5.2.2 边缘提取
图像的大部分信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，是图像中灰度变化比较剧烈的地方，能勾划出目标物体，使观察者—目了然；边缘蕴含了丰富的内在信息(如方向、阶跃性质、形状等)，是图像识别中抽取图像特征的重要属性。从本质上说，图像边缘是图像局部特性不连续性(灰度突变、颜色突变等)的反映，它标志着一个区域的终结和另一个区域的开始。轮廓提取是边界分割中非常重要的一种处理，同时也是图像处理的经典难题，轮廓提取和轮廓跟踪的目的都是获得图像的外部轮廓特征。
通常我们根据信号发生奇异变化的特点来划分边缘的类型，一般有两种类型：一种为阶跃状，另一种为屋顶状。阶跃边缘中边缘两边的灰度值有明显的变化；而屋顶状边缘中边缘位于灰度增加与减少的交界处。
二值图像的轮廓提取原理，简单地说就是掏空内部点：如果当前点为黑（0），而且它周围 8 个点（8 邻域）也为黑，则将这个点删除（置反--255）。在进行廓提取的时候需要建立一个一文数组，用来记录当前点周围 8 个点的信息，如果8 个点与当前点的灰度值相差不超过规定的阈值则采用上述方法，否则保留。这样在遍历整幅图像后剩下的点就是物体的轮廓。
 图 5.2.2.1 常见两种边缘类型及其一阶、二阶导数
当然物体上所有的轮廓，包括内部空的轮廓都会被提取出来，如下图。
图 5.2.2.2 工件图像轮廓提取
轮廓跟踪可以只对外边界进行提取，而忽略内部的孔等信息。这样可以获取物体的外围轮廓信息，在工件尺寸测量中有着广泛的应用。轮廓提取是轮廓跟踪的基础，若工件是实心体则没有必要进行轮廓跟踪，轮廓提取足可以完成对该工件尺寸的测量。轮廓跟踪先找出目标物体轮廓上的一个像素，然后从图像左上角开始逐点扫描像素，当遇到边缘点时则开始顺序跟踪，直至跟踪的后续点回到起始点(对于闭合线)，或其后续点再没有新的后续点(对于非闭合线)为止。如果为非闭合线，则跟踪一侧后需从起始点开始朝相反的方向跟踪到另一尾点。一个目标跟踪完后，接着扫描下一个未跟踪点，直至图像内的所有目标的边缘都跟踪完毕。
这种边界跟踪在处理图像的时候，执行先后是有次序的，属于串行处理。因此，该算法的处理速度比轮廓提取算法慢，但同时也是因为这个原因，使得该分割对于边界点的判断更为精确，而且整个边界连续不中断。对于边界跟踪来说，跟踪后产生的轮廓边缘宽度只有一个像素。效果如下图 。
 
图 5.2.2.3 工件图像轮廓跟踪
5.2.3 图像区域处理（面积、周长）
有些工件是有大小之分的，这反应在侧面积或者底面面积上。因此，可以根据工件的面积大小或者周长长度来对工件进行分类。图像区域处理是把图像分成若干个有意义的区域的处理技术，希望的是能够得到对应于我们要处理的主要目标的区域，便于进行的识别和判断，是面积、周长计算的基础。在图像进过灰度化、中值滤波、二值化后，还需要对图像进行小区域与孤立点消除已达到精确计算其面积、周长的目的。
（1）区域分割
在二值图像中，相互连接的黑像素的集合成为一个(黑)区域，对图像的区域处理必须建立在对各个区域的标识的基础上。对这三个物体的标识过程如下：
从左到右，从上到下逐个像素扫描，直到扫描到第一个物体上的点（像素点为“黑”）；
若该点的右上、正上、左上、左前方向上的 4 个点的像素值都不为物体，则把数标加 1，且此数组值为 1； Matlab生产自动化实验系统机器视觉单元设计+CAD图纸(15):http://www.youerw.com/zidonghua/lunwen_276.html