基于改进Canny算子的LED晶片边缘检测

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于改进Canny算子的LED晶片边缘检测范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：为了提高全自动固晶机视觉系统中发光二极管（LED）晶片边缘特征的提取精度，提出了一种基于改进非极大值抑制（NMS）过程和双阈值求取方法的canny边缘检测算子。传统的非极大值抑制过程，直接将中心像素点与梯度方向周围邻近的2个像素点进行比较，易导致边缘信息不准确。针对该问题，结合中心像素点本身及其梯度方向周围的3个像素点，沿着梯度方向进行双线性插值，从而实现改进的非极大值抑制过程；另外，通过对led晶片图像灰度直方图的分析，根据其特有的三峰特性，改进了传统的最大类间方差法，采用Otsu双阈值法及新的评价函数求取高低阈值，从而避免传统Canny算法中阈值的人工调整。实验结果表明，这种方法适合LED晶片的边缘提取，并且能够获得良好的晶片边缘及两极轮廓。

关键词：Canny算子；边缘检测；双线性插值；Otsu双阈值；发光二极管晶片

中图分类号：TP391.41

文献标志码：A

0引言

随着发光二极管（Light Emitting Diode， LED）产品的广泛应用，LED产业迅猛发展，其中LED关键设备的研发和引进备受关注。LED固晶机是将LED晶片粘贴到引线框架上的一种自动化设备，其视觉系统能够实现缺陷晶片的检测与分类[1]。由于图像的边缘通常包含物体关键的几何信息，而且LED晶片结构简单，因此在对晶片图像进行缺边、缺角、裂痕等缺陷检测时，可通过提取图像的边缘信息作为晶片分类的重要依据，所以边缘检测至关重要。

传统的边缘检测方法有一阶微分算子（如Roberts算子、Sobel算子、Prewitt算子）和二阶微分算子（如Laplacian算子、LoG算子等）。这些算子优点是算法简单、易于实现，缺点是对噪声敏感、抗干扰能力差[2]337。如果将其应用于LED晶片的边缘检测，将会出现图像边缘不连续、出现干扰边缘或图像细节丢失等缺点。目前广泛使用的是基于最优准则的Canny算子[3]，该算法具有检测准确、定位精度高等优点，但是传统的Canny算法存在高斯平滑滤波器σ值固定，高低阈值需要人为经验设定等缺点[4-6]。针对这些不足，各种改进的Canny算法相继提出：文献[4-6]都改进了高斯滤波器，并分别采用最大类间交叉熵优化算法迭代、最大类间方差法、类间方差与类内方差之比最大的方法确定高阈值，虽然提高了双阈值求取的自适应程度，但都只解决了双阈值之一的自适应求取。文献[7-8]分别将Canny算子与数学形态学、小波融合技术交叉使用，虽能弥补Canny算子的不足，却增加了运算复杂度。文献[9]首先确定输入图像中自然景象与人工制造元素比例，再设置高低阈值，该方法虽然在提取图像细节方面尤其是数字、字母边缘有突出效果，但应用于LED晶片的边缘提取没有明显的优势。本文在分析传统Canny算子原理和各种改进Canny算法的理论基础上，提出适用于LED晶片边缘检测的Canny算法。该算法改进了传统Canny算法中的非极大值抑制过程，并采用Otsu[10]双阈值法自适应确定高低阈值。

1传统Canny算法原理及分析

3实验结果及分析

为验证本文算法的有效性，实验中采用像素为256×256的灰度图像，利用Matlab R2008a工具编程实现。分别用传统Canny算法、文献[5]算法及本文算法对LED晶片图像进行边缘检测，检测结果如图3所示。图3（a）为原始的LED晶片图像；图3（b）为采用传统Canny算子[2]341-342提取边缘的结果，选取σ=0.5，敏感度阈值上下限为0.04，0.08；图3（c）为采用文献[5]改进的Canny算法提取边缘的结果；图3（d）为采用本文改进的Canny算子提取边缘的结果。

4结语

利用双线性插值和Otsu双阈值对传统Canny算子非极大值抑制过程和双阈值求取方法进行改进，并应用于LED晶片边缘检测，结果表明：改进的算法能有效避免高低阈值必须进行人工设定的弊端，得到精确的边缘，提高了LED固晶机的自动化程度。但是在实际LED晶片边缘检测中，LED晶片的图像易受到采集时外界的光照条件的影响，使整幅图像或图像的局部在进行检测时产生漏检或错检，因此对于亮度不同或者对比度不同的图像进行边缘检测时，边缘检测算法还有待进一步研究与改进。

参考文献：

[1]吴小锋，刘学平，邹松青.全自动高速固晶机中视觉定位系统设计[J].机械设计与制造，2008（6）：57-59.

[2]张铮，王艳平，薛桂香.数字图像处理与机器视觉——Visual C++与Matlab实现[M].北京：人民邮电出版社，2010：336-343.

[3]CANNY J. A computational approach to edge detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，1986，8（6）：679-698.

[4]王卫星，王李平，员志超.一种基于最大类间后验概率的Canny边缘检测算法[J].计算机应用，2009，29（4）：962-965.

[5]苏恒阳，袁先珍.一种改进的Canny的图像边缘检测算法[J].计算机仿真，2010，27（10）：242-245.

[6]戚晓伟，陈秀宏.改进的Otsu方法的双边滤波检测算法[J].计算机工程与应用，2012，48（31）：150-155.

[7]何新英，王家忠，孙晨霞，等. 基于数学形态学和Canny算子的边缘提取方法[J].计算机应用，2008，28（2）：477-478.

[8]赵洁，李玮，郝志鹏，等.基于改进Canny算子与图像形态学融合的边缘检测方法[J].微型机与应用，2011，30（10）：44-47.

[9]GUPTA A， DALAL R K， GUPTA R， et al. DGWCanny： an improvised version of Canny edge detector[C]// Proceedings of 2011 International Symposium on Intelligent Signal Processing and Communication Systems. Piscataway， NJ： IEEE Press， 2011：1-6.

[10]OTSU N. A threshold selection method from gray level histogram[J]. IEEE Transactions on Systems， Man and Cybernetics，1979，9（1）：62-66.

[11]贾云得.机器视觉[M].北京：科学出版社，2000：97-100.

[12]李华强，喻擎苍，方玫.Canny算子中Otsu阈值分割法的运用[J].计算机工程与设计，2008，29（9）：2297-2299.

[13]张帆，彭中伟，蒙水金.基于自适应阈值的改进Canny边缘检测方法[J].计算机应用，2012，32（8）：2296-2298.

[14]李旭，王正勇，吴晓红，等.一种改进非极大值抑制的Canny边缘检测算法[J].成都信息工程学院学报，2011，26（5）：564-569.

[15]龚昌来，罗聪，杨冬涛.一种基于边缘方向的双线性插值方法[J].激光与红外，2010，4（7）：788-791.

[16]金刚.自适应Canny算法研究及其在图像边缘检测中的应用[D].杭州：浙江大学，2009：27-31.

[17]付忠良.图像阈值选取方法——Otsu方法的推广[J]. 计算机应用，2000，20（5）：37-39.

[18]李钰，孟祥萍.自适应双阈值Canny算子的图像边缘检测[J].长春工程学院学报：自然科学版，2007，8（3）：44-46.

[19]周超.边缘检测Canny算子的研究与改进[D].重庆：重庆师范大学，2012：30-33.