基于Zernike矩的图像边缘轮廓提取与处理模型

亚像素算法是提高图像处理精度的算法之一。本文基于图像的亚像素处理，采用亚像素边缘轮廓提取方法— — Zernike 矩提取图像轮廓的边缘，并利用低通滤波优化边缘处理。同时本文采用基于Douglas-Peucker算法的多线拟合方法，计算和分析图像边缘轮廓的特征，对不同轮廓的边缘进行分割，计算各截面轮廓像素的长度和轮廓像素的总长度，通过对图像进行相机标定、图像畸变处理，计算出图像的实际标定距离，建立了基于亚像素的图像边缘轮廓提取与处理的模型。

现如今，机器视觉系统广泛应用于产品的识别、验证、缺陷检测等方面。在工业生产中，我们需要分析大量的图片，提取物体的各种信息，如轮廓特征的实际尺寸等。

在图像信息提取的过程中， 最重要的工作之一就是图像边缘轮廓信息的提取， 随着工业制造的发展， 人们对各种产品的精度和精度要求越来越高，这使得图像边缘提取的精度的需求也越来越高。传统算法使用Sobel 和Canny 等几种算子来检测图像的边缘轮廓[1]。然而，随着边缘轮廓检测技术的发展，对图像边缘的精度提出了更高的要求。考虑到价格和效率，对于硬件上提高相机的清晰度进而提高拍摄图片的分辨率的方案成本太高，于是人们从软件入手，提出了亚像素算法来提高边缘轮廓的精度，将一个像素的精度从整数精度提高到浮点精度。

基于较高的精度和更多的边缘信息，通过坐标信息提取每个轮廓的几何特征，可以获得更准确的图像大小和比例信息。本文在亚像素边缘提取的基础上，设计了不同边缘信息提取算法，建立了关于图像边缘信息提取的模型。

本文对如下图1 所示的三幅图片进行了边缘的提取和分析，详细分析了模型的流程，模型的算法流程如图2 所示。

(a) (b) (c) Figure 1. Images to be processed 图1. 待处理图像