式中，

p（i，j）是图像在（i，j）处的灰度值；w（i，j）是灰度值 p（i，j）的权重系

数，一般取

w（ij）=1.0。 

　　（

3）计算新阈值 

　　（

4）若 ，程序结束，得到最后的 即为最佳阈值 T，否则， 

　　返回步骤（

2）。 

　　

2.4 图像特征与分析 

　　

2.4.1 边界提取 

　　根据边界的定义，二值图像边界提取的算法非常简单，就是掏空内部点。所谓内部点就
是其

8-邻域的全部点都属于这个区域的点。所以，如果原图中有一点为黑，且它的 8-邻域

点全部为黑色时，则判定该点为内部点，从而将该点修改为白色背景点。

【

5】工件进行边界

检测后的图像如图

9 所示。 

　　图

9 目标工件及工件边缘检测结果 

　　

2.4.2 轮廓跟踪 

　　轮廓跟踪算法步骤如下：

 

　　

1）按自下而上从左到右的顺序搜索，找到第一个值为 1 的点。它就是最左下方的边界

点，记为

A。 

　　

2）序号 k=0.以 A 为起点，检查 A 的 Director[k]方向的下一个像素点的值，如果其值为

1，则它为边界点，将此点存入边界点组，并设置 k=（k-2）mod8，以此点为起点在方向
Director[k]继续搜索边界点，否则，k=（k+1）mod8，搜索 Director[k]方向的点。 
　　

3）若搜索到的点等于起点 A，则程序结束。 

　　

2.4.3 区域形心位置 

　　物体的重心坐标

 可用下式计算 

　　对于二值图像，灰度只有

0 和 1， 

　　重心就是形心。如下图

10 所示。 

　　图

10 目标原件及形心结果示意图 

　　如下是定位形心的部分编写程序：

 

　　

// 循环变量 

　　

int i， j； 

　　

m00 = 0； m10 = 0； m01 = 0； 

　　

//计算 0-1 阶矩 

　　

for （j = 0； j < ih； j++） 

　　

{ 

　　

for （i = 0； i < iw； i++） 

　　

{ 

　　

if （bw[i， j] == 0） continue； 

　　

//计算 0 阶矩 

　　

m00 += bw[i， j]； 

　　

//计算 1 阶矩 

　　

m10 += i * bw[i， j]； 

　　

m01 += j * bw[i， j]； 

　　

} 

　　

} 

　　

//计算形心坐标 

　　

centerxy[0] = （int）（m10 / m00）；