Steger算法(Line_Gauss)-光条中心线提取(基于Hessian矩阵)

光条中心提取算法——steger算法(Hessian矩阵)的代码实现 下面三个网站是我自己找到的代码,但是都没跑过。其中最后一个好像根据steger写的代码改进的,可以重点看这个。第四个网网址是Halcon里面steger算法的介绍。 https://github.com/allen52/Hessian-steger/tree/master/Hessian-steger https://github.com/thorstenwagner/ij-ridgedete... 阅读详情
AI摘要

本文介绍Steger算法,该算法核心是基于Hessian矩阵的亚像素级光条中心线提取方法。先通过Hessian矩阵获光条法线方向,在法线方向用泰勒多项式展开像素灰度得灰度分布函数,求二阶泰勒多项式极值得中心点坐标。还介绍了Hessian矩阵、泰勒多项式及高斯函数作用。

Steger算法(Line_Gauss)-光条中心线提取(基于Hessian矩阵)

算法背景介绍

在线结构光视觉传感器中,由线激光器发射出的线结构光,在本质上为一个连续且具有一定厚度的空间光平面,而在目标表面上所形成的具有一定宽度的光条特征,即为该光平面与目标表面相交而成的交线。在该空间光平面的厚度方向上,光强近似服从高斯分布,因而在摄像机采集到的光条图像中,在沿着光条宽度的方向或光条的法线方向上,其灰度也会呈现出类似的高斯分布特点,即光条中心的灰度值大而光条边缘的灰度值小,如图1所示,因而光条中心线的提取任务就是要找到图像中的光条灰度的高斯分布中心。

在这里插入图片描述

如果熟悉Halcon软件的朋友应该对Line_Gauss算法非常了解,该算法的核心其实就是德国 Steger 博士最先提出的基于 Hessian 矩阵的亚像素级光条中心线的提取方法。
Steger算法的基本思路是首先通过 Hessian 矩阵获得光条的法线方向,然后在其法线方向上对像素灰度应用泰勒多项式展开而得到灰度分布函数,进而计算出光条中心的亚像素位置。由于光条特征的灰度在其法线方向上近似为高斯分布,因而越靠近光条中心点的像素,其灰度值越大。因此,对该法线方向上的灰度分布函数的二阶泰勒多项式求取极值,即可得到光条在该法线方向上的中心点坐标。

Hessian 矩阵与泰勒多项式

那么Hessian 矩阵是什么呢?在工程优化问题中,目标函数通常会以非线性多元函数的形式出现,这种函数形式非常复杂,不便于后续的进一步处理。因此,为了使问题简化,经常会将目标函数在某点的邻域内展开成泰勒多项式的形式,以此来近似或逼近原目标函数。在这个过程中,以矩阵形式表示的泰勒多项式就会涉及到 Hessian 矩阵,而且利用Hessian 矩阵可以判定多元函数的极值问题。
先来说一下多元函数的 Hessian 矩阵,对于一个实值多元函数 f(x1, x2, …, xn) 来说,如果函数 f 的多阶偏导数均存在,则定义函数 f 的 Hessian 矩阵H(f) 为:
函数f的Hessian矩阵
对于二维离散图像I(u, v) 来说,其 Hessian 矩阵可以表示为
在这里插入图片描述
其中,u、v 分别表示像素的列坐标和行坐标;
I(u, v)即为像素 (u, v) 的灰度,因而可以将I(u, v) 视为该图像的灰度分布函数;Iuu、Iuv和Ivv分别表示二维高斯函数G(u, v)的二阶偏导数与图像I(u, v) 进行卷积运算的结果。

至于为什么要采用高斯函数进行卷积,可以看下一节。

那么回过头来看看泰勒展开,此处可以参考知乎关于多元函数的泰勒展开式的一些介绍和证明: https://zhuanlan.zhihu.com/p/33316479
一元函数在点 x k x_k xk​处的泰勒展开式为:
在这里插入图片描述
二元函数在点 ( x k , y k ) (x_k,y_k) (xk​,yk​)处的泰勒展开式为:
在这里插入图片描述
多元函数(n)在点 ( x k ) (x_k) (xk​)处的泰勒展开式为:
在这里插入图片描述
把泰勒展开式写成矩阵的形式,如下图所示,其中的 H ( x k ) H(x_k) H(xk​)就是我们上面提到的Hessian矩阵,至此,泰勒展开与Hessian矩阵的联系就描述完成,注意其中的X,它是向量形式。
在这里插入图片描述
下面介绍二维图像中的泰勒展开与Hessian矩阵。对于图像中光条上的任意像素 ( u 0 , v 0 ) (u_0,v_0) (u0​,v0​),设其法线方向的单位方向向量为 e → = [ e u , e v ] \overrightarrow{e}=[e_u,e_v] e =[eu​,ev​],在该像素处将光条法线方向上的灰度分布函数 I ( u , v ) I(u,v) I(u,v) 沿方向 e → \overrightarrow{e} e 展开成泰勒多项式的形式,并忽略二阶以上的展开式。因此,光条法线方向上的像素 ( u 0 + t ⋅ e u , v 0 + t ⋅ e v ) (u_0+t·e_u, v_0+t·e_v) (u0​+t⋅

光条中心线提取-Steger算法(基于Hessian矩阵) 采用结构光进行扫描检测时,需要提取激光条纹的中心线,本文采用经典的Steger算法提取光条中心。 Steger算法原理 Steger算法基于Hessian矩阵,能够实现光条中心亚像素精度定位:首先通过Hessian矩阵能够得到光条的法线方向,然后在法线方向利用泰勒展开得到亚像素位置。 对于图像中激光条纹上的任意一点(x,y)(x,y) ,Hessian矩阵可以表示为: H(x,y)=[r 阅读详情

相关推荐

halcon lines_gauss算子详解

lines_gauss 函数原型:lines_gauss(Image : Lines : Sigma, Low, High, LightDark, ExtractWidth, LineModel, CompleteJunctions : ) 函数功能:

ZiLiangQin的博客 1万+

Steger 算法 的原理和流程

Steger 算法是一种基于 Hessian 矩阵的、用于提取图像中诸如光条、血管、裂纹等线状结构中心线的先进算法,并能直接达到亚像素精度。

weixin_37079656的博客 1111

【算法】多尺度自适应高斯滤波+steger中心线提取+细化

steger可以提取固定宽度的血管中心线,需要根据不同宽度调整高斯滤波的sigma,血管越粗sigma越大,血管约细,sigma越小。 但是常见的血管图像中存在多条血管,不同血管(或者同一血管的不同位置)的宽度不一样,这会导致steger算法提取的中心线断裂! 博主因此提出了多尺度自适应高斯滤波。

LeonJin的博客 7454

光条中心线提取Steger算法(基于Hessian矩阵)

steger算法

weixin_42286957的博客 1929

Steger算法实现结构光光条中心提取(python版本)

Steger算法python实现,对结构光进行光条中心提取时,Steger算法是以Hessian矩阵为基础的。这里面的u,v表示的就是像素的行坐标和列坐标,代表像素的灰度也可以称之为灰度分布函数。而和都可以通过与二维高斯函数卷积运算得到。在这里,二维高斯函数,其主要作用是为了让光条灰度分布特性更加明显,在G(u,v)表达式中,是标准差,一般取,W代表光条宽度。在像素(u,v)处的Hessian矩阵有两个特征向量,其中一个绝对值较大,为该像素处的法线方向向量,而另外一个则是切向方向向量。

m0_62919535的博客 5639

代码:利用Steger算法提取激光中心线的亚像素坐标(Matlab)

最近一直在做线结构光扫描三维成像方面的内容,采用结构光进行扫描检测时,需要提取激光条纹的中心线,我利用Steger算法提取激光中心线的亚像素坐标,在Matlab 2018b 软件上运行。 下面先介绍一下steger算法的运行思路:(借鉴的别人的总结,直接截图白嫖过来了) 根据算法思路,我们 ①输入图像 ②图像处理 ③利用高斯模板与图像卷积构造hessian矩阵 ④求解hessian的特征值得到光.........

kangjielearning的博客 1万+

Matlab Steger算法提取条纹中心线(亚像素位置)

Matlab Steger算法提取条纹中心线(亚像素位置)

dayuhaitang1的博客 1111

steger算法

这是用matlab编写的结构光光条提取,并且有自己的改进策略,里面还有我对结构光条提取的详尽的分析

3个国产AI大模型实战:如何用DeepSeek+豆包+千问批量生成高质量测试用例(附完整代码)

本文详细介绍了如何利用DeepSeek、豆包和千问三大国产AI大模型批量生成高质量测试用例的实战方法。通过Python环境配置、多模型SDK安装和统一接口封装,实现高效测试用例生成,并结合结构化提示词设计和多模型结果对比分析,显著提升测试效率和覆盖率。

weixin_29197699的博客 717

Topas——基于Geant4的放射治疗蒙特卡罗算法模拟工具

本文内容参考Joseph Perl 的线上会议,视频详情可见于,该视频会议内容主要介绍Topas功能、软件架构、工作流程、参数设定、物理模型、具体案例等,对TOPAS的基本入门使用方法以及使用规定作出阐述。

fy方的博客 7614

MoveIt2项目想换掉KDL求解器?试试这个trac_ik插件(附源码编译避坑指南)

本文详细介绍了如何在MoveIt2项目中用trac_ik插件替代KDL求解器,提升机械臂运动学求解的效率和成功率。内容涵盖环境准备、源码编译避坑、项目集成及性能调优,特别适合需要高精度控制的协作机械臂应用场景。通过实测数据对比,trac_ik在求解时间和奇异点处理上显著优于传统KDL求解器。

weixin_30730053的博客 706

ML307A模组连接ONENET平台(AT指令步骤教程)

ML307A 是一款集成度高、体积小的物联网通信模组,支持多种无线通信协议,如 LoRa、NB-IoT 等。它具有低功耗、远程通信等特点,适用于多种物联网场景。支持 LoRa 和 NB-IoT 等多种无线通信标准。提供丰富的 GPIO 接口。内置多种传感器支持。UART 接口:用于与微控制器或其他设备通信。GPIO 接口:可以连接外部传感器或执行器。电源接口:用于供电。OneNET 是中国移动推出的一款物联网开放平台,它提供了从数据采集、存储到分析的一站式解决方案。

xiewengeng的博客 5487

【AI知识点】向量空间(vector space)

向量空间(vector space),有时称为线性空间,是数学中线性代数的一部分,它描述了向量的集合以及这些向量可以进行的操作。向量空间是计算机科学、机器学习和自然语言处理(NLP)等领域的基础概念,尤其在表示数据的特征时,向量空间模型得到了广泛应用。

AI完全体 2437

新手必看:如何用T265和ROS实现无人机室内精准定位(附PX4参数配置)

本文详细介绍了如何使用Intel Realsense T265和ROS实现无人机室内精准定位,包括硬件准备、ROS数据流架构设计、PX4参数配置及系统验证。特别针对视觉SLAM技术在室内环境中的应用,提供了从零搭建到进阶优化的全流程解析,适合无人机开发新手快速上手。

weixin_30642561的博客 408

深入Android构建系统:一次修改ro.vendor.build.fingerprint失败的排查与解决记录

本文深入探讨了Android构建系统中修改ro.vendor.build.fingerprint的完整解决方案。通过分析vendor分区的特殊地位和构建指纹的生成路径,提供了三种实战修改方法,并揭示了指纹修改可能遇到的陷阱与对策,帮助开发者彻底解决这一常见问题。

weixin_30621711的博客 153

从数据读取到业务事件:理解 ABAP CDS 视图的目的与选型(含 RAP、扩展与分析场景)

CDS视图在SAP S/4HANA中不仅是数据查询工具,更是语义模型和运行时能力的载体。它通过分层架构(基础视图、组合视图、消费视图等)实现数据复用与场景适配,支持UI、分析、事务处理等多样化消费。视图类型包括提供数据访问的接口视图(I_前缀)、消费视图(C_前缀)和事务视图,以及不提供数据访问的扩展视图。这种分层设计确保了数据模型的稳定性与扩展性,同时支持自定义字段和上下文感知分析。正确理解CDS视图的用途和分层规则,能帮助开发者构建更健壮、可维护的SAP应用。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 307

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

上一篇: 机器视觉2D点旋转中心标定及旋转后坐标计算
下一篇: PCL最小二乘法进行平面拟合原理
jiangxing11
博客等级 码龄10年 43粉丝 11原创
评论 18
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址