王春梅 黃風(fēng)山 任玉松 張付祥 周京博

摘 要：為了實(shí)現(xiàn)成排連鑄坯端面機(jī)器人貼標(biāo)時各連鑄坯端面中心坐標(biāo)的快速提取，提出了先提取連鑄坯端面圖像角點(diǎn)像面坐標(biāo)，再計(jì)算各連鑄坯端面中心像面坐標(biāo)的研究方案。首先，提出了一種改進(jìn)型SUSAN角點(diǎn)檢測算法，解決了圖像中相鄰連鑄坯端面圖像邊界間距離過小和連鑄坯端面圖像角為弧形角所造成的角點(diǎn)漏檢問題；然后，提取角點(diǎn)的像面坐標(biāo)，并確定各封閉區(qū)域所包含連鑄坯端面?zhèn)€數(shù)；最后，采用一種傾斜連鑄坯端面圖像中心像面坐標(biāo)的提取方法，計(jì)算各連鑄坯端面中心像面坐標(biāo)。應(yīng)用以上方法進(jìn)行成排連鑄坯端面機(jī)器人貼標(biāo)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，連鑄坯端面水平和豎直方向貼標(biāo)位置誤差范圍分別為-0.625～0.850 mm和-0.550～0.875 mm，完全滿足企業(yè)對多根連鑄坯端面自動貼標(biāo)位置誤差允許值1 mm的要求。所提視覺方法在理論和實(shí)際應(yīng)用上都是可行的，不僅為連鑄坯端面貼標(biāo)機(jī)器人提供了準(zhǔn)確的貼標(biāo)位置，而且為矩形圖像元素的中心坐標(biāo)提取提供了一種可靠的方法，具有一定的應(yīng)用價(jià)值。

關(guān)鍵詞：圖像處理；成排連鑄坯；中心坐標(biāo)提??；角點(diǎn)檢測；邊界提取；像面坐標(biāo)

中圖分類號：TP394.1；TH691.9 文獻(xiàn)標(biāo)志碼：A

文章編號：1008-1542（2018）03-0268-07

用戶對特殊鋼連鑄坯要求非常嚴(yán)格，比如，同一件產(chǎn)品必須使用同一爐軋制出的連鑄坯來生產(chǎn)，所以連鑄坯在出廠前必須進(jìn)行貼標(biāo)，以標(biāo)志不同爐號的產(chǎn)品。目前，國內(nèi)大多數(shù)鋼鐵企業(yè)的貼標(biāo)環(huán)節(jié)仍由手工完成，常常出現(xiàn)漏貼或錯貼現(xiàn)象，給鋼鐵企業(yè)造成了嚴(yán)重影響[1]。因此，高精度的連鑄坯端面自動貼標(biāo)機(jī)器人系統(tǒng)成為該領(lǐng)域的一大研究熱點(diǎn)。其中，對連鑄坯端面進(jìn)行自動識別，實(shí)時提取連鑄坯端面中心坐標(biāo)以制導(dǎo)貼標(biāo)機(jī)器人是其關(guān)鍵技術(shù)之一[2]。

本文組建了成排多根連鑄坯端面計(jì)算機(jī)視覺貼標(biāo)系統(tǒng)，重點(diǎn)研究了成排連鑄坯中各連鑄坯端面中心坐標(biāo)的提取。因成排連鑄坯成像后連鑄坯端面圖像間會產(chǎn)生黏連，無法直接提取圖像中各連鑄坯端面中心像面坐標(biāo)，所以采用先提取各封閉區(qū)域角點(diǎn)的像面坐標(biāo)，再計(jì)算各連鑄坯端面中心像面坐標(biāo)的方法。

Harris角點(diǎn)檢測是常用的角點(diǎn)檢測方法，通過求取圖像中各像素點(diǎn)與相鄰像素點(diǎn)間的灰度變化率來確定角點(diǎn)像面坐標(biāo)，主要用于圖像匹配、拼接等領(lǐng)域[3-7]，由于連鑄坯端面邊界不平整，成像后邊界缺陷較多，造成了Harris角點(diǎn)檢測后圖像中雜點(diǎn)太多，后續(xù)處理過于復(fù)雜；也有一些學(xué)者提出使用模版匹配的方法進(jìn)行角點(diǎn)檢測，通過制作角點(diǎn)圖像標(biāo)準(zhǔn)模板，找到圖像中各角點(diǎn)像面坐標(biāo)，在棋盤格雙目標(biāo)定中應(yīng)用較多[8-10]。但連鑄坯切割過程中連鑄坯角的誤切、生產(chǎn)運(yùn)輸過程中連鑄坯角的磕碰，均會造成連鑄坯端面成像后角點(diǎn)與理論模板形狀不同，因此影響最終的檢測結(jié)果。

與其他角點(diǎn)檢測算法相比，SUSAN角點(diǎn)檢測具有抗噪聲能力強(qiáng)、算法簡單、無需微分運(yùn)算、角點(diǎn)定位準(zhǔn)確等優(yōu)點(diǎn)[11-15]。針對連鑄坯端面圖像中兩封閉區(qū)域相鄰邊界間間隔可能過小以及連鑄坯端面角點(diǎn)成像后為弧形角等具體問題，提出了改進(jìn)型SUSAN角點(diǎn)檢測算子，成功提取出各封閉圖像區(qū)域4個角點(diǎn)的像面坐標(biāo)。在實(shí)際貼標(biāo)過程中，連鑄坯端面圖像邊界在像面坐標(biāo)系中往往是傾斜的，因此提出了一種傾斜連鑄坯端面圖像中心像面坐標(biāo)的提取方法。

1 連鑄坯端面自動貼標(biāo)系統(tǒng)的構(gòu)成

連鑄坯端面自動貼標(biāo)系統(tǒng)的構(gòu)成如圖1所示，主要由計(jì)算機(jī)視覺子系統(tǒng)、機(jī)器人子系統(tǒng)、上位機(jī)控制子系統(tǒng)、供標(biāo)子系統(tǒng)、供壓子系統(tǒng)構(gòu)成。在貼標(biāo)時，首先計(jì)算機(jī)視覺子系統(tǒng)提取并處理連鑄坯端面圖像，求取每根連鑄坯端面中心像面坐標(biāo)并通過標(biāo)定得到世界坐標(biāo)，然后將得到的世界坐標(biāo)傳入上位機(jī)控制子系統(tǒng)，與此同時，上位機(jī)控制子系統(tǒng)控制供標(biāo)子系統(tǒng)打印并剝離標(biāo)簽，最后，機(jī)器人子系統(tǒng)在供壓子系統(tǒng)的配合下完成取標(biāo)、貼標(biāo)動作。

2 圖像預(yù)處理

在實(shí)際生產(chǎn)過程中連鑄坯采用高溫火焰切割分段，切割后的連鑄坯端面呈暗灰色，反光效果極差，使得成像后連鑄坯端面圖像與背景圖像間相差不大，難以將連鑄坯端面圖像從背景圖像中識別開來，如圖2 a）所示。

首先，通過在計(jì)算機(jī)視覺定位子系統(tǒng)中增加單色光源和同波段帶通濾光鏡[16]，有效增加了圖像中連鑄坯端面圖像與背景圖像間的對比度，如圖2 b）所示。然后，對所采集的連鑄坯端面圖像使用固定閾值進(jìn)行二值化處理[17]。最后，使用成熟的形態(tài)學(xué)算法對二值化后的連鑄坯端面圖像進(jìn)行開運(yùn)算[18-19]，如圖2 c）和圖2 d）所示。

3 連鑄坯端面中心像面坐標(biāo)的提取

實(shí)際生產(chǎn)中，相鄰連鑄坯側(cè)面間可能會相互貼合，使得成像后連鑄坯端面圖像產(chǎn)生黏連，在圖像上形成長方形封閉區(qū)域（封閉區(qū)域內(nèi)連鑄坯端面?zhèn)€數(shù)不確定），無法直接提取各連鑄坯端面中心像面坐標(biāo)，如圖2 d）所示。本文提出了一種改進(jìn)型SUSAN角點(diǎn)檢測算子，求取圖像中每個封閉區(qū)域4個角點(diǎn)的像面坐標(biāo)，同時，提出了一種傾斜連鑄坯端面圖像中心像面坐標(biāo)的提取方法，實(shí)現(xiàn)了連鑄坯端面中心像面坐標(biāo)的提取。

3.1 SUSAN角點(diǎn)檢測算子

SUSAN角點(diǎn)檢測算子采用近似圓形的窗口在圖像上移動，計(jì)算窗口內(nèi)非窗口中心像素灰度值與窗口中心像素灰度值的差值，如果差值在給定的門限范圍內(nèi)，則認(rèn)為該像素灰度與中心像素灰度同值[18]。

同值像素組成的區(qū)域叫做吸收核同值區(qū)USAN（univalue segment assimilating nucleus）。USAN所包含像素點(diǎn)個數(shù)與窗口區(qū)域總像素點(diǎn)個數(shù)的比例值記為n0。當(dāng)窗口中心像素點(diǎn)在封閉區(qū)域內(nèi)部時，n0較大；當(dāng)窗口中心像素點(diǎn)在封閉區(qū)域邊緣上時，n0較?。划?dāng)窗口中心像素點(diǎn)在封閉區(qū)域角點(diǎn)時，n0更小，如圖3所示。本文在角點(diǎn)檢測前已經(jīng)對圖像進(jìn)行了二值化處理，故將門限值設(shè)為0[19]。建立類圓形的窗口作為SUSAN算子，其中窗口半徑通過實(shí)驗(yàn)取為15 pixels。

由SUSAN算子原理可知：SUSAN算子檢測到的角點(diǎn)為封閉區(qū)域圖像邊緣上的某一像素點(diǎn)，所以，令窗口中心沿著封閉區(qū)域邊界像素點(diǎn)移動可有效提高檢測效率。

3.2 改進(jìn)型SUSAN角點(diǎn)檢測算子

連鑄坯端面圖像中兩封閉區(qū)域相鄰邊界間間隔過小，如圖4 a）所示，傳統(tǒng)的SUSAN算子在提取兩封閉區(qū)域相鄰邊界上的角點(diǎn)時，窗口同時包含兩封閉區(qū)域（不能對兩封閉區(qū)域加以區(qū)分），導(dǎo)致角點(diǎn)的漏檢；連鑄坯端面角成像后為弧形角，如圖4 b）所示，會導(dǎo)致傳統(tǒng)的SUSAN算子在提取弧形角角點(diǎn)時出現(xiàn)漏檢，想要識別圖像中每個封閉區(qū)域4個角點(diǎn)的像面坐標(biāo)，必須對傳統(tǒng)的SUSAN角點(diǎn)檢測算子進(jìn)行改進(jìn)，具體方法如下。

1）使用成熟的邊緣提取算法，提取形態(tài)學(xué)開運(yùn)算后的連鑄坯端面圖像中每個封閉區(qū)域邊界像素點(diǎn)像面坐標(biāo)[20]，求取每個封閉區(qū)域的最小包圍矩形[21]（封閉區(qū)域邊界像素點(diǎn)像面橫坐標(biāo)最小值到最大值以及縱坐標(biāo)最小值到最大值間圍成的圖像區(qū)域），用以區(qū)分圖像中的每個封閉區(qū)域。

2）令窗口中心沿著區(qū)分后的每個封閉區(qū)域邊界像素點(diǎn)掃描，求得邊界上每個像素點(diǎn)USAN包含本封閉區(qū)域像素點(diǎn)個數(shù)占窗口區(qū)域總像素點(diǎn)個數(shù)的比例值n0。

3）圖像中封閉區(qū)域角像素點(diǎn)所對應(yīng)的n0約為1/4，如圖3 c）所示，由于連鑄坯端面角成像后可能為弧形角，而弧形角角像素點(diǎn)的n0大于1/4，如圖5 a）所示。如果直接取每個封閉區(qū)域邊界最接近1/4的4個像素點(diǎn)作為角點(diǎn)，可能導(dǎo)致弧形角上的角點(diǎn)漏檢。為了準(zhǔn)確得到圖像中封閉區(qū)域4個角點(diǎn)，先提取封閉區(qū)域邊界像素點(diǎn)n0值小于1/3（通過實(shí)驗(yàn)確定）的像素點(diǎn)，得到4段連續(xù)邊界，其中每段邊界包含一個角點(diǎn)，如圖5 b）所示，然后，分別取四段連續(xù)邊界內(nèi)n0值最小的像素點(diǎn)為圖像中封閉區(qū)域角點(diǎn)的初始值。

4）利用求得的封閉區(qū)域角點(diǎn)初始值將封閉區(qū)域邊界像素點(diǎn)分成4部分，分別為封閉區(qū)域上下左右4條邊界的像素點(diǎn)。將4條邊界像素點(diǎn)分別代入式（1）—式（3）擬合得到封閉區(qū)域4條邊界線，求取封閉區(qū)域4條邊界線交點(diǎn)的像面坐標(biāo)為封閉區(qū)域角點(diǎn)像面坐標(biāo)。

圖像中各封閉區(qū)域可能包含多根連鑄坯端面圖像，要求取圖像中各連鑄坯端面圖像中心的像面坐標(biāo)，必須先求得各封閉區(qū)域所包含連鑄坯端面?zhèn)€數(shù)。

3.3 封閉區(qū)域連鑄坯端面?zhèn)€數(shù)的確定

連鑄坯端面理論尺寸已知，其寬高比記為eo。因連鑄坯端面尺寸較大、成像后變形較小，故成像后連鑄坯端面像面寬高比基本保持不變。根據(jù)已擬合得到的封閉區(qū)域4條邊界線以及求得的封閉區(qū)域角點(diǎn)像面坐標(biāo)計(jì)算圖像中封閉區(qū)域的像面尺寸。分別將封閉區(qū)域左上、右上角點(diǎn)與封閉區(qū)域底邊界線代入式（4）得到兩角點(diǎn)與底邊界線間的垂直距離，同理計(jì)算得到左下、右下角點(diǎn)與上邊界線間的垂直距離，將求得的4個距離代入式（5）得到圖像中封閉區(qū)域的像面高度[AKH-]。同理，求得每個圖像中封閉區(qū)域的像面寬度Wi。根據(jù)ei=[SX（]Wi[][AKH-][SX）]求得圖像中每個封閉區(qū)域的實(shí)際像面寬高比，其中i=1，2，…，m，i為圖像中封閉區(qū)域從左到右的次序。求得第i個封閉區(qū)域所包含的連鑄坯端面?zhèn)€數(shù)ti=[SX（]ei[]eo[SX）]。

3.4 傾斜連鑄坯端面圖像中心像面坐標(biāo)的提取

在圖像采集過程中，由于連鑄坯支撐座、CCD相機(jī)固定支架加工裝配的誤差，導(dǎo)致連鑄坯端面在成像后其邊界在圖像中是傾斜的，如圖6所示。當(dāng)圖像中封閉區(qū)域?yàn)閱胃B鑄坯端面圖像時，邊界的傾斜不會影響連鑄坯端面中心像面坐標(biāo)的求?。▎胃B鑄坯端面中心像面坐標(biāo)為端面4個角點(diǎn)像面坐標(biāo)的平均值），當(dāng)封閉區(qū)域包含多根連鑄坯端面時，必須考慮端面的傾斜成像對連鑄坯端面中心像面坐標(biāo)求取的影響，具體方法如下。

1）若ti=1證明圖像中第i個封閉區(qū)域?yàn)橐粋€連鑄坯端面。分別求取此封閉區(qū)域4個角點(diǎn)橫、縱像面坐標(biāo)的平均值作為此封閉區(qū)域中心的像面橫、縱坐標(biāo)。

2）若ti>1，則證明圖像中第i個封閉區(qū)域?yàn)槎鄠€（ti個）連鑄坯端面。

①求取此封閉區(qū)域左邊界中點(diǎn)的像面坐標(biāo)（此封閉區(qū)域左上角點(diǎn)和左下角點(diǎn)像面坐標(biāo)平均值），記為（x0，y0）。

②過（x0，y0）做一條平行于此封閉區(qū)域上下邊界線的直線，記為li，其斜率記為[AKc-]i，則封閉區(qū)域內(nèi)包含的所有連鑄坯端面中心像面坐標(biāo)均在直線li上。將斜率[AKc-]i代入式（6），計(jì)算得到li與X軸的夾角β。

③以（x0，y0）為起點(diǎn)，沿直線li向右，此封閉區(qū)域中從左到右連鑄坯端面中心像面坐標(biāo)與（x0，y0）距離依次為[SX（]kWi[]2ti[SX）] [WTBZ]pixels，求得此封閉區(qū)域中所有連鑄坯端面中心像面坐標(biāo)，分別記為（xj，yj），其中j=1，2，…，ti，k=2×（j-1）+1，j值代表此封閉區(qū)域中連鑄坯端面中心沿直線li從左至右的次序。根據(jù)式（7）—式（8）求得該封閉區(qū)域內(nèi)每根連鑄坯端面中心的像面坐標(biāo)值。連鑄坯端面中心的像面坐標(biāo)求取原理如圖7 b）所示。

4 實(shí)驗(yàn)驗(yàn)證

為了進(jìn)一步驗(yàn)證所提方法的可行性和實(shí)用性，在實(shí)驗(yàn)室環(huán)境下搭建了成排連鑄坯機(jī)器人自動貼標(biāo)系統(tǒng)，如圖7 a）所示。應(yīng)用所提方法提取各連鑄坯端面中心像面坐標(biāo)的實(shí)際測量值，并通過標(biāo)定求出多根連鑄坯各端面世界坐標(biāo)值制導(dǎo)機(jī)器人進(jìn)行貼標(biāo)，最終貼標(biāo)效果如圖7 c）所示。其中標(biāo)簽尺寸為75 mm×30 mm，連鑄坯端面尺寸為150 mm×150 mm。

完成貼標(biāo)后，分別測量標(biāo)簽左上、左下角點(diǎn)與連鑄坯左邊界的垂直距離，求得其平均值作為標(biāo)簽左邊界與連鑄坯左邊界的實(shí)際距離，同理得到標(biāo)簽右邊界與連鑄坯端面右邊界實(shí)際距離，求取左右兩實(shí)際距離值的差值，得到水平方向貼標(biāo)誤差。同理，測量并求得豎直方向貼標(biāo)誤差。實(shí)驗(yàn)數(shù)據(jù)如表1所示。

通過表1可知，各連鑄坯端面中心水平方向和豎直方向貼標(biāo)位置誤差范圍分別為-0.625～0.850 mm和-0.550～0.875 mm，完全滿足鋼鐵企業(yè)連鑄坯貼標(biāo)時其中心位置誤差允許值1 mm的要求。

5 結(jié) 語

組建了基于機(jī)器視覺的成排連鑄坯端面機(jī)器人自動貼標(biāo)實(shí)驗(yàn)驗(yàn)證系統(tǒng)，研究了連鑄坯端面中心坐標(biāo)的提取方法。一是針對傳統(tǒng)方法連鑄坯端面角點(diǎn)像面坐標(biāo)提取時存在角點(diǎn)漏檢問題，提出了改進(jìn)型SUSAN角點(diǎn)檢測算法，首先提取圖像中每個封閉區(qū)域4個角點(diǎn)的像面坐標(biāo)，再根據(jù)封閉區(qū)域?yàn)橐粋€連鑄坯端面和多個連鑄坯端面兩種情況，分別求取了各連鑄坯端面中心像面坐標(biāo)；二是提出了一種傾斜連鑄坯端面圖像中心像面坐標(biāo)的提取方法，實(shí)現(xiàn)了多根連鑄坯的各連鑄坯端面中心坐標(biāo)的自動提取。使用合作鋼廠提供的連鑄坯進(jìn)行了貼標(biāo)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明：多根連鑄坯各連鑄坯端面中心水平和豎直方向貼標(biāo)位置誤差范圍分別為-0.625～0.850 mm和-0.550～0.875 mm，滿足鋼鐵企業(yè)連鑄坯貼標(biāo)時其中心位置誤差允許值1 mm的要求。本文提出的連鑄坯端面中心坐標(biāo)提取方法的精度在0.7～1.0 mm，隨著客戶對貼標(biāo)精度要求的不斷提高，在后續(xù)的研發(fā)工作中要持續(xù)改進(jìn)，從而提高連鑄坯端面中心坐標(biāo)的提取精度。

參考文獻(xiàn)/References：

[1] 張付祥，蔡立強(qiáng)，李偉峰，等.成捆圓鋼端面自動貼標(biāo)系統(tǒng)設(shè)計(jì)[J].河北科技大學(xué)學(xué)報(bào)，2016，37（6）：601-608.

ZHANG Fuxiang， CAI Liqiang， LI Weifeng， et al. Design of automatic labeling system on the end surfaces of bundles of round steels[J]. Journal of Hebei University of Science and Technology，2016，37（6）：601-608.

[2] 黃風(fēng)山，秦亞敏，任玉松.成捆圓鋼機(jī)器人貼標(biāo)系統(tǒng)圖像識別方法[J].光電工程，2016， 43（12）：168-174.

HUANG Fengshan， QIN Yamin， REN Yusong. The image recognition method on round bales robot labeling system[J]. Opto-Electronic Engineering， 2016， 43（12）：168-174.

[3] 李海，張憲民，陳忠.基于直線檢測的棋盤格角點(diǎn)自動提取[J].光學(xué)精密工程，2015，23（12）：3480-3489.

LI Hai， ZHANG Xianmin， CHEN Zhong. Automatic corner detection of checkerboard based on LSD[J].Optics and Precision Engineering， 2015，23（12）：3480-3489.

[4] KOVACS A， SZIRANYI T. Harris function based active contour external force for image segmentation[J]. Journal Pattern Recognition Letters， 2012，33（9）：1180-1187.

[5] 王曉輝，程鍵慶，韓瑜.基于Harris的棋盤格角點(diǎn)檢測改進(jìn)算法[J].電子測量技術(shù)，2013，36（10）：51-54.

WANG Xiaohui， CHENG Jianqing， HAN Yu. Improved checkerboard corner detection algorithm based on the Harris[J]. Electronic Measurement Technology， 2013，36（10）：51-54.

[6] 馮玉朋，曾慶喜，馬杉，等.無人駕駛車輛基于角點(diǎn)和斑點(diǎn)的特征提取算法[J].河北科技大學(xué)學(xué)報(bào)，2017，38（3）：237-243.

FENG Yupeng， ZENG Qingxi， MA Shan， et al. A feature extraction algorithm based on corner and spots in self-driving vehicles[J]. Journal of Hebei University of Science and Technology，2017，38（3）：237-243.

[7] 龔平，劉相濱，周鵬.一種改進(jìn)的Harris 角點(diǎn)檢測算法[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（11）：173-175.

GONG Ping， LIU Xiangbin， ZHOU Peng. Improved Harris-based comer detection algorithm[J]. Computer Engineering and Applications， 2010，46（11）：173-175.

[8] 李海超，張廣軍.基于旋轉(zhuǎn)不變的角點(diǎn)匹配方法[J].紅外與激光工程，2008，37（3）：561-564.

LI Haichao， ZHANG Guangjun. Novel corner matching algorithm based on rotational invariants[J]. Infrared and Laser Engineering， 2008，37（3）：561-564.

[9] XU Yi， ZHOU Jun， ZHOU Yuanhua. Measurement of disparity based on sparse-to-dense matching approach[J]. Infrared and Laser Engineering， 2003， 32（6）： 630-634.

[10]賈旭，薛定宇，崔建江.基于尺度、距離、旋轉(zhuǎn)測度的角點(diǎn)匹配算法[J].東北大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，31（12）：1689-1692.

JIA Xu， XUE Dingyu， CUI Jianjiang. Corners matching algorithm based on measures of scale， distance and rotation[J]. Journal of Northeastern University（Natural Science）， 2010，31（12）：1689-1692.

[11]QU Zhiguo， WANG Peng， GAO Yinghui， et al. Fast SUSAN edge detector by adapting step-size[J]. Optik， 2013，124（8）：747-750.

[12]王巍，趙紅蕊.面向影像匹配的SUSAN角點(diǎn)檢測[J].遙感學(xué)報(bào)，2011，15（5）：940-956.

WANG Wei， ZHAO Hongrui. The improvement of SUSAN for image matching[J]. Journal of Remote Sensing， 2011，15（5）：940-956.

[13]張映權(quán)，王瓊?cè)A，李大海，等.改進(jìn)的SUSAN角點(diǎn)檢測算法[J].現(xiàn)代電子技術(shù)，2009，32（20）：42-44.

ZHANG Yingquan， WANG Qionghua， LI Dahai， et al. Improved SUSAN corner detection algorithm[J]. Modern Electronics Technique， 2009，32（20）：42-44.

[14]吳一全，王凱.基于SUSAN算子和角點(diǎn)判別因子的目標(biāo)邊緣檢測[J].中國科學(xué)院大學(xué)學(xué)報(bào)，2016，33（1）：128-134.

WU Yiquan， WANG Kai. Target edge detection based on SUSAN operator and corner discriminant factor[J]. Journal of University of Chinese Academy of Sciences， 2016，33（1）：128-134.

[15]GAO Chao， ZHUN Hongjun， GUO Yongcai. Analysis and improvement of SUSAN algorithm[J]. Signal Processing， 2012，92（10）：2552-2559.

[16]魯波，黃堅(jiān)，朱子偉.基于機(jī)器視覺的LED陣列自動分選系統(tǒng)設(shè)計(jì)[J].杭州電子科技大學(xué)學(xué)報(bào)，2010，30（5）：29-32.

LU Bo， HUANG Jian， ZHU Ziwei. Design of LED array automatic sorting system based on the machine vision[J]. Journal of Hangzhou Dianzi University， 2010，30（5）：29-32.

[17]黃風(fēng)山. 光筆式單攝像機(jī)三維坐標(biāo)視覺測量系統(tǒng)關(guān)鍵技術(shù)的研究[D]. 天津：天津大學(xué)， 2005.

HUANG Fengshan. Study on the Key Technique of Single Camera 3D Coordinate Vision Measurement System Using a Light Pen[D]. Tianjin： Tianjin University，2005.

[18]章國紅，辛斌杰. 圖像處理技術(shù)在紗線毛羽檢測方面的應(yīng)用[J].河北科技大學(xué)學(xué)報(bào)，2016，37（1）：76-82.

ZHANG Guohong， XIN Binjie. Application of image processing technology in yarn hairiness detection[J]. Journal of Hebei University of Science and Technology， 2016，37（1）：76-82.

[19]鄧仕超，黃寅. 二值圖像膨脹腐蝕的快速算法[J].計(jì)算機(jī)工程與應(yīng)用，2017，53（5）：207-211.

DENG Shichao， HUANG Yin. Fast algorithm of dilation and erosion for binary image[J]. Computer Engineering and Applications， 2017，53（5）：207-211.

[20]姜黎，吳偉仁，張之敬，等. 微小型結(jié)構(gòu)件顯微圖像邊緣的自動識別[J].光學(xué)精密工程，2013，21（1）：224-232.

JIANG Li， WU Weiren，ZHANG Zhijing，et al. Automatic detection of micro image edges for micro accessories[J]. Optics and Precision Engineering， 2013，21（1）：224-232.

[21]王佳坤. 基于最小矩形包圍的圖像歸一化研究[J].科學(xué)技術(shù)與工程，2013，13（25）：7577-7579.

WANG Jiakun. Image toward normalization study based on the smallest rectangle surrounded[J]. Science Technology and Engineering， 2013，13（25）：7577-7579.