机器视觉复杂平面边缘角点的高精度定位方法

　　1 引 言

　　边缘是指图像局部亮度变化最显著的部分。边缘角点的提取和检测是数字图像处理和机器视觉的一个基本问题，边缘角点包含丰富的图像目标特征信息，即被识别目标的重要几何参数信息,也是二维平面边缘识别的重要特征。特别是对边界没有已知数学模型的二维复杂平面边缘，通过对边缘轮廓线特征角点的检测, 可对目标线型进行有效地描述和建模，以获取目标边界的全部信息。角点检测精度对后续图像分析及参数计算精度有着至关重要的影响，由于平面角点的数学描述较为复杂，目前还没有一种通用的检测方法。因此，本文研究复杂平面边缘角点的高精度检测方法具有重要的理论意义和实用价值。

　　2 边缘轮廓角点的基本检测算法及存在的问题

　　在机器视觉领域中，二维复杂平面边缘角点的含义比较模糊，存在多种数学描述方法。目前关于角点的定义和描述主要有如下几种：1)角点是一阶导数 (即灰度的梯度)的局部最大所对应的象素点;2)角点是指两条边以上边缘的交点;3)角点指示了物体边缘变化不连续的方向;4)角点处的一阶导数最大，而 且二阶导数为零;5)角点处不仅梯度的数值大，而且梯度方向的变化率也很大。

　　对于不同的角点检测方法，其区别在于如何来定义角点。目前，角点检测算法主要分为两大类：一类是直接基于图像灰度的角点检测算法，另一类是基于边缘提取的角点提取算法。基于图像灰度的角点检测算法由于不需要进行边缘提取工作，在实际中得到了一定的应用，如Moravec“兴趣算子”，Susan 角点提取算子和Plessey角点算子。但该类方法只对强边界敏感，角点定位性能差，稳定性不好，且算法较为复杂。基于边缘提取的角点检测算法的基本思想是：角点是两条边界或多条边界的交点。所以角点检测可以通过以下四种方式得到：一、抽取出边界并用链码表示，计算边界曲率，然后取局部极大值点;二、用多 边型近似边界，搜索线与线的交点;三、对边界点利用形态学的腐蚀和膨胀算子搜索凸点和凹点，近而确定出角点;四、利用亚象素边界检测算子检测出边界，用聚 类法拟合直线，然后求交点。

　　上述方法均采用单一特征进行角点检测，各自具有不同的应用背景，并不具备通用性。例如，较之简单直观的曲线，服装衣片中的曲线千变万化，如上装的袖窿、袖山弧线、领圈弧线、下装的裤后档以及下档缝等衣片轮廓线等，其检测与加工精度直接决定着服装加工质量及合体程度，对服装成品的外观质量起着至关 重要的作用，采用单一特征角点检测方法具有较大的局限性。为解决这一难题，本文提出了一种采用“2+1”次边缘轮廓角点的检测方法。实践表明，该方法能有 效地实现高精度的角点定位。