1 简介
随着工业技术的飞速发展，人们对产品质量和精度的要求越来越高。机器视觉系统正广泛应用于识别工件、校验组件、缺陷检测、目标识别及跟踪等领域，因此给智能机器视觉系统赋予人类视觉功能是非常关键的。而通常情况下，智能机器视觉系统是通过各种测量方法对目标物体进行测量得到有效参数后，再进行下一步的高级处理。目前，最为常见的测量技术中包含图像测量技术，它以光学为基础，集计算机技术、激光技术、图像处理技术、融光电子学等现代科学为一体，组成光、机、电综合的测量系统。图像测量可理解为对图像中目标或区域的特征进行测量和估计。图像测量以其非接触、高精度、全视场的特点逐渐成为精密仪器测量领域中新的测量技术，其原理就是通过对被测物体图像的边缘进行有效处理而获得图像的几何参数。广义的图像测量包括对图像的灰度特征、纹理特征和几何特征的量测和描述。狭义的图像测量仅指对图像目标几何特征的量测，包括对目标或区域几何尺寸的量测和几何特征的分析。
把图像作为检测和传递信息的载体，目的是为了从图像中获取有用的信息，同时对被测对象进行正确的反映和处理[4]。在此过程中准确地提取出图像的边缘是及其重要的，因为图像的边缘能够提供许多有效信息和重要参数，从而得到目标的重要特征。边缘是图像最基本的特征，是图像的一种紧描述，它包含了图像中用于识别目标的有用信息。图像的边缘像素实质上是图像局部范围内灰度的突变点，即边缘是图像像素点的灰度值发生变化的地方，这些点给出了图像轮廓的位置，为人们在描述或识别目标以及解释图像时，提供非常重要的特征参数。因此，边缘检测技术在视觉检测系统中起着重要的作用，对进行下一步处理，如配件完整性、几何尺寸的测量和表面完好性等有着极大的影响。
基于边缘检测的视觉系统因具有非接触性、高精度、高效率、自动化等优点而备受人们的重视。目前，国内一些公司已经逐步开始将机器视觉系统应用于工业现场中，还自主研发了针对专门行业的机器视觉软件，如螺母、轴承等。这些对零件进行检测的机器视觉系统都离不开图像的边缘检测。随着我国配套基础设施的不断完善，图像和机器视觉技术的工业化、智能化需求飞速提高，有关图像的边缘检测及其相关应用的发展空间是相当可观的。
在视觉检测系统中，系统的精度与边缘检测的精度成正比关系。而在其它条件一定的情况下，提高视觉系统精度的最直接方法就是提高硬件分辨率，即增加像素点阵数。但是提高硬件分辨率的成本比较高，价格相当昂贵。所以许多研究者试图利用软件处理的方法来解决图像中目标高精度的问题，不仅可以提高检测精度，而且经济实用[6]。传统的边缘检测算法的精度通常为像素级，有 Roberts 算子，Sobel 算子，Prewitt 算子、Canny 算子和拉普拉斯算子等。这些算法的检测效果并不理想，表现在以下 3 个方面：
（1）在处理含有噪声的图像时，要进行有效的边缘检测必须先去除图像中的噪声，对图像进行平滑处理，由于噪声和边缘
都是高频信息，在去除噪声的同时容易将某些边缘也同时去除。
（2）大多数边缘检测算子都是针对阶跃型边缘比较有效，但在实际中，图像包含的边缘不仅仅是阶跃型边缘，还包括斜坡型边缘和屋脊型边缘等。因此，这些传统的边缘检测算法并不是对所有类型的边缘都能够进行有效的提取。
（3）图像的边缘不仅仅存在于单一尺度的范围内，而是存在于不同尺度的范围内，利用单一尺度的算子进行边缘检测时不能检测出所有边缘，需要利用多个尺度的边缘检测算子对图像中不同尺度的边缘进行有效检测。
随着人们对检测精度要求的不断提高，像素级精度已经不能满足实际需求，因此需要具有更高精度的边缘检测算法，即亚像素边缘检测算法。最早应用的亚像素算法是重心法，后来专家们又提出了许多不同原理的亚像素算法，包括拟合法、非线性插值法、矩方法、抖动技术和数字相关亚像素定位算法等。亚像素边缘检测技术的应用是实现高精度测量的一种重要手段。该方法简单、有效、成本低。因此，基于亚像素的边缘检测技术是目前视觉检测系统中的关键技术与研究热点，其研究具有重要的学术意义和应用价值。
2 部分代码
clearclcII=imread('1.bmp');II=rgb2gray(II);II=im2bw(II,0.25);% II=medfilt2(II);figure(1),imshow(II)I=double(II);[m,n]=size(I);endtoc;t2=clock;etime(t2,t1);figure(3),imshow(W)
3 仿真结果
4 参考文献
[1]杨兵兵. 亚像素图像边缘检测方法研究[D]. 大连理工大学.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
