高斯线条提取算法

Steger算法（Line_Gauss）-光条中心线提取（基于Hessian矩阵）算法背景介绍Hessian 矩阵与泰勒多项式关于求t导数与中心点、亚像素点高斯函数作用文献 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

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。

在需要提取线条宽度时，Sigma 的值应根据要提取的线条宽度进行调节，最小值应不小于w13（w为线条宽度，即线条直径的一半）。注意，如果线条的宽度过大，建议先对图像进行一定比例的缩小，以减少过度计算消耗的时间。还有一个常用的算子lines_gauss算子，也可以用于提取边缘线段，它的鲁棒性非常好，提取出的线段类型是亚像素精度的XLD轮廓。需要注意的是，lines_gauss算子的响应速度不算快，如果边缘的高阈值设置得偏低，会导致需要计算的边缘增多，可能会有明显的卡顿。参数1：Image为输入的单通道图像。

摘 要: 线结构光扫描是三维重建领域的关键技术。光条纹中心提取算法是决定线结构光三维重建精度以及光条纹轮廓定位准确性的重要因素。本文详细阐述了光条纹中心提取算法的理论基础及发展历程，将现有算法分为三类，传统光条纹中心提取算法、基于传统光条纹中心提取的改进算法、基于神经网络光条纹中心提取算法，并提出每一类算法的优势与不足。最后，对线结构光中心提取算法的发展提出展望，生产更高质量的线激光器，扩充基于神...

线激光条纹特性 线激光器是由点激光器和前置透镜组成的。点激光器可以为He-Ne激光器或半导体激光器。相比较He-Ne激光器，半导体激光器因其输出光源具有发散性，更适合用于制作线激光器。需要说明的是，半导体激光器产生的点光源是高斯形状的。 图中，激光束剖面成Gaussian分布，光条中心点的提取正是根据这个特性来进行的。 线激光条纹根据其生成机理，其横截面可以用高斯模型来描述： 线激光条纹中心线传统提取算法 线激光投射在目标物体表面，相机采集目标物体表面受高度调制的形变线激光条纹，由于线激光

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

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...

NX二次开发 UFUN提取面uv线 UF_MODL_create_isocurve 如提取面中心线

Matlab Steger算法提取条纹中心线（亚像素位置）

Halcon常用算子解析

激光条纹中心提取——Steger法pythonStegerpython代码 Steger Steger算法是目前使用最广泛的线结构光条纹中心提取算法之一，是由Steger在二十世纪末提出。Steger算法是基于Hessian矩阵（见式1-18）得到图像中光条纹的法线方向。 图像中点的法线方向由该点的Hessian矩阵最大特征值的绝对值对应的特征向量给出，通过在法线方向上求极值点得到光条纹中心的亚像素位置。g(x,y)是二维高斯卷积核，用于突出光条的灰度分布特征。z(x,y)是以图像上的点(x,y)为中心，