是以图像局部特征不连续的形式出现的，例如灰度的突变、颜色的突变、纹理结构的突变等。同时，物体的边缘也是不同区域的交界处。一般认为，沿图像边缘方向的灰度变化比较平缓，而边缘法线方向的灰度变换比较剧烈。理想边缘模型如图4.10a所示的水平剖面图，称为阶跃边缘。图像边缘是清晰的。根据这个模型生成的边缘是一组相连的单像素点，每个像素都处在灰度级跃变垂直的台阶上。实际边缘模型是如图4.10b所示的水平剖面图，称为斜坡边缘。根据这个模型边缘的点是包含于斜坡中的任意点，边缘成为一组彼此相连接的点集。

由于图像采集过程中光学系统成像、数字采样、光照条件等不完善因素的影响，实际图像边缘是模糊的，边缘剖面是斜坡状的。斜坡部分与边缘的模糊程度成比例。边缘的模糊程度决定了边缘的斜度，边缘的斜度决定了从初始灰度级跃变到最终灰度级的斜坡长度，斜坡长度决定了边缘的宽度。模糊的边缘使边缘越宽，清晰的边缘使边缘越窄。

根据图像的边缘特点，可以将图像边缘分为如图4.11所示的几种基本类型：

(https://www.chuimin.cn)

图4.11 边缘和导数示例

阶跃型、脉冲型、屋顶形等不同类型的边缘，其相应的性质也不同。阶跃型边缘处于图像中两个具有不同灰度值的相邻区域之间，其灰度变化曲线的一阶导数在边缘处出现极值，而二阶导数在边缘处出现零交叉。脉冲型边缘主要对应于细条状的灰度值突变区域。屋顶型的边缘上升沿和下降沿都比较缓慢。脉冲型边缘和屋顶型边缘的特点是一阶导数在边缘处出现零交叉，二阶导数在边缘处出现极值。这些都是理想情况，实际中的图像往往会叠加各种噪声，图像边缘总有一些模糊，灰度变化曲线都有一定的坡度。

边缘检测包含两个方面含义：

1）检测边缘点或边缘线段。

2）将边缘点或边缘线段连接组合成边缘，最好是单像素边缘。

视觉测量技术中的边缘检测方法

相关推荐