基于显微视觉的微小型零件边缘检测技术研究

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (17): 266-270.

• 工程与应用 • 上一篇

基于显微视觉的微小型零件边缘检测技术研究

吴叶兰1，2，秦艳红1，张之敬2

1.北京工商大学计算机与信息工程学院，北京 100048
2.北京理工大学车辆与机械工程学院，北京 100081

出版日期:2016-09-01 发布日期:2016-09-14

Edge detection technology of micro and small parts based on micro vision

WU Yelan1，2, QIN Yanhong1, ZHANG Zhijing2

1.College of Computer & Information Engineering, Beijing Technology and Business University, Beijing 100048, China
2.College of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China

Online:2016-09-01 Published:2016-09-14

摘要/Abstract

摘要： 针对显微视场下微小型零件边缘检测精度要求高的问题，设计了一套微小型零件实时检测系统，给出了系统总体设计，完成了图像实时传输和处理；提出一种微小型零件亚像素级边缘检测算法：采用非正交二次B样条小波变换得到微小型零件的像素级边缘，利用Zernike矩算法的矩不变性对像素级边缘进行亚像素级精确定位，给出了算法原理，分析了像素级和亚像素级的边缘检测结果。实验数据表明：该系统检测零件尺寸可以达到0.01~10 mm，检测精度可以达到0.01%~0.1%，可准确识别出微小型零件的边缘，将检测精度提高到亚像素级，能够满足显微视场下微小型零件检测需要。

关键词: 微小型零件, 边缘检测, 亚像素级边缘, 小波变换, Zernike矩

Abstract: Aimed at the problem of edge detection high precision of micro parts in microscopic field, a real time detection system for micro parts is designed, the system overall design is given and real time image transmission and processing are completed. A sub-pixel edge detection algorithm for micro parts is proposed. Non-orthogonal quadratic B-spline wavelet transform algorithm is used in the pixel level edge detection. The moment invariants of Zernike moment is used for the edge detection of the pixel level in order to get the precise positioning of sub-pixel level edge, algorithm principle is given and the edge detection results of pixel level and sub pixel level are analyzed. Results show that parts size can reach 0.01~10 mm, the detection precision can reach 0.01%~0.1%. The system can accurately identify the edge of the micro parts, improve the detection accuracy to the subpixel level, and can meet the needs of micro parts detection in microscopic view.

Key words: micro parts, edge detection, sub-pixel edge, wavelet transform, Zernike moment

吴叶兰1，2，秦艳红1，张之敬2. 基于显微视觉的微小型零件边缘检测技术研究[J]. 计算机工程与应用, 2016, 52(17): 266-270.

WU Yelan1，2, QIN Yanhong1, ZHANG Zhijing2. Edge detection technology of micro and small parts based on micro vision[J]. Computer Engineering and Applications, 2016, 52(17): 266-270.

[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]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[4]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[5]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[6]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[12]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[13]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[14]	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.
[15]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.

基于显微视觉的微小型零件边缘检测技术研究

Edge detection technology of micro and small parts based on micro vision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics