基于亚像素边缘定位点查找表的检测算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (14): 59-61.

基于亚像素边缘定位点查找表的检测算法

卢丽燕,王明泉,李志刚,任少卿

中北大学仪器科学与动态测试教育部重点实验室，太原 030051

收稿日期:2007-08-27 修回日期:2007-12-10 出版日期:2008-05-11 发布日期:2008-05-11
通讯作者: 卢丽燕

Detection method based on subpixel edge locating points’lookup table

LU Li-yan,WANG Ming-quan,LI Zhi-gang,REN Shao-qing

The Ministry Education Key Lab for Instrumentation Science and Dynamic Test，North University of China，Taiyuan 030051，China

Received:2007-08-27 Revised:2007-12-10 Online:2008-05-11 Published:2008-05-11
Contact: LU Li-yan

摘要/Abstract

摘要： 提出了一种新型的测量图像快速亚像素边缘检测方法。首先通过计算机模拟仿真，找出图像边缘处灰度落差与边缘点偏移之间的规律性，建立了一个由灰度落差得到边缘亚像素定位点的查找表；然后结合改进的Sobel检测算子和十字窗检测法将图像边缘检测精度达到像素级，并应用查找表实现了亚像素级的检测精度。实验表明：该方法不仅得到了较高的检测精度，定位精度为0.3 pixels，而且可以大大地提高检测速度。

关键词: 亚像素边缘检测, 查找表, 计算机视觉

Abstract: A novel fast sub-pixel edge detection method for image measurement is proposed.Firstly the author finds out the relation between gray difference and subpixel edge locating points through computer simulating，and establishes a lookup table which can gain sub-pixel edge locating points according to gray difference.Secondly the author combines the improved Sobel operator and the crossed window to inspect image edge，which makes its detection precision reaching pixel level，and apply lookup table to achieve subpixel level detection precision.The experimental results show that such method not only gains high detection precision(the positioning accuracy amounts to 0.3 pixels)，but also advances detection rate by a long way.

Key words: sub-pixel edge detection, lookup table, computer vision

卢丽燕,王明泉,李志刚,任少卿. 基于亚像素边缘定位点查找表的检测算法[J]. 计算机工程与应用, 2008, 44(14): 59-61.

LU Li-yan,WANG Ming-quan,LI Zhi-gang,REN Shao-qing. Detection method based on subpixel edge locating points’lookup table[J]. Computer Engineering and Applications, 2008, 44(14): 59-61.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[4]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[5]	肖雨晴，杨慧敏. 目标检测算法在交通场景中应用综述[J]. 计算机工程与应用, 2021, 57(6): 30-41.
[6]	袁铭阳，黄宏博，周长胜. 全监督学习的图像语义分割方法研究进展[J]. 计算机工程与应用, 2021, 57(4): 43-54.
[7]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[8]	林淑彬，吴贵山，许甲云，杨文元. 多帧监督的相关滤波无人机目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 152-160.
[9]	王涛，王文举，蔡宇. 基于深度学习的三维点云语义分割方法研究[J]. 计算机工程与应用, 2021, 57(23): 18-26.
[10]	刘洋，战荫伟. 基于深度学习的小目标检测算法综述[J]. 计算机工程与应用, 2021, 57(2): 37-48.
[11]	程擎，范满，李彦冬，赵远，李诚龙. 无人机航拍图像语义分割研究综述[J]. 计算机工程与应用, 2021, 57(19): 57-69.
[12]	米娜瓦尔·阿不拉，阿里甫·库尔班，解启娜，耿丽婷. 手语识别方法与技术综述[J]. 计算机工程与应用, 2021, 57(18): 1-12.
[13]	梅锋，周娟平，陆璐. 结合局部奖励机制的视频摘要技术研究[J]. 计算机工程与应用, 2021, 57(11): 211-218.
[14]	李艳，唐达明，周莹亮，戴庆瑜. 基于计算机视觉的轮椅跟随系统设计[J]. 计算机工程与应用, 2021, 57(10): 163-172.
[15]	梁鸿，王庆玮，张千，李传秀. 小目标检测技术研究综述[J]. 计算机工程与应用, 2021, 57(1): 17-28.