基于机器视觉的表面缺陷检测系统的算法研究及软件设计（可编辑）

1、基于机器视觉的表面缺陷检测系统的算法研究及软件设计 年月中文摘要为了不断提高产品质量和生产效率,金属工件表面缺陷在线自动检测技术在生产过程中显得日益重要。本论文针对金属工件表面的多种缺陷,设计了一套能够实现对金属工件表面缺陷进行实时在线、无损伤的自动检测系统。该系统采用黑白面阵和多通道图像采集卡作为图像采集部分,提高了检测系统的速度并降低了对的性能要求,使系统在现有的条件下比较容易实现实时在线检测;采用自动选取图像分割阈值,根据实际应用的阈值把工件信息从图像中提取出来并扫描工件在图像中的位置、尺寸信息,实现了系统的自动测量;根据扫描得到的工件信息去除掉工件边缘的光圈,利用自动选取的阈值对金属工

2、件表面的图像进行二值化分割,从而实现各种缺陷的自动提取,为缺陷类型的识别打下基础。系统以计算机视觉理论为检测原理,在现有技术基础上,借助误差理论,以模块化为设计思想,通过了大量的实验和图像算法仿真,以现有的图像处理理论为基础,设计了适合本产品表面缺陷检测的算法,具体工作如下:、研究图像的采集与计算机内部图像存储方法,为本系统分配计算机内存,将图像采集卡采集的两路面阵数据保存到计算机内存,并去掉图像噪声为下一步图像处理做准备。、设计了图像分割所需要的不同阈值的获取算法,利用自动选取的阙值对工件图像进行二值化分割,实现了各种缺陷的自动化提取。、根据表面缺陷特点,对图像平滑、边缘增强、区域分割和膨胀

3、细化等有效的处理算法进行了研究,设计了适合本系统的检测算法,并成功在.中进行算法仿真。、进行软件编程,将在.中经过成功仿真的算法移植到.编程环境中,不断完善系统的软件部允。关键词:机器视觉表面缺陷图像处理缺陷检测,. , , .,. . . . :. . , . . ,.,. , .,.: , , 独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得墨叠盘堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示

4、了谢意。学位论文作者签名:签字日期:彬年/日岔瑰学位论文版权使用授权书本学位论文作者完全了解墨注盘鲎有关保留、使用学位论文的规定。特授权叁盗盘茎可以将学位论文的全部或部分内容编入有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。保密的学位论文在解密后适用本授权说明导师签名:学位论文作者签名:劝易荜谚舅签字日期:函“年月岁日签字日期:歹厕年,月厂日第一章引言第一章 引言.论文背景产品表面检测是现代化大生产中必不可少的重要环节。传统的检测往往由人工来完成,不仅工作量大,而且易受到检测人员主观因素的影响,从而不能够保证检

5、测的效率与精度。特别是随着生产过程自动化程度的不断提高,人类视觉检测越来越不能满足当今工业领域的要求。近来迅速发展的以图像处理技术为基础的机器视觉技术恰恰可以解决这一问题。用机器视觉检测方法不仅可以大大提高生产效率和生产的自动化程度,而且机器视觉易于实现信息集成,满足数字化、自动化生产的要求。然而,视觉信息本身数据量大、运算复杂的特点,一直是这项技术应用于在线检测的最大障碍。近年来随着计算机处理速度和传输速度不断提高,制约实时性的瓶颈得到了一定的缓解,进而促进了机器视觉技术在工业检测和控制领域的实用化。产品在连续、高速的自动化生产过程中会产生各种各样的质量问题,诸如麻坑、裂纹和划痕等表面缺陷,

6、这些表面缺陷一方面影响外观质量,在使用中容易引起表面的腐蚀等问题,另一方面也反映了内部质量问题。这些质量问题一旦出现,导致大量废品,大大增加了原辅材料的消耗和生产成本。目前,国内主要采用人工对产品质量进行在线或离线检测,但是,在线检测只能实行人工抽检,效率低而且精度也不高;离线检测无法实时防止废品连续出现,也不能克服人工疲劳带来的误差。所以,人工检测难以达到降低消耗、提高产品质量的目的,采用机器视觉的表面缺陷检测成为迫切需要。针对这种现状,课题组决定自行开发“工件表面缺陷在线检测系统”,确保各类缺陷及时准确检出,从根本上解决人工检测效率低、精度低的问题,同时,还可以降低原材料消耗、能耗和人力成

7、本,该课题还可以推广到其他需要表面质量检测的行业中,如印刷、包装等行业,因此具有重要的实际应用价值和现实意义。然而,本课题要对各种形状、不同大小的金属片在线检测,必然对检测方法和处理速度有很高的要求,图像处理与模式识别领域中的许多新算法目前很难应用到实际工程项目中。因此,机器视觉技术在这类在线检测任务中的应用,仍然是一个难题。本论文的目标就是以已有的图像处理理论为基础,通过大量的实际实验,设计适合本产品表面缺陷检测的算法。.论文结构本论文按以下章节组织:第一章引言第一章引言,简要介绍了本论文有关的背景和工作内容;第二章机器视觉简介,主要介绍机器视觉技术的基本概念、应用情况以及机器视觉系统的分类

8、;第三章图像处理基本算法,主要介绍数字图像处理的基本算法,包括图像的几何变换,灰度修正技术,领域运算,图像的分割,物体测量与形状分析等;第四章系统总体设计,对系统的总体设计情况、软件环境和软件设计进行了介绍;第五章缺陷检测算法设计,是论文的核心,围绕系统在线检测的要求,详细讨论了相关图像处理算法的设计与实现;第六章实验结果及分析,本章的重点是对已经初步研制成功的表面缺陷检测系统进行实验和结果分析。实验主要是针对直径为?哪、镀层为镍和锌两种镀层、形状为圆形和圆环形两种形状的工件。全文总结,对所作的工作进行了总结,并对今后的工作提出了一些改进方法。机器视觉本身是一项综合技术,既需要一定的理论基础,

9、更离不开实践方面深厚的经验积累,加上作者进入该领域的学习和研究时间不久,对一些理论和方法理解得还不够透彻,因此论文中难免存在不少缺陷甚至错误之处,敬请各位老师和同学批评指正。第二章机器视觉简介第二章机器视觉简介机器视觉是一个相当新且发展十分迅速的研究领域。机器视觉自起步发展到现在,已有年的发展历史。应该说机器视觉作为一种应用系统,其功能特点是随着工业自动化的发展而逐渐完善和发展的。人们从世纪年代开始研究二维图像的统计模式识别,年代开始进行三维机器视觉的研究,年代中,人工智能实验室正式开设“机器视觉”课程,年代开始,开始了全球性的研究热潮,机器视觉获得了蓬勃发展,新概念、新理论不断涌现;现在,机

10、器视觉仍然是一个非常活跃的研究领域,与之相关的学科涉及:图像处理、计算机图形学、模式识别、人工智能、神经网络等。本课题是机器视觉技术在工业检测领域中的一个典型应用。下文以及后续各章中提到的机器视觉概念,均指工业应用中的机器视觉技术。.机器视觉技术.机器视觉系统构成机器视觉的系统构成如图所示,在一定的光照包括可见光、红外线甚至超声波等各种成像手段条件下,成像设备把三维场景的图像采集到计算机内部,形成强度的二维阵列?原始图像;然后,运用图像处理技术对采集到的原始图像进行预处理以得到质量改善了的图像,进而从中提取感兴趣的特征,构成对图像的描述:其次,运用模式识别技术对抽取到的特征进行分类整理:最后,

11、运用人工智能得到更高层次的抽象描述,完成视觉系统的任务。图机器视觉的系统构成.机器视觉的特点机器视觉就是用机器代替人跟来傲测量和判断。机器视觉系统是指通过机器视觉产品即图像摄取装置,分和两种将被摄取目标转换成图像信第二章机器视觉简介号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉;同时在大批量工业生产过程中,用人工视觉检查产品质量效率低且

12、精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成,是实现计算机集成制造的基础技术。正是由于机器视觉系统可以快速获取大量信息,而且易于自动处理,也易于同设计信息以及加工控制信息集成,因此,在现代自动化生产过程中,人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。在中国,这种应用也在逐渐被认知,且带来最直接的反应就是国内对于机器视觉的需求将越来越多。有不少学科的研究目标与机器视觉相近或者相关,这些学科中包括图像处理、模式识别或图像识别、图像理解等。由于历史发展或领域本身的特点,这些学科有某种程度的相互重叠。但是,机器视觉与其他学科又有着

13、一定的区别,其特点是:、综合技术机器视觉是一项综合技术,其中包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。这些技术在机器视觉中是并列关系,相互协调应用才能构成一个成功的工业机器视觉应用系统。对机器视觉工程师来说,不仅要具有研究数学理论和编制计算机软件的能力,更需要的是光、机、电体化的综合能力。、强调工业可靠性机器视觉强调工业现场环境下的可靠性,要求能够适应工业生产中恶劣的环境,有较高的容错能力和安全性,不会破坏工业产品。、强调实用性机器视觉强调实用性,要求有合理的性价比,要有通用的工业接口,能够由普

14、通工作来操作,必须有较强的通用性和可移植性。、要求高速度和高精度由于机器视觉通常要求高速度和高精度,数字图像处理中的许多新算法目前还难以应用。因此,机器视觉技术在工业生产中的实际应用速度远远滞后于图像处理理论的发展速度。第二章机器视觉简介.机器视觉系统的组成机器视觉系统大致可以分成:照明部分、图像获取部分、图像显示部分和图像处理部分。一般采用摄像头摄取检测图像并转化为数字信号,再对图像数字信号进行处理,从而得到所需要的各种目标图像特征值,并由此实现模式识别、坐标计算、灰度分布图等多种功能。然后再根据其结果显示图像,输出数据,发出指令,配合执行机构完成位置调整,好坏筛选,数据统计等自动化流程。照

15、明照明是影响机器视觉系统输入的重要因素,因为它直接影响输入数据的质量。由于没有通用的机器视觉照明设备,所以针对每个特定的应用实例,要选择相应的照明装置,以达到最佳效果。目前在实际应用中的工业视觉系统多用可见光作为光源,这主要是因为可见光容易获得,价格低,并且便于操作。常用的几种可见光源是白炽灯、荧光灯日光灯、卤素灯和光源。在现今的工业应用中,对于某些要求高的检测任务,也采用射线、超声波等不可见光作为光源。照明系统按其照射方法可分为:背向照明、前向照明、结构光和频闪光照明等。其中,背向照明是被测物放在光源和摄像机之间,它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧,这种方

16、式便于安装。结构光照明是将光栅或线光源等投射到被测物上,根据它们产生的畸变,解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上,摄像机拍摄要求与光源同步。图像获取图像获取也就是图像的数字化过程,即将图像采集到计算机中的过程,主要涉及成像及模数转换/ 技术,曾经是很昂贵的,一直是普通用户难以逾越的主要障碍之一。随着计算机与微电子特别是 技术的快速发展,图像获取设备的成本显著降低,因而越来越普及,不久的将来将成为高档计算机的内置设备。对于高速运动物体的成像,为了避免运动造成的模糊,一般使用具有高速电子快门的摄像头,并将电子快门置于较高的速度,再通过对物距、光圈和拍摄角度的不同组合,反

17、复调整实验,得到光学系统参数的最佳配合数据。目前,图像的数字化设备可分为两类,一类是基于图像采集卡或图像卡将模拟制式的视频信号 /黑白电视信号,/彩色电视信号,视频信号等采集到计算机,另一类是摄像机本身带有数字化部件可以直接将数字图像通过计算机端口如并口、接口或标准设备如磁盘驱动器传送进计第二章机器视觉简介算机。图像采集卡是目前最常用的图像数字化设备,市场上的图像采集卡主要可分为三种类型:第一类是低端的图像采集卡,其主要功能就是将相机中输出的模拟图像信号转换成数字信号,计算机的内存中以供处理;第二类是具有显示功能的图像采集卡,它在第一类采集卡的基础上加入了图像显示功能,可以将图像直接显示到显示

18、设备上;第三类是自带处理器的图像采集卡,集采集和处理于一身,图像处理程序可以直接在采集卡上运行。近年来,数字相机及数字摄像机技术迅猛发展,由于不需要其它数字化设备的支持,且具有更高的分辨率及编辑、使用方便等特点,有望逐步取代目前模拟摄像机的地位。但目前价格对普通用户而言还相对过高。应该指出的是传统的胶片相机和摄像机仍有其优势,特别是在分辨率上目前的数码影像采集设备还有相当的差距,例如传统的砌胶卷数字化需要至少分辨率以保持原有的信息,目前这种层次的专业级数码相机还十分昂贵,难以普及,更不用说在存储和处理如此巨大的数据量方面还面临巨大的挑战。图像显示显示是将数字图像转化为适合人们使用的形式,便于人

19、们观察和理解。早期的图像处理设备一般都有专门的图像监视器,目前一般直接用计算机的图形终端显示图像,图像窗口只是图形用户界面的一个普通的窗口。为方便处理,通常图像都表现为一矩形区域的位图形式。常用的图像显示方法有显示、打印等。图像处理机器视觉系统中,视觉信息的处理技术主要依赖于数字图像处理技术,相关理论基础将在第三章中介绍。.机器视觉应用随着计算机技术和数字图像处理技术的不断发展,机器视觉在诸如工业生产、医学图像、质量检测等领域得到了广泛的应用,对这些领域自动化水平的提高发挥了重要作用。在现代工业自动化生产中,涉及到各种各样的零件辨识、尺寸测量、成品检验和质量控制等应用。通常这种带有高度重复性和

20、智能性的工作只能由人眼来完成,有些时候,比如在高速自动化生产线上进行微小尺寸的精密测量,形状匹配或者颜色辨识等,人眼根本无法连续稳定地工作,其它物理量传感器也难有用武之地。这时,机器视觉技术由于具有快速获取大量信息、易于自动处理等特点而第二章机器视觉简介受到人们的关注。.机器视觉应用现状在国外,机器视觉的应用普及主要体现在半导体及电子行业,其中大概%一%都集中在半导体行业。具体如印刷电路:各类生产印刷电路板组装技术、设备;单、双面、多层线路板,覆铜板及所需的材料及辅料;辅助设施以及耗材、油墨、药水药剂、配件;电子封装技术与设备;丝网印刷设备及丝网周边材料等。表面贴装:艺与设备、焊接设备、测试仪

21、器、返修设备及各种辅助工具及配件、材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等:再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备:电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用,并且其产品在应用中占据着举足轻重的地位。除此之外,机器视觉还用于其他各个领域。而在中国,以上行业本身就属于新兴的领域,再加之机器视觉产品技术的普及不够,导致以上各行业的应用几乎空白,即便是有,也只是低端方面的应用。目前在我国随着配套基础建设的完善,技术、资金的积累,各行各业对采用图像和机器视觉技术的工业自动化、智能化需求

22、开始广泛出现,国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试,逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检测等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等。真正高端的应用还很少,因此,以上相关行业的应用空间还比较大。当然,其他领域如指纹检测等等领域也有着很好的发展空间。在机器视觉赖以普及发展的诸多因素中,有技术层面的,也有商业层面的,但制造业的需求是决定性的。制造业的发展,带来了对机器视觉需求的提升;也决定了机器视觉将由过去单纯的采集、分析、传递数据,判断动作,逐渐朝着开放性的方向发展,这一趋势也预示着机器视觉将与自动化更进一

23、步的融合。需求决定产品,只有满足需求的产品才有生存的空间,这是不变的规律。机器视觉也是如此。未来,中国机器视觉发展主要表现为以下一些特性:、随着产业化的发展对机器视觉的需求将呈上升趋势机器视觉发展空间较大的部分在半导体和电子行业,而据我国相关数据显示,全球集成电路产业复苏迹象明显;与此同时,全球经济衰退使我国集成电路产业获取了市场优势、成本优势、人才回流等优势;国家加大对集成电路产业这一战略领域的规划力度,“信息化带动工业化”,走“新兴工业化道路”为集成电第二章机器视觉简介路产业带来了巨大的发展机遇,特别是高端产品和创新产品市场空间巨大,设计环节、国家战略领域、应用领域、传统产业类应用领域成为

24、集成电路产业未来几年的重点投资领域。此外,中国已成为全球集成电路的一个重要需求市场。据相关数据显示,年我国集成电路市场需求规模为 .亿元人民币,占世界市场规模的.%。年中国集成电路市场总销量为.亿块,总销售额为.亿元,同比增长.%。中国已成为近年来世界半导体投资的热点。在全国许多地区,特别是长江三角洲地区,都有新的制造线和封装测试线投资兴建,设计公司的数量每年成倍增长。在产业政策的引导下,上海、北京、天津和深圳等地出现投资的好势头:天津投资亿美元,月投.万片的英寸芯片生产线和上海中芯国际投资亿美元,月投英寸芯片硅片.万片的项目已经投入运行。另外,中国半导体行业协会最新调研数据表明,年月到年月两

25、年问,中国产业的投资总额约亿元,相当于过去年的投资总和。全国设计单位数量两年之间翻两番,已激增到家,收入过亿元的达家;专业测试公司已有家左右,我国的测试业初具雏形。就以上数据显示,中国的半导体和电子市场已初具规模,而如此强大的半导体产业将需要高质量的技术做后盾。同时他对于产品的高质量、高集成度的要求将越来越高。恰巧,机器视觉将能帮助他们解决以上的问题,因此该行业将是机器视觉最好的用武之地。同时,对于机器视觉的需求将蒸蒸日上。、统一开放的标准是机器视觉发展的原动力目前国内有近数家机器视觉产品厂商,与国外机器视觉产品相比,国内产品最大的差距并不单纯是在技术上,而且还包括品牌和知识产权上。另一现状是

26、目前国内的机器视觉产品主要以代理国外品牌为主,以此来逐渐朝着自主研发产品的路线靠近,起步较晚。未来,机器视觉产品的好坏不能够通过单一因素来衡量,应该逐渐按照国际化的统一标准判定,随着中国自动化的逐渐开放,将带领与其相关的产品技术也逐渐开放。因此,依靠封闭的技术难以促进整个行业的发展,只有形成统一而开放的标准才能让更多的厂商在相同的平台上开发产品,这也是促进中国机器视觉朝国际化水平发展的原动力。、基于嵌入式的产品将取代板卡式产品从产品本身看,机器视觉会越来越趋于依靠技术,并且与数据采集等其他控制和测量的集成会更紧密,且基于嵌入式的产品将逐渐取代板卡式产品,这是一个不断增长的趋势,主要原因是随着计

27、算机技术和微电子技术的迅速发展,嵌入式系统应用领域越来越广泛,尤其是其具备低功耗技术的特点得到人们的重视。另外,嵌入式操作系统绝大部分是以语言为基础的,因此使用高级语言第二章机器视觉简介进行嵌入式系统开发是一项带有基础性的工作,使用高级语言的优点是可以提高工作效率,缩短开发周期,更主要的是开发出的产品可靠性高、可维护性好、便于不断完善和升级换代等。因此,嵌入式产品将会取代板卡式产品。、标准化、一体化解决方案也将是机器视觉的必经之路另外,由于机器视觉是自动化的一部分,没有自动化就不会有机器视觉,机器视觉软硬件产品正逐渐成为协作生产制造过程中不同阶段的核心系统,无论是用户还是硬件供应商都将机器视觉

28、产品作为生产线上信息收集的工具,这就要求机器视觉产品大量采用“标准化技术”,直观的说就是要随着自动化的开放而逐渐开放,可以根据用户的需求进行二次开发。当今,自动化企业正在倡导软硬一体化解决方案,机器视觉的厂商在未来?年内也应该不单纯是只提供产品的供应商,而是逐渐向一体化解决方案的系统集成商迈进。在未来的几年内,随着中国加工制造业的发展,对于机器视觉的需求也逐渐增多;随着机器视觉产品的增多,技术的提高,国内机器视觉的应用状况将由初期的低端转向高端。由于机器视觉的介入,自动化将朝着更智能、更快速的方向发展。另外,由于用户的需求是多样化的,且要求程度也不相同。那么,个性化方案和服务在竞争中将日益重要

29、,即用特殊定制的产品来代替标准化的产品也是机器视觉未来发展的一个取向。机器视觉的应用也将进一步促进自动化技术向智能化发展。.机器视觉检测应用机器视觉系统在高速、细微和重复的制造过程中显得非常可靠,因此被广泛用于加工制造企业,完成大批量生产过程中的重复性检测任务。机器视觉在质量检测方面的应用占整个工业应用的近,其中最大的应用行业为:汽车、制药、电子与电气、制造、包装、食品、饮料等。机器视觉检测是非接触无损检测,与传统的检测手段相比,它具有不可替代的优越性,因而得到了广泛的应用。例如,瓶装饮料生产流水线检测系统,可以检测瓶中饮料是否达到标准容量,瓶口密封情况以及瓶外标签是否完整等;利用线阵配合包装

30、盒的一维运动获取目标图像,然后由计算机对图像进行处理,可以检测日期编号等信息的遗漏和正确与否;以频闪光作为照明光源,利用面阵或者线阵作为螺纹钢外形轮廓尺寸的探测器件,实现热轧螺纹钢几何参数在线测量;文献还阐述了机器视觉技术在轮缘磨损检测中的应用;文献介绍了采用数字图像处理技术开发全自动彩色印刷检测系统。第二章机器视觉简介.机器视觉分类工业机器视觉系统有各种不同的分类方法,比如按照工作方式可以分为离线检测和在线检测两类;就检测性质和应用范围而言,工业机器视觉系统又可以大致分为定量检测和定性检测两类。.定量检测定量检测,即基于机器视觉的精密测量技术简称视觉测量技术,是建立在计算机视觉研究基础上的一

31、门新兴非接触测量技术。它作为当今最新技术,在电子、光学和计算机等技术不断成熟和完善的基础上得到迅速发展。视觉测量技术,重点研究物体的几何尺寸及物体的位置测量,如机械零件的几何尺寸测量、轿车白车身三维尺寸的测量、大型工件同轴度测量、共面性测量以及高速贴片机上对电子元件的快速定位等。它可以广泛应用于在线测量、逆向工程等主动、实时测量过程。视觉测量技术在国外发展很快,早在世纪年代,美国国家标准局就预计,检测任务的%将由视觉测试系统来完成。美国在年代就有多家公司跻身于视觉钡试系统的经营市场,可见视觉测试系统确实很有前途。在年的北京国际机床博览会上己见到国外利用视觉检测技术研制的仪器,如流动式光学三坐标

32、测量机、高速高精度数字化扫描系统、非接触式光学三坐标测量机等先进仪器。以往的非接触精密测量主要采用激光进行。与激光测量相比,视觉测量有以下优势:低成本:基于图像处理技术的视觉测量成本相当低;复杂形状测量:通过各种图像处理技术的结合,可以实现对复杂图形的测量;高精度:通过采用亚像素测量技术,可以大大提高视觉测量的精度。随着中国的工业由粗放型向精密型转换,对精密测量工具的需求越来越大。面对价格昂贵的非接触测量设备,基于机器视觉的精密测量无疑具有广阔的市场前景。.定性检测定性检测也是机器视觉在工业检测领域的一项重要应用,比如检查芯片管脚的数目、字符印刷的质量、印刷电路板焊接的好坏、轴承生产中的滚珠数

33、量和破损情况,还有食品包装上面对生产日期的辨识,钢板表面的自动探伤和杂质检测等等。定性检测主要是对生产线上的产品进行各种在线识别和对比分析,以达到产品计数或者质量控制的目的,它并不要求产品的准确尺寸和具体位置。当然有时定量检测和定性检测并不能完全分开,很多工业检测的场合,比如胶囊生产第二章机器视觉简介中对胶囊壁厚和外观缺陷的综合检查,就既要定量测量胶囊的壁厚,也要定性分析胶囊外观形状,这可以利用机器视觉系统同时实现。第三章图像处理基本算法第三章图像处理基本算法在机器视觉系统中,视觉信息的处理主要依赖于数字图像处理技术,所谓数字图像处理,就是把在空间上离散的、在幅度上量化的数字图像,经过一些特定

34、数理模式的加工处理,以达到改善图像的视觉效果或者便于计算机进行分析和处理的过程。本课题所用到的数字图像处理基本算法有:图像几何变换、图像灰度变换、图像增强、图像边缘检测、图像分割、图像测量及形状分析等。.图像几何变换图像几何变换是图像处理的一种基本变换,主要包括:图像的平移、图像的镜像变换、图像的转置、图像的缩放、图像的旋转等。.图像的平移图像平移就是将图像中所有的点都按照指定的平移量水平、垂直移动。如图一所示,设,%为原图像上的一点,图像水平平移量为,垂直平移量为,则平移后点,儿坐标将变为“,乃。坐标,虬和五,乃的关系如下:。七刘刚蚓小二乏第三章图像处理基本算法值统一设置为或者,完成图像的平

35、移。设图像高度为,宽度为,原图像中%,经过水平镜像后坐标将变为,%,其矩阵表达式为:言 弼阱言十/小/妒乃同样,吒,%经过垂直镜像后坐标将变为,?,其矩阵表达式阱州刘刚甲胁小儿叫/正七刘第三章图像处理基本算法八小照假设图像轴方向缩放比率为工,】,轴方向缩放比率为工,那么原图像中点,%对应与新图像中的点焉,朋的转换矩阵为:?六六阱爹,璐一?/,.图像的旋转图像的旋转一般是以图像的中心为原点,旋转一定的角度。旋转后,图像的大小一般会改变。图?图像旋转不意图旋转前:,.朋旋转后:而一目%印矩阵表达式为:第三章图像处理基本算法警口,菩口,;逆运算表达式为:刚攀:剥六.图像灰度变换图像的灰度变换? ,是

36、图像增强处理技术中一种非常基本、直接的空域图像处理方法,也是图像数字化软件和图像显示软件的一个重要组成部分。它主要针对独立的像素点进行交换处理,而无须考虑其他因素,在处理时通过改变原始图像数据所占据的灰度范围而使其在视觉上能得到好的改观,并且丝毫不会改变图像像素点之间的相互空间关系。灰度变换的应用范围非常广泛,既可以通过闽值化处理来辅助图像分割,也可以在光度学标定中对灰度级进行变换。而且在某些特殊环境下,当原始图像受图像采集装置的局限而导致大部分的灰度集中于某个狭小的区域时,灰度变换中的灰度拉伸处理几乎是对其进行预处理的唯一方便有效的手段。在处理方式上,灰度变换可分为线性灰度变换和非线性灰度变

37、化两大类。线性灰度变换在处理时相对简单,主要考虑输出灰度级与输入灰度级之间的线性关系,一种典型的形式如下所示:,岛而非线性的灰度变换则可根据其对中间部分的灰度级的运算做进一步的分类,常见的一种分类结果是:一类为增加中间部分的灰度级而使两端的灰度级做较小改变,其典型形式为:一砷其中,为最大的灰度级,则表征了对中间部分灰度的变换程度。另一类的非线性变换则通过降低位于两端的灰度级来加强中间部分灰度级的对比度。这类变换形式往往比较复杂,一种基于正弦函数的变换形式如下:凹三一马峨:盈与 。争其中口,且取值越大,上述效果越明显。最后一类则将中间部分的灰度级进行抑制,两端的灰度级得到加强。通常此类变换形式也

38、很复杂,一种基于第三章图像处理基本算法蜴譬,妒;.灰度直方图灰度直方图是灰度值的函数,描述的是图像中具有该灰度值的像素的个数,其横坐标表示像素的灰度级别,纵坐标是该灰度出现的像素的个数,如图?所刁?图灰度直方图.灰度的线性变换灰度的线性变换就是将图像中所有的点的灰度按照线性灰度变换函数进行变换。该线性灰度交换函数厂是一个一维线性函数:?斗凡灰度变换方程为:七其中,正为线性函数的斜率,石为线性函数在轴的截距,见表示输入图像的灰度,。表示输出图像的灰度。当厶时,输出图像的对比度将减小;当厶且厶时,操作仅使所有像素的灰度值上移或下移,其效果是使整个图像更暗或更亮:如果无,暗区域将变亮,亮区域将变暗。

39、特殊情况下,当正,厶时,输出图像和输入图像相同;当厶一,厶时,输出图像的灰度正好反转。第三章图像处理基本算法.灰度的阈值变换灰度的阈值变换可以将一幅灰度图像转换成黑白二值图像。它的操作过程式先由用户指定一个阈值,如果图像中某像素的灰度值小于该阈值,则将该像素的灰度值设置为,否则灰度值设置为。灰度阈值变换的变换函数表达式为: 其中丁为指定的阈值。.灰度的窗口变换灰度的窗:变换和阈值变换类似,它限定一个窗口范围,该窗口中的灰度值保持不变;小于该窗口下限的灰度值直接设置为:大于该窗口上限的灰度值直接设置为。灰度窗口变换的变换函数表达式为:上三工/其中表示窗口的下限,表示窗口的上限。.灰度拉伸灰度拉伸

40、和灰度的线性变换有点类似,都用到了灰度的线性变换。但不同之处在于灰度拉伸不是完全的线性变换,而是分段进行线性变换。它的灰度变换函数如图?所示。,儿而恐图叫灰度拉伸变换函数函数表达式如下:第三章图像处理基本算法且工 工五厂乙二监一 毛一一而工一屯乃工而其中五,和,肋是图?中的两个转折点的坐标。灰度拉伸可以更加灵活的控制输出灰度直方图的分布,它可以有选择的拉伸某段灰度区间以改善输出图像。图所示变换函数的运算结果是将原图像在葛和%之间的灰度拉伸到和弘之间。如果一幅图像汇聚集中在交暗的区域而导致图像偏暗,可以用灰度拉伸功能来拉伸效率物体灰度区间以改善图像;同样如果图像灰度集中在较亮的区域而导致图像偏亮

41、,也可以用灰度拉伸功能来压缩斜率物体灰度区间以改善图像质量。.灰度均衡灰度均衡有时也称直方图均衡,目的是通过运算使输入图像转换为在每一灰度级上都有相同的像素点数的输出图像。经过灰度均衡处理后,图像的对比度大大提高,转换后图像的灰度分布也趋于均匀,这对于在进行图像比较或分割之前将图像转化为一致的格式十分有益的。由图像的概率密度函数的定义:日功凡其中力为直方图,为图像的面积。设转换前图像的概率密度函数为,转换后图像的概率密度函数为见,转换函数为,可得:见,.冬如果想使转换后图像的概率密度函数为,则必须满足:,孚等式两边对积分,可得:归刃咖去日和对于没有归一化的灰度均衡转换公式为:第三章图像处理基本

42、算法啥等霎耻对于离散图像,转换公式为:岛:;竿塞只其中为第级灰度的像素个数。.图像增强图像在生成、获取、传输等过程中,受照明光源性能、成像系统性能、通道带宽和噪声等诸多因素的制约,往往造成对比度偏低、清晰度下降,并引入了干扰噪声。为了改善图像质量,需要利用图像增强技术,获得更适合人眼观察或者对后续计算机处理、分析过程更有利的图像。图像的增强技术通常有两类方法:空间域法和频率域法。空间域法主要是在空间域中对图像像素灰度值直接进行运算处理。例如:将包含某点的一个小区域内的各点灰度值进行平均计算,用所得到的平均值来代替该点的灰度值,这就是通常所说的平滑处理。空间域法的图像增强技术可以用下式来描述:,

43、力?力其中,力表示处理前的图像,力表示处理后的图像,力为空间运算函数。频率域法是在图像的频率域中对图像的变换值进行某种运算处理,然后变换回空间域。例如:可以先对图像进行傅立叶变换,再对图像的频谱进行某种修正,最后再将修正后的图像进行傅立叶反变换回空间域中,从而增强该图像,是一种间接处理方法。由于本课题主要用到了图像的平滑,所以只对图像的平滑做概要介绍。图像的平滑是一种实用的数字图像处理技术,主要目的是为了减少图像的噪声。在空间域内有很多种平滑算法,其中最常见的有:线性平滑、非线性平滑和自适应平滑。在频率域,由于噪声频谱通常多在高频段,因此也可以用各种形式的低通滤波器的来减少噪声。线性平滑线性平

44、滑就是对每一个像素点的灰度值用它的邻域值来代替,其邻域大小为:,一般取奇数。经过线性平滑,虽然降低了噪声,但同时也模糊了图像的边缘和细节。非线性平滑非线性平滑是对线性平滑的一种改进,即不对所有像素都用它的邻域平均值第三章图像处理基本算法来代替,而是取一个阈值,当像素值与其邻域平均值之间的差值大于阈值时才以均值代替;当像素值与其邻域平均值之间的差值不大于阈值时取其本身的灰度值。自适应平滑自适应控制是一种根据当时、当地情况来进行控制的方法,所以这种算法要有一个适应的目标。根据目的的不同,可以有各种各样的自适应图像处理方法。考虑到图像中的目标物体和背景一般都具有不同的统计特性,既不同的均值和方差,为

45、保留一定的边缘信息,可采用自适应的局部平滑。.图像边缘检测;三三三三三羽三兰对于灰度图像,对以像素,为中心的区域施加不同的加权屏第三章图像处理基本算法边缘检测算子、边缘检测算子、边缘检测算子等。.图像分割、测量及识别数字图像处理的目的之一是图像识别,而图像分割与测量是图像识别工作的基础。.图像分割图像分割是将图像分成一些有意义的区域,然后对这些区域进行描述,相当于提取出某些目标区域图像的特征,判断图像中是否有感兴趣的目标。图像分割的基础是像素间的相似性和跳变性。所谓“相似性”是指在某个区域内像素具有某种相似的特性,如灰度一样,纹理相同;所谓“跳变性”是指特性不连续,如灰度值突变等,图像分割在这

46、方面的特性和图像边缘检测十分相似。从总体上说,图像分割就是把图像分成若干有意义的区域的处理技术。这些区域互不交叠,每一个区域内部的某种特性或特征相同或接近,而不同区域问的图像特征则有明显差别,即同一个区域内部特性变化平缓,相对一致,而区域边界处则特性变化比较剧烈。区域内是一个所有像素都有相邻或相接触像素的集合,是像素的连通集。在一个连通集中任意两个像素之间,都存在一条完全由这个集合的元素构成的连通路径。连通路径是一条可在相邻像素间移动的路径。所以,在一个连通集中,可以跟踪在任意两个像素间的连通路径而不离开这个集合。图像分割的度量准则不是唯一的,它与应用场景图像及应用目的有关,用于图像分割的场景

47、图像特征信息有亮度、色彩、纹理、结构、温度、频谱、运动、形状、位置、梯度和模型等。由于图像的多义性和复杂性,在许多分割的工作无法依靠计算机自动完成,而手工分割又存在工作量大,定位不准确,因此,提出了一些人工交互和计算机自动定位相结合的方法,利用各自的优势,实现目标轮廓的快速定位。图像分割的方法很多,主要介绍图像的阈值分割技术。阈值处理是一种区域分割技术,将灰度根据给定阈值分成两个或多个等间隔或不等间隔的灰度区间,它主要是利用图像中要提取得目标物体和背景在灰度上的差异,选择一个合适的阈值,通过判断图像中的每一个像素点的特征属性是否满足阈值的要求来确定图像中该像素点属于目标区还是应该属于背景区域,

48、从而产生二值图像,它对物体与背景有较强对比的图像分割特别有用。在使用阈值法进行分割技术时,阀值的选取成为能否正确分割的关键,若将所有灰度值大于或等于某闽值的像素都被判属于物体,则将所有灰度值小于该阈值的像素被排除在物体之外,如果闺值选取得过高,则过多的目标区域将被划分为背景,相反如果阈值选取得过低,则过多的背景将被划分到目标区。因此,边界就由这样一些内部点的集合组成,这些点都至少有一个邻点不属于该物体。第三章图像处理基本算法由于物体和背景以及不同物体之间的灰度级有明显的差别,因此,在图像的灰度级直方图中会呈现明显的峰值。当图像灰度直方图峰型分布明显时,常以谷底作为门限候选值。所以只要适当选取闽

49、值,即可对图像进行分割,因而成为一种简单而广泛应用的方法。常用的阈值选择方法有:直方图门限选择、半阈值选择图像分割和迭代阈值图像分割。直方图门限选择阂值,可通过分析图像的灰度级直方图来确定。假设,一幅图像只有物体和背景两部分组成,其灰度级直方图呈现明显的双峰值,如图?所示。圈?双峰灰厦级互方圈 圈多峰值灰度级直方图在此情况下,选取双峰间的谷底处的灰度值丁作为阈值,即可将物体和背景很好地分割开。阈值分割法可用数学表达式来描述。设图像为,其灰度级范围为,】,设,乞为阈值,可得一幅二值图像,其数学表达式为:?.、 。,力邝卜 菇;或者,?.、 巾加朋荻以上是一种比较理想的情况,实际中很难找到这样的图

50、像。一幅图像通常有多个物体和背景所组成,假如,其灰度级直方图呈现多个明显的峰值,则仍可取峰峰之间的峰谷处的灰度值作为阈值,此时有多个阂值将图像进行分割,这就是多峰值阈值选择。比如有三个峰值,如图?所示,可取两个峰谷处的灰度值五,正作为阈值。同样,可将阈值化后的图像变成二值化图像,其数学表达式为:五,五 ?.、邝,。妄他一或者?.、五,正朋,加凳在?第三章图像处理基本算法将上述情况推广,可描述成:如果是一个任意的灰度级集合,【五,】就可以定义广义“阈值”运算,即把中的灰度级变为,把不在中的灰度级变为,其数学表达式为: 、,力?., 邝,.,其箍。半阈值选择图像分割不论图像的直方图具有双峰值还是多

51、峰值,经过闽值化后均将原始灰度级多值图像变成二值图像而图像中的物体仍为多值图像。此时,可采用半阈值技术,把物体从背景中分离出来。半阈值化后的图像可用数学表达式表示为:,力 ,力八力或者厂,或者,醇,.订 ,八力或者,迭代阙值图像分割迭代的方法产生阈值,可以通过程序自动计算出比较合适的分割阂值。其计算方法是这样的:、选择阈值丁,通常可以选择图像的平均灰度值来作为初始阈值;、通过初始阂值丁,把图像的平均灰度值分成两组墨和恐;、计算这两组平均灰度值和;、重新选择阈值,新的丁定义为:“/;循环做第二步到第四步,一直到两组的平均灰度值和鸬不再发生改变,那么我们就获得了所需要的阈值。.图像的测量对目标物体进行测量,首先必须确定物体是否是独立的目标物体,图像中有几个物体,这就需要对不同物体进行标识。选用像素数量表示空间尺度,实际的长度和面积可以通过乘以像素间隔或一个像素的面积加以适当地校准。面积和周长面积是物体的总尺寸的一个方便的度量,面积