【導讀】低成本、無損傷、準確，快速，使得機器視覺在缺陷檢測領域具有重要的意義。門研究基于數(shù)字圖像處理的缺陷檢測算法，并在工業(yè)組態(tài)軟件中實現(xiàn)，以便更好的應用于實際。養(yǎng)良好的編程能力，分析和解決問題的能力，為以后的科研夯實基礎。4．已經(jīng)開發(fā)的Xavis底層函數(shù)與架構。，并針對實際應用提出自己的建議；，了解目前缺陷檢測領域的發(fā)展現(xiàn)狀；測得到了廣泛的應用。本次畢設在缺陷檢測識別中的算法作了較。不錯的配準算法。并自己的創(chuàng)新性的提出了基于灰度信息的模板匹配缺陷檢。取得了預想中的成果，檢測的表面劃痕效果清晰明顯。法封裝成動態(tài)鏈接庫文件，然后供工業(yè)視覺組態(tài)軟件Xavis調(diào)用。經(jīng)測試，程序運行、檢測程序適用范圍也比較廣。

　　

【正文】 （ Highlevel Vision）。運動檢測、運動目標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注的研究熱點，它是指對目標的運動模式進行分析和識別，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)字圖像處理實現(xiàn) 7 并為自動識別打基礎，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。它的特點是是輸入是圖像，輸出也是圖像，即圖象之間進行 的變換。 2） 中級圖像處理 中級圖像處理主要對圖象中感興趣的目標進行檢測（或分割）和測量，以獲得它們的客觀信息從而建立對圖象的描述。特點是輸入是圖象，輸出是數(shù)據(jù)。 3） 高級圖像處理 高級圖像處理是在中級圖像處理的基礎上，進一步研究圖象中各目標的性質(zhì)和它們之間相互的聯(lián)系，并得出對圖象內(nèi)容含義的理解（對象識別）及對原來客觀場景的解釋（計算機視覺），從而指導和規(guī)劃行動。特點是以客觀世界為中心，借助知識、經(jīng)驗等來把握整個客觀世界。特點是輸入是數(shù)據(jù)，輸出是理解。 數(shù)字圖象處理的特點 數(shù)字圖像處理是利用計算機的計算， 實現(xiàn)與光 學系統(tǒng)模擬處理相同效果的過程。數(shù)字圖像處理具有如下特點： 1） 處理精度高，再現(xiàn)性好。 利用計算機進行圖像處理， 其實質(zhì)是對圖像數(shù)據(jù)進行各種運算。由于計算機技術的飛速發(fā)展，計算精度和計算的正確性勿庸置疑； 另外，對同一圖像用相同的方法處理多次，也可得到完全相同的效果，具有良好的再現(xiàn)性。 2） 處理的多樣性。 由于圖像處理是通過運行程序進行的，因此，設計不同的圖像處理程序，可以實現(xiàn)各種不同的處理目的。 3） 圖像數(shù)據(jù)量龐大。 圖像中包含有豐富的信息，可以通過圖像處理技術獲取圖像中包含的有用的信息，但是，數(shù)字圖像的數(shù)據(jù)量巨 大。一幅數(shù)字圖像是由圖像矩陣中的像素（ Pixel）組成的，通常每個像素用紅、綠、藍三種顏色表示， 每種顏色 8bit 表示灰度級。則一幅 10241024不經(jīng)壓縮的真彩色圖像，數(shù)據(jù)量達 3 MB（即 102410248 bit3=24 Mb）。 X 射線照片一般用 64～ 256 Kb 的數(shù)據(jù)量，一幅遙感圖像為 324023404＝ 30Mb。如此龐大的數(shù)據(jù)量給存儲、傳輸和處理都帶來巨大的困難。如果精度及分辨率再提高，所需處理時間將大幅度增加。 4） 處理費時。 由于圖像數(shù)據(jù)量大，因此處理比較費時。特別是處理結(jié)果與中心像素鄰 域有關的西安 交通大學本科畢業(yè)設計（論文） 8 5） 圖像處理技術綜合性強。 數(shù)字圖像處理涉及的技術領域相當廣泛，如通信技術、計算機技術、電子技術、電視技術等， 當然，數(shù)學、物理學等領域更是數(shù)字圖像處理的基礎。 待檢測圖像的形態(tài)學處理 數(shù)學形態(tài)學是分析幾何形狀和結(jié)構的數(shù)學方法 [6]，建立在集合代數(shù)的基礎之上，用集合論方法定量描述幾何結(jié)構的科學。 1985 年之后，它逐漸成為分析圖像幾何特征的工具。主要包括膨脹、腐蝕、開以及閉運算。 圖 24 圖像的腐蝕 數(shù)學形態(tài)學由一組形態(tài)學運算算子組成。最基本的運算算子由膨脹，腐蝕，開運算，閉運算。使用這些算子對圖像的結(jié)構和形狀進行分析和處理，主要包括圖像分割、特征提取、邊緣檢測、圖像濾波、圖像增強以及圖像恢復等。 由于形態(tài)學具有完備的數(shù)學基礎，這使得形態(tài)學用于圖像分析和處理、形態(tài)濾波器的分析和系統(tǒng)設計等具有了堅實的基礎。近年來，形態(tài)學在圖像處理方面的應用和研究得到了迅速發(fā)展。 形態(tài)學的理論基礎是集合論 [7]。在圖像處理中形態(tài)學的集合代表著黑白和灰度圖像的形狀。比 如二值圖像中所有黑色相素組成的了該圖像完全描述。 膨脹 膨脹是形態(tài)學運算中的最基本的運算子之一，它在圖像處理中的主要作用是擴充物體邊界點，連接兩個距離很近的物體。集合 A 用集合 B 膨脹，記作 AB? ，定義為?{ | }xA B x B A ?? ? ?；上式表明，用集合 B 膨脹集合 A,既當集合 B 的原點在集合 A中移動時，集合 B 中元素所對應位移后的元素組成的集合。在圖像處理中，集合 A 一般是待膨脹的圖像，稱集合 B 為結(jié)構元素。 2 缺陷檢測的數(shù)字圖像處理實現(xiàn) 9 腐蝕 腐蝕也是形態(tài)學運算中最基本的運 算子之一，它是與膨脹相對應的運算。它在圖像處理中的主要作用是消除物體的邊界點，消除圖像中小于結(jié)構元素的物體，分開具有細小連接的兩個物體。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，既當集合 B 完全包含于集合 A 時，集合 B原點元素所在位置的集合。在圖像處理中，集合 A一般是待膨脹的圖像，稱集合 B為結(jié)構元素。 開和閉 在腐蝕和膨脹的基礎上，對這兩個形態(tài)學運算子進行集合（并、交、補等），可以構造出形態(tài)學運算族。這些組合運算中，最為重要也最常用的兩個組合運算是開運算和閉運算。 集合 A和集合 B，集合 A對集合 B的開運算記作 A〇 B,定義為： ()A B A B B? ? ?。集合 A 對集合 B 的閉運算記作 AB? ，定義為： ()A B A B B? ? ? 。在圖像處理中，集合 A 一般是待處理的圖像，集合 B 一般是結(jié)構元素，通過選擇適當?shù)慕Y(jié)構算子，開運算可以消除圖像的噪音，平滑圖像的邊界，閉運算可以連接兩個相鄰的物體。 圖 25 為膨脹和腐蝕的示意圖 (ａ )結(jié)構元素 (ｂ )原圖 (ｃ )膨脹 (ｄ )腐蝕 圖 25 形態(tài)學操作示意圖 圖像分割提取缺陷檢測中的感興 趣區(qū)域 在對圖像的研究和應用中，人們往往只對圖像的某些區(qū)域感興趣，這些區(qū)域通常稱為目標或前景，它們一般對應于圖像中特定的，具有獨特性質(zhì)的區(qū)域。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。這些“有意義的”內(nèi)涵隨著解決問題的不同而不同，比如在這篇論文中：在劃痕檢測中間物體與背景區(qū)分開。 雖然國內(nèi)外學者已提出很多種圖像分割算法，但由于背景的多變性和復雜性，至今西安 交通大學本科畢業(yè)設計（論文） 10 為止還沒有一種能適用于各種背景的圖像分割算法。當前提出的小波分析、模糊集、分形等新的智能信息處理方法有可能找到新的圖像分割方法。 盡管人們在圖像 分割方面作了許多研究，由于沒有通用的分割理論，現(xiàn)已提出的分割算法大都是針對灰度提問題，沒有一種適用于所有圖像的通用分割算法。另外，給定一副實際圖像選擇合用的分割算法也沒有標準。由于圖像分割的算法相當?shù)亩?，本小結(jié)沒有必要一一介紹，本小結(jié)只介紹本論文要用的圖像分割算法，主要有灰度分割法、輪廓提取與跟蹤以及投影法。 灰度分割法 灰度分割法，顧名思義，就是利用目標區(qū)域和背景區(qū)域在灰度方面的差異，選取一個閾值，對圖像進行分割，以區(qū)分出目標和背景的一種方法。在灰度閾值分割法中，最常用的就是把圖像變?yōu)槎祱D像。設圖像 f(x,y)的灰度范圍屬于 [z1,z2]，根據(jù)一定的經(jīng)驗及知識確定一個閾值 T，則 ft(x,y) 可有以下表達式給出： 1 ( , )( , ) 0 ( , )t f x y Tf x y f x y T??? ? ?? (21) 由上面的表達式可知，閾值 T 的選擇的準確性直接影響分割的精度以及圖像描述分析的正確性。閾值 T 太高，容易把大量的目標判為背景；閾值 T 太低，又會把大量的背景判為目標。因此正確的設定分割閾值對于圖像的分割是非常重要的。 效果圖如圖 26： (a) 原圖 (b)灰度分割圖 圖 26 灰度分割效果圖 當然，利用灰度分割，可以檢測出一些表面劃痕，以往的同學都是從這個方面入手，檢測出的缺陷。 輪廓提取與跟蹤 物體的輪廓在圖像處理中具有非常重要的意義。在工業(yè)產(chǎn)品表面質(zhì)量檢測中，通過輪廓提取或跟蹤，確定產(chǎn)品的輪廓，從而確定表面缺陷所在的范圍，去除背景干擾，提高檢測算法的實時性。在目標跟蹤中，通過輪廓提取或輪廓跟蹤技術確定目標的輪2 缺陷檢測的數(shù)字圖像處理實現(xiàn) 11 廓參數(shù)。 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：如果一個物體中有一黑點，且它的八個 鄰點都為黑點，則認為這一點是物體內(nèi)部點，將去除。輪廓提取也可用形態(tài)學方法來實現(xiàn)，即用一個 3X3 的方形的結(jié)構元素對圖像進行腐蝕，然后再用原圖減去腐蝕后的圖，即可得到物體的輪廓。 輪廓跟蹤的最基本方法是：先根據(jù)某些嚴格的“探測準則”找出物體輪廓上的象素，再根據(jù)這些像素的某些特征用一定的“跟蹤準則”找出目標物體上的其它像素。以下介紹本文中要用到的二值圖像的輪廓跟蹤。 首先找第一個邊界點像素：按照從左到右，從下到上的順序搜索，找到的第一個黑點一定是最左下方的邊界點，記為 A。點 A 的右、右上、上、左上四個鄰點中至少有一 個邊界點，記為 B。從邊界點 B開始，定義初始的搜索方向為左上方；如果左上方的點為黑點，則為邊界點，否則搜索方向順時針旋轉(zhuǎn) 45 度。這樣一直找到第一個黑點為止。然后把這個點作為新的邊界點，在當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，直到返回初始的邊界點為止。 圖 27 為輪廓跟蹤算法的示意圖，箭頭代表搜索方向。 圖 27輪廓跟蹤算法 投影 投影主要有兩種投影：水平投影和垂直投影。它主要針對二值圖像的操作，也是圖像分割中的一種基本的操作，當物體具有水平或垂直邊界時，通過投影，可以確定物體的大概位置。 水平投影是對圖像的每一行進行遍歷，計算每一行中目標像素的個數(shù)。當圖像的目標具有水平邊界時，對圖像進行水平投影，則目標邊界行的目標像素的個數(shù)明顯多于其他行，從而確定物體水平邊界在圖像中的行數(shù)。 垂直投影于水平投影類似，只是對圖像中的每一列進行遍歷，并計算每一列中目標像素的個數(shù)。當圖像中的目標具有垂直邊界時， 對圖像進行垂直投影，則目標邊界列的目標像素的個數(shù)將明顯多于其他列，從而確定目標的水平邊界在圖像中的列數(shù)。 如 圖 28,(a)為原圖， (b)為水平投影圖， (c)為垂直投影圖。對于 (a)中的圓，圓心西安 交通大學本科畢業(yè)設計（論文） 12 的位置在水平投影和垂直投影圖中分別為最大點對應的行和列。 (a) 原圖 (b) 水平投影 (c) 垂直投影 圖 28 投影圖 圖像增強提取目標缺陷的研究 圖像增強是對圖像質(zhì)量在一般意義上的改善。當無法知道圖像退化有關的定量信息時，可以使用圖像增強技術較為主觀地改善圖像的質(zhì)量。所以，圖像增強技術是用于改善圖像質(zhì)量所采取的一種方法。因為增強技術并非是針對某種退化所采取的方法，所以很難預測哪一種特定技術是 最好的， 只能通過試驗和分析誤差來選擇一種合適的方法。有時可能需要徹底改變圖像的視覺效果，以便突出重要特征的可觀察性，使人或計算機更易觀察或檢測。在這種情況下，可以把增強理解為增強感興趣特征的可檢測性，而非改善視感質(zhì)量。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效果，增強動感和力度。在工業(yè)圖像處理中，為了增強圖像的可讀性，突出感興趣的目標區(qū)域，比如目標的輪廓，目標的缺陷等，通常采用圖像的增強技術。這一小節(jié)中，我簡要的介紹一些常用的可以用在缺陷檢測的圖像增強技術。 (a) 原圖 (b) 效果圖 圖 29 圖像增強效果圖 圖像的增強技術通常有兩類方法：空間域法和頻率域法?？臻g域法主要是在空間域中對圖像的各個像素灰度值直接進行運算處理。而頻率域法就是在圖像的某種變換域中（通常時頻率域中）對圖像的變換值進行某種運算處理，然后再變回空間域中。 2 缺陷檢測的數(shù)字圖像處理實現(xiàn) 13 圖像平滑去除檢測圖像的噪聲 圖像的大部分噪音，比如由敏感元件，量化器 等引起的噪音，多半是隨機性的，它們對某一像素的影響，都可以看成孤立的，因此與鄰近各個點相比，該點的灰度值將顯著的不同。基于此點，可以用鄰域平均的方法來消除噪音。 f(i,j)表示 (i,j)點的灰度值，以它為中心我們?nèi)ヒ粋€ NXN 的