基于改进Zernike方法实现圆形边缘亚像素检测

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (20): 157-161.

基于改进Zernike方法实现圆形边缘亚像素检测

张晓林1，周哲海1，2，王晓玲1，祝连庆1，2

1.北京信息科技大学光电测试技术北京市重点实验室，北京 100192
2.北京信息科技大学光电信息与仪器北京市工程技术研究中心，北京 100192

出版日期:2015-10-15 发布日期:2015-10-30

Realizing circular subpixel edge detection based on improved Zernike method

ZHANG Xiaolin1, ZHOU Zhehai1，2, WANG Xiaoling1, ZHU Lianqing1，2

1.Beijing Key Laboratory of Optoelectronic Technology Testing, Beijing Information Science and Technology University, Beijing 100192, China
2.Optoelectronic Information and Instrumentation Engineering Technology Research Center in Beijing, Beijing Information Science and Technology University, Beijing 100192, China

Online:2015-10-15 Published:2015-10-30

摘要/Abstract

摘要： 在图像测量中，图像边缘的精确定位与检测是影响测量精度的关键。为了实现快速、高精度的图像边缘定位与检测，提出了一种改进的Zernike方法，采用四个方向模版Sobel算子对图像初处理，利用被测物的几何信息，只使用零阶矩实现对边缘的亚像素定位。实验结果表明改进算法比原算法具有更高的精度，而运行的时间不到原算法的1/4。该算法具有良好的处理效率，能够满足一般具有几何特征图像边缘实时、亚像素精度定位与检测的要求，具有广阔的应用前景。

关键词: Sobel算子, Zernike矩, 亚像素, 边缘检测

Abstract: For image measurement, the precise positioning and rapid detection of the image edge are critical factors. In order to realize the rapid and high precision edge positioning and detection, a novel method is proposed based on an improved Zernike method. According to the geometric information of the target, the primary processing of the image is operated based on four-direction-template Sobel operators, then sub-pixel edge positioning can be obtained using only one of moment-templates. Experimental results demonstrate that the proposed method has higher precision, and less running time a quarter than that based on the original method. The novel method has a good processing efficiency, which can be used to position and detect the image edge with the geometric characteristics, with sub-pixel positioning precision and real-time detection advantages, and has a broad application prospect.

Key words: Sobel operator, Zernike moment, sub-pixel, edge detection

张晓林1，周哲海1，2，王晓玲1，祝连庆1，2. 基于改进Zernike方法实现圆形边缘亚像素检测[J]. 计算机工程与应用, 2015, 51(20): 157-161.

ZHANG Xiaolin1, ZHOU Zhehai1，2, WANG Xiaoling1, ZHU Lianqing1，2. Realizing circular subpixel edge detection based on improved Zernike method[J]. Computer Engineering and Applications, 2015, 51(20): 157-161.

[1]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[2]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[3]	涂兵1，2，3，张晓飞1，3，潘建武1，3，张国云1，2，3，周紫璇1，3. 多特征与边缘校正融合的天际线检测算法研究[J]. 计算机工程与应用, 2019, 55(6): 178-185.
[4]	孙梦茹，王瑜，邢素霞. 基于结构局部边缘模式的绿色植物物种识别[J]. 计算机工程与应用, 2019, 55(3): 167-170.
[5]	韩彬，杨大利. 基于透射变换的印刷品图像归一化研究[J]. 计算机工程与应用, 2019, 55(23): 188-193.
[6]	聂东林，王洪辉，王翔，孟令宇. 基于图像处理的滑坡后缘裂缝运动轨迹分析[J]. 计算机工程与应用, 2019, 55(22): 201-205.
[7]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[8]	刘丽霞1，李宝文3，王阳萍1，2，杨景玉1，2. 改进Canny边缘检测的遥感影像分割[J]. 计算机工程与应用, 2019, 55(12): 54-58.
[9]	吴进，赵隽，李聪，吴汉宁. 机器视觉中边缘检测算法的SDSoC加速实现[J]. 计算机工程与应用, 2019, 55(12): 208-214.
[10]	张经宇，滕建辅，白煜. 医学图像边缘检测的Levy-DNA-ACO算法研究[J]. 计算机工程与应用, 2018, 54(8): 14-20.
[11]	朱明明1，许悦雷1，张旭蕾2，马时平1，吕超1，辛鹏1，邹洪中1，马红强1. 基于V1细胞特性的边缘检测[J]. 计算机工程与应用, 2018, 54(5): 200-205.
[12]	李忠海，金海洋，邢晓红. 整数阶滤波的分数阶Sobel算子的边缘检测算法[J]. 计算机工程与应用, 2018, 54(4): 179-184.
[13]	况杰，章杨松，赵佳斌. 基于相位一致性图像处理的岩体裂隙自动检测[J]. 计算机工程与应用, 2018, 54(24): 193-197.
[14]	沈夏炯1，2，张汇东1，韩道军1，2. 一种面向SAR图像的多窗口道路边缘检测算法[J]. 计算机工程与应用, 2018, 54(19): 164-171.
[15]	李忠海，宋智钦，王崇瑶. 非整数步长的分数阶微分Sobel算子的应用[J]. 计算机工程与应用, 2018, 54(17): 192-197.