这是Elsevier发表于《Accurate Subpixel Edge Location Based on Partial Area Effect》一文中详述的亚像素边缘检测方法的Matlab源码http://www.sciencedirect.com/science/article/pii/S0262885612001850 主文件夹包含以下文件： - subpixelEdges 是检测方法。 输入“help subpixelEdges”了解更多信息- visEdges 是在图像上显示检测到的边缘的方法- subpixelImage 使用检测到的边缘创建高分辨率二进制图像-subsetEdges 提取满足条件的边子集- 示例 1 是将方法与合成图像一起使用的示例- 示例 2 类似，但使用真实图像- 示例 3 使用手机摄像头拍摄的打印文本的大图像-example4为示例1创建高分辨率二进
2021-11-16 21:46:34
506KB
1
Matlab实现基于Zerniek矩的亚像素边缘检测 Matlab实现基于Zerniek矩的亚像素边缘检测 Matlab实现基于Zerniek矩的亚像素边缘检测 Matlab实现基于Zerniek矩的亚像素边缘检测
2021-10-20 21:38:25
169KB
1
中Canny算子是高斯函数的一阶导数，是对信噪比与定位之乘积的最优化逼近算子，图3．5．4b为
Canny法提取图3．5．4a所得到的边缘图。
用Ⅱf，_，】表示图像。使用可分离滤波方法求图像与高斯平滑滤波器卷积，得到的结果是一个
已平滑数据阵列
S[i，J】=G[i，j；a】幸／[i，J】
其中仃是高斯函数的散布参数，它控制着平滑程度．
已平滑数据阵列s[i，J】的梯度可以使用2×2一阶有限差分近似式来计算jc与)，偏导数的两
个阵列P[i，J】与Q【j，_，】：
P[i，J】≈(S[f，／+I]-S[i，／】+S[i+I，／+1]-S[i+1，j])／2
Q[i，，】≈(S【f，j]-S[i+1，J】+S[i，J+1]-S[i+l，J+l】)／2
在这个2X 2正方形内求有限差分的均值，以便在图像中的同一点计算X和Y的偏导数梯度
幅值和方位角可片j直角坐标到极坐标的坐标转化公式来计算：
M[i，J】=√研f，卯+Q【f，，】2
a[i，J】_arctan(Q[i，jJ／P[i，刀)
(2)亚像素边缘提取
亚像素边缘提取的方法有很多，采用先根据经典算法中的梯度方向求取方法求出粗像素边缘
点的梯度方向，并沿梯度方向对其梯度进行插值，然后找出其梯度峰值及其对应的位置，如图
3．5．4d所示。插值算法有很多种，例如最近邻插值、双线性插值、三次样条插值等。最近邻插值和
双线性插值不如三次样条插值精度高。为了得到精度高的Ⅱ像素级边缘，采用三次样条插值法对灰
度边缘图进行插值处理，图3．5．4c为对图3．5．4a采用样条插值后的灰度图。三次样条插值函数的定
义如下：
若函数S(x)满足：
S(x)在每个子区间【x一，X，】(f=1,2，⋯，玎) 上是不高于三次的多项式，其中
(a=xo
2021-10-18 09:29:58
10.34MB
1
针对基于机器视觉的薄片零件尺寸在线高精度检测系统中的边缘检测问题,提出了一种新颖
的精确亚像素边缘检测方法。用简单阈值法对待检零件图像进行二值化;用团块面积阈值法去除待检
零件图像中的噪声;用二值数学形态学方法进行像素级边缘检测获得单像素宽连通的像素级轮廓;用基
于三次样条插值的9 ×9pixel 矩形透镜法进行亚像素边缘检测获得亚像素级轮廓。实验结果表明,该
方法计算速度快、抗噪声能力强、检测精度高、亚像素边缘定位精度可达微米级
2021-10-16 10:06:39
367KB
1
亚像素边缘定位论文，提 出了一种基于小波变换的三次样条插值亚像素边缘检测的方法，不仅计算量小。其定位精度可以迭到亚像素级，且具有较好
的抗 噪性能 ，在机械零件 尺寸测量 中有很 高的应 用价值
2021-09-21 12:53:36
197KB
1
针对传统边缘检测算法存在定位精度低、对噪声敏感等缺点，提出一种基于形
态学梯度的样条插值亚像素边缘检测方法。利用改进的数学形态学梯度算子进行边缘
点的粗定位，再利用三次样条插值法对提取出的边缘图像进行插值运算，最后利用数学
形态学细化算子将提取出的边缘进行细化，可有效地检测出图像边缘，实现亚像素边缘
检测。实验结果表明，这种方法能准确地检测出边缘，优于传统的边缘检测方法。
2021-06-25 13:02:38
343KB