本發(fā)明涉及涂膠路徑提取技術，特別涉及一種基于索貝爾邊緣檢測技術的涂膠路徑提取方法。

背景技術：

涂膠工藝是制鞋、皮革制造、耳機組裝和手機貼膜等生產(chǎn)的瓶頸工藝，要實現(xiàn)涂膠工藝的自動化，涂膠路徑的高效和準確獲取是非常關鍵的。索貝爾算子（sobeloperator）根據(jù)像素點上下、左右鄰點灰度加權差，在邊緣處達到極值這一現(xiàn)象檢測邊緣，對噪聲具有平滑作用，提供較為精確的邊緣方向信息，邊緣定位精度不夠高。當對精度要求不是很高時，是一種較為常用的邊緣檢測方法。然而，當對涂膠路徑的精度要求較高時，單純地采用sobel算子獲取邊緣，顯然已經(jīng)不能滿足要求。因此，需要在基于索貝爾邊緣檢測技術（sobeloperator）的基礎在，來進一步完善邊緣提取的精度。

技術實現(xiàn)要素：

針對上述不足，本發(fā)明的目的在于，提供一種基于索貝爾邊緣檢測技術的涂膠路徑提取方法，利用貝爾邊緣檢測技術和圖像優(yōu)化技術對鞋底、皮革等產(chǎn)品的圖像進行優(yōu)化處理，快速獲取涂膠路徑。

本發(fā)明采用的技術方案為：一種基于索貝爾邊緣檢測技術的涂膠路徑提取方法，其特征在于，包括如下步驟：

1）邊緣檢測：應用索貝爾算子（sobeloperator）作邊緣檢測，運算圖像亮度函數(shù)的灰度的近似值，在圖像的任何一點使用索貝爾算子（sobeloperator），產(chǎn)生對應的灰度矢量或是其法矢量；設圖像的灰度函數(shù)為f(x，y)，x和y分別為圖像像素點行坐標值和列坐標值，在(x，y)處有邊緣時，利用f(x，y)在x和y方向上的變化率算出其變化最快的方向，即梯度方向；

2）圖像分割和圖像二值化：選擇一個近似閾值作為估計值的初始值，然后進行分割，產(chǎn)生子圖像并根據(jù)子圖像的特性來選取新的閾值，再用新的閾值分割圖像，經(jīng)過幾次循壞，使錯誤分割的圖像像素點降到最少，得到最佳閾值；

3）邊緣提?。涸诙祱D像中，假定背景灰度為0，物體像素灰度值為1，邊緣輪廓的提取規(guī)則：若中心像素值為0，不管相鄰像素為何值，中心像素值為0；若中心像素值為1，相鄰像素全為1，中心像素值為0；其它情況下，全部中心像素值改為1；根據(jù)規(guī)則得到圖像中目標的邊緣輪廓，形成涂膠路徑。

進一步，步驟1）中，還包括如下步驟：根據(jù)索貝爾算子（sobeloperator）：

該算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值；用a代表原始圖像，gx及gy分別代表經(jīng)橫向及縱向邊緣檢測的圖像灰度值，其公式如下：

圖像的每一個像素的橫向及縱向灰度值通過以下公式結合，來計算該點灰度的大?。?/p>

索貝爾算子（sobeloperator）根據(jù)像素點上下、左右鄰點灰度加權差，在邊緣處達到極值這一現(xiàn)象檢測邊緣，對噪聲具有平滑作用，提供邊緣方向信息。

進一步，步驟2）中，還包括如下步驟：對于二值圖像中存在斷線、凹洞、毛刺缺陷，采用開算子對圖像進行缺陷修補，消除缺陷圖像的影響。

本發(fā)明具有以下優(yōu)點：涂膠路徑提取的過程：獲取原始圖像-灰度化圖像-對比度增強圖像-二值圖像-開運算-邊界的提取。利用貝爾邊緣檢測技術和圖像優(yōu)化技術對鞋底、皮革等產(chǎn)品的圖像進行優(yōu)化處理，快速獲取精度較高的涂膠路徑。

下面結合附圖說明與具體實施方式，對本發(fā)明作進一步說明。

附圖說明

圖1為優(yōu)化前的涂膠路徑示意圖；

圖2為優(yōu)化后的涂膠路徑示意圖；

圖3為傳統(tǒng)的涂膠路徑示意圖；

圖中：蓋板1；插線孔位2；插線孔3；插線柱4；固定孔5；弧形凹槽6。

具體實施方式

參見圖1至3，本實施例所提供的基于索貝爾邊緣檢測技術的涂膠路徑提取方法，以鞋底輪廓為例，包括如下步驟：

1）邊緣檢測：應用索貝爾算子（sobeloperator）作邊緣檢測，運算圖像亮度函數(shù)的灰度的近似值，在圖像的任何一點使用索貝爾算子（sobeloperator），產(chǎn)生對應的灰度矢量或是其法矢量；設圖像的灰度函數(shù)為f(x，y)，x和y分別為圖像像素點行坐標值和列坐標值，在(x，y)處有邊緣時，利用f(x，y)在x和y方向上的變化率算出其變化最快的方向，即梯度方向；

根據(jù)索貝爾算子（sobeloperator）：

該算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值；用a代表原始圖像，gx及gy分別代表經(jīng)橫向及縱向邊緣檢測的圖像灰度值，其公式如下：

圖像的每一個像素的橫向及縱向灰度值通過以下公式結合，來計算該點灰度的大?。?/p>

索貝爾算子（sobeloperator）根據(jù)像素點上下、左右鄰點灰度加權差，在邊緣處達到極值這一現(xiàn)象檢測邊緣，對噪聲具有平滑作用，提供邊緣方向信息。

2）圖像分割和圖像二值化：選擇一個近似閾值作為估計值的初始值，然后進行分割，產(chǎn)生子圖像并根據(jù)子圖像的特性來選取新的閾值，再用新的閾值分割圖像，經(jīng)過幾次循壞，使錯誤分割的圖像像素點降到最少，得到最佳閾值；對于二值圖像中存在斷線、凹洞、毛刺缺陷，采用開算子對圖像進行缺陷修補，消除缺陷圖像的影響。

3）邊緣提?。涸诙祱D像中，假定背景灰度為0，物體像素灰度值為1，邊緣輪廓的提取規(guī)則：若中心像素值為0，不管相鄰像素為何值，中心像素值為0；若中心像素值為1，相鄰像素全為1，中心像素值為0；其它情況下，全部中心像素值改為1；根據(jù)規(guī)則得到圖像中目標的邊緣輪廓，形成涂膠路徑。

本發(fā)明并不限于上述實施方式，采用與本發(fā)明上述實施例相同或近似的技術特征，而得到的其他基于索貝爾邊緣檢測技術的涂膠路徑提取方法，均在本發(fā)明的保護范圍之內(nèi)。