【正文】 少所要處理的信息 ， 但是又保留了圖像中物體的形狀信息 ” [14]。采用高頻濾波器對(duì)圖像進(jìn)行銳化處理，是為了消除模糊，突出邊緣。它的傳遞函數(shù)為 式 ： H(u,v) = ??,???(u,v)??0 ?? () （ iv） 梯形低通濾波器 梯形低通濾波器時(shí)理想低通濾波器和完全平滑濾波器的折中。 常用的低通濾波器 ??(??， ??)有四種： （ i） 理想低通濾波器 設(shè)傅里葉平面上理想低通濾波器離開(kāi)原點(diǎn)的截止頻率為 D0，則理想低通濾波器的傳遞函數(shù)為 式 ： H(u,v) = {1 ??(??,??) ≤ ??00 ??(??,??) ??0 () （ ii） Butterworth 低通濾波器 16 n階 Butterworth 濾波器的傳遞函數(shù)為 式 ： H(u,v) = 11+,??(??,v)??0 2?? () 它的特性是連續(xù)衰減，而不像理想濾波器那樣陡峭變化。 頻域增強(qiáng)的常見(jiàn)方法有 ： （ a） 低通濾波 圖像在傳遞過(guò)程中，由于噪聲主要集中在高頻部分，為去除噪聲改善圖像質(zhì)量，濾波器采用低通濾波器 H（ u， v）來(lái)抑制高頻成分，通過(guò)低頻成分，然后再進(jìn)行逆傅里葉變換獲得濾波圖像，就可以達(dá)到平滑圖像的目的。在頻率域空間的濾波與空間域的濾波一樣可以通過(guò)卷積實(shí)現(xiàn)，因此傅立葉變換和卷積理論是頻域?yàn)V波技術(shù)的基礎(chǔ)。 此類方法是將圖像看 作 波 ， 然后利用信號(hào)處理中的手段對(duì) 圖像 波進(jìn)行處理。 經(jīng)過(guò)比較，本課題用到的增強(qiáng)方法就是中值濾波。中值濾波是一種非線性濾波 [5]，它對(duì)消除脈沖噪音十分有用。而中值濾波則抑制圖像噪音的同時(shí)，還較好的保存了圖像邊緣的輪廓信息。由于窗口過(guò)大，會(huì)引起圖像的模糊，所以一般常用的是3 3窗口，而且還可以根據(jù)不同的影響，對(duì)鄰域像素取不同的權(quán)重，然后再進(jìn)行平均。 f(i,j)表示 (i,j)點(diǎn)的灰度值， 以它為中心我們?nèi)ヒ粋€(gè) NXN的窗口（ N=3,5,7） , 14 窗口內(nèi)相素組成的點(diǎn)集用 A 來(lái)表示，經(jīng)圖像平滑后，像素（ i,j）對(duì)應(yīng)的輸出可用式 表示 為： ????(??,??) = {1 ??(??,??) ≥ ??0 ??(??,??) ?? () 鄰域平均法的平均作用會(huì)引起圖像的模糊現(xiàn)象，模糊的程度與鄰域的半徑成正比。空域增強(qiáng)則是增強(qiáng)圖像的空間信息 ，常用的方法有： （ a)鄰域平均法 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(jī)性的，它們對(duì)某一像素的影響，都可以看成孤立的，因此與鄰近各個(gè)點(diǎn)相比，該點(diǎn)的灰度值將顯著的不同。 （ 2）空域增強(qiáng) 一幅數(shù)字圖像包括光譜、空間、時(shí)間等三類基本信息。 圖 為直方圖均衡的效果： 13 圖 灰度圖均衡化 直方圖均衡化方法有以下兩個(gè)特點(diǎn)： （ a） 根據(jù)各灰度級(jí)別出現(xiàn)概率的大小，對(duì)各個(gè)灰度級(jí)別進(jìn)行相應(yīng)程度的增強(qiáng)，即各個(gè)級(jí)別之間的間距相應(yīng)增大。 對(duì)于沒(méi)有被歸一化的情況，只要乘以最大的灰度值（對(duì)于灰度圖像就是255） 既可。直方圖均衡又稱為灰度均衡，目的是通過(guò)點(diǎn)運(yùn)算使輸入圖像轉(zhuǎn)換為在每一灰度級(jí)上都有相同的像素點(diǎn)數(shù)的輸出圖像（既輸出的直方圖是平滑的），這對(duì)于在進(jìn)行圖像比較或分割之前將圖像轉(zhuǎn)化為一致的格式十分有利。一旦灰度轉(zhuǎn)換函數(shù)確定，該灰度變換就被確定下來(lái)了。如果輸入圖像為 A(x,y)，輸出圖像為 B(x,y)，則灰度變換可以表示為： B(x,y) = f,A(x,y)。 灰度變換可以按照預(yù)定的方式改變一幅圖 像的灰度直方圖。 一幅輸入圖像經(jīng)過(guò)灰度變換后將產(chǎn)生一幅新的輸出圖像，由于輸入像素點(diǎn)的灰度值決定相應(yīng)的輸出像素點(diǎn)的灰度值。 對(duì)圖像的增強(qiáng) 方法可分為點(diǎn)增強(qiáng) [10]、空域增強(qiáng)和頻域增強(qiáng) [11]。 圖像增強(qiáng) 圖像的清晰度主要取決于圖像邊緣、細(xì)線和小特征是否清晰，特 征之前的區(qū)域變化是否平滑 [9]。神經(jīng)網(wǎng)絡(luò)存在巨量的連接，容易引入宅間信息，能較好地解決圖像中的噪聲和不均勻問(wèn)題。 （ 6）基于神經(jīng)網(wǎng)絡(luò)的分割方法 基于神經(jīng)網(wǎng)絡(luò)的分割方法的基本思想是通過(guò)訓(xùn)練多層感知機(jī)來(lái)得到線性決策函數(shù)，然后用決策函數(shù)對(duì)像素進(jìn)行分類來(lái)達(dá)到分割的目的。目前，模糊技術(shù)在圖像分割中應(yīng)用的一個(gè)顯著特點(diǎn)就是它能和現(xiàn)有的許多圖像分割方法相結(jié)合，形成一系列的集成模糊分割技術(shù)，例如模糊聚類、模糊閾值、模糊邊緣檢測(cè)技術(shù)等。 （ 4）基于模糊集理論的分割方法 模糊集理論具有描述事物不確定性的能力，適合于圖像分割問(wèn)題。在實(shí)際中 11 各種微分 算子常用小區(qū)域模板來(lái)表示，微分運(yùn)算是利用模板和圖像卷積來(lái)實(shí)現(xiàn)。常用微分算子進(jìn)行邊緣檢測(cè)。不同的圖像灰度不同，邊界處一般 都 有明顯的邊緣，利用此特征可以分割圖像。 （ 3）基于邊緣的分割方法 圖像分割的一種重要途徑是通過(guò)邊緣檢測(cè)，即檢測(cè)灰度級(jí)或者結(jié)構(gòu)具有突變的 地方，表明一個(gè)區(qū)域的終結(jié)，也是另一個(gè)區(qū)域開(kāi)始的地方。分裂合并的假設(shè)是對(duì)于一幅圖像，前景區(qū)域由一些相互連通的像素組成的，因此，如果把一幅圖像分裂到像素級(jí)，那么就可以判定該像素是否為前景像素。另外，它是一種串行算法，當(dāng)目標(biāo)較大時(shí)，分割速度較慢，因此在設(shè)計(jì)算法時(shí)，要盡量提高效率。 區(qū)域生長(zhǎng)法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，對(duì)于較均勻的連通目標(biāo)有較好的分割效果。具體先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn)，然后將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素 (根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來(lái)判定 )合并到種子像素所在的區(qū)域中。 圖 和圖 分別為用全局閾值和自適應(yīng)閾值對(duì)經(jīng)典的 Lena 圖像進(jìn)行分割的結(jié)果： 圖 全局閾值 圖 自適應(yīng)閾值 （ 2）基于區(qū)域的分割方法 10 區(qū)域生長(zhǎng)和分裂合并法是兩種典型的串行區(qū)域 分割 技術(shù)，其分割過(guò)程后續(xù)步驟的處理要根據(jù)前面步驟的結(jié)果進(jìn)行判斷而確定。 閾值的選擇需要根據(jù)具體問(wèn)題來(lái)確定，一般通過(guò)實(shí)驗(yàn)來(lái)確定。實(shí)際處理時(shí)，需要按照具體問(wèn)題將圖像分成若干子區(qū)域分別選擇閾值，或者動(dòng)態(tài)地根據(jù)一定的鄰域范圍選 擇每點(diǎn)處的閾值，進(jìn)行圖像分割。 在許多情況下，物體和背景的對(duì)比度在圖像中的各個(gè)地方是不一樣的，這時(shí)很難用一個(gè)統(tǒng)一的閾值將物體與背景分開(kāi)。但是這種方法只考慮像素本身的灰度值，一般不考慮空間特征，因而對(duì)噪聲很敏感。 全局閾值是指整幅圖像使用同一個(gè)閾 值做分割處理，適用于背景和前景有明顯對(duì)比的圖像。在重視運(yùn)算效率的應(yīng)用場(chǎng)合 (如用于硬件實(shí)現(xiàn) )，它得到了廣泛應(yīng)用。閾值確定后，將閾值與像素點(diǎn)的灰度值比較和像素分割可對(duì)各像素并行地進(jìn)行，分割的結(jié)果直接給出圖像區(qū)域。閾值分割方法實(shí)際上是輸入圖像 f到輸出圖像 g 的 變換 如式 ： g(i,j) = {1 f(i,j) ≥ T0 f(i,j) T () 其 中 T為閾值，對(duì)于物體的圖像元素 g(i,j)=l，對(duì)于背景的圖像元素 g(i,j)=0。 這些 “ 有意義的 ” 內(nèi)涵隨著解決問(wèn)題的不同而不同，比如在 本課題 中 即是焊道的邊緣。如果能提取出這些區(qū)域?qū)?huì)大大提高圖像處理和分析的效率和準(zhǔn)確度 [5]。 （ 5）圖像處理技術(shù)綜合性強(qiáng) 8 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)。 （ 4）處理費(fèi)時(shí) 由于圖像數(shù)據(jù)量大，因此處理比較費(fèi) 時(shí)。如此龐大的數(shù)據(jù)量給存儲(chǔ)、傳輸和處理都帶來(lái)巨大的困難。則一幅 10241024 不經(jīng)壓縮的真彩色圖像，數(shù)據(jù)量達(dá) 3 MB（即102410248 bit3=24 Mb）。 （ 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(guò)圖像處理技術(shù)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。由于計(jì)算機(jī)技術(shù)的飛速發(fā)展，計(jì)算精度和計(jì)算的正確性勿庸置疑； 另外，對(duì)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。 圖像 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 圖像 ，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 圖像 之間進(jìn)行的變換。 圖 灰度圖像 （ 3）彩色圖像 (如圖 ) 0 15 0 20 0I 12 0 50 18 025 0 22 0 10 0??????? 6 彩色圖像是指每個(gè)像素的信息由 RGB 三原色構(gòu)成的圖像，其中 RBG 是由不同的灰度級(jí)來(lái)描述的。當(dāng) x， y和幅值 F為有限的、離散的數(shù)值時(shí)，稱該圖像為數(shù)字圖像。 5 2 圖像 檢測(cè)的實(shí)現(xiàn) 數(shù)字圖像處理的概念 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 [4]。 (4) 分析 CCD 采集到的圖片 ， 針對(duì)采用的算子進(jìn)行具體研究并進(jìn)行改進(jìn) 。 (2) 數(shù)字圖像處理的基本方法，較深入地研究各種圖像處理的算法，了解各種算法的優(yōu)缺點(diǎn)及適用范圍。對(duì)這些機(jī)器視覺(jué)系統(tǒng)的維護(hù)和提升而產(chǎn)生的試產(chǎn)需求也將國(guó)際機(jī)器視覺(jué)企業(yè)吸引而至，國(guó)內(nèi)的機(jī)器視覺(jué)企業(yè)在與國(guó)際機(jī)器視覺(jué)企業(yè)的學(xué)習(xí)與競(jìng)爭(zhēng)中不斷成長(zhǎng)。 國(guó)內(nèi)機(jī)器視覺(jué)的真正開(kāi)始是 20 世紀(jì) 80 年代， 20 世紀(jì) 90 年代進(jìn)入發(fā)展期，近幾年的發(fā)展尤為迅速。可以說(shuō) ， 對(duì)機(jī)器視覺(jué)的全球研究熱潮是從 20 世紀(jì)80 年代開(kāi)始的。 70 年代，已經(jīng)出現(xiàn)了一些視覺(jué)應(yīng)用系統(tǒng)。 60 年代 Roberts 通過(guò)計(jì)算機(jī)從圖像中提取諸如立方體。 數(shù)字圖像檢測(cè)技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀 從美國(guó)麻省理工學(xué)院 Marr 教授這一代人所做的奠基工作開(kāi)始追溯，這門學(xué)科至少已經(jīng)有三四十年的歷史。 基于數(shù)字圖像處理的 檢測(cè)系統(tǒng) 圖像 檢測(cè)系統(tǒng)構(gòu)成如 圖 所示 ： 光源生 產(chǎn) 線產(chǎn)品C C D計(jì) 算 機(jī)檢 測(cè)結(jié) 果 圖 圖像 檢測(cè)系統(tǒng) 3 流水生產(chǎn)線上的產(chǎn)品經(jīng)過(guò) CCD 采集后送到計(jì)算機(jī)中，計(jì)算機(jī)對(duì)圖像進(jìn)行處理，檢測(cè)出產(chǎn)品表面是否有缺陷以及缺陷的 位置，如果有缺陷，記錄缺陷的情況以供后續(xù)處理。 90 年代，大規(guī)模集成電路的飛速發(fā)展，一方面使得計(jì)算機(jī)的速度成倍的提高，而計(jì)算機(jī)的價(jià)格卻持續(xù)下降，另一方面使得 CCD 的分辨率也越來(lái)越高 ， 各公司也在各 FPGA 的基礎(chǔ)上推出了各種圖像處理得專用芯片這一切使得圖像處理在工業(yè)產(chǎn)品表面缺陷檢測(cè)中的應(yīng)用的到了飛速的發(fā)展。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 計(jì)算機(jī)層析成像系統(tǒng) CT 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 2 的條碼和字符識(shí)別等。 CT裝置的基本方法是根據(jù)人體各部分的投影，利用數(shù)字圖像處理技術(shù)來(lái)重構(gòu)圖像 ，如圖 所示 。數(shù)字圖像處理的另一個(gè)成功的應(yīng)用是醫(yī)學(xué)上的 [2]， 1972 年英國(guó) EMI公司的工程師 Housfield 發(fā)明了 CT。在上 世紀(jì)六十年代，數(shù)字圖像處理形成了一門學(xué)科。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。培養(yǎng)目標(biāo)：熟練 運(yùn)用 VC、 MATLAB軟件 進(jìn)行 編程 ,掌握?qǐng)D像處理以及 OpenCV 的知識(shí)， 同時(shí)培養(yǎng)分析和解決問(wèn)題的能力，為以后的科研夯實(shí)基礎(chǔ)。 另外為了進(jìn)一步提高獲取的圖像的清晰度， 研究了基于 MATLAB 的 CCD 的標(biāo)定。緊接著論述了數(shù)字圖像處理的 一些基本概念，以及本課題的邊緣檢測(cè)的基本步驟?；?數(shù)字 圖像處理的微小零件自動(dòng)檢測(cè)是微小零件表面檢測(cè)和工序的微小局部質(zhì)量檢測(cè)的趨勢(shì)。 I 摘 要 隨著科技的發(fā)展使各種高科技產(chǎn)品集成度更高， 零件的質(zhì)量和加工工藝過(guò)程的完成質(zhì)量直接影響著產(chǎn)品的質(zhì)量和性能。 為了 保證產(chǎn)品的質(zhì)量 ， 我們就要對(duì)零件及加工工藝過(guò)程進(jìn)行實(shí)時(shí)地、高效地、準(zhǔn)確地進(jìn)行檢測(cè)。 論文首先簡(jiǎn)單介紹圖像處理的發(fā)展，以及基于數(shù)字圖像處理的缺陷檢測(cè)系統(tǒng)的結(jié)構(gòu)，國(guó)內(nèi)外的研究現(xiàn)狀。 在各步驟的實(shí)現(xiàn)方法中比較 Roberts，Sobel， Prewitt， Canny 等各種算子 的優(yōu)缺點(diǎn)， 并針對(duì) 本課題適用的輪廓檢測(cè)算法 使用 Hough 變換 進(jìn)行改進(jìn)，得到清晰 真實(shí) 的輪廓。 最后對(duì)該圖像處理系統(tǒng)的各部分性能加以分析與總結(jié)。 關(guān)鍵詞： 邊緣檢測(cè)， Canny 算子， CCD 標(biāo)定， MATLAB， OpenCV II ABSTRACT With the development of science and technology, the quality of parts and the pleting quality of machining process have a direct impact on product quality