[attach]7841[/attach]

图1 边缘检测函数EdgeDetector

NI的边缘检测器以及后面的查找直边、查找圆、卡尺、最大卡尺等等函数，都是基于边缘检测Edge Detection的，因此我们先了解一下边缘检测。

边缘检测（Edge detection）在图像中沿着像素直线查找边缘。使用边缘检测工具来识别和定位图像中像素强度的间断不连续点。间断点通常与像素强度值的突变相关，表示了某个场景中的目标的边界。

在图像中检测边缘，需要指定一个搜索区域来定位边缘。用户可以交互式指定搜索区域或通过编程方式指定搜索区域。当使用交互式指定方式时，你可以使用线型ROI工具来选择你想要分析的搜索路径。你也可以通过编程解决搜索区域，基于常量值或前面的处理步骤的结果。例如，你可能希望沿某零件的特定部分查找一个边缘，零件在前面的步骤中使用了粒子分析、模式匹配等算法已经定位出来了。边缘检测软件分析了沿着区域来检测边缘的像素。你可以配置边缘检测工具来查找所有的边缘Find All Edges、查找第一个点Find First Edge、最好的边缘或查找区域中第一个和最后一个边缘点。

对于许多机器视觉应用程序来讲，边缘检测是一个非常有效的工具。它提供了应用程序关于目标边界的位置信息和存在的间断点信息。

在下面的三个应用邻域，可以使用边缘检测，它们是Gauging测量、Detection检测和Alignment定位。

测量应用程序可以用于关键尺寸测量，如长度、距离、直径、角度、数量，以判断检测下的产品制造是否正确。根据测量的参数在超出用户定义的公差范围内或者超出公差范围，这元件或零件会被分类或拒绝。

测量经常用于在线和离线生产中。在在线处理中，每个产品都需要检查，因为他们是人工制造的。视觉在线测量检查是一种被广泛应用的检查技术，如机械装配验证、电子包装检验、集装箱检验、玻璃小瓶检查、电子连接器检查等。

同样的，测量应用程序经常用于离线产品的质量测量。首先，从生产线提取一个样本产品。接下来，对被测目标之间的距离特征进行研究，确定该样本在公差范围内。你可以测量一个图像上分隔的边缘之间的距离，以及使用粒子分析、模式匹配技术来测量位置。边缘也可以组合得到最佳拟合直线、投影、交叉点和夹角。使用边缘位置来计算形状测量的估计量，如圆、椭圆和多边形。

下图显示了一个测量应用，使用边缘检测来测量火花塞的间距的长度：

[attach]7842[/attach]

图2 边缘检测测量火花塞间距

在电子连接器组装和机械装配应用中，零件存在性检测应用是非常典型的。这类应用的目标是确定零件是否存在，使用的方法是线剖面图和边缘检测。沿线剖面图上的边缘定义为背景和前景的对比度水平以及过度区域的斜率。使用这种技术，你可以计算出沿线剖面图方向上的边缘数量，然后与期望的边缘数量进行比较。这种方法提供了更少的计算量以替代其它的图像处理方法，如图像相关性和模式匹配。

下面的图显示了一个简单的检测应用，沿线剖面图方向进行边缘检测并得到边缘的数量，并据此确定连接器是否组装正确。检测到8个边缘表明有四条线，则组装正确，而任何其数量的边，意味着部分装配不正确。当然前提条件是需要图像只有线的边缘，而没有其它的噪声干扰，同时线不能连接在一起，因此线连接在一起时，也会少边。这种连接器线材检测，还可以利用彩色图像进行线序检查，即确定线的颜色有没有装配正确。这个可以在本教程后面的实例中演示。

[attach]7843[/attach]

图3 8个边缘4条线正确装配

[attach]7844[/attach]

图4 6个边缘3条线装配错误

    使用边缘检测可以检测零件的结构缺陷如裂缝或外观缺陷如划痕。如果零件的照明强度是均匀的，则这些缺陷在强度剖面图上有急剧的变化，边缘检测可以识别这些变化。

定位可以确定零件的位置和方向。在许多机器视觉应用中，你想检测的目标可能会在图像中的不同位置。边缘检测在执行检查前找到目标在图像中的位置，这样就可以只在兴趣区域进行检查。零件的位置和方向可以针对定位装置提供反馈信息，如水位。

下图显示了检测图像中的磁盘的左边界。你可以使用边缘的位置来确定磁盘的方向。

[attach]7846[/attach]

图5 磁盘方向水平

[attach]7845[/attach]

图6 磁盘方向倾斜

一个边缘定义为在图像相邻像素之间的灰度值有明显变化。在NI视觉中，边缘检测工作在沿着搜索区域得到的像素值剖面图的一维数组上，如下图所示。一维搜索区域可以表现为一条直线、圆或椭圆的周长、矩形或多边形的边界以及徒手画的区域。软件分析沿剖面图像的像素值变化来检测强度的明显变化。你可以指定强度变化的特征来决定哪些变化构成一个边缘。

[attach]7847[/attach]

图7 边缘定义

其中1为搜索线，2为边缘。

下面的图像显示了一个描述边缘特征的共同模型：