【正文】 它在圖像處理中的主要作用是消除物體的邊界點(diǎn)，消除圖像中小于結(jié)構(gòu)元素的物體，分開(kāi)具有細(xì)小連接的兩個(gè)物體。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(gòu)元素。 膨脹 膨脹是形態(tài)學(xué)運(yùn)算中的最基本的運(yùn)算子之一，它在圖像處理中的主要作用是擴(kuò)充物體邊界點(diǎn)，連接兩個(gè)距離很近的物體。在圖像處理中形態(tài)學(xué)的集合代表著黑白 和灰度圖像的形狀。近年來(lái)，形態(tài)學(xué)在圖像處理方面的應(yīng)用和研究得到了迅速發(fā)展。使用這些算子對(duì)圖像的結(jié)構(gòu)和形狀進(jìn)行分析和處理，主要包括圖像分割、特征提取、邊緣檢測(cè)、圖像濾波、圖像增強(qiáng)以及圖像恢復(fù)等。 圖 24 圖像的腐蝕 數(shù)學(xué)形態(tài)學(xué)由一組形態(tài)學(xué)運(yùn)算算子組成。 1985 年之后，它逐漸成為分析圖像幾何特征的工具。 數(shù)字圖像處理涉及的技術(shù)領(lǐng)域相當(dāng)廣泛，如通信技術(shù)、計(jì)算機(jī)技術(shù)、電子技術(shù)、電視技術(shù)等， 當(dāng)然，數(shù)學(xué)、物理學(xué)等領(lǐng)域更是數(shù)字圖像處理的基礎(chǔ)。 由于圖像數(shù)據(jù)量大，因此處理比較費(fèi)時(shí)。如果精度及分辨率再提高，所需處理時(shí)間將大幅度增加。 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。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(gè)像素用紅、綠、藍(lán)三種顏色表示， 每種顏色 8bit 表示灰度級(jí)。 3） 圖像數(shù)據(jù)量龐大。 2） 處理的多樣性。 利用計(jì)算機(jī)進(jìn)行圖像處理， 其實(shí)質(zhì)是對(duì)圖像數(shù)據(jù)進(jìn)行各種運(yùn)算。 數(shù)字圖象處理的 特點(diǎn) 數(shù)字圖像處理是利用計(jì)算 機(jī)的計(jì)算， 實(shí)現(xiàn)與光學(xué)系統(tǒng)模擬處理相同效果的過(guò)程。 特點(diǎn)是 以客觀世界為中心，借助知識(shí)、經(jīng)驗(yàn)等來(lái)把握整個(gè)客觀世界。 特點(diǎn)是 輸入是圖象，輸出是數(shù)據(jù)。 它的特點(diǎn)是 是輸入是圖像，輸出也是 圖像，即圖象之間進(jìn)行的變換。 圖 23 彩色圖像 數(shù)字圖象處理的三個(gè)層次 運(yùn)動(dòng)檢測(cè)、目標(biāo)分類、人的跟蹤屬于視覺(jué)中的低級(jí)和中級(jí)處理部分 (Lowlevel and Intermediatelevel Vision)，而行為理解和描述則屬于高級(jí)處理（ Highlevel Vision）。 數(shù)字圖像分為以下三種格式： 1） 黑白圖像 圖 21 黑白圖像 西安交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 6 2） 灰度圖像 灰度圖像是指每個(gè)像素的信息由一個(gè) 量化的灰度級(jí)來(lái)描述的圖像，沒(méi)有彩色信息。 數(shù)字 圖像 一幅圖像可定義為一個(gè)二維函數(shù) f(x,y)，當(dāng)空間坐標(biāo) x、 y和幅值 f 為有限的離散數(shù)值時(shí)，稱該圖像為數(shù)字圖像。在醫(yī)學(xué)領(lǐng)域，很早以前就采用 X 射線透視、顯微鏡照片等來(lái)診斷疾病。 在日常生活中，圖像處理已經(jīng)得到廣泛應(yīng)用。我們把利用計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等的理論、方法和技術(shù)稱為 數(shù)字圖像處理 (Digital Image Processing)。為下面的檢測(cè)系統(tǒng)設(shè)計(jì)提供了大體的框架。 2 缺陷檢測(cè)的數(shù)字圖像處理實(shí)現(xiàn) 5 2 缺陷檢測(cè)的 數(shù)字 圖像處理 實(shí)現(xiàn) 本章首先介紹 可用于缺陷檢測(cè)的 數(shù)字圖象處理的基本知識(shí)和一些常用的算法， 而后續(xù)章節(jié)所采用的缺陷檢測(cè)圖像處理算法，基本上都是以 各種圖像處理的基本算法組合 為基礎(chǔ) 。 檢測(cè) 到的 表面劃痕清晰可見(jiàn)。 第四章 ： 在 VC 環(huán)境下，深入的探討了缺陷檢測(cè)的系統(tǒng)的特征提取及匹配的常用算法， 研究并實(shí)現(xiàn)缺陷檢測(cè)（包括圖像預(yù)處理、圖像配準(zhǔn)、圖像比對(duì)）算法，并將自己的三種不同算法集成在機(jī)器視覺(jué)組態(tài)軟件 Xavis 中 ,進(jìn)行 VC++ 、 opencv、 Xavis 的三者聯(lián)合調(diào)試 。 第二章 ： 研究實(shí)現(xiàn)了缺陷檢測(cè) 圖像處理 技術(shù)的常用算法 ， 對(duì)待檢測(cè)圖像進(jìn)行了預(yù)處理， 為后面的應(yīng)用奠定了基礎(chǔ) 。 將算法集成在機(jī)器視覺(jué)組態(tài)軟件 Xavis 中，進(jìn)行 了 VC++ 、opencv、 Xavis 的三者聯(lián)合調(diào)試。 （ 2） 分析了給定的各種圖片，分析了圖片中的缺陷的特點(diǎn)以及可能出現(xiàn)的位置，形狀等，并針對(duì)缺陷，設(shè)計(jì)了圖像處理算法，實(shí)現(xiàn)了對(duì)各類圖片中缺陷的自動(dòng)檢測(cè)與標(biāo)識(shí)。 本文的工作及組織結(jié)構(gòu) 數(shù)字圖象處理作為一門獨(dú)立學(xué)科， 已經(jīng)深入的融入人們的生活中。所以根據(jù)產(chǎn)品的特點(diǎn)來(lái)設(shè)計(jì)圖像處理的算法，使得檢測(cè)出來(lái)的產(chǎn)品質(zhì)量滿足工業(yè)要求，成為通用的手段。 圖 14 為 典型的視覺(jué)檢測(cè)處理系統(tǒng)實(shí)物圖 ： 圖 14 典型的視覺(jué)檢測(cè)處理系統(tǒng)實(shí)物圖 表面檢測(cè)系統(tǒng)的核心是缺陷檢測(cè)分類軟件，利用它，系統(tǒng)對(duì)攝像機(jī)捕捉到的材料表面圖像進(jìn)行分類整理 ，找到存在的缺陷，判斷并識(shí)別，進(jìn)而進(jìn)行處理。與人工視覺(jué)相比，它最大的優(yōu)點(diǎn)是精確、快速、可重復(fù)性和數(shù)字化。 其系統(tǒng)流程圖如 圖 13： 1 緒論 3 圖 13 數(shù)字圖像檢測(cè)處理系統(tǒng) 視覺(jué)檢測(cè)技術(shù)主要研究用計(jì)算機(jī)模擬人的視覺(jué)功能 ,并 從客觀事物的圖像中提取信息 [4]，進(jìn)行處理并加以理解，最終用于實(shí)際檢測(cè)和控制。由于數(shù)字圖像在工業(yè)中的應(yīng)用前景非常廣泛，各個(gè)大公司也都紛紛開(kāi)發(fā)出各種基于圖像處理的檢測(cè)系統(tǒng)。而在早期，由于計(jì)算機(jī)處理速度比較慢，而圖像處理往往涉及巨大的存儲(chǔ)量和大量的運(yùn)算，所以圖像處理只能在大型計(jì)算機(jī)上運(yùn)行，這限制了圖像處理在工業(yè)表面檢測(cè)中的應(yīng)用。而且人工檢測(cè)還有可能因受到檢測(cè)人員主觀 因素的影響較大 ,對(duì)產(chǎn)表面質(zhì)量的檢測(cè)不能得到足夠的保證。通常這種帶有高度重復(fù)性和智能性的工作只能靠人工檢測(cè)來(lái)完成，我們經(jīng)常在一些工廠的現(xiàn)代化流水線后面看到數(shù)以百計(jì)甚至逾千的檢測(cè)工人來(lái)執(zhí)行這道工序，在給工廠增加巨大的人工成本和管理成本的同時(shí)，仍然不能保證 100%的檢驗(yàn)合格率（即“零缺陷”）。 圖 11 計(jì)算機(jī)層析成像系統(tǒng) CT 西安交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 2 在現(xiàn)代工業(yè)自動(dòng)化生產(chǎn)中，涉及到各種各樣的檢查、測(cè)量和零件識(shí)別應(yīng)用，例如光盤表面印刷質(zhì)量檢查， 汽車零配件尺寸檢查和自動(dòng)裝配的 完整性檢查，電子裝配線的元件自動(dòng)定位，飲料瓶蓋的印刷質(zhì)量檢查，產(chǎn)品包裝上的條碼和字符識(shí)別等。 如 圖 11 所示。 1975 年， EMI 公司由研制成功了全 身用的 CT裝置。數(shù)字圖像處理首次獲得成功的應(yīng)用的是美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室（ JPL），他們對(duì)航天探測(cè)器徘徊者 7 號(hào)在 1964 年發(fā)回月球照片使用了圖像處理技術(shù)，由計(jì)算機(jī)繪制出了月球表面地圖。數(shù)字圖像處理最早出現(xiàn)在 20 世紀(jì) 50 年代 [3]，當(dāng)時(shí)計(jì)算機(jī)已經(jīng)發(fā)展到一定的水平，人們利用計(jì)算機(jī)來(lái)處理圖像信息。但是光學(xué)處理圖像的精度不高，穩(wěn)定性差，實(shí)時(shí)性差 ， 在工業(yè)生產(chǎn)線上很少用。圖像處理的手段有光學(xué)方法和數(shù)學(xué)方法 [2]。本題專門研究基于數(shù)字圖像處理的缺陷檢測(cè)算法，并在工業(yè)組態(tài)軟件 Xavis[2]中實(shí)現(xiàn)，以便更好的應(yīng)用于實(shí)際。低成本、無(wú)損傷、準(zhǔn)確，快速，使得機(jī) 器視覺(jué)在缺陷檢測(cè)領(lǐng)域具有重要的意義。 Xavis。 Information entropy。 關(guān) 鍵 詞 ： 缺陷檢測(cè) ； 信息熵 ； 模板匹配 ； Xavis； OpenCV 西安交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） VIII ABSTRACT With the development of the digital image processing technology in the industry fields, the detection technology about mechanical defects based on digital image processing has got widely used. Lowcost, no damage, accurate result and fast diagnosing, makes the machine vision plays an important part in the field of surface defects detection. This thesis research specially about the algorithms of defects detection based on the digital image processing technology, and it is achieved in the Xavis, which is one of the industry configuration software. So it can be put into use better. This thesis researches the application in the detecting and distinguishing about defects in depth. We studied many elemental algorithms of the image processing about the surface defects detection, such as image filtering, image enhancement, image morphology and segmentation, edge detection. To slove the problem of the image registtration, we put forward the defect detection algorithms based on harris corner and template matching in gray level, and get the simulation results with Matlab. Finally we pick out three better image registration algorithms. About the disabled image to be detected, we studied and put forward the defect detection algorithms based on information entropy and template matching in gray level. Being tested, we get the results expect, also the surface scratches are clearly evident. To achieve the algorithms39。 此次畢設(shè)也我熟悉并掌握 Visual Studio C++軟件、 Xavis 軟件和圖像處理以及OpenCV 的知識(shí)。經(jīng)測(cè)試，程序運(yùn)行、容錯(cuò)能力良好。取得了預(yù)想中的成果，檢測(cè)的表面劃痕效果清晰明顯。 針對(duì)待檢測(cè)的缺陷圖像，研究并提出了基于信息熵的缺陷檢測(cè)算法 、 基于圖像形態(tài)學(xué)處理的缺陷檢測(cè)算法 。 針對(duì)待檢測(cè)的圖像的配準(zhǔn)問(wèn)題，采取 Matlab 對(duì)于基于 harris 角點(diǎn)檢測(cè)的圖像配準(zhǔn)、基于灰度信息的模板匹配等各種算法進(jìn)行了仿真。本次畢設(shè)在缺陷檢測(cè)識(shí)別中的算法作了較深入的研究。低成本、無(wú)損傷、準(zhǔn)確，快速，使得機(jī)器視覺(jué)在缺陷檢測(cè)領(lǐng)域具有重要的意義。 西 安 交 通 大 學(xué) III 課題的基本要求 (工程設(shè)計(jì)類題應(yīng)有技術(shù)經(jīng)濟(jì)分析要求 ) ，了解目前缺陷檢測(cè)領(lǐng)域的發(fā)展現(xiàn)狀； ； Matlab/VC 圖像處理編程方法； Xavis 機(jī)器視覺(jué)平臺(tái)。 設(shè)計(jì) (論文 )的原始數(shù)據(jù)與資料 1． 待進(jìn)行缺陷檢測(cè)的相關(guān)圖片 2． VC++編程開(kāi)發(fā)的相關(guān)書籍和網(wǎng)上資料 3． 圖像配準(zhǔn)、圖像處理、圖像比對(duì)的基本原理