【正文】 [x, y] [I] = 0。 x width 。 y height 。 程序實現(xiàn) 對于 中得到的中值濾波灰度圖 mfilterImage，類似于灰度變換，閾值變換的過程也需要通過遍歷圖像中的像素點來進行處理。 在金剛石檢測的應用中，不含金剛石的雜質(zhì)部分對后續(xù)處理沒有幫助，反而會造成干擾，需要從圖像中除去信息；而包含金剛石的部分則是后續(xù)考察的對象，需要重點突出。 [2] 基于 VC++的砂輪表面金剛石識別 13 對于圖像中某像素點亮度值 I，給予一個閾值 T，比較 I 與 T 的大小，若其滿足事先預設的條件（ I 小于 T 或 I 大于 T）則進行相應的處理。 閾值變換 得到中值濾波的圖像之后，依據(jù)對樣本圖像的觀察，我們發(fā)現(xiàn)圖像中不同種類 （含/不含金剛石）的礦石亮度值有明顯差異，可以通過閾值變換的方式對圖像做進一步處理。通過觀察可以發(fā)現(xiàn)，圖 ( a )中大部分離散的小亮點噪聲在圖 ( b )中都被消除了，而且圖 ( b )保留了目標輪廓的大部分信息，并沒有造成邊緣模糊過重的現(xiàn)象。在使用 OpenCV 庫函數(shù)處理的情況下，只需保證原圖像與處理圖像具有同樣大小和通道數(shù)，無需考慮圖像邊界問題，OpenCV 封裝的函數(shù)算法會根據(jù)當前像素點坐標自動調(diào)整窗口序列。 cvSmooth ( grayImage, mfilterImage, CV_MEDIAN, 3)。 } 其中， sort( )函數(shù)的功能為對指定數(shù)組序列根據(jù)值進行排序，上述偽代碼中并未包含濾波像素點在圖像邊緣、濾波窗口無法獲得足夠像素值的情況，需要進行額外的界限處理，防止程序數(shù)據(jù)越界。 sort( queueVal [0], queueVal [8] )。 x width 。 y height 。 程序實現(xiàn) 在實際環(huán)境中，我們選取 3 x 3 的正方形鄰域作為濾波窗口。通常情況下，中值濾波被應用于處理椒鹽噪聲。 在數(shù)字圖像處理的實際運用中，考慮到圖像像素分布在二維（ x,y）空間，選取的鄰域通常為一個以當前濾波像素點為中心， n x n 大小的正方形窗口，對窗口中 n2 個像 素點強度值進行排序并選取中值。中值濾波在圖像處理領域的定義為：對 x 坐標處的像素點，規(guī)定 長度 n 作為鄰域窗口范圍，對領域內(nèi)像素強度值序列 I(xn)， I(xn+1)， ...I(x)， ...I(x+n1), I(x+n)進行大小排序，選擇該序列的中值作為 I(x)濾波后的強度值。由于項目的最終目的是計算金剛石輪廓包含的面積，而這部分亮點噪聲會對輪廓的搜尋產(chǎn)生干擾，因此需要消除，而首選的方式即為中值濾波。 中值濾波 經(jīng)過灰度轉換后的樣本圖像包含了豐富的目標信息，為后續(xù)搜尋輪廓算法提供了特基于 VC++的砂輪表面金剛石識別 10 征基礎。 以數(shù)字圖像處理中常見的 Lena 圖為例，進行灰度轉換后，得到的灰度圖與原始彩色圖像對比如圖 ( 31 )所示，其中圖 (a)為原始的 RGB 三通道彩色圖像，圖 (b)為經(jīng)過轉換后的灰度圖像。 cvCvtColor ( sourceImage, grayImage, CV_BGR2GRAY )。通過下列函數(shù)，同樣可以實現(xiàn)上段中偽代碼的功能 [7]： Iplimage * sourceImage = cvLoadImage ( )。 x++ ) grayImage [x, y] [I] = x sourceImage [x, y] [R] + x sourceImage [x, y] [G] + x sourceImg [x ,y] [B] 在 OpenCV 庫中，封裝好的圖像結構類指針以及對應的函數(shù)方法可以幫助我們在圖像層面對樣本進行處理。 y++ ) for( x = 0 。對于一張寬 width、高 height 的彩色圖像 sourceImage，將其轉化為灰度圖像 grayImage 的方法即為遍歷 sourceImage，對圖中每個像素點進行式 ( )的轉換處理，程序偽代碼如下： for ( y = 0 。這提示我們將樣本圖片由三通道的彩色圖像轉化為單通道的灰度圖像，并通過對像素點亮度值的考察進行后續(xù)處理。 [2] 在計算機視覺領域中，圖像中物體的顏色、亮度信息作為一種最基本的視覺特征，基于 VC++的砂輪表面金剛石識別 8 因 其直觀、便于分析、對比度高易于區(qū)分等特性，常被運用于物體的識別、分類算法之中。灰度圖像的存儲方式與彩色圖像類似，但由于其像素只能表示從黑到白的顏色漸變，存儲時每個像素只有一個分量 ( i )，用以表示該像素點的亮度，取值范圍為 [ 0, 255]區(qū)間的整數(shù)，越接近最大值，像素點越亮（呈現(xiàn)白色），反之則越暗（呈現(xiàn)黑色）。在彩色圖像中，以矩陣的形式有序存儲像素點的信息，而每個像素點的像素值則包含 ( r, g, b)三個分量，分別代表該像素在紅、綠、藍三個通道中的強度值，取值范圍為 [0, 255]區(qū)間的整數(shù)。 灰度轉換 在對數(shù)字圖像進行研究時，通常需要對樣本圖像進行預處理，以便突顯其圖像 特征，方便后續(xù)的考察，其中一種最常見的預處理就是灰度轉換。 基于 VC++的砂輪表面金剛石識別 7 第三章 主要功能的理論基礎及設計實現(xiàn) 在前面的章節(jié)中，對于軟件的開發(fā)環(huán)境我們已經(jīng)有了概括性的了解。通常情況下， OpenCV 庫的版本會向下兼容，高級版本相對低級版本會保留原有算法結構，同時增加新的類和函數(shù)方法。一些程序員在 github、 csdn 等 IT 社區(qū)網(wǎng)站主動分享其 OpenCV 項目的開源代碼，在為他人提供借鑒的同時也促進了 OpenCV 庫自身的研究發(fā)展。 OpenCV 庫實現(xiàn)了大量的計算機視覺和數(shù)字圖像處理算法，包括對視頻圖像的讀取保存操作、顏色通道轉換、繪制幾何圖形、空間平滑濾波、提取圖像特征、 時域頻域空間轉換、模式訓練分類等等。 OpenCV 使用的 license 對非商業(yè)和商業(yè)的應用都是免費的，加上其開源、不依賴其他外部庫的特性，被廣泛使用在各類計算機視覺和數(shù)字圖像處理應用中，常見的應用領域有人機交互、目標識別、分類分割、人臉識別、姿態(tài)識別、運動跟蹤、人工智能、軌跡分析、機器視覺、結構分析、安全監(jiān)控等等。 OpenCV OpenCV 全稱為 Open Source Computer Vision Library，最早由 Intel 在 1999 年建立，是一個開源的跨平臺計算機視覺庫。 [5] VC++中封裝了 MFC 類，程序員在利用 VC++進 行 MFC 編程時，可以直接應用通用框架，無須考慮消息循環(huán)等瑣碎問題，可以專心于程序代碼本身的邏輯。 MFC MFC 是微軟公司提供的一個圖形化界面語言類庫，全稱為 Microsoft Foundation Classes。 VS 是當前應用最為廣泛的 Windows 平臺應用程序的集成開發(fā)環(huán)境。 [4] VC++近期的高級版本被整合在 Visual Studio ( VS )中。 基于 VC++的砂輪表面金剛石識別 5 第二章 課題軟件開發(fā)環(huán)境介紹 數(shù)字圖像處理算法必須以程序作為依托，本章將主要介紹金剛石檢測項目程序的開發(fā)環(huán)境，為后續(xù)章節(jié)的算法提供實現(xiàn)基礎。通過對檢測算法的研究和程序的編寫調(diào)試，筆者的編程能力得到了提升，同時對計算機視覺和數(shù)字圖像處理技術有了初步認識。 本課題針對砂輪工作表面的金剛石磨料檢測這一需求展開研究，通過計算機視覺與數(shù)字圖像處理算法程序的檢測，提取金剛石磨料的輪廓，計算輪廓面積，記錄金剛石區(qū)域的界限面積，從而獲得有助于金剛石砂輪生產(chǎn)的磨料信息。對磨削砂輪的準確認識，是對磨削機理進行研究的重要基礎，是對磨削過程進行建模和仿真、優(yōu)化磨削過程的基本環(huán)節(jié)。 砂輪機是工廠中常見的一種磨具，其上的砂輪是否安裝正確，砂輪質(zhì)量是否合格，直接對工業(yè)生產(chǎn)的安全與否造成重大影響。金剛石的外觀顏色主要由其所包含的元素雜質(zhì)和晶體純凈程度決定，通常呈現(xiàn)藍、綠、黃、褐、乳白、紫和灰色等。金剛石是一種由碳原子構成的礦物，是碳元素的同素異形體，是目前地球上發(fā)現(xiàn)的自然物體中最堅硬的物質(zhì)。 [3] 砂輪種類多樣，根據(jù)結合劑、磨料和制造工藝的不同，砂輪的特性千差萬別，而這種差異會對生產(chǎn)質(zhì)量和經(jīng)濟效益產(chǎn)生巨大影響。 圖 ( 11 ) 砂輪表面形貌 磨削是一種以磨具作為“刀具”對工件材料進行精密微量切削的工序，以砂輪為例，則主要利用其工作表面上凸出結合劑外的磨料部分進行切削。 課題實踐意義 砂輪是磨削加工中最常見的一種磨具。 [2] 數(shù)字圖像處理的發(fā)展跟以下三個因素關系密切：其一是計算機技術，計算機軟硬件的發(fā)展，直接提升了數(shù)字圖像處理算法軟件的計算能力；其二是數(shù)學學科發(fā)展，尤其是其中的離散數(shù)學領域分支，為新算法的創(chuàng)立和完善奠定了理論基礎；其三是工業(yè)、農(nóng)牧業(yè)、林業(yè)、軍事、醫(yī)療和環(huán)境等行業(yè)的規(guī)模增長，產(chǎn)生了源源不斷的需求，進一步刺激數(shù)字圖像處理相關技術的發(fā)展。作為一門研究計算機系統(tǒng)與機器視覺的科學，計算機視覺與數(shù)字圖像處理這門學科領域存在大量交集。 計算機視覺 ( Computer Vision )主要研究機器如何“看”和“感知”，即如何通過攝像頭采集的圖像數(shù)據(jù)，和電腦程序或其他軟硬件設備對數(shù)據(jù)的圖形處理，使得系統(tǒng)能夠識別、跟蹤或測量圖像中的目標物體。但與人類的視覺系統(tǒng)和大腦思考方式不同，機器只能依靠攝像頭獲取產(chǎn)品樣本的視頻圖像數(shù)據(jù)，而其處理系統(tǒng)也只能按照設定好的程序邏輯模式進行計算分類，不能達到完全模擬人類視覺系統(tǒng)與大腦思考的程度。 基于 VC++的砂輪表面金剛石識別 2 第一章 課題的背景及意義 計算機視覺和數(shù)字圖像處理 伴隨科學技術的發(fā)展，社會生產(chǎn)力不斷提高，許多領域行業(yè)正逐步由傳統(tǒng)的人工作坊制作方式轉變?yōu)榇笠?guī)模的機器流水線自動生產(chǎn)。 圖像在國民經(jīng)濟和科技科研中，是一種反饋指導人們對計劃進行修改，達到理想效果，圖像技術作為一種關鍵技術手段，把圖像以恰當?shù)姆绞秸宫F(xiàn)，給人以指導。 圖像是我們生活中必不