针对传统的高斯插值算法运用在图像检测上定位不准确,对高斯插值亚像素边缘检测算法进行了优化。首先,通过Canny算法对图像进行粗处理,再对其边缘点进行Hough变换,得到图像边缘的斜率和在插值方向的相应边缘点,通过坐标变换将梯度方向旋转至与插值方向一致;然后,对变换后的图像进行高斯插值计算。结果表明:优化后的算法能得到更高的定位精度,且具有方向不变性。将该算法运用于销钉边缘提取能满足精度要求。视觉的销钉边缘-电动数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机 再进一步进行更精确的定位。现有的亚像素边缘检测算法主要分为三大类：矩方法[7]，拟合法[8]，插值法[9]。传统的二次插值算法对被检边缘的方向性要求较高 本文由公司网站张家港大棚滚圆机采集转载中国知网整理!!http://www.dapenggunyuanji.com/ ，方向发生变化后往往会影响插值精度，无法适应复杂的工况要求。本文通过对传统高斯亚像素插值算法进行优化来精确的提取销钉的边缘位置。实验表明，此算法应用在销钉的筛选能达到实际生产的精度要求。销钉的生产效率很高，制约生产效率提高的一个因素就是对销钉的尺寸测量，即对销钉合格产品的筛选，而销钉本身具有多个尺寸需要测量，如图1所示。本文针对销钉的结构特征，对其边缘的定位算法进行插值方向变换优化，从而实现对销钉边缘的精确快速定位。1基础算法选择由于光学元器件的卷积作用和光学衍射作用，以及光学系统的相差，导致灰度值剧变的边缘处经光学成像成为渐变式。根据方形控采样定理，在固定的时间间隔内光学元件以固定的面积对投射在其感光面上的光强进行积分，输出结果就是图像的灰度值。由于积分时间和积分面积是相对固定的，所以他的输出灰度值至于它感光面上的光强分布有关[10]。灰度值输出表示为：(1)式中：f(i,j)为像素灰度值；g(x,y)为连续图像的光强分布。实际图像边缘灰度值的分布如图2所示，可以看出阶跃边缘的变化经光学成像处理后是一个非线性的离散ACDEB图1销钉结构尺寸图视觉的销钉边缘-电动数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机 本文由公司网站张家港大棚滚圆机采集转载中国知网整理!!http://www.dapenggunyuanji.com/