基于灰度的亚像素插值视觉测量方法 .pdfVIP

基于灰度的亚像素插值视觉测量方法

戴宗贤;莫洪波;周勇;张震;尹爱军;梁子晓

【摘要】针对现有视觉测量中的检测代价高,精度低和速度慢问题,该文提出一种基

于计算机机器视觉的紧密内插值亚像素测量方法.该方法基于线性插值算法的原理,

结合常规边缘检测方法和图像的灰度曲线图,利用阈值分割和标准长度进行亚像素

自适应阈值选择.为验证该方法的有效性,对标准量块长度进行测量实验,并分析测量

系统的误差影响因素.相比于传统的Canny算子方法检测结果,该方法的平均测量准

确度提升46.2％.实验结果表明该算法的测量精度较高,可以快速、精确地测量出物

体的几何尺寸.

【期刊名称】《中国测试》

【年(卷),期】2019(045)005

【总页数】5页(P33-37)

【关键词】视觉测量;尺寸测量;边缘检测;亚像素插值算法

【作者】戴宗贤;莫洪波;周勇;张震;尹爱军;梁子晓

【作者单位】重庆市计量质量检测研究院,重庆401121;重庆市计量质量检测研究

院,重庆401121;重庆市计量质量检测研究院,重庆401121;重庆市计量质量检测研

究院,重庆401121;重庆大学机械工程学院,重庆400044;重庆大学机械工程学院,重

庆400044

【正文语种】中文

【中图分类】TP391.4

0引言

几何尺寸测量在现代工业中有着重要作用，是保证产品质量的关键。随着科技与工

业生产的发展，对零件几何尺寸的测量精度及效率提出了更高要求。传统的接触式

测量主要利用探头接触待测物体表面，从而获得所需参数信息，如卡尺、千分尺等。

但该方法易受设备和人为因素影响，只适合小批量和一般精度的测量。在高精度测

量中，如三坐标测量机、光学影像测量机等检测设备复杂昂贵难以广泛应用。近年

来兴起的非接触测量技术因其高效、无损、高分辨率的检测优点而逐渐受到重视

[1-3]，随着图像处理等技术的发展，视觉测量作为一种非接触测量方法已得到广

泛研究与应用。

国外对几何尺寸视觉检测方面的研究起步较早，目前已经达到较高水平，Jan

Fischer等[4]研究了线性插值的亚像元位置测量系统，针对传感器不同质像素敏感

性分布的缺点，提出一种线性插值方法。Eric等[5]研究了高精度机械位移与应变

的视觉测量，提出视觉敏感性概念。国内杨剑等[6]进行了大尺寸视觉测量精度的

理论和实验研究，提出了一种基于距离约束的大尺寸三维视觉测量算法，并应用在

大型设备曲面测量上。申晓彦等[7]研究了轴对称构件几何尺寸的图像测量技术，

构建一组适合工程应用的图像测量系统。

本文在现有的几何尺寸测量算法基础上，首先介绍边缘检测的常规方法，并探讨了

基于边缘点插值测量尺寸的数学原理；在此基础上，融合常规边缘检测方法，提出

一种针对标准薄片零件几何尺寸的亚像素插值视觉测量方法。

1边缘提取与亚像素测量方法

1.1常规边缘提取方法

视觉测量大多是通过处理图像目标区域边缘而获得物体的几何参数。边缘提取方法

主要分为灰度值提取和灰度梯度值提取[8-9]。基于灰度值的边缘提取一般是根据

阈值对图像进行二值化处理[10-11]，这种方法简单，计算量小，但是提取精度不

高，边缘定位的准确性依赖于阈值的计算方法。

基于灰度值梯度的边缘检测根据图像边缘的变化情况，检测出图像中的边缘点[12]，

再将边缘点连接成轮廓，从而实现边缘提取。灰度的变化率和变化方向通常作为图

像边缘像素点的评价指标，分别以梯度向量的幅值和方向来表示。平面区域D内，

坐标为(x,y)的像素点f(x,y)在θ方向沿x的梯度定义为

对于连续图像f(x,y)来说，其方向导数将在边缘（法线）方向上有局部最大值。因

此，边缘检测就是求f(x,y)梯度的局部最大值。根据式（1），当达到局部最大值

时，有于是有

其中，梯度最大一般称之为梯度模；灰度的变化方向为实际计算中一般以微分算子

的形式表示。

常用的微分算子有Roberts算子、Sobel算子和Canny算子等[13]，其中

Roberts算子和Sobel算子是根据图像边缘处梯度最大（正的或负的）的特性来

进行边缘检测。这两种方法，Roberts边缘定位准，但对噪声敏感；而Soble加

权平均，适用边宽≥2像素的检测。Canny算子是最优的阶梯型边缘（stepedge）

检测算子，对受到白噪声影响的图像检测准确。

1.2亚像素测量方法

传统边缘检测算法的定位精度只能达到像素的整数级，为了进一步提高检测精度，

基于亚像素的边缘检测与提取方法得到了深入研