【正文】 時(shí)他們給了我最真摯的建議，幫助我度過了最艱難的時(shí)期。程序可以讀取包含金剛石和雜質(zhì)的砂輪樣本圖片，對(duì)樣本進(jìn)行處理，從而提取圖像中金剛石區(qū)域的輪廓并計(jì)算其區(qū)域面積。程序運(yùn)行初始化時(shí)默認(rèn)設(shè)置圖像所代表面積為 40000，可根據(jù)實(shí)際需要鍵入數(shù)字修改參數(shù)。 基于 VC++的砂輪表面金剛石識(shí)別 20 圖 ( 36 ) 金剛石砂輪的外接矩形圖像 軟件整體演示 到 節(jié)的內(nèi)容已詳細(xì)闡述了核心的檢測(cè)算法。 圖 ( 35 )是根據(jù)輪廓集 contour 中信息，重新讀取繪制的金剛石輪廓圖像。 calArea( contour )。 cvFindContours ( edgeImage, mem_storage, amp。 圖 ( 34 )展示了砂輪金剛石的中值濾波二值圖像進(jìn)行邊緣檢測(cè)后的結(jié)果。但在金剛石檢測(cè)的項(xiàng)目中，經(jīng)過前述章節(jié)處理的二值灰度圖像不存在此類問題。 邊緣提取 經(jīng)過中值濾波后的二值圖像，目標(biāo)金剛石的輪廓較為明顯，可以進(jìn)行邊緣提取和輪基于 VC++的砂輪表面金剛石識(shí)別 15 廓搜索。此時(shí)的 thresImage 為一幅二值灰度圖像，各像素點(diǎn)取值非 0 即為 255。 程序?qū)崿F(xiàn) 對(duì)于 中得到的中值濾波灰度圖 mfilterImage，類似于灰度變換，閾值變換的過程也需要通過遍歷圖像中的像素點(diǎn)來(lái)進(jìn)行處理。通過觀察可以發(fā)現(xiàn)，圖 ( a )中大部分離散的小亮點(diǎn)噪聲在圖 ( b )中都被消除了，而且圖 ( b )保留了目標(biāo)輪廓的大部分信息，并沒有造成邊緣模糊過重的現(xiàn)象。 sort( queueVal [0], queueVal [8] )。通常情況下，中值濾波被應(yīng)用于處理椒鹽噪聲。 中值濾波 經(jīng)過灰度轉(zhuǎn)換后的樣本圖像包含了豐富的目標(biāo)信息，為后續(xù)搜尋輪廓算法提供了特基于 VC++的砂輪表面金剛石識(shí)別 10 征基礎(chǔ)。 x++ ) grayImage [x, y] [I] = x sourceImage [x, y] [R] + x sourceImage [x, y] [G] + x sourceImg [x ,y] [B] 在 OpenCV 庫(kù)中，封裝好的圖像結(jié)構(gòu)類指針以及對(duì)應(yīng)的函數(shù)方法可以幫助我們?cè)趫D像層面對(duì)樣本進(jìn)行處理。 [2] 在計(jì)算機(jī)視覺領(lǐng)域中，圖像中物體的顏色、亮度信息作為一種最基本的視覺特征，基于 VC++的砂輪表面金剛石識(shí)別 8 因 其直觀、便于分析、對(duì)比度高易于區(qū)分等特性，常被運(yùn)用于物體的識(shí)別、分類算法之中。 基于 VC++的砂輪表面金剛石識(shí)別 7 第三章 主要功能的理論基礎(chǔ)及設(shè)計(jì)實(shí)現(xiàn) 在前面的章節(jié)中，對(duì)于軟件的開發(fā)環(huán)境我們已經(jīng)有了概括性的了解。 OpenCV 使用的 license 對(duì)非商業(yè)和商業(yè)的應(yīng)用都是免費(fèi)的，加上其開源、不依賴其他外部庫(kù)的特性，被廣泛使用在各類計(jì)算機(jī)視覺和數(shù)字圖像處理應(yīng)用中，常見的應(yīng)用領(lǐng)域有人機(jī)交互、目標(biāo)識(shí)別、分類分割、人臉識(shí)別、姿態(tài)識(shí)別、運(yùn)動(dòng)跟蹤、人工智能、軌跡分析、機(jī)器視覺、結(jié)構(gòu)分析、安全監(jiān)控等等。 VS 是當(dāng)前應(yīng)用最為廣泛的 Windows 平臺(tái)應(yīng)用程序的集成開發(fā)環(huán)境。 本課題針對(duì)砂輪工作表面的金剛石磨料檢測(cè)這一需求展開研究，通過計(jì)算機(jī)視覺與數(shù)字圖像處理算法程序的檢測(cè)，提取金剛石磨料的輪廓，計(jì)算輪廓面積，記錄金剛石區(qū)域的界限面積，從而獲得有助于金剛石砂輪生產(chǎn)的磨料信息。金剛石是一種由碳原子構(gòu)成的礦物，是碳元素的同素異形體，是目前地球上發(fā)現(xiàn)的自然物體中最堅(jiān)硬的物質(zhì)。 [2] 數(shù)字圖像處理的發(fā)展跟以下三個(gè)因素關(guān)系密切：其一是計(jì)算機(jī)技術(shù)，計(jì)算機(jī)軟硬件的發(fā)展，直接提升了數(shù)字圖像處理算法軟件的計(jì)算能力；其二是數(shù)學(xué)學(xué)科發(fā)展，尤其是其中的離散數(shù)學(xué)領(lǐng)域分支，為新算法的創(chuàng)立和完善奠定了理論基礎(chǔ)；其三是工業(yè)、農(nóng)牧業(yè)、林業(yè)、軍事、醫(yī)療和環(huán)境等行業(yè)的規(guī)模增長(zhǎng)，產(chǎn)生了源源不斷的需求，進(jìn)一步刺激數(shù)字圖像處理相關(guān)技術(shù)的發(fā)展。 基于 VC++的砂輪表面金剛石識(shí)別 2 第一章 課題的背景及意義 計(jì)算機(jī)視覺和數(shù)字圖像處理 伴隨科學(xué)技術(shù)的發(fā)展，社會(huì)生產(chǎn)力不斷提高，許多領(lǐng)域行業(yè)正逐步由傳統(tǒng)的人工作坊制作方式轉(zhuǎn)變?yōu)榇笠?guī)模的機(jī)器流水線自動(dòng)生產(chǎn)。圖像處理技術(shù)基本可以分成兩大類：模擬圖像處理和數(shù)字圖像處理。算法通過對(duì)樣本圖像進(jìn)行灰度轉(zhuǎn)換、閾值變換、中值濾波、邊緣提取、尋找輪廓等步驟，獲得圖像中金剛石磨料部分的輪廓面積以及區(qū)域邊界點(diǎn)。 Contour detection。圖像處理應(yīng)用在攝影及印刷，衛(wèi)星圖像處理，醫(yī)學(xué)圖像處理，面孔圖像處理，顯微圖像處理以及汽車障礙識(shí)別。因此，計(jì)算機(jī)視覺學(xué)科應(yīng)運(yùn) 而生，得到了研究者廣泛的關(guān)注，獲得了飛速發(fā)展。通過在磨料中加入結(jié)合劑，經(jīng)過壓坯、干燥和焙燒等流程，將磨料固定成一定的幾何形狀（通常為圓形）的多孔體來(lái)制成砂輪，其工作表面如圖（ 11）所示。在工業(yè)生基于 VC++的砂輪表面金剛石識(shí)別 4 產(chǎn)中采用的一般為人工合成的金剛石。 本文的總體結(jié)構(gòu)如下：第一章說明了計(jì)算機(jī)視覺與數(shù)字圖像處理技術(shù)在實(shí)際生產(chǎn)生活中的應(yīng)用背景和本項(xiàng)目課題的實(shí)踐意義價(jià)值；第二章介紹了項(xiàng)目程序的開發(fā)環(huán)境，簡(jiǎn)要列舉了調(diào)用的庫(kù)函數(shù)；第三章分模塊詳細(xì)闡述了檢測(cè)算法的原理，并展示了各步驟對(duì)樣本圖像的處理結(jié)果和最終程序展示界面；最后的結(jié)論對(duì)整個(gè)課題項(xiàng)目進(jìn)行反思，提出改進(jìn)點(diǎn)并對(duì)未來(lái)技術(shù)進(jìn)步作出展望。該類采用 C++語(yǔ)言中類的形式封裝了 Windows API，其中包含了大量的Windows 句柄和 Windows 內(nèi)建控件組件的封裝類和方法。通過調(diào)用其完善的封裝類和函數(shù)方法，可以極大地方便研究者進(jìn)行科研實(shí)踐，又由于其具有開源的特性，使得在原有的視覺算法基礎(chǔ)上進(jìn)行改良成為了可能。 理論基礎(chǔ) 在計(jì)算機(jī)系統(tǒng)中，圖像文件通常以彩色圖像的 RGB 三通道格式或灰度圖像的單通道格式進(jìn)行存儲(chǔ)。 程序?qū)崿F(xiàn) 對(duì)一張彩色圖片，將對(duì)應(yīng)像素點(diǎn)的 RGB 三通道值轉(zhuǎn)化為亮度 I 的公式為： I = x R + x G + x B ( ) 式 ( )中， R、 G、 B 分別為像素點(diǎn)紅、綠、藍(lán)三通道對(duì)應(yīng)的強(qiáng)度值， I 為灰度圖相應(yīng)位置像素點(diǎn)的灰度值。 基于 VC++的砂輪表面金剛石識(shí)別 9 Iplimage * grayImage = cvCreateImage ( cvGetSize( sourceImage ), sourceImage depth, 1)。 理論基礎(chǔ) 作為一種傳統(tǒng)的非線性平滑技術(shù)，中值濾波擅于處理離散、突發(fā)的噪聲，尤其對(duì)消除椒鹽噪聲有非常好的效果，并能保護(hù)信號(hào)或圖像信息的邊緣不被模糊。對(duì) 節(jié)中獲得的灰度圖像 grayImage，利用濾波窗口遍歷像素點(diǎn)進(jìn)行濾波得到濾波后圖像 mfilterImage，算法偽代碼如下： 基于 VC++的砂輪表面金剛石識(shí)別 11 for ( y = 0 。 OpenCV 庫(kù)中提供了多種線性和非線性濾波，其中也包含了中值濾波，根據(jù)參數(shù)的調(diào)整還可以更改濾波窗口的大?。? Iplimage * mfilterImage = cvCreateImage ( cvGetSize( grayImage ), grayImage depth, 1)。 理論基礎(chǔ) 閾值變換是數(shù)字圖像處理中的一種常用手段，通過閾值變換可以彰顯或抑制圖像中符合像素值條件要求的區(qū)域，進(jìn)而提取其中的有效信息。 y++ ) for( x = 0 。 在上述代碼中， cvThreshold ( ) 將 mfilterImage 圖像的像素值根據(jù)條件閾值 pixThres轉(zhuǎn)換到 thresImg 圖像中，參數(shù) CV_THRESH_BINARY 通知程序按照 節(jié)中的方法( 2 )進(jìn)行轉(zhuǎn)換。圖像中像素點(diǎn)亮度的變化常常反映了展示目標(biāo)信息屬性的重要變化，其中包括場(chǎng)景照明光亮變更、物體表面紋理變化、物體深度不連續(xù)、物體表面方向變化等等。 for ( y = 0 。 (a) (b) 圖 ( 34 ) 金剛石砂輪圖像的邊緣檢測(cè) 基于 VC++的砂輪表面金剛石識(shí)別 17 (a)原始中值濾波二值圖像； (b)檢測(cè)后的邊緣二值圖像。 CV_RETR_CCOMP 參數(shù)表示檢測(cè)圖像中的所有輪廓，包含外輪廓及內(nèi)部“空洞”的邊界部分。 yMin = ( contour top yMin) ? contour top : yMin。 遍歷輪廓 contour 所有子元素后， xMin、 xMax、 yMin、 yMax 的值即為整個(gè)金剛石分布區(qū)域外接矩形的四邊界限點(diǎn)，可以在圖 ( 35 )( b )的基礎(chǔ)上繪制出外接矩形，以便觀察，同時(shí)獲得外接矩形的面積： cvRectangle ( dstImage, cvPoint( xMin, yMin ), cvPoint( xMax, yMax ), cvScalar( 0, 255, 0), 3)。運(yùn)行程序后整體界面如圖 ( 38 )所示。 基于 VC++的砂輪表面金剛石識(shí)別 24 圖 ( 311 ) 程序界面顯示檢測(cè)結(jié)果 程序?qū)⑺惴z測(cè)圖像和計(jì)算面積結(jié)果直觀地顯示在界面上，與原始圖像并排顯示，方便進(jìn)行對(duì)比。 經(jīng)過文獻(xiàn)的查閱及程序的編寫，筆者的資料檢索能力與編程水平得到了提高，同時(shí)對(duì)計(jì)算機(jī)視覺和數(shù)字圖像處理領(lǐng)域有了初步了解。 最后，感謝所有幫住我的人我的設(shè)計(jì)論文才有了最終的完成。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。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準(zhǔn)用徒手畫 基于 VC++的砂輪表面金剛石識(shí)別 32 3）畢業(yè)論文須用 A4 單面打印，論文 50 頁(yè)以上的雙面打印 4）圖表應(yīng)繪制于無(wú)格子的頁(yè)面上 5）軟件工程類課題應(yīng)有程序清單，并提供電子文檔 1）設(shè)計(jì)（論文） 2）附件：按照任務(wù)書、開題報(bào)告、外文譯文、譯文原文（復(fù)印件）次序裝訂