刘 晨， 于微波， 杨宏韬， 王国秀， 谢家欣

(长春工业大学 电气与电子工程学院， 吉林 长春 130012)

0 引 言

随着工厂机械化程度的提高，机器视觉测量技术因具有非接触、精度高、速度快的优点，被各种领域广泛应用，比如工件尺寸检测等。在工件尺寸检测中，特征提取是重要环节，用以提高获取工件图像的质量,便于计算机对其分析、识别。在对采集的工件图像进行预处理之后，为了能够精确地对其进行尺寸测量，需要对图像的一些特征进行提取，如角、点、线等。在进行特征提取时采用的算法也会影响尺寸的测量精度，因此对工件特征提取算法的研究十分有意义。

将获取的目标图像与背景之间的闭合曲线称为图像的轮廓。而轮廓提取则是将上述闭合曲线提取出来,并以较为明显的方式显示出来[1]。

经典的轮廓检测方法是先利用传统的边缘检测算子检测出目标图像的粗边缘，再将多余的伪边缘去除,达到细化边缘的目的。缺点则是运行时间过长且精度不高，不适合应用于工厂实时在线检测。随着研究的深入，现阶段出现了很多轮廓提取算法。其中，梯度法、形态学轮廓算法以及水平集算法[2],虽然去除了冗余的轮廓，减小了数据处理量，能较为准确的将目标轮廓提取，但是容易被噪声干扰，而且应用领域范围太小，导致最终效果不理想。在现阶段的活动轮廓法中应用较广的则是Snake模型法[3]。该算法结合了图像数据、轮廓估计、模型收敛等方法，轮廓提取效果良好，缺点则是初始轮廓敏感，会影响最终的提取效果。……