【正文】 般是待膨脹的圖像，稱集合B為結(jié)構(gòu)元素。在圖像處理中，集合A一般是待膨脹的圖像，稱集合B為結(jié)構(gòu)元素。在圖像處理中形態(tài)學(xué)的集合代表著黑白和灰度圖像的形狀。使用這些算子對圖像的結(jié)構(gòu)和形狀進(jìn)行分析和處理，主要包括圖像分割、特征提取、邊緣檢測、圖像濾波、圖像增強以及圖像恢復(fù)等。1985年之后，它逐漸成為分析圖像幾何特征的工具。特別是處理結(jié)果與中心像素鄰域有關(guān)的處理過程（如第四章介紹的區(qū)處理方法）花費時間更多。如此龐大的數(shù)據(jù)量給存儲、傳輸和處理都帶來巨大的困難。圖像中包含有豐富的信息，可以通過圖像處理技術(shù)獲取圖像中包含的有用的信息，但是，數(shù)字圖像的數(shù)據(jù)量巨大。由于計算機技術(shù)的飛速發(fā)展，計算精度和計算的正確性勿庸置疑； 另外，對同一圖像用相同的方法處理多次，也可得到完全相同的效果，具有良好的再現(xiàn)性。特點是輸入是數(shù)據(jù)，輸出是理解。2） 中級圖像處理中級圖像處理主要對圖象中感興趣的目標(biāo)進(jìn)行檢測（或分割）和測量，以獲得它們的客觀信息從而建立對圖象的描述。 圖 22 灰度圖像3） 彩色圖像　　 彩色圖像是指每個像素的信息由RGB三原色構(gòu)成的圖像，其中RBG是由不同的灰度級來描述的?，F(xiàn)在，計算機圖像處理已成為疾病診斷的重要手段，用一般攝影方法不能獲取的身體內(nèi)部的狀況，也能由特殊的圖像處理裝置獲取，最具有代表性的就是X射線CT(Computed Tomograph，計算機斷層 攝像)。一般地，圖像處理是用計算機和實時硬件實現(xiàn)的，因此也稱之為計算機圖像處理(Computer Image Processing)。本章還介紹了數(shù)字圖像處理的基本結(jié)構(gòu)。取得了預(yù)期的成果。 論文共分五章，各章的主要內(nèi)容安排如下：第一章：論述了圖像處理的發(fā)展，表面缺陷檢測的意義和發(fā)展。本論文對圖像處理在物體表面缺陷檢測的應(yīng)用作了研究，并成功用 利用Xavis軟件綜合利于各種圖像處理算法，實現(xiàn)了各種產(chǎn)品的表面缺陷的檢測與標(biāo)識，其中涉及了以下幾項工作：（1） 較深入地研究了各種圖像處理的算法，了解了各種算法的優(yōu)缺點及適用范圍。在工業(yè)生產(chǎn)中，由于工業(yè)產(chǎn)品繁多，外形各異，利用一種圖像處理方法來檢測所有產(chǎn)品的表面是不現(xiàn)實的。據(jù)估計，％的速度迅速增長。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。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(jìn)行。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。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。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(jìn)行某些數(shù)字運算，以提高圖像的實用性。 表面缺陷檢測概述圖像處理就是對圖像信息進(jìn)行加工以滿足人的視覺心理應(yīng)用需要的行為[1]。 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(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。 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。檢測程序適用范圍也比較廣。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)。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(jìn)行了研究。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。本次畢設(shè)在缺陷檢測識別中的算法作了較深入的研究。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。經(jīng)測試，程序運行、容錯能力良好。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。 Xavis。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。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)字圖像處理首次獲得成功的應(yīng)用的是美國噴氣推進(jìn)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。如圖 11所示。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”）。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。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(jìn)行處理并加以理解，最終用于實際檢測和控制。圖 14為典型的視覺檢測處理系統(tǒng)實物圖：圖 14　典型的視覺檢測處理系統(tǒng)實物圖表面檢測系統(tǒng)的核心是缺陷檢測分類軟件，利用它，系統(tǒng)對攝像機捕捉到的材料表面圖像進(jìn)行分類整理，找到存在的缺陷，判斷并識別，進(jìn)而進(jìn)行處理。 本文的工作及組織結(jié)構(gòu)數(shù)字圖象處理作為一門獨立學(xué)科，已經(jīng)深入的融入人們的生活中。將算法集成在機器視覺組態(tài)軟件Xavis中，進(jìn)行了VC++ 、opencv、Xavis 的三者聯(lián)合