【正文】 度。181。 (4)三階矩 對于三階矩，使用圖像在x軸和y軸上的投影比使用圖像本身描述更方便。所謂圖像橢圓是個與原圖像的二階矩及原圖像的灰度綜合均相等的均勻橢圓。(3)二階矩圖像的二階矩有三個:，也稱之為慣性矩(Moments of Inertia)，它們可以確定物體的幾個重要的特征，具體特性描述如下:①主軸二階中心距常用來確定目標(biāo)的主軸，目標(biāo)的主軸通常有一對長軸和短軸，分別代表最大二階矩和最小二階矩的方向，根據(jù)矩理論，主軸方向角θ可以按照下述公式計算: （）公式中θ為主軸與坐標(biāo)軸的夾角，其范圍在[,]。(2)一階矩圖像的兩個一階矩和用來確定圖像的灰度重心。此外，還可以定義了f(x,y)的m+n階中心距為: m,n=0,1,2... ()其中分別表示圖像關(guān)于x軸和y軸的灰度重心坐標(biāo): （） （）歸一化中心矩為： （）其中，m+n=2,3... 以上是連續(xù)的情況，而數(shù)字圖像都是經(jīng)過離散化的，因此需要計算離散情況下的m+n階矩，設(shè)一幅分辨率為的二維離散的玻璃缺陷圖像的灰度函數(shù)為相應(yīng)的原點矩和中心距公式如下: （） （）重心坐標(biāo)為： （） （）矩特征的物理意義 (1)零階矩 根據(jù)矩的定義，圖像的零階矩定義為: （）可見，如果為灰度圖像，則表示圖像灰度值的總和，也可以看做為物體的質(zhì)量。 Hu不變矩概述矩特征定義 對于連續(xù)灰度函數(shù)f(x,y),它的m+n階二維原點矩Mmn的定義為: m,n=0,1,2... ()假設(shè)f(x,y)為分段連續(xù)的有界函數(shù)，并且在x,y平面上有限區(qū)域內(nèi)有非零值。根據(jù)這兩種特點，本章基于Hu不變矩進(jìn)行提取，利用這種方法提取出的特征可以描述缺陷，作為感知器神經(jīng)網(wǎng)絡(luò)的輸入。 在對玻璃缺陷的圖像觀察中發(fā)現(xiàn)，不同類型的玻璃缺陷在幾何形狀上差異較大，而相同類型缺陷的幾何形狀比較類似，只是在位置和大小上不確定，可能會出現(xiàn)平移、旋轉(zhuǎn)、比例縮放等問題。所以在選取玻璃缺陷的特征參數(shù)時，要盡量反映缺陷本身的特征，盡量選取缺陷之間最能區(qū)別于其它缺陷的特征。特征參數(shù)選取的合理與否，直接關(guān)系到缺陷識別的效果。111000111101101101圖 Prewitt算子模塊用上述各種邊緣檢測算子對各種缺陷圖像進(jìn)行邊緣檢測，檢測效果如面所示:圖 劃痕邊緣檢測結(jié)果圖 夾雜邊緣檢測結(jié)果圖 氣泡邊緣檢測結(jié)果 經(jīng)過比對可以看出roberts算子邊緣檢測后的圖像輪廓比較清晰，所以選用roberts算子邊緣檢測后的圖像作為經(jīng)過預(yù)處理后的圖像，這位下一章提取特征值奠定了基礎(chǔ)。 4. Prewitt算子與使用Sobel算子的方法相同，圖像中的每個點都用這兩個模板做卷積，并且取最大值作為輸出，結(jié)果是邊緣幅度的圖像。 (3)對梯度幅值應(yīng)用非極大值抑制。其具體步驟為: (1)用高斯濾波器平滑圖像。它具有方向性，在水平方向和垂直方向上形成最強烈的邊緣。第二個模板對水平邊緣影響最大。01101001圖 Roberts算子模塊 2. Sobel算子 Sobel邊緣算子的掩模模板是兩個3X3的卷積核。 ≈+ （）其中是表示處理后點的灰度值，表示處理前該點的灰度值。常見的邊緣檢測算子有Robert算子、 Sobel算子、Prewitt算子、Canny算等。而對于夾雜與結(jié)石缺陷，由于固體夾雜物改變了玻璃內(nèi)部晶體的結(jié)構(gòu)，進(jìn)而影響了光線透過玻璃的均勻性，因而其邊緣灰度值存在過渡，屬于屋頂狀邊緣。 在各類缺陷圖像中，劃痕與氣泡大量存在階躍性邊緣，以氣泡為例，透射光線在其邊緣將發(fā)生折射，因此，氣泡邊緣的光強增大，邊緣灰度值就偏高。邊緣檢測是一種突出圖像邊緣，削弱邊緣以外圖像區(qū)域，突出圖像輪廓的方法。如果一個像素落在圖像中某一個物體的邊界上，那么它的鄰域?qū)⒊蔀橐粋€灰度級的變化帶。邊緣的種類可以分為兩種:一種稱為階躍性邊緣，它兩邊的像素的灰度值有著顯著的不同。 基于邊緣檢測的分割技術(shù)主要依賴于對圖像中不同區(qū)域間的不連續(xù)性，即邊緣的識別達(dá)到分割效果。感興趣的部分也可以稱為目標(biāo)或前景，它們一般對應(yīng)圖像中特定、具有獨特性質(zhì)的區(qū)域，其余的區(qū)域則稱為背景。圖 中值濾波后劃痕的圖像圖 中值濾波后夾雜的圖像圖 中值濾波后氣泡的圖像 玻璃缺陷圖像的分割 經(jīng)過預(yù)處理后的圖像盡管濾除了干擾，但是目標(biāo)缺陷的表達(dá)形式還不夠緊湊，不能直接進(jìn)行特征提取，為了進(jìn)一步分析和辨識目標(biāo)，需要將缺陷特征相對集中的區(qū)域從整幅圖像中分割出來。本文采用方形的窗口，窗口大小為。 中值濾波的基本思想是對一個窗口內(nèi)的所有像素的灰度進(jìn)行排序，取排序結(jié)果的中間值作為原圖像中心點出的像素的灰度值。由于圖像的邊緣主要包括了圖像細(xì)節(jié)和高頻信息，因此在利用鄰域平均方法進(jìn)行圖像噪聲消除的同事，會使圖像的邊緣變得有些模糊。均值濾波也成為線性濾波，其采用的主要方法為領(lǐng)域平均法。圖像噪聲在視覺上通常與它們相鄰的像素明顯不同，表現(xiàn)形式為黑區(qū)域上的白的或白區(qū)域上的黑點，影響了圖像的視覺效果和有關(guān)處理工作，因此需要對圖像上的噪聲進(jìn)行消除。像素抖動表現(xiàn)為一種隨機誤差。在每行的開始這種誤差不存在或極小，但在結(jié)束時候可能會變得較大而不可忽略。這種誤差表現(xiàn)為整行像素的整體前移或后移。因此要進(jìn)行視頻信號數(shù)字化必須要建立精確的像素時鐘。 如果使用標(biāo)準(zhǔn)復(fù)合視頻信號輸出攝像機，則用圖像采集卡將模擬視頻圖像數(shù)字化中的像素抖動(pixel fitter)就成為測量系統(tǒng)的主要誤差來源之一。該項誤差通常很小，與其它誤差相比可以忽略。這類噪聲多滿足無規(guī)則隨機性，頻譜較寬，幅度不等。1/ f噪聲是由于信號跟隨放大器而產(chǎn)生的噪聲。包括由復(fù)位電路產(chǎn)生的復(fù)位噪聲(KTC)和1/ f噪聲。 (4)讀出噪聲 讀出噪聲(readout noise)是在感光像元產(chǎn)生的電荷信號被讀出和放大的電路中產(chǎn)生的噪聲。光響應(yīng)非均勻性沒有一定的規(guī)律，因器件而異，具有很大隨機性。 (3)光響應(yīng)非均勻性噪聲 CCD各個感光像元在均勻光源照射下具有光響應(yīng)非均勻性，它主要與件的制造工藝有關(guān)。實際實驗表明:當(dāng)曝光時間少于一定量，暗電流噪聲可以忽略不計。另外還有由于感光像元組的中心非均勻分布，特別是某些感光像元位置上的缺陷形成的暗電流峰而形成的噪聲。根據(jù)產(chǎn)生電子的機理不同，暗電流噪聲可分為熱電噪聲和固定結(jié)構(gòu)噪聲。 (2)暗電流噪聲 由于某些原因感應(yīng)像元會產(chǎn)生出與光電子無法區(qū)分的電子，這會使感光像元產(chǎn)生“暗電流”，即在無光情況下也會產(chǎn)生的電流。其標(biāo)準(zhǔn)差等于均值的平方根。這樣形成的噪聲稱為光子噪聲(photon noise)。圖 含有噪聲的玻璃劃痕缺陷圖片圖 含有噪聲的玻璃夾雜缺陷圖片 含有噪聲的玻璃氣泡缺陷圖片缺陷圖像中的噪聲來源主要有兩個，一個來自于攝像機，另外一個來自于圖像信號數(shù)字化過程中產(chǎn)生的像素抖動誤差，下面分別對這兩種來源的噪聲進(jìn)行闡述。這些噪聲使得圖像上像素點灰度值不能正確反映空間物體對應(yīng)點的光強值，降低了圖像的質(zhì)量，尤其對于含有缺陷的圖像，噪聲會使玻璃缺陷邊緣顯得模糊不清，層次感變差，還有可能在缺陷附近隨機出現(xiàn)亮斑或暗斑()，最終導(dǎo)致缺陷識別錯誤。本章就這兩個內(nèi)容分別進(jìn)行分析和研究。其中圖像濾波是為了抑制在玻璃缺陷圖像獲取過程中由于受設(shè)備、信道等條件的限制和許多隨機因素的干擾造成的輸出缺陷圖像噪聲與失真噪聲，從而降低噪聲對目標(biāo)特征的影響，提高特征的穩(wěn)定性。