基于機(jī)器視覺的焊膏視覺檢測方法(編輯修改稿)
2024-11-04 10:41 本頁面
【文章內(nèi)容簡介】 記 2各自在檢測程序設(shè)定中的坐標(biāo)。 m1’和 m2’是標(biāo)記 1和標(biāo)記 2檢測的坐標(biāo)。 S是偏移向量， ， T是旋轉(zhuǎn)矩陣，可以表示為： 從式（ 1），可以看到，其中有 3個(gè)求知變量和 4個(gè)方程?？梢院苋菀椎耐ㄟ^三角函數(shù)求出。過約束問題可以使用最小面積法解決。位置補(bǔ)償方法的應(yīng)用可以提高檢測精度。 3 圖像增強(qiáng) 對比焊焊膏和 PCB基板，焊盤的灰度值高出許多，可以很容易的通過使用閾值函數(shù)來區(qū)分。但焊膏和 PCB基板的灰度值很相似，它們的直直方圖甚至有部分重疊。為了正確地區(qū)分焊膏和 PCB基板圖像，這里提出一種基于紋理的算法。 圖像的紋理可以通過一個(gè)直方圖的 n階統(tǒng)計(jì)矩來計(jì)算： 其中， Zi是一個(gè)隨機(jī)變量，代表亮度， P(Zi)是在一個(gè)區(qū)域的亮度等級直方圖。 L是可能的亮度等級數(shù)，而 m是灰度值的平均值。 但是，直方圖不能反映像素位置信息。因此，在使用 n階統(tǒng)計(jì)矩之前，需要將圖像分成 X*Y部分， 是 x行，列 y圖像的 n階值?；?n階統(tǒng)計(jì)矩的增強(qiáng)算法可以寫成： 其中 f(i, j)是沒有增強(qiáng)的圖像， g(i, j)是增強(qiáng)后的圖像， h是權(quán)數(shù)。 這個(gè)算法可以增加焊膏灰度，從而增強(qiáng)了圖像，焊膏和 PCB基板可以容易的區(qū)分開來。使用多閾值函數(shù)，增強(qiáng)后的圖像可以分成焊盤部分，
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1