【正文】 畢業(yè)設(shè)計(jì)（論文）題 目 基于數(shù)字圖像處理技術(shù)的 缺陷檢測(cè)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(jī)件缺陷檢測(cè)得到了廣泛的應(yīng)用。低成本、無(wú)損傷、準(zhǔn)確，快速，使得機(jī)器視覺(jué)在缺陷檢測(cè)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(cè)算法，并在工業(yè)組態(tài)軟件Xavis中實(shí)現(xiàn)，以便更好的應(yīng)用于實(shí)際。本次畢設(shè)在缺陷檢測(cè)識(shí)別中的算法作了較深入的研究。關(guān)于機(jī)件的表面缺陷檢測(cè)，本次畢設(shè)針首先對(duì)可用于缺陷檢測(cè)的圖像處理的各個(gè)基本算法，比如圖像濾波，圖像增強(qiáng)，圖像形態(tài)學(xué)處理，圖像分割，邊緣檢測(cè)等進(jìn)行了研究。針對(duì)待檢測(cè)的圖像的配準(zhǔn)問(wèn)題，采取Matlab對(duì)于基于harris角點(diǎn)檢測(cè)的圖像配準(zhǔn)、基于灰度信息的模板匹配等各種算法進(jìn)行了仿真。最終在畢設(shè)中采用了三種效果比較不錯(cuò)的配準(zhǔn)算法。針對(duì)待檢測(cè)的缺陷圖像，研究并提出了基于信息熵的缺陷檢測(cè)算法、基于圖像形態(tài)學(xué)處理的缺陷檢測(cè)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(cè)算法并予以實(shí)現(xiàn)。取得了預(yù)想中的成果，檢測(cè)的表面劃痕效果清晰明顯。針對(duì)算法的封裝與聯(lián)合調(diào)試，在Visual Studio++下基于OpenCV視覺(jué)庫(kù)，把檢測(cè)算法封裝成動(dòng)態(tài)鏈接庫(kù)文件，然后供工業(yè)視覺(jué)組態(tài)軟件Xavis調(diào)用。經(jīng)測(cè)試，程序運(yùn)行、容錯(cuò)能力良好。檢測(cè)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(shí)。同時(shí)培養(yǎng)了良好的編程能力，分析和解決問(wèn)題的能力，為以后的科研夯實(shí)了基礎(chǔ)。關(guān) 鍵 詞：缺陷檢測(cè)；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(cè)概述 1 本文的工作及組織結(jié)構(gòu) 32 缺陷檢測(cè)的數(shù)字圖像處理實(shí)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(gè)層次 6 數(shù)字圖象處理的特點(diǎn) 7 待檢測(cè)圖像的形態(tài)學(xué)處理 8 膨脹 8 腐蝕 8 開(kāi)和閉 9 圖像分割提取缺陷檢測(cè)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(qiáng)提取目標(biāo)缺陷的研究 12 圖像平滑去除檢測(cè)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(jī)器視覺(jué)平臺(tái)與Matlab/VC/OpenCV聯(lián)合調(diào)試的實(shí)現(xiàn) 15 Matlab用于缺陷檢測(cè)的仿真實(shí)現(xiàn) 15 缺陷檢測(cè)基本處理操作在Matlab中的實(shí)現(xiàn) 15 圖像增強(qiáng) 15 3D圖像恢復(fù)、圖像融合、劃痕檢測(cè)、生物特征識(shí)別 16 基于harris角點(diǎn)特征的缺陷圖像配準(zhǔn)Matlab仿真實(shí)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(diǎn)缺陷圖像配準(zhǔn)算法的研究 17 OpenCV的運(yùn)用和VC++、Xavis的聯(lián)合調(diào)試的實(shí)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(jī)構(gòu)：IplImage結(jié)構(gòu) 19 Xavis、VC++、OpenCV聯(lián)合調(diào)試實(shí)現(xiàn)缺陷檢測(cè)算法 20 本章小結(jié) 224 基于圖像處理的表面缺陷檢測(cè)算法研究與實(shí)現(xiàn) 23 基于圖像處理的缺陷檢測(cè)基本流程 23 基于形態(tài)學(xué)處理的缺陷檢測(cè)算法研究與實(shí)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(cè)圓環(huán)的內(nèi)徑外徑 27 檢測(cè)結(jié)果與分析 28 基于信息熵的缺陷檢測(cè)算法研究與實(shí)現(xiàn) 29 信息熵在圖像處理中基本概念 29 信息熵檢測(cè)的結(jié)果 30 信息熵檢測(cè)缺陷算法的優(yōu)劣 31 基于灰度信息的模板匹配缺陷檢測(cè)算法的研究與實(shí)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(cè)算法的OpenCV 與VC++實(shí)現(xiàn) 35 本章小結(jié) 415 結(jié)論與展望 43 畢設(shè)成果 43 檢測(cè)算法的評(píng)價(jià)與學(xué)術(shù)意義 43 本次畢設(shè)存在的問(wèn)題 44 本科畢設(shè)感想和體會(huì) 44參考文獻(xiàn) 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(gè)VC++下的缺陷檢測(cè)核心算法 57附錄21 缺陷檢測(cè)算法2基于灰度信息的模板匹配算法 57附錄22 缺陷檢測(cè)算法3基于圖像信息熵的對(duì)比檢測(cè) 59附錄23 配準(zhǔn)中旋轉(zhuǎn)函數(shù)的實(shí)現(xiàn) 60附錄24 圖像信息熵的檢測(cè) 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(jī)件缺陷得到了廣泛的應(yīng)用。低成本、無(wú)損傷、準(zhǔn)確，快速，使得機(jī)器視覺(jué)在缺陷檢測(cè)領(lǐng)域具有重要的意義。比如在工業(yè)領(lǐng)域，檢測(cè)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(cè)算法，并在工業(yè)組態(tài)軟件Xavis[2]中實(shí)現(xiàn)，以便更好的應(yīng)用于實(shí)際。 表面缺陷檢測(cè)概述圖像處理就是對(duì)圖像信息進(jìn)行加工以滿足人的視覺(jué)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(zhǎng)的發(fā)展歷史，從簡(jiǎn)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(shí)時(shí)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(jì)算機(jī)或其他數(shù)字硬件，對(duì)從圖像信息轉(zhuǎn)換而得的電信號(hào)進(jìn)行某些數(shù)字運(yùn)算，以提高圖像的實(shí)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(shí)計(jì)算機(jī)已經(jīng)發(fā)展到一定的水平，人們利用計(jì)算機(jī)來(lái)處理圖像信息。在上個(gè)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(guó)噴氣推進(jìn)實(shí)驗(yàn)室（JPL），他們對(duì)航天探測(cè)器徘徊者7號(hào)在1964年發(fā)回月球照片使用了圖像處理技術(shù)，由計(jì)算機(jī)繪制出了月球表面地圖。數(shù)字圖像處理的另一個(gè)成功的應(yīng)用是醫(yī)學(xué)上的[3]，1972年英國(guó)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(lái)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(dòng)了數(shù)字圖像處理的發(fā)展。圖 11 計(jì)算機(jī)層析成像系統(tǒng) CT在現(xiàn)代工業(yè)自動(dòng)化生產(chǎn)中，涉及到各種各樣的檢查、測(cè)量和零件識(shí)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(dòng)裝配的完整性檢查，電子裝配線的元件自動(dòng)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(shí)別等。這類應(yīng)用的共同特點(diǎn)是連續(xù)大批量生產(chǎn)、對(duì)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(cè)來(lái)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(jì)甚至逾千的檢測(cè)工人來(lái)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(shí)，仍然不能保證100%的檢驗(yàn)合格率（即“零缺陷”）。有些時(shí)候，如微小尺寸的精確快速測(cè)量，形狀匹配，顏色辨識(shí)等，用人眼根本無(wú)法連續(xù)穩(wěn)定地進(jìn)行。而且人工檢測(cè)還有可能因受到檢測(cè)人員主觀因素的影響較大,對(duì)產(chǎn)表面質(zhì)量的檢測(cè)不能得到足夠的保證。由于人工檢測(cè)的缺陷，人們自然而然的想到了利用圖像處理技術(shù)來(lái)實(shí)現(xiàn)檢測(cè)的自動(dòng)化。而在早期，由于計(jì)算機(jī)處理速度比較慢，而圖像處理往往涉及巨大的存儲(chǔ)量和大量的運(yùn)算，所以圖像處理只能在大型計(jì)算機(jī)上運(yùn)行，這限制了圖像處理在工業(yè)表面檢測(cè)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(jì)算機(jī)的速度成倍的提高，而計(jì)算機(jī)的價(jià)格卻持續(xù)下降，另一方面使得CCD的分辨率也越來(lái)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(cè)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(gè)大公司也都紛紛開(kāi)發(fā)出各種基于圖像處理的檢測(cè)系統(tǒng)。表面缺陷檢測(cè)系統(tǒng)構(gòu)成如圖 12 圖 12　缺陷檢測(cè)系統(tǒng)組成流水生產(chǎn)線上的產(chǎn)品經(jīng)過(guò)CCD采集后送到計(jì)算機(jī)中，計(jì)算機(jī)對(duì)圖像進(jìn)行處理，檢測(cè)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(cè)處理系統(tǒng)視覺(jué)檢測(cè)技術(shù)主要研究用計(jì)算機(jī)模擬人的視覺(jué)功能,并從客觀事物的圖像中提取信息[4]，進(jìn)行處理并加以理解，最終用于實(shí)際檢測(cè)和控制。據(jù)估計(jì)，