【文章內(nèi)容簡介】 板生產(chǎn)中極其重要的環(huán)節(jié)。參考步驟：1） 通過圖像處理（包括圖像灰度處理，圖像的裁剪，圖像的濾波處理，圖像增強，圖像的邊緣檢測，圖像的數(shù)學形態(tài)學處理），提取鋼板表面劃痕缺陷，并計算劃痕在圖中的像素距離圖像的裁剪和濾波2） 計算出單位像素對應的實際空間物理尺寸3） 計算劃痕實際長度要求：實現(xiàn)鋼板表面劃痕缺陷的提取和劃痕長度的測量21基于圖像處理的零件表面破損檢測準確、快速地探測零件表面缺陷，直接關(guān)系產(chǎn)品質(zhì)量，若不及時剔除不合格產(chǎn)品，將會帶來質(zhì)量隱患。圖像處理技術(shù)又稱“機器視覺”，是將被測對象的圖像作為信息的載體，從中提取有用的信息來達到測量的目的。它具有非接觸、高速度、測量范圍大、獲得的信息豐富等優(yōu)點。參考步驟：1）首先運用各種濾波算法去除噪聲，為圖像檢測做預處理 2) 物體的邊緣是以圖像局部特性的不連續(xù)性表現(xiàn)出來的，如灰度值的突變，顏色的突變，這里的邊緣就是物體表面的裂紋，用邊緣檢測算子進行邊緣檢測 3）通過圖像分割的知識，設定恰當?shù)玫介撝祵⒈尘昂捅砻媪鸭y分開，使裂紋清晰的顯示出來 原圖 結(jié)果22基于圖像處理的齒輪缺陷檢測齒輪在使用過程中將出現(xiàn)各種故障模式，不同的故障模式需要不同的維修方法，因此判斷出齒輪屬于哪種故障將利于修理隨著現(xiàn)代計算機技術(shù)、圖像處理技術(shù)的發(fā)展，基于視頻圖像的測量、識別和控制技術(shù)也得到了發(fā)展。齒輪表面出現(xiàn)剝落是由于疲勞和承受較大應力所致，表現(xiàn)為表面金屬成片狀剝落而形成小凹坑或片狀翹起，其形態(tài)主要表現(xiàn)為不規(guī)則塊狀，用圖像處理與識別技術(shù)，對齒輪缺陷進行圖像處理、分析，并對圖像特征提取的方法和圖像自動識別。 參考步驟：1）對數(shù)變換能夠擴展低值灰度,而壓縮高值灰度,使低值灰度的圖像細節(jié)更容易看清所以需要對原彩色圖像進行灰化處理 2) 圖像銳化處理用于增強圖像的邊緣及灰度跳變部分，如拉氏算子比較適用于改善因光線的漫反射造成的圖像模糊，用拉氏算子可將原模糊圖像銳化 3）確定最佳閾值是缺陷檢測的關(guān)鍵。如果閾值選取太小，會把一些不是缺陷的像素也當作缺陷造成誤識；如果閾值選取的太大，則會造成漏識；齒輪常見的缺陷主要有齒輪折斷、裂紋、圓形缺陷、長型缺陷、不規(guī)則缺陷、點蝕等，所以確定合適的閾值后對圖像進行二值化處理后，可以清晰的顯示裂紋，正確判讀缺陷類別。 原圖像 裂紋局部圖 結(jié)果圖像23 地鐵車輪外形磨耗自動檢測系統(tǒng)地鐵車輛在運行中存在著車輪與鋼軌之間力的傳遞（牽引力、制動力、離心力），造成車輪踏面磨耗，對車輛的安全性、乘坐舒適性和運行平穩(wěn)性影響很大。因此，對車輪踏面摩擦情況和磨耗量需要進行定期的檢測。圖像處理是根據(jù)不同的項目對像進行處理，本設計以車輪外形尺寸大小為測量的主要目標，達到精確測量使其成為數(shù)字化管理手段，正確顯示出接近原物圖像的輪廓曲線是圖像處理在此項目中的主要任務。參考步驟：1） 圖像的平滑處理主要是去除圖像在數(shù)字化后產(chǎn)生的周圍干擾噪聲，而使圖像不失真；2） 圖像的銳化處理主要是突出邊緣圖像信息，使圖像更清晰3） 經(jīng)過原始圖像的不斷處理，最終要求圖像具有黑、白兩種像素值。采用圖像的二值化處理主要使圖像畫面內(nèi)僅存在黑、白色的二值圖，在圖面上不呈現(xiàn)灰度變化，在圖像處理中二值圖像起到重要作用，大大簡化后面的圖像處理，一般圖像中顯示的物體與背景有明顯區(qū)別，通過選擇閥值，可分離出所需的圖像和背景圖像，對圖像進行測量處理打下基礎4） 圖像的細化處理主要是進一步修飾處理，達到一個圖像像素寬度的線素寬。經(jīng)過圖像的二值圖后，再利用羅伯特(Roberts)算子來提取邊緣處理和圖像逆反處理，為圖像最終的檢測做準備。 原圖像 結(jié)果圖24基于圖像處理技術(shù)的絕緣子覆冰自動識別絕緣子覆冰是高壓輸電線路中經(jīng)常出現(xiàn)并產(chǎn)生較大危害的異常運行狀況。通過對絕緣子覆冰特征的分析，結(jié)合現(xiàn)場拍攝的圖像研究了基于圖像處理技術(shù)對絕緣子覆冰的情況和圖形特征量進行自動分析和識別的方法。主要基于圖像平滑處理、閾值變換和輪廓跟蹤等算法實現(xiàn)了基于現(xiàn)場圖像的絕緣子覆冰及覆冰厚度等特征參數(shù)的自動識別。參考步驟：1）現(xiàn)場拍攝的絕緣子畫面往往帶有很大的背景聲， 而且長期監(jiān)測必然會拍攝到不同氣候條件的照片，其顏色深淺度也必然不同。首先去除噪聲對圖像進行預處理；2) 為了摒棄不同天氣條件下圖像顏色深淺差異對自動識別結(jié)果的影響。這里考慮將圖像二值化把灰度圖像變換成為黑白圖像，這些差異選取閾值，進行圖像分割； 3）進行圖像輪廓處理，使邊界獨立出來為以后方便計算絕緣子的最大徑向距離和判斷覆冰厚度做準備。 原圖像 結(jié)果25基于數(shù)字圖像處理的孢子特征提取在我國危害農(nóng)作物的主要病害有550多種，其中很多是由真菌引起的，為了預報空氣傳播的病害，需要監(jiān)測空中孢子浮游量并判斷其類型。以往的檢測方法都是通過孢子采集，然后在顯微鏡下人工進行孢子的分類和統(tǒng)計，效率很低并且受視覺影響存在一定的誤差。利用計算機圖像處理技術(shù)則可以有效地解決這個問題。參考步驟：1） 灰度圖像相對于彩色圖像來說在光線較低情況下清晰度高于彩色圖像，因此為了適應不同光線條件有必要把彩色的圖像轉(zhuǎn)換為灰度圖像既滿足了處理需要，又減少了信息運算量2）圖像平滑技術(shù)可盡量減少或消除噪聲的影響，用canny算子來實現(xiàn)數(shù)字圖像的邊緣檢測3)）孢子與背景的根本差別在于其具有不同的灰度值，因此可以利用灰度值將顆粒與背景完全分開，實現(xiàn)的方法為二值化分割技術(shù)。 原圖像 類似結(jié)果圖26利用拉普拉斯算法對擴散現(xiàn)象引起的模糊進行圖像銳化操作要求：
1掌握拉普拉斯算法的原理及常用算子形式；
2分析擴散現(xiàn)象引起的模糊屬于哪種類型；
3實現(xiàn)拉普拉斯算子對圖像的銳化，并實現(xiàn)顯示；
4 改進算子，使圖像達到標準對照圖像效果。待處理圖片 參考最終效果圖27利用圖像濾波算法實現(xiàn)對高椒鹽噪聲的去噪處理已知：下圖為受到嚴重椒鹽噪聲污染的圖片，其噪聲濃度為70%。要求：1 掌握椒鹽噪聲的概率特點；2 選用適當?shù)臑V波方式對圖像進行濾波；3 運用迭代方法提高濾波效果