【正文】 畢業(yè)設(shè)計（論文）題 目 基于數(shù)字圖像處理技術(shù)的 缺陷檢測算法研究 摘 要隨著數(shù)字圖像處理技術(shù)在工業(yè)領(lǐng)域的發(fā)展，基于數(shù)字圖像處理技術(shù)的機件缺陷檢測得到了廣泛的應(yīng)用。低成本、無損傷、準(zhǔn)確，快速，使得機器視覺在缺陷檢測領(lǐng)域具有重要的意義。本題專門研究基于數(shù)字圖像處理的缺陷檢測算法，并在工業(yè)組態(tài)軟件Xavis中實現(xiàn)，以便更好的應(yīng)用于實際。本次畢設(shè)在缺陷檢測識別中的算法作了較深入的研究。關(guān)于機件的表面缺陷檢測，本次畢設(shè)針首先對可用于缺陷檢測的圖像處理的各個基本算法，比如圖像濾波，圖像增強，圖像形態(tài)學(xué)處理，圖像分割，邊緣檢測等進行了研究。針對待檢測的圖像的配準(zhǔn)問題，采取Matlab對于基于harris角點檢測的圖像配準(zhǔn)、基于灰度信息的模板匹配等各種算法進行了仿真。最終在畢設(shè)中采用了三種效果比較不錯的配準(zhǔn)算法。針對待檢測的缺陷圖像，研究并提出了基于信息熵的缺陷檢測算法、基于圖像形態(tài)學(xué)處理的缺陷檢測算法。并自己的創(chuàng)新性的提出了基于灰度信息的模板匹配缺陷檢測算法并予以實現(xiàn)。取得了預(yù)想中的成果，檢測的表面劃痕效果清晰明顯。針對算法的封裝與聯(lián)合調(diào)試，在Visual Studio++下基于OpenCV視覺庫，把檢測算法封裝成動態(tài)鏈接庫文件，然后供工業(yè)視覺組態(tài)軟件Xavis調(diào)用。經(jīng)測試，程序運行、容錯能力良好。檢測程序適用范圍也比較廣。此次畢設(shè)也我熟悉并掌握Visual Studio C++軟件、Xavis軟件和圖像處理以及OpenCV的知識。同時培養(yǎng)了良好的編程能力，分析和解決問題的能力，為以后的科研夯實了基礎(chǔ)。關(guān) 鍵 詞：缺陷檢測；信息熵；模板匹配；Xavis；OpenCVABSTRACTWith the development of the digital image processing technology in the industry fields, the detection technology about mechanical defects based on digital image processing has got widely used. Lowcost, no damage, accurate result and fast diagnosing, makes the machine vision plays an important part in the field of surface defects detection. This thesis research specially about the algorithms of defects detection based on the digital image processing technology, and it is achieved in the Xavis, which is one of the industry configuration software. So it can be put into use better. This thesis researches the application in the detecting and distinguishing about defects in depth.We studied many elemental algorithms of the image processing about the surface defects detection, such as image filtering, image enhancement, image morphology and segmentation, edge detection.To slove the problem of the image registtration, we put forward the defect detection algorithms based on harris corner and template matching in gray level, and get the simulation results with Matlab. Finally we pick out three better image registration algorithms.About the disabled image to be detected, we studied and put forward the defect detection algorithms based on information entropy and template matching in gray level. Being tested, we get the results expect, also the surface scratches are clearly evident.To achieve the algorithms39。 packaging and associated debugging, we make the detection algorithm into the dynamic link library files under Visual Studio ++ based on OpenCV vision library which can be used by Xavis, one of the industry configuration software about machine tested, the program runs perfectly and has a good fault tolerance. So it can be widely used about the detection program.I also studied and mastered the Visual Studio C ++, Xavis and the knowledge of OpenCV. At the same time, it trans us the ability about programming, analyzing problems and solving problems. So it paves the way for the research in the future. KEY WORDS: Defect detection。 Information entropy。 Template Matching。 Xavis。 OpenCV目 錄1 緒論 1 表面缺陷檢測概述 1 本文的工作及組織結(jié)構(gòu) 32 缺陷檢測的數(shù)字圖像處理實現(xiàn) 5 數(shù)字圖像處理的概念 5 數(shù)字圖像 5 數(shù)字圖象處理的三個層次 6 數(shù)字圖象處理的特點 7 待檢測圖像的形態(tài)學(xué)處理 8 膨脹 8 腐蝕 8 開和閉 9 圖像分割提取缺陷檢測中的感興趣區(qū)域 9 灰度分割法 10 輪廓提取與跟蹤 10 投影 11 圖像增強提取目標(biāo)缺陷的研究 12 圖像平滑去除檢測圖像的噪聲 13 中值濾波降噪 13 直方圖均衡 13 本章小結(jié) 143 Xavis機器視覺平臺與Matlab/VC/OpenCV聯(lián)合調(diào)試的實現(xiàn) 15 Matlab用于缺陷檢測的仿真實現(xiàn) 15 缺陷檢測基本處理操作在Matlab中的實現(xiàn) 15 圖像增強 15 3D圖像恢復(fù)、圖像融合、劃痕檢測、生物特征識別 16 基于harris角點特征的缺陷圖像配準(zhǔn)Matlab仿真實現(xiàn) 16 圖像配準(zhǔn) 16 配準(zhǔn)技術(shù)的流程 16 圖像配準(zhǔn)的方式 16 圖像配準(zhǔn)方法 17 基于Harris角點缺陷圖像配準(zhǔn)算法的研究 17 OpenCV的運用和VC++、Xavis的聯(lián)合調(diào)試的實現(xiàn) 19 OpenCV的基本概念 19 OpenCV的應(yīng)用 19 OpenCV的基本數(shù)據(jù)機構(gòu)：IplImage結(jié)構(gòu) 19 Xavis、VC++、OpenCV聯(lián)合調(diào)試實現(xiàn)缺陷檢測算法 20 本章小結(jié) 224 基于圖像處理的表面缺陷檢測算法研究與實現(xiàn) 23 基于圖像處理的缺陷檢測基本流程 23 基于形態(tài)學(xué)處理的缺陷檢測算法研究與實現(xiàn) 24 高斯濾波，平滑圖像 24 二值化前景圖 25 形態(tài)學(xué)濾波，去掉噪聲 26 提取軸承的輪廓，檢測圓環(huán)的內(nèi)徑外徑 27 檢測結(jié)果與分析 28 基于信息熵的缺陷檢測算法研究與實現(xiàn) 29 信息熵在圖像處理中基本概念 29 信息熵檢測的結(jié)果 30 信息熵檢測缺陷算法的優(yōu)劣 31 基于灰度信息的模板匹配缺陷檢測算法的研究與實現(xiàn) 32 三通道圖像轉(zhuǎn)單通道圖像 32 基于灰度信息的圖像配準(zhǔn)方法 33 相似性度量γ 34 基于灰度信息的模板匹配缺陷檢測算法的OpenCV 與VC++實現(xiàn) 35 本章小結(jié) 415 結(jié)論與展望 43 畢設(shè)成果 43 檢測算法的評價與學(xué)術(shù)意義 43 本次畢設(shè)存在的問題 44 本科畢設(shè)感想和體會 44參考文獻 45附 錄 46附錄1 英文資料和譯文 46附錄11英文原文 46附錄12中文翻譯 53附錄2 4個VC++下的缺陷檢測核心算法 57附錄21 缺陷檢測算法2基于灰度信息的模板匹配算法 57附錄22 缺陷檢測算法3基于圖像信息熵的對比檢測 59附錄23 配準(zhǔn)中旋轉(zhuǎn)函數(shù)的實現(xiàn) 60附錄24 圖像信息熵的檢測 60致謝 631 緒論 隨著數(shù)字圖像處理技術(shù)在工業(yè)領(lǐng)域的發(fā)展，基于圖像處理技術(shù)的機件缺陷得到了廣泛的應(yīng)用。低成本、無損傷、準(zhǔn)確，快速，使得機器視覺在缺陷檢測領(lǐng)域具有重要的意義。比如在工業(yè)領(lǐng)域，檢測工件的表面是否有缺陷，印刷品質(zhì)量是否有缺陷，IC字符印刷的質(zhì)量，電路板的質(zhì)量等[1]都大量利用了圖像處理技術(shù)。本題專門研究基于數(shù)字圖像處理的缺陷檢測算法，并在工業(yè)組態(tài)軟件Xavis[2]中實現(xiàn)，以便更好的應(yīng)用于實際。 表面缺陷檢測概述圖像處理就是對圖像信息進行加工以滿足人的視覺心理應(yīng)用需要的行為[1]。圖像處理的手段有光學(xué)方法和數(shù)學(xué)方法[2]。其中光學(xué)方法已經(jīng)有了很長的發(fā)展歷史，從簡單的光學(xué)濾波到現(xiàn)在的激光全息技術(shù)，光學(xué)處理的理論也日趨完善，而且處理速度快，信息容量大，分辨率高。但是光學(xué)處理圖像的精度不高，穩(wěn)定性差，實時性差，在工業(yè)生產(chǎn)線上很少用。數(shù)字圖像處理就是利用數(shù)字計算機或其他數(shù)字硬件，對從圖像信息轉(zhuǎn)換而得的電信號進行某些數(shù)字運算，以提高圖像的實用性。數(shù)字圖像處理最早出現(xiàn)在20世紀(jì)50年代[3]，當(dāng)時計算機已經(jīng)發(fā)展到一定的水平，人們利用計算機來處理圖像信息。在上個世紀(jì)六十年代，數(shù)字圖像處理形成了一門學(xué)科。數(shù)字圖像處理首次獲得成功的應(yīng)用的是美國噴氣推進實驗室（JPL），他們對航天探測器徘徊者7號在1964年發(fā)回月球照片使用了圖像處理技術(shù)，由計算機繪制出了月球表面地圖。數(shù)字圖像處理的另一個成功的應(yīng)用是醫(yī)學(xué)上的[3]，1972年英國EMI公司的工程師Housfield發(fā)明了CT。1975年，EMI公司由研制成功了全身用的CT裝置。CT裝置的基本方法是根據(jù)人體各部分的投影，利用數(shù)字圖像處理技術(shù)來重構(gòu)圖像。如圖 11所示。數(shù)字圖像處理在這兩方面巨大成功的應(yīng)用極大的推動了數(shù)字圖像處理的發(fā)展。圖 11 計算機層析成像系統(tǒng) CT在現(xiàn)代工業(yè)自動化生產(chǎn)中，涉及到各種各樣的檢查、測量和零件識別應(yīng)用，例如光盤表面印刷質(zhì)量檢查，汽車零配件尺寸檢查和自動裝配的完整性檢查，電子裝配線的元件自動定位，飲料瓶蓋的印刷質(zhì)量檢查，產(chǎn)品包裝上的條碼和字符識別等。這類應(yīng)用的共同特點是連續(xù)大批量生產(chǎn)、對外觀質(zhì)量的要求非常高。通常這種帶有高度重復(fù)性和智能性的工作只能靠人工檢測來完成，我們經(jīng)常在一些工廠的現(xiàn)代化流水線后面看到數(shù)以百計甚至逾千的檢測工人來執(zhí)行這道工序，在給工廠增加巨大的人工成本和管理成本的同時，仍然不能保證100%的檢驗合格率（即“零缺陷”）。有些時候，如微小尺寸的精確快速測量，形狀匹配，顏色辨識等，用人眼根本無法連續(xù)穩(wěn)定地進行。而且人工檢測還有可能因受到檢測人員主觀因素的影響較大,對產(chǎn)表面質(zhì)量的檢測不能得到足夠的保證。由于人工檢測的缺陷，人們自然而然的想到了利用圖像處理技術(shù)來實現(xiàn)檢測的自動化。而在早期，由于計算機處理速度比較慢，而圖像處理往往涉及巨大的存儲量和大量的運算，所以圖像處理只能在大型計算機上運行，這限制了圖像處理在工業(yè)表面檢測中的應(yīng)用。90年代，大規(guī)模集成電路的飛速發(fā)展，一方面使得計算機的速度成倍的提高，而計算機的價格卻持續(xù)下降，另一方面使得CCD的分辨率也越來越高,各公司也在各FPGA的基礎(chǔ)上推出了各種圖像處理得專用芯片這一切使得圖像處理在工業(yè)產(chǎn)品表面缺陷檢測中的應(yīng)用的到了飛速的發(fā)展。由于數(shù)字圖像在工業(yè)中的應(yīng)用前景非常廣泛，各個大公司也都紛紛開發(fā)出各種基于圖像處理的檢測系統(tǒng)。表面缺陷檢測系統(tǒng)構(gòu)成如圖 12 圖 12　缺陷檢測系統(tǒng)組成流水生產(chǎn)線上的產(chǎn)品經(jīng)過CCD采集后送到計算機中，計算機對圖像進行處理，檢測出產(chǎn)品表面是否有缺陷以及缺陷的位置，如果有缺陷，記錄缺陷的情況以供后續(xù)處理。其系統(tǒng)流程圖如圖 13：圖 13 數(shù)字圖像檢測處理系統(tǒng)視覺檢測技術(shù)主要研究用計算機模擬人的視覺功能,并從客觀事物的圖像中提取信息[4]，進行處理并加以理解，最終用于實際檢測和控制。據(jù)估計，