亚像素边缘检测思想

核心思想

基于二阶多项式拟合的亚像素边缘检测，原理来源于 Steger’s 方法 (1998, “An unbiased detector of curvilinear structures”)。

它的核心流程可以概括为：

1. 初步边缘检测（像素级别）

   • 用改造过的 Canny（包括高斯滤波、梯度计算、非极大值抑制、双阈值+滞后跟踪），得到像素级的边缘点。
   • 这一步的边缘是整数坐标，存在 “量化误差”，精度只能到 1 像素。

2. 局部邻域拟合（亚像素建模）

   • 在每个候选边缘点的 3×3 邻域上，计算梯度幅值（dx、dy 的模）。

   • 用这些值拟合一个 二阶多项式曲面：

     $$f(x,y)=a_0+a_{1}x+a_{2}y+a_3{x}^2+a_{4}xy+a_5{y}^2$$

     这样，原本离散的像素点灰度/梯度分布被转化为一个平滑的连续函数。

3. Hessian 矩阵与主方向

   • 通过二阶导数构建 Hessian 矩阵：

     $$H=\left[\begin{array}{cc}{f}_{xx}& f_{xy}\\ f_{xy}& f_{yy}\end{array}\right]$$

   • 计算其 特征值和特征向量。主方向对应于梯度变化最大的方向，也就是边缘法线方向。

4. 沿边缘法线方向的极值搜索

   • 在拟合的函数里，沿法线方向找到极值点。
   • 这一步通过解析解（牛顿法近似推导）得到一个浮点偏移量 $(\Delta x,\Delta y)$。
   • 如果这个偏移量小于 0.5 个像素，就把原始点坐标加上偏移量，从而得到 亚像素精度的边缘位置。

5. 结果

   • 得到的轮廓点不是整数坐标，而是浮点数 $(x+0.3,y-0.2)$ 这样的形式。
   • 相比传统 Canny，这种方法能将边缘精度提升到 0.1 像素级别，适合高精度测量（比如工业检测、机器视觉）。

---

方法原理总结

1. 先粗定位：Canny 找到整数像素边缘点。
2. 再细定位：在局部 3×3 区域用二次多项式拟合梯度分布。
3. 通过 Hessian 特征分解，找到边缘的法线方向。
4. 沿法线方向计算梯度极值点位置，得到小数坐标。

这样实现了 基于二阶曲面拟合的亚像素边缘检测。