【正文】 .................................................. 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 圖像平滑去除檢測圖像的噪聲 ........................................................................... 13 中值濾波降噪 ....................................................................................................... 13 直方圖均衡 ........................................................................................................... 13 本章小結(jié) ..................................................................................................................... 14 3 Xavis 機(jī)器視覺平臺與 Matlab/VC/OpenCV 聯(lián)合調(diào)試的實(shí)現(xiàn) ....................................... 15 Matlab 用于缺陷檢測的仿真實(shí)現(xiàn) .............................................................................. 15 缺陷檢測基本處理操作在 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、生物特征識別 ...................................... 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 目 錄 IX 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)缺陷檢測算法 ..................................... 20 本章小結(jié) ..................................................................................................................... 22 4 基于圖像處理的表面缺陷檢測算法研究與實(shí)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(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(shí)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(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 錯誤 !未找到引用源。檢測程序適用范圍也比較廣。 關(guān)于機(jī)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(qiáng)，圖像形態(tài)學(xué)處理，圖像分割，邊緣檢測等進(jìn)行了研究。同時培養(yǎng)良好的編程能力，分析和解決問題的能力，為以后的科研夯實(shí)基礎(chǔ)。 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。本次畢設(shè)在缺陷檢測識別中的算法作了較深 入的研究。經(jīng)測試，程序運(yùn)行、容錯能力良好。 Xavis。其中光學(xué)方法已經(jīng)有了很長的發(fā)展歷史，從簡單的光學(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。 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)來重構(gòu)圖像。由于人工檢測的缺陷，人們自然而然的想到了利用圖像處理技術(shù)來實(shí)現(xiàn)檢測的自動化。目前很多公司的視覺產(chǎn)品和視覺技術(shù)就是要挖掘?qū)崿F(xiàn)機(jī)器視覺技術(shù)的潛力，并通過圖像處理技術(shù)來實(shí)現(xiàn)其增值服務(wù)。 （ 3） 設(shè)計開發(fā)了缺陷檢測軟件，使用 VC++成功的實(shí)現(xiàn)了各種設(shè)計的算法，并且取得了比較好的效果。 第五章：對本文中的缺陷檢測算法進(jìn)行了總結(jié)，分析了取得的結(jié)果和工作的不足，并對今后的工作提出了展望 。例如，電腦人像藝術(shù)，電視中的特殊效果，自動售貨機(jī)鈔票的識別，郵政編碼的自動識別和利用指紋、虹膜、面部等特征的身份識別等。運(yùn)動檢測、運(yùn)動目標(biāo)分類與跟蹤是視覺監(jiān)控中研究較多的三個問題，而行為理解與描述則是近年來被廣泛關(guān)注的研究熱點(diǎn)，它是指對目標(biāo)的運(yùn)動模式進(jìn)行分析和識別，并用自然語言等加以描述 1） 低級圖像處理 低級圖像處理主要對圖象進(jìn)行各種加工以改善圖象的視覺效果、或突出有用信息，???????????1 0 02 2 02 5 01 8 0501 2 02 0 01 5 00I ???????????002 5 58002 5 52 4 02 4 02 5 5R???????????02 5 501 6 02 5 52 5 5801 6 00G???????????2 5 52 5 52 5 52 4 0001 6 0800B2 缺陷檢測的數(shù)字圖像處理實(shí)現(xiàn) 7 并為自動識別打基礎(chǔ)，或通過編碼以減少對其所需存儲空間、傳輸時間或傳輸帶寬的要求。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。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）。 待檢測圖像的形態(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)。 形態(tài)學(xué)的理論基礎(chǔ)是集合論 [7]。集合 A被集合 B腐蝕，記作 AB定義為 { | }xA B x B A??；上式表明，用集合 B腐蝕集合 A，既當(dāng)集合 B 完全包含于集合 A 時，集合 B原點(diǎn)元素所在位置的集合。圖像分割的目的是把圖像的這些有意義的區(qū)域提取出來。在灰度閾值分割法中，最常用的就是把圖像變?yōu)槎祱D像。 在二值化圖像中，輪廓提取的方法比較簡單，即去除物體的內(nèi)部點(diǎn)：如果一個物體中有一黑點(diǎn)，且它的八個 鄰點(diǎn)都為黑點(diǎn)，則認(rèn)為這一點(diǎn)是物體內(nèi)部點(diǎn)，將去除。然后把這個點(diǎn)作為新的邊界點(diǎn)，在當(dāng)前的搜索方向上逆時針旋轉(zhuǎn) 90 度，繼續(xù)用同樣的方法搜索下一個黑點(diǎn)，直到返回初始的邊界點(diǎn)為止。 如 圖 28,(a)為原圖， (b)為水平投影圖， (c)為垂直投影圖。電視節(jié)目片頭或片尾處的顏色、輪廓等的變換， 其目的是得到一種特殊的藝術(shù)效果，增強(qiáng)動感和力度。 f(i,j)表示 (i,j)點(diǎn)的灰度值，以它為中心我們?nèi)ヒ粋€ NXN 的