【正文】 ：任務書、開題報告、外文譯文、譯文原文（復印件）。 作者簽名： 日期： 年 月 日 學位論文版權使用授權書 本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。 作者簽名： 日 期： 基于 VC++的砂輪表面金剛石識別 29 學位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研究所取得的研究成果。lis Baggio. 深入理解 OpenCV:實用計算機視覺項目解析 [M]. 北京： 機械工業(yè)出版社 , 20xx. [8]王娜 , 李霞 . 一種新的改進 Canny 邊緣檢測算法 [J]. 深圳大學學報 , 20xx, (02): 149153. [9]OpenCV 中文網(wǎng)站 . 輪廓 (contour)檢測 . [10]譚浩強 .c++程序設計（第二版） [M].北京：清華大學出版社， 20xx [11]劉志明 .Visual C++程序開發(fā)參考手冊 [M].北京：機械工業(yè)出版社， 20xx [12]歐陽志宏，懂霖，鐘俊華 .MFC 程序輕松入門 [M].北京：人民郵電出版社， 20xx [13]任哲 . MFC Windows 應用程序設計 [M].北京：清華大學出版社， 20xx [14]仇谷峰 .基于 Visual C++的 MFC 編程 [M].北京：清華大學出版社， 20xx [15] 劉冰，張林，蔣貴全，楊勇 .Visual C++20xx 程序設計案例教程 [M]. 北京：機械工業(yè)出版社 , 20xx. [16]張錚 ,孫寶山 ,周天立 .Windows+程序設計（第 3 版） [M].北京：人民郵電出版社， 20xx 基于 VC++的砂輪表面金剛石識別 28 畢業(yè)設計（論文）原創(chuàng)性聲明和使用授權說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。 感謝在整個設計和論文完成的過程中一直幫住我的一個朋友，在他的 指導建議下給了我最多的想法和靈感，才使得我論文得以順利完成。 基于 VC++的砂輪表面金剛石識別 26 致謝語 首先真誠的感謝我的指導老師陳俊英，開始給予我這個題目才讓我對這方面的知識有了更深的了解，使我從中受益。程序演示實驗證明算法檢測性能良好，界面直觀、操作簡潔。演示結果證明，算法程序對于處理的樣本具有良好的檢測性能和實際的使用價值。像素點閾值參數(shù)則用于圖像閾值變換處理步驟，初始化默認設置為 150，同樣可以根據(jù)實際情況修改。 圖 ( 39 ) 選擇圖像界 面 選擇待處理的金剛石砂輪圖片后，在界面中央展示區(qū)的左側圖片框內(nèi)即會顯示原始圖像，如圖 ( 310 )所示。算法包含了灰度轉換、閾值變換、中值濾波、邊緣提取、尋找輪廓、計算面積與確定區(qū)域邊界點幾個模塊，算法的流程如圖 ( 37 )所示。 cvRectangle ( )函數(shù)在 dstImage 圖像上繪制了以 ( xMin, yMin )、 ( xMax、 yMax )為對角頂點的矩形框，線條顏色為綠色，線條寬度為 3 像素。其中圖 ( a )在純色背景圖下繪制，圖 ( b )則添加了原始圖像作為背景，方便進行結果比較。 } 代碼中 cvDrawContours ( ) 函數(shù)用于在 dstImage 圖像上繪制輪廓， cvScalar( 0, 0, 255 )表示輪廓的顏色為紅色（在 OpenCV 中三通道彩色圖像表示分量的順序是 B、 G、 R）；參數(shù) 1 表示只繪制當前輪廓的邊緣像素，不填充輪廓內(nèi)部；參數(shù) 2 表示繪制線條的寬度為 2 像素。 xMin = ( contour left xMin ) ? contour left : xMin。 獲得了存儲圖 像中所有輪廓的指針 contour 后，我們就可以通過遍歷 contour 的所有輪廓元素，完成所需要的面積計算及界限點的比較和記錄： for ( 。contour, sizeof ( CvContour ), CV_RETR_CCOMP)。 OpenCV 庫中提供了 cvFindContours ( ) 函數(shù)， [9] 用于尋找圖像中像素聯(lián)通集的邊緣輪廓。其中圖 ( a )為原始的濾波二值圖像，圖 ( b )為檢測后的邊緣二值圖像。 y++ ) for( x = 0 ?？紤]到樣本圖像的外觀特性與計算復雜度，取圖像亮度值區(qū)間上下限中任意一值作為閾值，若相鄰兩像素點對閾值的滿足條件不連續(xù)，即其一大于等于閾值，而另一小于閾值，則該處存在邊緣，將其在邊緣圖像中標注出來。用于邊緣檢測的算法有許多種，可以根據(jù)其數(shù)學原理大致劃分為兩類：其一是根據(jù)圖像像素點亮度值一階導數(shù)（即像素點亮度值變化趨勢）的最大值和最小值來檢測邊緣，通常將梯度最大的方向定為邊緣界線方向，這是基于查找的方法；其二是尋找圖像像素點亮度值二階導數(shù)為零的點，這是基于零穿越的方法。在本項目中，采用閾值檢測的方法提取邊緣。圖 ( b )為閾值變換后的圖像，其中閾值參數(shù) T 設置為 155。 同樣地，在 OpenCV 庫中，也有封裝好的閾值轉換函數(shù)供研究者調(diào)用： Iplimage * thresImage = cvCreateImage ( cvGetSize (mfilterImage ), mfilterImage depth, 1)。 x++ ) if ( mfilterImage [x,y] [I] T) thresImage [x, y] [I] = 255。程序的偽代碼如下： for ( y = 0 。常見的處理方法有如下幾種： ( 1 ) 滿足條件者保留原始亮度值，不滿足者亮度值置 0； ( 2 ) 滿足條件者亮度值置為最大，不滿足者亮度值 置 0； ( 3 ) 滿足條件者亮度值置為閾值 T，不滿足者亮度值置 0。 (a) (b) 圖 ( 32 ) 金剛石砂輪圖像的中值濾波 (a)原始灰度圖像； (b)中值濾波后的灰度圖像。 cvSmooth ( )提供了豐富的參數(shù)控制圖像的濾波效果， CV_MEDIAN 通知程序對圖像進行中值濾波，數(shù)字 3 則控制濾波窗口的邊長大小。 mfilterImage [x, y] [I] = queueVal [4]。 y++ ) for( x = 0 。在金剛石檢測項目中，雖然待處理的噪聲均為亮點，沒有“椒”噪聲，但由于其顯著離散的特性，我們?nèi)钥墒褂弥兄禐V波對其進行處理，以期獲得較好的效果。由于離散的噪聲與鄰域的像素值具有很大差異，在窗口排序后通常排列在序列的頭部或尾端，并有較大的可能性選取周圍鄰域像素點強度作為中值，從而達到消除噪聲的效果。仔細觀察原始樣本圖像可以發(fā)現(xiàn)，圖像中雜質(zhì)礦石部分中參雜了少數(shù)離散的亮點“噪聲”。 上述代碼中， cvCreateImage( )函數(shù)創(chuàng)建了一幅與 sourceImage 同樣寬高的單通道圖像，CV_BGR2GRAY 參數(shù)通知程序轉換圖像的方式為“ BGR 彩色圖到灰度圖”。研究者可以使用 OpenCV 中的 Iplimage 類圖像指針對圖像進行讀取，而 cvCvtColor ( ) 函數(shù)能將三通道的彩色圖像轉化為單通道的灰度圖像。 y height 。具體到金剛石檢測這個項目中，通過對樣本圖像的肉眼觀察，我們可以發(fā)現(xiàn)含有金剛石的礦石部分像素亮度值，顯著大于不含金剛石的雜質(zhì)部分。例如，我們可以用一個三維矩陣 X m, n 表示一幅 m 行 n列的彩色圖像，其中 x j, k = ( r, g, b )則表示第 j 行第 k 列坐標的像素值強度為 ( r, g, b )。在本章中，筆者將以金剛石檢測這個項目為例，詳細介紹軟件各個模塊在數(shù)字圖像處理中的算法原理以及具體的代碼實現(xiàn)。截至 20xx 年5 月， OpenCV 已更新至 版本。 OpenCV由 C 函數(shù)和 C++類構成，經(jīng)過恰當?shù)母膶懣梢砸浦踩?DSP 或單片機系統(tǒng)中。 基于 VC++的砂輪表面金剛石識別 6 通過 MFC 類的調(diào)用，可以創(chuàng)建類似 Windows 主題風格的程序演示界面框架，為算代碼的處理結果提供了一個直觀的展示平臺。本文后續(xù)項目程序的實際開發(fā)環(huán)境為 Viual Studio 20xx ( VS 20xx )。 VC++ Microsoft Visual C++ ( VC++ )是一款由微軟公司推出的，面向對象的可視化集成編程系統(tǒng)，主要用于 Win32 位環(huán)境下的程序開發(fā)。課題最終完成的砂輪表面金剛石檢測程序，既包含邏 輯清晰的核心算法，又具有直觀簡潔的演示界面。無論是在砂輪的生產(chǎn)制造過程中，還是在工業(yè)生產(chǎn)安全檢查中，都必須認真仔細考察砂輪質(zhì)量，及時排除砂輪 次品，保障生產(chǎn)安全。其絕對硬度是剛玉的四倍，石英的 8 倍。由于磨料、結合劑搭配組成不一，制造工序不同，生產(chǎn)的砂輪差異很大，其特性主要由磨料、粒度、結合劑、硬度、組織、形狀和尺寸等因素決定。數(shù)字基于 VC++的砂輪表面金剛石識別 3 圖像處理技術已逐漸深入各行各業(yè)之中，為人民群眾的日常生活的方方面 面提供了便利。 [1] 科技工作者們研究計算機視覺的相關理論和技術，試圖建立一個能從樣本圖像數(shù)據(jù)中獲得有用信息的人工智能系統(tǒng)。在流水線的生產(chǎn)過程中，一個重要的環(huán)節(jié)是讓機器設備系統(tǒng)辨識生產(chǎn)加工的原材料，以便后續(xù)加工和剔除次品的處理。圖像處理在很多方面例如：國防、醫(yī)學、交通、地質(zhì)勘查、地球環(huán)境、宇航航天以及民用等方面都有著十分重要的運用。數(shù)字圖像處理技術主要包括如下內(nèi)容：幾何處理、算術處理、圖像增強、圖像復原、圖像重建、圖像編碼、圖像識別、圖像理解。 Computer vision 目錄 引言 ............................................................................................................................................ 1 第一章 課題的背景及意義 .......................