【正文】 涉密論文按學(xué)校規(guī)定處理。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。老師對(duì)待學(xué)生都很耐心有責(zé)任心，也使我對(duì)知識(shí)上的學(xué)習(xí)有了不一樣的思路，更是對(duì)人生有了一些思考。算法程序基于VC++開(kāi)發(fā)，調(diào)用了 MFC 類(lèi)庫(kù)與 OpenCV 圖像處理庫(kù)。圖像總面積 totalArea 用于后續(xù)金剛石砂輪面積 diamondArea 及外接矩形區(qū)域面積 regionArea 計(jì)算，公式為： diamondArea = contourArea * totalArea / ( width * height ) ( ) regionArea = rectArea * totalArea / ( width * height ) ( ) 式 ( )和式 ( )中， width、 height 分別為待處理圖像的寬度和高度，兩者相乘即為圖像像素點(diǎn)總數(shù)； contourArea 為 contour 輪廓集內(nèi)包含像素點(diǎn)總數(shù)， rectArea 為外接矩形在圖 像中的面積。在實(shí)際項(xiàng)目中，在更新比較邊界記錄點(diǎn)時(shí)，為了減小誤差，僅考慮邊緣長(zhǎng)度超過(guò)20 像素的輪廓，繪制的效果如圖 ( 36 )所示。 contour 指針中 left、 right、 top、bottom 元素分別存儲(chǔ)當(dāng)前輪 廓的左、右、上、下邊界的坐標(biāo)值（在實(shí)際程序中，調(diào)用的是該輪廓最小外接矩形的四個(gè)頂角坐標(biāo)），與程序存儲(chǔ)的 xMin、 xMax、 yMin、 yMax坐標(biāo)最值點(diǎn)比較，若超過(guò)原有最值則更新數(shù)據(jù)。 contour = contour h_next ) 基于 VC++的砂輪表面金剛石識(shí)別 18 { cvDrawContours ( dstImage, contour, cvScalar( 0, 0, 255 ), cvScalar(0, 0, 255 ), 1, 2 )。 CvSeq *contour = NULL。 x++ ) { if ((thresImage [x, y] thresEdge )!=( thresImage [x1, y] thresEdge)) edgeImage[x ,y] = 255 else edgeImage[x, y] = 0 } 其中， thresEdge 為指定的邊緣亮度閾值，上述代碼僅處理了圖像中的縱向邊緣（即水平方向像素亮度發(fā)生變化），實(shí)際程序代碼中補(bǔ)充了對(duì)圖像橫向邊緣及邊界像素點(diǎn)的限制處理。 在自然界中獲得的物體圖像邊緣由于多種原因，并不一定總是清晰理想 的，影響的主要因素有：場(chǎng)景深度有限，造成聚焦模糊；光源不均勻，物體表面存在陰影，產(chǎn)生模糊；物體邊緣光線的反射造成模糊。 (a) (b) 圖 ( 33 ) 金剛石砂輪圖像的閾值變換 (a)原始中值濾波灰度圖像； (b)閾值變換后的二值圖像。 通過(guò)上述運(yùn)算，我們獲得了閾值變換后的圖像 thresImage。同時(shí)，金剛石礦層部分亮度較高基于上述兩點(diǎn)原因，決定采用方法 ( 2 )作為程序算法的處理方法。 圖 ( 32 )展示了 3x3 正方形窗口中值濾波的金剛石砂輪灰度圖像，其中圖 ( a )為原基于 VC++的砂輪表面金剛石識(shí)別 12 始灰度圖像，圖 ( b )為中值濾波后的二值圖像。 x++ ) { queueVal [9] ={ grayImage [x1, y1] [I], grayImage [x, y1] [I], ..., grayImage [x, y+1] [I], grayImage [x+1, y+1] [I] }。 椒鹽噪聲是一種在圖像上隨機(jī)分布，離散的亮暗點(diǎn)噪聲。 (a) (b) 圖 ( 31 ) Lena 圖的灰度轉(zhuǎn)換 (a)原始彩色 RGB 三通道圖像； (b)灰度圖像。 x width 。同樣地，可以用一個(gè)一維矩陣 X m, n 表示一幅 m 行 n 列灰度圖像，其中 x j, k = ( i )表示第 j 行第 k 列坐標(biāo)的像素亮度為 ( i )。 在實(shí)際環(huán)境中，本文項(xiàng) 目在 Visual Studio 20xx ( VS 20xx )編譯器上開(kāi)發(fā)，調(diào)用了OpenCV 2. 4. 3 版本庫(kù)及封裝的 MFC 庫(kù)，最后編譯完成類(lèi) Windows 主體風(fēng)格的 MFC演示界面程序。 [6] 除了 C 和 C++外， OpenCV 還提供了Python、 Ruby、 Matlab 等語(yǔ)言的接口。相比 VC++， VS 功能更為強(qiáng)大豐富，包含了整個(gè)軟件生命周期中所需要的大部分開(kāi)發(fā)工具，如 UML 工具、代碼管控工具、集成 開(kāi)發(fā)環(huán)境 ( IDE )等等。而不同磨粒與結(jié)合劑組合、磨粒的大小尺寸、砂輪本身制作工序的差異，都會(huì)為砂輪的形貌檢測(cè)提出不同的要求，需根據(jù)實(shí)際情況制定檢測(cè)算法。按結(jié)合劑分類(lèi)，有金屬、樹(shù)脂和陶瓷等品種；按所用磨料分類(lèi)，有剛玉（ AL3O2）、碳化硅、金剛石、立方氮化硼 (CBN)等品種，其中的金剛 石砂輪品種硬度極高。 數(shù)字圖像處理 ( Digital Image Processing )主要指計(jì)算機(jī)系統(tǒng)對(duì)數(shù)字圖像進(jìn)行去噪、增強(qiáng)、還原、分類(lèi)、提取特征等的方法和技術(shù)。 鑒于這些，參考了一些書(shū)籍，在現(xiàn)有的知識(shí)基礎(chǔ)上，設(shè)計(jì)了這個(gè)程序， 本課題選取對(duì)砂輪樣本圖像中金剛石區(qū)域部分提取輪廓這一需求作為入手點(diǎn)，研究了相關(guān)的視覺(jué)算法，編寫(xiě)了包含演示界面的輪廓檢測(cè)程序。圖像處理是對(duì)圖像進(jìn)行分析、加工、和處理，使其滿足視覺(jué)、心理以及其他要求的技術(shù)。算法程序基于 VC++開(kāi)發(fā)，調(diào)用 OpenCV 庫(kù)進(jìn)行數(shù)字圖像處理，并利用 MFC 庫(kù)制作了算法展示界面。 Diamond recognition。 圖像是我們生活中必不可少隨處可見(jiàn)的，可以確切 的說(shuō)，圖像是我們獲取信息的必要而必不可少的途徑。 計(jì)算機(jī)視覺(jué) ( Computer Vision )主要研究機(jī)器如何“看”和“感知”，即如何通過(guò)攝像頭采集的圖像數(shù)據(jù)，和電腦程序或其他軟硬件設(shè)備對(duì)數(shù)據(jù)的圖形處理，使得系統(tǒng)能夠識(shí)別、跟蹤或測(cè)量圖像中的目標(biāo)物體。 圖 ( 11 ) 砂輪表面形貌 磨削是一種以磨具作為“刀具”對(duì)工件材料進(jìn)行精密微量切削的工序，以砂輪為例，則主要利用其工作表面上凸出結(jié)合劑外的磨料部分進(jìn)行切削。 砂輪機(jī)是工廠中常見(jiàn)的一種磨具，其上的砂輪是否安裝正確，砂輪質(zhì)量是否合格，直接對(duì)工業(yè)生產(chǎn)的安全與否造成重大影響。 基于 VC++的砂輪表面金剛石識(shí)別 5 第二章 課題軟件開(kāi)發(fā)環(huán)境介紹 數(shù)字圖像處理算法必須以程序作為依托，本章將主要介紹金剛石檢測(cè)項(xiàng)目程序的開(kāi)發(fā)環(huán)境，為后續(xù)章節(jié)的算法提供實(shí)現(xiàn)基礎(chǔ)。 [5] VC++中封裝了 MFC 類(lèi)，程序員在利用 VC++進(jìn) 行 MFC 編程時(shí)，可以直接應(yīng)用通用框架，無(wú)須考慮消息循環(huán)等瑣碎問(wèn)題，可以專心于程序代碼本身的邏輯。一些程序員在 github、 csdn 等 IT 社區(qū)網(wǎng)站主動(dòng)分享其 OpenCV 項(xiàng)目的開(kāi)源代碼，在為他人提供借鑒的同時(shí)也促進(jìn)了 OpenCV 庫(kù)自身的研究發(fā)展。在彩色圖像中，以矩陣的形式有序存儲(chǔ)像素點(diǎn)的信息，而每個(gè)像素點(diǎn)的像素值則包含 ( r, g, b)三個(gè)分量，分別代表該像素在紅、綠、藍(lán)三個(gè)通道中的強(qiáng)度值，取值范圍為 [0, 255]區(qū)間的整數(shù)。對(duì)于一張寬 width、高 height 的彩色圖像 sourceImage，將其轉(zhuǎn)化為灰度圖像 grayImage 的方法即為遍歷 sourceImage，對(duì)圖中每個(gè)像素點(diǎn)進(jìn)行式 ( )的轉(zhuǎn)換處理，程序偽代碼如下： for ( y = 0 。 cvCvtColor ( sourceImage, grayImage, CV_BGR2GRAY )。中值濾波在圖像處理領(lǐng)域的定義為：對(duì) x 坐標(biāo)處的像素點(diǎn)，規(guī)定 長(zhǎng)度 n 作為鄰域窗口范圍，對(duì)領(lǐng)域內(nèi)像素強(qiáng)度值序列 I(xn)， I(xn+1)， ...I(x)， ...I(x+n1), I(x+n)進(jìn)行大小排序，選擇該序列的中值作為 I(x)濾波后的強(qiáng)度值。 y height 。 cvSmooth ( grayImage, mfilterImage, CV_MEDIAN, 3)。 [2] 基于 VC++的砂輪表面金剛石識(shí)別 13 對(duì)于圖像中某像素點(diǎn)亮度值 I，給予一個(gè)閾值 T，比較 I 與 T 的大小，若其滿足事先預(yù)設(shè)的條件（ I 小于 T 或 I 大于 T）則進(jìn)行相應(yīng)的處理。 x width 。 圖 ( 33 )展示了閾值變換的金剛石砂輪圖像，其中圖 ( a )為中值濾波后的原始灰度圖，圖中呈現(xiàn)白色的礦石中包含金剛石，而灰色部分為雜質(zhì)礦石。 通過(guò)對(duì)樣本圖像進(jìn) 行邊緣檢測(cè)，可以大幅度地剔除無(wú)關(guān)信息，只留下圖像中重要的結(jié)構(gòu)屬性。 y height 。 尋找輪廓與后續(xù)操作 經(jīng)過(guò)邊緣檢測(cè)后，金剛石砂輪圖像中的目標(biāo)外邊輪廓已十分清晰，只需提取聯(lián)通區(qū)域邊緣的像素點(diǎn)集合，便可獲得圖像中目標(biāo)的輪廓。因?yàn)樵诤罄m(xù)的計(jì)算面積時(shí)，需要扣除金剛石砂輪內(nèi)的雜質(zhì)部分，這些雜質(zhì)在輪廓集上表現(xiàn)的形式即為輪廓內(nèi)部的空洞。 yMax = ( contour bottom yMax ) ? contour top: yMax。 rectArea = ( yMax yMin ) * ( xMax xMin )。 基于 VC++的砂輪表面金剛石識(shí)別 22 圖 ( 38 ) 金剛石檢測(cè)演示程序 在演示界面中，單擊“打開(kāi)圖像”按鈕，可選擇讀取的原始樣本圖像（ .bmp 后綴格式），如圖 ( 39 )所示。 本章通過(guò)各小節(jié)的詳細(xì)說(shuō)明，介紹了項(xiàng)目各個(gè)模塊的算法實(shí)現(xiàn)，并展示了最終編譯后的演示界面程序。隨著科技發(fā)展，計(jì)算機(jī)視覺(jué)在各 行業(yè)的運(yùn)用越來(lái)越廣泛，可以期待未來(lái)其有更加繁榮的前景?；?VC++的砂輪表面金剛石識(shí)別 27 參考文獻(xiàn) [1]百度百科 . 計(jì)算機(jī)視覺(jué) . link? url = WzgXraWAFDvxRvQgCjrIF a323CYm4oi5lY19Agr780v