机器视觉下薄片零件亚像素边缘检测：高效与微米级精度

本文主要探讨了在基于机器视觉的薄片零件尺寸在线高精度检测系统中，针对边缘检测这一关键任务提出的一种创新性的精确亚像素边缘检测方法。作者是伍济钢和宾鸿赞，他们来自华中科技大学，位于湖北省武汉市。论文发表于2009年，针对的是在薄片零件复杂的工业环境下，如何通过图像处理技术实现高精度的尺寸测量。 首先，作者采用简单的阈值法对待检测的薄片零件图像进行二值化处理，这样可以清晰地突出图像中的边缘特征，便于后续分析。这种方法对于区分背景和目标边缘具有较高的敏感度，但可能会引入噪声，因此接下来引入团块面积阈值法来消除这部分干扰。 接着，利用二值数学形态学方法进行像素级边缘检测。这种算法通过对图像进行腐蚀和膨胀操作，可以得到单像素宽度的连通像素级轮廓，有助于识别出零件边缘的精确位置。这种方法的优点在于其精确性和稳定性，能够在像素级别上提供清晰的边缘信息。 然后，为了提升边缘检测的精度，文章提出了一种基于三次样条插值的9×9像素矩形透镜法进行亚像素级边缘检测。这种方法利用局部图像区域的像素信息进行平滑处理，通过插值技术将边缘定位到亚像素级别，从而极大地提高了边缘定位的精度，能够达到微米级的检测精度。这在高精度应用领域如精密制造业中具有重要意义，因为微米级的误差控制对于产品质量有着决定性的影响。 这篇论文的核心贡献在于提出了一种高效且精确的亚像素边缘检测算法，它在保持计算速度的同时，显著提高了抗噪声能力和检测精度。这对于提升薄片零件机器视觉系统的整体性能，确保产品尺寸的准确性至关重要。论文的研究成果对于相关领域的工程师和研究人员来说，提供了有价值的技术参考和实践指导。