【正文】 陷檢測(cè)的 數(shù)字圖象處理的基本知識(shí)和一些常用的算法， 而后續(xù)章節(jié)所采用的缺陷檢測(cè)圖像處理算法，基本上都是以 各種圖像處理的基本算法組合 為基礎(chǔ) 。 第四章 ： 在 VC 環(huán)境下，深入的探討了缺陷檢測(cè)的系統(tǒng)的特征提取及匹配的常用算法， 研究并實(shí)現(xiàn)缺陷檢測(cè)（包括圖像預(yù)處理、圖像配準(zhǔn)、圖像比對(duì)）算法，并將自己的三種不同算法集成在機(jī)器視覺(jué)組態(tài)軟件 Xavis 中 ,進(jìn)行 VC++ 、 opencv、 Xavis 的三者聯(lián)合調(diào)試 。 將算法集成在機(jī)器視覺(jué)組態(tài)軟件 Xavis 中，進(jìn)行 了 VC++ 、opencv、 Xavis 的三者聯(lián)合調(diào)試。 本文的工作及組織結(jié)構(gòu) 數(shù)字圖象處理作為一門(mén)獨(dú)立學(xué)科， 已經(jīng)深入的融入人們的生活中。 圖 14 為 典型的視覺(jué)檢測(cè)處理系統(tǒng)實(shí)物圖 ： 圖 14 典型的視覺(jué)檢測(cè)處理系統(tǒng)實(shí)物圖 表面檢測(cè)系統(tǒng)的核心是缺陷檢測(cè)分類軟件，利用它，系統(tǒng)對(duì)攝像機(jī)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(shí)別，進(jìn)而進(jìn)行處理。 其系統(tǒng)流程圖如 圖 13： 1 緒論 3 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。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。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”）。 如 圖 11 所示。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。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。本題專門(mén)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。 Xavis。 關(guān) 鍵 詞 ： 缺陷檢測(cè) ； 信息熵 ； 模板匹配 ； Xavis； OpenCV 西安交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） VIII ABSTRACT With 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。經(jīng)測(cè)試，程序運(yùn)行、容錯(cuò)能力良好。 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 。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。 西 安 交 通 大 學(xué) III 課題的基本要求 (工程設(shè)計(jì)類題應(yīng)有技術(shù)經(jīng)濟(jì)分析要求 ) ，了解目前缺陷檢測(cè)領(lǐng)域的發(fā)展現(xiàn)狀； ； Matlab/VC 圖像處理編程方法； Xavis 機(jī)器視覺(jué)平臺(tái)。 培養(yǎng)目標(biāo)：掌握 Visual Studio C++軟件、 Xavis 軟件和圖像處理以及 OpenCV 的知識(shí)。 涉密論文按學(xué)校規(guī)定處理。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。對(duì)本研究提供過(guò)幫助和做出過(guò)貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說(shuō)明并表示了謝意。盡我所知，除文中特別加以標(biāo)注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過(guò)的研究成果，也不包含我為獲得 及其它教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過(guò)的材料。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)的 成果作品。本人授權(quán) 大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本題專門(mén)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)軟件中實(shí)現(xiàn)，以便更好的應(yīng)用于實(shí)際。 課題的主要任務(wù) 閱相關(guān)文獻(xiàn)，了解機(jī)器視覺(jué)在缺陷檢測(cè)領(lǐng)域的重大意義； VC 環(huán)境下，研究并實(shí)現(xiàn)缺陷檢測(cè)（包括圖像預(yù)處理、圖像配準(zhǔn)、圖像比對(duì)）算法； ，并針對(duì)實(shí)際應(yīng)用提出自己的建議； Xavis 中。本題專門(mén)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。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)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。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)。 Template Matching。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)。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。在上個(gè)世紀(jì)六十年代，數(shù)字圖像處理形成了一門(mén)學(xué)科。 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。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。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。 表面缺陷檢測(cè)系統(tǒng)構(gòu)成 如 圖 12 光源生 產(chǎn) 線產(chǎn)品C C D計(jì) 算 機(jī)檢 測(cè)結(jié) 果 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。目前很多公司的視覺(jué)產(chǎn)品和視覺(jué)技術(shù)就是要挖掘?qū)崿F(xiàn)機(jī)器視覺(jué)技術(shù)的潛力，并通過(guò)圖像處理技術(shù)來(lái)實(shí)現(xiàn)其增值服務(wù)。所以工業(yè)圖像的處理算法也千差萬(wàn)別。 （ 3） 設(shè)計(jì)開(kāi)發(fā)了缺陷檢測(cè)軟件，使用 VC++成功的實(shí)現(xiàn)了各種設(shè)計(jì)的算法，并且取得了比較好的效果。 第三章 ： 學(xué)習(xí) 并研究 Xavis 機(jī)器視覺(jué)平臺(tái) 進(jìn)行圖像處理的方法， 研究并實(shí)現(xiàn)Matlab/VC/OpenCV 圖像處理編程方法 ， 進(jìn)行缺陷檢測(cè)的 Matlab 仿真。 第 五 章 ： 對(duì)本 文中的缺陷檢測(cè) 算法 進(jìn)行了總結(jié)，分析了 取得的結(jié)果和 工作 的不足，并對(duì)今后的工作提出了展望 。 數(shù)字圖像 處理的概念 數(shù)字計(jì)算機(jī)最擅長(zhǎng)的莫過(guò)于處理各種數(shù)據(jù)，數(shù)字化后的圖像可以看成是存儲(chǔ)在計(jì)算機(jī)中的有序數(shù)據(jù)，當(dāng)然可以通過(guò)計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行處理。例如，電腦人像藝術(shù)，電視中的特殊效果，自動(dòng)售貨機(jī)鈔票的識(shí)別，郵政編碼的自動(dòng)識(shí)別和利用指紋、虹膜、面部等特征的身份識(shí)別等。簡(jiǎn)言之， 就是 以數(shù)字格式表示的圖像。運(yùn)動(dòng)檢測(cè)、運(yùn)動(dòng)目標(biāo)分類與跟蹤是視覺(jué)監(jiān)控中研究較多的三個(gè)問(wèn)題，而行為理解與描述則是近年來(lái)被廣泛關(guān)注的研究熱點(diǎn)，它是指對(duì)目標(biāo)的運(yùn)動(dòng)模式進(jìn)行分析和識(shí)別，并用自然語(yǔ)言等加以描述 1） 低級(jí)圖像處理 低級(jí)圖像處理主要對(duì)圖象進(jìn)行各種加工以改善圖象的視覺(jué)效果、或突出有用信息，???????????1 0 02 2 02 5 01 8 0501 2 02 0 01 5 00I ???????????00255800255240240255R???????????02550160255255801600G???????????25525525524000160800B2 缺陷檢測(cè)的數(shù)字圖像處理實(shí)現(xiàn) 7 并為自動(dòng)識(shí)別打基礎(chǔ)，或通過(guò)編碼以減少對(duì)其所需存儲(chǔ)空間、傳輸時(shí)間或傳輸帶寬的要求。 3） 高級(jí)圖像處理 高級(jí)圖像處理是在 中級(jí)圖像處理的基礎(chǔ)上，進(jìn)一步研究圖象中各目標(biāo)的性質(zhì)和它們之間相互的聯(lián)系，并得出對(duì)圖象內(nèi)容含義的理解（對(duì)象識(shí)別）及對(duì)原來(lái)客觀場(chǎng)景的解釋（計(jì)算機(jī)視覺(jué)），從而指導(dǎo)和規(guī)劃行動(dòng)。數(shù)字圖像處理具有如下特點(diǎn)： 1） 處理精度高，再現(xiàn)性好。 由于圖像處理是通過(guò)運(yùn)行程序進(jìn)行的，因此，設(shè)計(jì)不同的圖像處理程序，可以實(shí)現(xiàn)各種不同的處理目的。則一幅 10241024不經(jīng)壓縮的真彩色圖像，數(shù)據(jù)量達(dá) 3 MB（即 102410248 bit3=24 Mb）。 4） 處理費(fèi)時(shí)。 待 檢測(cè)圖像的 形態(tài)學(xué)處理 數(shù)學(xué)形態(tài)學(xué)是分析幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法 [6]，建立在集合代數(shù)的基礎(chǔ)之上，用集合論方法定量描述幾何結(jié)構(gòu)的科學(xué)。最基本的運(yùn)算算子由膨脹，腐蝕，開(kāi)運(yùn)算，閉運(yùn)算。 形態(tài)學(xué)的理論基礎(chǔ)是集合論 [7]。集合 A 用集合 B 膨脹，記作 AB? ，定義為?{ | }xA B x B A ?? ? ?；上式表明，用集合 B 膨脹集合 A,既當(dāng)集合 B 的原點(diǎn)在集合 A中移動(dòng)時(shí)，集合 B 中元素所對(duì)應(yīng)位移后的元素組成的集合。集合 A被集合 B腐蝕，記作 AB定義 為