亚像素边缘检测在小模数齿轮参数检测中的应用

以阈值T为基准，把图像的像素按灰度值划分为两类C0及C1，其中C0的灰度值低于T，即在[0，T]之间的像素组成;其中C1的灰度值低于T，即在[T+1，L-1]之间的像素组成。

考虑到像素灰度的分布几率，整幅图像的均值为：
        

让T在[0，L-1]范围内依次取值，使得最大的T值则为Otsu算法的最佳阈值。　　

 

实验结果及分析

本文中以小模数塑料齿轮图像为原型，通过实验比较本文算法与传统Canny算子所做检测结果，且以专业检测仪器所测结果对比。

由图(b)与图(c)、图(e)与图(d)可看出，亚像素边缘更清晰，定位精度也更高，优于传统的边缘检测算法。

表1、表2为两种算法的数据对比，可见本文算法在精度上有明显的优势。　　

 

结论

本文设计了一种亚像素级边缘算法，并与传统边缘检测算子，Canny算了作了实验结果比较，实验结果表明，该方法能精确定位图像边缘，优于传统方法的边缘检测方法，能更好的检测齿轮图像的特征，对齿轮检测有新的进步。

参考文献：

[1] 刘洲峰,王鹏飞.基于Canny算子的多尺度小波变换图像边缘检测方法[J].电气自动化,2009,31,(2):63-65
　　[2] 王文成.基于机器视觉的齿轮参数测量系统设计[J].机械传动,2011,35,(2):41-43
　　[3] 韦炜.常用图像边缘检测方法及Matlab研究[J].现代电子技术,2011,34,(4):92-94
　　[4] 张丰收,王飞,崔凤奎,刘建亭.一种基于梯度的亚像素边缘检测算法[J].微电子学与计算机,2011,28,(3):102-106
　　[5] 孙红艳,张海英.图像边缘检测算法的比较与分析[J].菏泽学院学报,2010,32,(2):49-52
　　[6] 陈少平,张桂梅,王斯财.基于小波变换和Canny算子的齿轮边缘检测[J].失效分析与预防,2010,5,(4):199-203
　　[7] 董静,王正勇.Zernike矩结合Sobel算子的边缘检测[J].信息与电子工程,2011,9,(2):202-205