机器视觉具有高速度、高精度、可重复性、客观性等优点,自动化设备加入机器视觉后,其检测和装配的效率和精度较人工会有显著提高,机器视觉领域现已成为时下前沿的研究热点之一。而边缘检测是机器视觉中必不可少的环节,是一种重要的图像预处理技术。

由于边缘是灰度值不连续的结果，这种不连续常可以利用求导数方便的检测到，一般选择一阶和二阶导数来检测边缘。在机器视觉检测中，这种方法通常称为边缘检测局部算子法。针对图像边缘的检测，运用Canny算法进行图像的处理分割检测，具体算法基本步骤如下：

边缘检测

1、滤波:边缘检测算法主要是基于图象强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失，因此，增强边缘和降低噪声之间需要折中。

2、增强:增强边缘的基础是确定图象各点邻域强度的变化值。增强算法可以将邻域(或局部)强度值有显著变化的点突显出来。边缘增强一般是通过计算梯度幅值来完成的。

3、检测:在图象中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。最简单的边缘检测判据是梯度幅值阈值判据。

4、定位:如果某一应用场合要求确定边缘位置，则边缘的位置可在子象素分辨率上来估计，边缘的方位也可以被估计出来。

在边缘检测算法中，前三个步骤用得十分普遍。这是因为大多数场合下，仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近，而没有必要指出边缘的精确位置或方向。

在用机器视觉进行尺寸测量时，这四步必不可少，尤其必须指出边缘的精确位置和方位。机器视觉检测技术，以其强大的性能优势，使得产品质量标准化，检测速度快、检测结果可靠、稳定并且可以长时间检测，广泛应用于各大领域。

以上就是关于机器视觉中边缘检测的内容介绍，您是否对机器视觉又有了新的认识，如果您想了解更多关于机器视觉的信息，欢迎关注我们TEO迪奥科技，另外您有这方面的需要时可以随时致电与我们取得联系，将为您提供质量好的产品以及真诚的服务，期待与您的合作！