【正文】 （）其中為CCD光敏元的尺寸，為被測(cè)件光學(xué)系統(tǒng)成像后在CCD光敏區(qū)遮擋光敏元的數(shù)量（實(shí)際使用的光敏元數(shù)量，即像素點(diǎn)數(shù)目）為光學(xué)成像系統(tǒng)的標(biāo)定系數(shù)。目前，圖像測(cè)量系統(tǒng)的標(biāo)定方法大多采用標(biāo)準(zhǔn)件法。所以，首先要確定本系統(tǒng)為穩(wěn)定的，無(wú)很大畸變的系統(tǒng)，在這種情況下，才可以使用上述的標(biāo)準(zhǔn)件法來(lái)標(biāo)定整個(gè)系統(tǒng)。2.、用圖像處理的方法對(duì)標(biāo)準(zhǔn)塊規(guī)的圖像進(jìn)行處理，求出左右兩個(gè)邊緣。為了結(jié)果準(zhǔn)確，將標(biāo)準(zhǔn)塊規(guī)水平移動(dòng)，在不同的位置反復(fù)拍攝，進(jìn)行處理，最后將一系列的 Li(i= 1,2,3, ,…n ) 求平均值，得到最終的標(biāo)準(zhǔn)塊規(guī)計(jì)算機(jī)圖像尺寸的平均值 ，由此可以計(jì)算出整個(gè)系統(tǒng)的標(biāo)定系數(shù)β 。、： 通過(guò)匹配特征點(diǎn)的到的圖如下最后拼接成功的如下在拼接成功后對(duì)圖像進(jìn)行邊緣提取在邊緣提取的過(guò)程中用到了Sobel算子、Prewitt算子程序。從根本上來(lái)說(shuō)。從場(chǎng)景到數(shù)據(jù)的在整個(gè)圖像處理剛和分析的過(guò)程中，有許多因素會(huì)對(duì)測(cè)量的精度產(chǎn)生影響。實(shí)際數(shù)據(jù)和測(cè)量數(shù)據(jù)產(chǎn)生差異的常見(jiàn)原因有一下幾方面：1客觀物體本身參數(shù)或特征的自然變化2圖像量化過(guò)程的影響3不同的圖像處理和分析手段3測(cè)量方法和計(jì)算公式4圖像處理過(guò)程中的噪音干擾圖像處理的三個(gè)關(guān)鍵步驟是圖像的采集，圖像的目標(biāo)分割和特征測(cè)量。Ccd是一種電荷耦合期間，它由光敏原件、電荷轉(zhuǎn)移電路、點(diǎn)歌信息讀取顯露組成。其中ccd設(shè)想機(jī)有固定的噪聲，主要是由于暗電流分布不均，各種光敏元件大小、間隔不等天氣的空間分布噪聲目標(biāo)分割過(guò)程中的主要影響因數(shù)來(lái)自于圖像分割算法。分割結(jié)果的變化會(huì)直接影響特征量的測(cè)量結(jié)果，畏怯分割結(jié)果發(fā)生相同變化時(shí)，不同特征量的測(cè)量結(jié)果所受影響也不同在實(shí)驗(yàn)測(cè)試中存在著不可避免的系統(tǒng)誤差。個(gè)人誤差：在使用matlab軟件進(jìn)行擬合的選取與確定上是通過(guò)人為視覺(jué)定位的，所以不可避免產(chǎn)生了誤差。 結(jié)論 本課題從大尺寸零件的特征出發(fā)，研究了大尺寸零件接觸測(cè)量與非接觸測(cè)量的特點(diǎn)，提出應(yīng)用圖像拼接技術(shù)再現(xiàn)大尺寸零件。解決了大尺寸零件男測(cè)量的問(wèn)題。由于實(shí)驗(yàn)室條件有限不能做大尺寸的測(cè)量，只能以小零件代替。本來(lái)想做多張圖的拼接但由于能力有限只能做兩張圖的拼接。致謝歷時(shí)兩個(gè)多月的時(shí)間終于完成了這片論文。尤其要感謝景敏老師的細(xì)心指導(dǎo)。另外，在查閱資料的過(guò)程中辦公室許多老師也給了我很多幫助和支持。本文引用了許多位學(xué)者的研究文獻(xiàn)，如果沒(méi)有各位學(xué)者的研究成果幫助和啟發(fā)，我將很難完成這篇寫(xiě)作。由于我的學(xué)術(shù)水平有限，所寫(xiě)論文難免有不足之處，懇請(qǐng)各位老師和同學(xué)批評(píng)和指正！參考文獻(xiàn)[1]倪國(guó)強(qiáng)，劉瓊．多源圖像配準(zhǔn)技術(shù)分析與展望[J]．光電工程，2004，31(9)：16．[2]孔淵，崔洪洲，周起勃．多光譜圖像配準(zhǔn)實(shí)時(shí)處理技術(shù)研究田[J]．紅外技術(shù),2004,．26(4)，41—14．[3]米長(zhǎng)偉，劉曉利，徐明友．基于SSDA的改進(jìn)算法[J]．彈箭與制導(dǎo)學(xué)報(bào)，2004,24(1)，8587．[4]胡社教，江萍，陳宗海．基于序列圖像的全景圖像拼接[J]．合肥工業(yè)大學(xué)學(xué)報(bào)(自然學(xué)版)，2003，26(4)：525528．[5]冷曉艷，薛模根，韓裕生等．基于區(qū)域特征與灰度交叉相關(guān)的序列圖像拼接[J]．紅外與激光工程，2005，34(5)[6]何凱明 圖像匹配研究進(jìn)展[J]．計(jì)算機(jī)工程與應(yīng)用，2004，4244．[7]許麗紅，徐明友．基于SSDA的改進(jìn)算法[J]．彈箭與制導(dǎo)學(xué)報(bào)，2004,24(1)，8587．[8]方雯，肖剛，李振華．圖像融合——理論與應(yīng)用[M]．北京：高等教育出版社，2007.[9]蔣建國(guó),李志偉，蘇志勛．圖像拼接技術(shù)中若干問(wèn)題的研究[D]．大連理工大學(xué)，2005.[10]石文軒，陸佩忠．?dāng)?shù)字圖像拼接技術(shù)[J]．小型微型計(jì)算機(jī)系統(tǒng)，2006，36(6)．[11][J].1998,5(3):213218.[12][M]，1999. [13]李志剛．邊界重疊圖像的一種快速拼接算法．計(jì)算機(jī)工程．2000，26(5)：3738.[14][J].2003,11(6):89106.[15]汪成為．靈境(虛擬現(xiàn)實(shí))技術(shù)的理論、實(shí)現(xiàn)及應(yīng)用．南寧：廣西科學(xué)技術(shù)出版社，1996.[16]段文敏 , 向長(zhǎng)喜 , 孫洪淋 . 基于 WebService 的高校畢業(yè)設(shè)計(jì)管理信息系統(tǒng)的設(shè)計(jì) [J ]. 企業(yè)技術(shù)開(kāi)發(fā) ,2006(9) :1921.[17] [J ]. 計(jì)算機(jī)程 ,2002(9) :113115.[18] 許慶紅. 基于小波變換的相位法三維檢測(cè)高精度解相和復(fù)雜形狀識(shí)別技術(shù)研究. 1999，清華大學(xué)博士學(xué)位論文: 55108.[19] 李羅生，白立芬，李慶祥，于水，何存富. 微小尺寸測(cè)量中的圖像處理技術(shù). 清華大學(xué)精密儀器及機(jī)械學(xué)系， 2001 年第 41卷第 8期 4548.[20]Malamas E N,Petrakis E G M,Zervakis M,et survey on industrial vision systems, applications and tools. Image and Vision Computing . 2003[21] Ghassan ,Bijan evaluation of surface roughness parameters measurement using visionbased data. International Journal of Machine Tools amp。f = 39。ext = 39。%img1 = imread([f 39。 ext])。2.39。img1=imread(39。)。39。%img1=。39。%img2=。img2=imread(39。)。% img3 = imread(39。)。% img0 = imMosaic(img1,img0,1)。imwrite(img0,[39。 f 39。 ext],ext)。LM加權(quán)融合結(jié)果39。附錄B邊緣提取程序lenna=imread(39。)。[x,y]=size(lenna)。lenna_spr=zeros(x,y)。imshow(lenna,[])。原始圖象39。 %Sobel算子%卷積模板賦值H1 = [1 0 1。 1 0 1]。 0 0 0。 fx = myconv(lenna,H1)。 lenna_Sobel = abs(fx) + abs(fy)。 for i = 1:x for j =1:y if(lenna_Sobel(i,j) = t) lenna_Sobel(i,j) = 255。 end endend subplot(2,2,2)。title(39。)。 1 0 1。H2 = [1 1 1。 1 1 1]。fy = myconv(lenna,H2)。 %將lenna_Prewitt結(jié)果二值化t = 130。 else lenna_Prewitt(i,j) = 0。imshow(lenna_Prewitt,[])。Prewitt算子處理后的結(jié)果39。 %Roberts算子%卷積模板賦值H1 = [0 1。H2 = [1 0。 fx = myconv(lenna,H1)。 lenna_Roberts = abs(fx) + abs(fy)。 for i = 1:x for j =1:y if(lenna_Roberts(i,j) = t) lenna_Roberts(i,j) = 255。 end endend subplot(2,2,4)。title(39。)。 2/79 4/79 6/79 4/79 2/79。 2/79 4/79 6/79 4/79 2/79。lenna_ma = myconv(lenna,gaussian)。 0 1 2 1 0。 0 1 2 1 0。f = myconv(lenna_ma,lap)。for i = 1:(x1) for j = 1:(y1) %兩點(diǎn)二階導(dǎo)數(shù)值異號(hào)且差的絕對(duì)值大于閾值，則絕對(duì)值小的確定為邊緣點(diǎn) if((f(i,j)*f(i,j+1)=0 amp。 abs(f(i,j))=abs(f(i,j+1))) | (f(i,j)*f(i+1,j)=0 amp。 abs(f(i,j))=abs(f(i+1,j))) | (f(i,j)*f(i+1,j+1)=0 amp。 abs(f(i,j))=abs(f(i+1,j+1)))) lenna_Marr(i,j) = 255。 %輸出處理后的圖象；figure,imshow(lenna_Marr,[])。Marr算子處理后的結(jié)果39。 %Canny邊緣檢測(cè)%step1:用高斯濾波器平滑圖像；gaussian=[1/79 2/79 3/79 2/79 1/79。 3/79 6/79 7/79 6/79 3/79。 1/79 2/79 3/79 2/79 1/79]。 %step2:用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度的幅值和方向；H1 = [1 1。H2 = [1 1。 fx = myconv(lenna_ca,H1)。%梯度幅值f = sqrt(fx.^2 + fy.^2)。for i = 1:x for j = 1:y if(fy(i,j) == 0) fy(i,j) = MIN。 %梯度方向for i = 1:x for j = 1:y if(a(i,j) pi/8 amp。 elseif(a(i,j) pi/8 amp。 elseif(a(i,j) 3*pi/8 |a(i,j) = 3*pi/8) a(i,j) = 2。 end endend%step3:對(duì)梯度幅值進(jìn)行非極大值抑制；temp_f = f。 end case 1 if(temp_f(i,j) = temp_f(i1,j+1) | temp_f(i,j) = temp_f(i+1,j1)) f(i,j) = 0。 end case 3 if(temp_f(i,j) = temp_f(i1,j1) | temp_f(i,j) = temp_f(i+1,j+1)) f(i,j) = 0。t1 = 10。lenna_Canny_1 = zeros(x,y)。 %相對(duì)應(yīng)于閾值t2； for i = 1:x for j =1:y if(f(i,j) = t1 ) lenna_Canny_1(i,j) = 255。 end if(f(i,j) = t2 ) lenna_Canny_2(i,j) = 255。 end endend x = lenna_Canny_2。 end if(lenna_Canny_1(i1,j) == 255) lenna_Canny_2(i1,j) = 255。 end if(lenna_Canny_1(i,j1) == 255) lenna_Canny_2(i,j1) = 255。 end if(lenna_Canny_1(i+1,j1) == 255) lenna_Canny_2(i+1,j1) = 255。 end if(lenna_Canny_1(i+1,j+1) == 255) lenna_Canny_2(i+1,j+1) = 255。 %輸出處理后的圖象；figure,imshow(lenna_Canny,[])。Canny邊緣檢測(cè)后的結(jié)果39