Краткое обсуждение обнаружения краев в машинном зрении

Машинное зрение обладает преимуществами высокой скорости, высокой точности, повторяемости, объективности и т. д. После добавления машинного зрения к автоматизированному оборудованию эффективность и точность его обнаружения и сборки будут значительно улучшены по сравнению с ручной работой. Область машинного зрения в настоящее время стала одним из передовых направлений исследований. Обнаружение краев является важной частью машинного зрения и важной технологией предварительной обработки изображений.

Поскольку края являются результатом прерывистых значений оттенков серого, этот разрыв часто можно легко обнаружить с помощью производных. Обычно для обнаружения краев выбираются производные первого и второго порядка. В контроле с помощью машинного зрения этот метод обычно называют методом локального оператора обнаружения кромок. Для обнаружения краев изображения используется алгоритм Канни для обработки и сегментации изображения. Основные этапы конкретного алгоритма следующие:

1. Фильтрация. Алгоритм обнаружения краев в основном основан на производных интенсивности изображения первого и второго порядка, но вычисление производных очень чувствительно к шуму, поэтому необходимо использовать фильтры для улучшения производительности детектора краев, связанного с шумом. Следует отметить, что большинство фильтров также приводят к потере прочности границ при одновременном снижении шума, поэтому существует компромисс между усилением границ и уменьшением шума.
2. Улучшение. В основе улучшения краев лежит определение значения изменения интенсивности окрестности каждой точки изображения. Алгоритм улучшения может выделять точки со значительными изменениями в соседних (или локальных) значениях интенсивности. Улучшение границ обычно достигается путем расчета амплитуды градиента.
3. Обнаружение: на изображении имеется много точек с относительно большими амплитудами градиента, и не все эти точки являются краями в определенных областях применения, поэтому следует использовать какой-то метод для определения того, какие точки являются точками края. Простейшим критерием обнаружения границ является пороговый критерий амплитуды градиента.
4. Позиционирование: если приложение требует определения положения края, положение края можно оценить с субпиксельным разрешением, а также можно оценить ориентацию края.

В алгоритмах обнаружения границ очень часто используются первые три шага. Это связано с тем, что в большинстве случаев детектор краев требуется только для того, чтобы указать, что край появляется возле определенного пикселя изображения, но нет необходимости указывать точное местоположение или направление края.

Эти четыре шага необходимы при использовании машинного зрения для измерения размеров, особенно точного местоположения и ориентации края. Технология машинного зрения, обладающая мощными преимуществами в производительности, стандартизирует качество продукции, обеспечивает высокую скорость проверки, надежные и стабильные результаты проверки, может проверяться в течение длительного времени и широко используется в различных областях.