改進K-means聚類算法的自適應Canny算子工件邊緣檢測*

張宇廷，王宗彥，王 曦，范浩東

(中北大學 a.機械工程學院；b.山西省起重機數字化工程技術研究中心，太原 030051)

0 引言

隨著數字化信息時代的發展，基于圖像處理分析的工業化智能檢測技術日益成熟，數字化圖像基本處理衍生出了大量的算法結合識別處理與自適應圖像分析等方法[1]。包括Otsu算法的閾值處理，多形態學圖像的開運算與閉運算，多目標優化算法圖像處理都成為了當代數字圖像處理的熱點[2-4]。

其中，圖像的首要識別特征為邊緣輪廓的標定過程，應用的相關技術為圖像分割與閾值處理[5]。傳統的邊緣檢測算子包括LoG檢測器，過零點檢測器，Prewitt檢測器，Sobel檢測器與Canny邊緣檢測器。其中在簡單工件識別方面，運用效果最佳的主要為Canny算子與Sobel算子[6]。其中王海龍等[7]通過改進Canny插值的方法自主選擇合適閾值，對比了不同閾值下圖像鑒別結果。張加朋等[8]在使用Canny算子檢測工件時將高斯濾波改成了中值濾波，將高低梯度值與最大方差閾值結合，有效的避免了工件表面污漬帶來的影響。黎浩等[9]運用頂帽變換的思路進行Canny-Otsu算法處理，實現了帶鋼工件的表面缺陷檢測。但是在面臨復雜相似工件的情況下，傳統的Canny邊緣檢測與自適應Otsu閾值優化處理在面對鋸齒與孔洞的時候可能產生鋸齒邊緣粘連，孔洞特征失效等情況[10]。

本文提出了一種改進K-means算法自適應Canny算子邊緣處理技術，通過改進算法分割復雜工件圖像得到不同的鋸齒與孔洞特征，再進行形態學運算處理得到明顯的圖像特征，對比不同的聚類K值進行邊緣的最優化處理，由于邊緣輪廓復雜性在改進Canny算子方面進行梯度方向的增加，使用最小二乘法進行孔洞與鋸齒擬合。……