机器视觉中的图像处理算法研究及应用

1、PAGE PAGE 49学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。作者签名： 年 月 日学位论文版权使用授权书本学位论文作者完全了解学校有关保障、使用学位论文的规定，同意学校保留并向有关学位论文管理部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权省级优秀学士学位论文评选机构将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于

2、保密 ，在 年解密后适用本授权书。不保密 。（请在以上相应方框内打“ ”） 作者签名： 年 月 日导师签名： 年 月 日武汉科技学院毕业设计（论文）任务书课题名称：机器视觉中的图像处理算法研究完成期限： 院系名称 电子信息工程 指导教师 专业班级 指导教师职称讲师学生姓名 院系毕业设计（论文）工作领导小组组长签字 一、课题训练内容要求学生对机器视觉中的图像处理内容进行分析，对图像处理的原理，方法，类型进行探讨。主要训练了以下内容：1、培养学生收集资料、文献检索的能力，发现问题的能力；2、培养学生工程开发的能力，制定工作计划和协调组织的能力；3、培养学生综合运用所学专业知识、理论，理论联系实际，

3、解决实际工程问题的能力；4、培养学生原理设计、实验分析、理论推导和实物设计的能力；5、培养学生撰写论文的能力；二、设计（论文）任务和要求（包括说明书、论文、译文、计算程序、图纸、作品等数量和质量等具体要求）任务：查阅课题相关的参考文献、技术资料。所查的资料名称和内容应在笔记本上面做好记录，备查；第四周前上交毕业设计开题报告一份。开题报告内容要和学校模板的要求一致，字数不少于2000字；经指导老师检查合格后方可进行后续工作；阅读至少三十篇参考文献，掌握课题的原理；正文完成后查找一篇与设计相关的英文资料和中文翻译；完成毕业设计论文，字数不少于15000字。论文应包括中文摘要、英文摘要、目录、正文、

4、参考文献、附录（可无）、致谢7个部分；具体的每个部分的格式要严格按照学校教务处模板的规定；设计出完整的“机器视觉中的图像处理算法研究”；三、毕业设计（论文）主要参数及主要参考资料参考资料：1 贾云得.机器视觉M.北京科学出版社，2000.1-22 张广军.机器视觉M.北京科学出版社，2005.3 张毓晋.图像处理.清华大学出版社，20034 苏光大.图像并行处理技术.清华大学出版社，20025 Sonka Milan, Hlavac Vaclav, Boyle Roger.图像处理分析与机器视觉M.艾海舟，武勃，译.第2版.人民邮电出版社，2003.6 朱以松 ,李京隆 ,章舟. 消失模铸造磨

5、球的生产实践 J .铸造技术 ,2002 ,23 (1) :41-42.7 夏奇，周明才，汪宏昇，等.高精度自动贴片机视觉对准系统及其图像处理J.光学技术，2004，30(2).8 Brownrigg S D.The weighted median filter.Communications of the ACM.1984， 27(8):807一818四、毕业设计（论文）进度表武汉科技学院毕业设计（论文）进度表序号起止日期计划完成内容实际完成情况检查人名检查日期1 查阅相关的资料,学习理论知识2 方案比较，确定方案3 整体上对课题进行构思，完成开题报告4 完成论文撰写和翻译相关英文资料5 修改

6、论文，完成PPT 6 定稿打印武汉科技学院毕业设计（论文）开题报告课题名称机器视觉中的图像处理算法研究院系名称电子信息工程学院专 业电子信息工程班 级 学生姓名 一、研究意义随着现代工业自动化水平的发展，基于视频图像的测量、识别和控制技术也得到了发展。例如，生产流水线上零件的测量，产品包装印刷的检测，半导体芯片封装检测，电子设备生产中电子元件定位，机器人导航、图像监控、医学影像处理等。以往这些应用中的一部分依靠大量工人来完成，这不仅增加了人工成本和管理成本，同时由于人眼容易疲劳且具有不稳定性，无法保证百分之百的检测合格率。另外还有相当一部分应用，由于人眼的精度、速度上的限制，根本无法由人工来完

7、成。所以实际应用迫切需要一种代替人类视觉的机器技术出现。计算机技术、机电工程应用技术与数字图像处理技术不断完善和发展，将计算机的高速度、高精度、高可靠性、结果的可重复性与人类视觉的智能化抽象能力相结合起来。这种新技术的产生和应用，极大地解放了人类劳动力，提高了生产自动化水平，改善了人类生活现状，有着极为广阔的应用前景。二、所属领域的研究状况机器视觉在工业中的应用主要包括视觉检测和视觉控制机器人导航。视觉检测包括对图像或子图像与预定义标准进行比较，获取被测对象的几何特征参数、形位参数，在汽车、木材、织物、玻璃和金属处理工业中的产品检测等方面得到了广泛的应用。机器人导航包括道路规划、避免碰撞、自适

8、应位置控制和机器人相对于特定目标在三维空间中精确定位等。目前，视觉检测已经成为工业机器视觉的基本应用领域。国内外机器视觉检测的现状国外机器视觉检测自上个世纪八十年代初开始已经得到了广泛的研究。而国内视觉检测研究从上个世纪九十年代才开始得到重视。CHIN和HARLOW列举了多种视觉应用分类，包括印刷电路检测、照相掩膜和集成电路检测、金属处理中的应用和汽车工业以及织物检测。从查到的文献来看，现有的视觉检测技术应用可以分为三个基本类型：（a）自然和合成物体的尺寸检测在这种分类中，典型的应用包括：通用汽车研究实验室开发的用于汽车零件检测的视觉原型系统；由Tsatsoulis描述的用于电力方向阀的16齿

9、齿轮部件的检测；Gregory和Taylor描述的一种使用知识库的方法来检测汽车制动零件；Schmidberger和Ahlers提出的一种不同的汽车检测方法，即用一个装配在机器人上的照相机来检测大尺寸平面上的信息，照相机移动到感兴趣的区域点进行图像摄取，然后对图像进行增强处理和二值化处理，把描绘出的轮廓与参照轮廓进行比较来检测裂缝、折叠、孔洞丢失和其它缺陷。国内天津大学研究和开发了汽车车身机器视觉检测系统。Decker等学者描述的一个汽车工业中的自动X射线检测铝铸件系统。X射线系统也可以用于检测金属器件、火炮熔丝中的钻孔、食物瓶中的玻璃碎片等；Hobson描述了发动机中冷却环的检测系统，该系统

10、可以检测两个相邻孔洞之间的厚度、冷却环的分布和数量。Mills和Lim等人均报道过金属组件尺寸测量系统。前者通过线扫描相机来获取检测图像，分析处理后得到被检圆柱零件的精确尺寸公差。后者研究的是三维曲面阀的尺寸测量系统。Clements设计了一个用于检测刀具破损的CNC视觉系统，替代了以前的电子机械探测器。Lu和Chen等人研究金属零件形位参数的视觉检测方法。国内在机械零件形位参数的视觉检测方面也做了大量的研究和探索。Mitchell使用Fourier-Mellin相关运算来辨别扳手和汽车喇叭的图像。Sternberg描述了一个检测手表齿轮损坏或缺损的系统。Bremner描述了一个使用x-y驱动

11、条钢的尺寸检测系统，在32mm的视区内精度达到0.01mm。非机械零件产品的自动视觉检测也有很多典型的实例。如纺织工业中的表面纹理检测；食品工业的水果分类、分级及缺陷检测、粮食害虫检测；医学工业的包装检测等。机器视觉在检测控制设备和控制装置如测量尺、定时器和键盘等方面也有大量的应用。（b）自然和合成物体的表面检测机器视觉检测技术已经广泛应用到金属等材料的表面检测，例如从连续钢条到铸件和成品的表面检测。Manbir等人应用一个统计分类方法来测量金属表面的粗糙度；本文作者利用傅立叶变换中的系数对零件表面的粗糙度检测进行了研究。Newman等人使用基于曲面模型来对不同的零件表面进行分类；视觉检测也可

12、用于各类产品的裂缝检测。除了金属物体表面检测之外，机器视觉检测技术也可以用于其他材料的表面检测。（c）电子线路和布局检测印刷线路板的检测是视觉应用的一个重要领域，大约有20%视觉检测应用均为此类检测应用，包括缺陷检测、装配线上PCB板对准等。 三、研究内容1 图像预处理图像预处理，即对图像质量进行改善。在拍摄目标的过程中不可避免地在目标及其背景图像上会出现粉尘颗粒，镜头斑点，以及图像采集、量化、传输过程中产生的多余的点和线，称为噪声，主要表现为孤立群点和孤立线。这些噪声的存在对定位计算有较大的影响。因此有必要对其进行去除噪声的预处理。在灰度连续变化的图像中，如果出现了与相邻像素的灰度相差很大的

13、点，比如说一片暗区中突然出现了一个亮点，人眼能很容易觉察到。这种情况被认为是一种噪声。灰度突变在频域中代表了一种高频分量，低通滤波器的作用就是滤掉高频分量，从而达到减少图像噪声的目的。2 图像增强有时为突出图像轮廓，使图像轮廓变得更清晰一些，需要对图像进行锐化(增强)处理。对图像实行微分运算可实现锐化的目的。拉普拉斯算子就是一种常用的锐化模型，其具体描述如下所示:上述算子是用来针对连续函数的，它还有一个对应的离散形式的公式可以适用于离散数字图像，在这个公式中用差分运算代替了微分运算: 其相应的加权矩阵为:这是一种高通空间滤波方法，可增强图像的高频成份。虽然高通空间滤波可增强图像的高频成份而不改

14、变图像的低频成份，但是相对于图像中的高频成份来说，图像的低频成份还是被削弱了。由于图像的边缘和细节主要反映在图像频谱的高频分量，因而对图像进行高通滤波就相应的对图像作了边缘增强。3 图像分割图像分割就是把图像分成各具特色的区域并提取出感兴趣的目标的技术和过程。这里特性可以是像素的灰度、颜色、纹理等等，预先定义的目标可以对应单个区域，也可以对应多个区域。图像分割的研究多年来一直受到人们的高度重视，至今己经提出了上千种类型的分割算法，从算法角度来说，可以分为由阈值分割，像素分割，深度分割由彩分割，基于模糊基法，基于区域生长法。四、技术路线1.研究方法（1）查阅资料。到图书馆借阅与课题相关的书，熟悉

15、课题的研究意义及原理，为课题的研究打下一个良好的基础。（2）用matlab软件实现图像处理，并对图像处理算法进行验证，最后对处理结果进行评价。2.研究手段主要采用资料说明、数据分析以及论证事实的方法来进行研究。前期，通过各种渠道，如权威网站、学校图书及前人的研究成果等，搜集相关资料；通过国家统计局网站掌握一些有用的数据；对一些事实来论证自己的观点。3.研究步骤（1）确定研究课题，通过各种途径，比如武汉科技学院图书馆中的中国期刊网、中国维普数据库、期刊杂志以及网上最新信息收集资料。（2）认真阅读资料，分清主次，对资料进行筛选、整理和分类。（3）构建论文框架，按指导老师的要求完成开题报告并修改。（

16、4）对机器视觉的在线检测系统进行研究。（5）对相机的标定进行研究。（6）对图象的获取与传输进行研究。（7）对图象处理与目标检测进行研究。（8）完成论文初稿，按论文格式要求修改论文，直至定稿。五、参考文献1 贾云得.机器视觉M.北京科学出版社2000.2 张广军.机器视觉M.北京科学出版社2005.3 张毓晋.图像处理M.清华大学出版社20034 苏光大.图像并行处理技术M.清华大学出版社，20025 Sonka Milan, Hlavac Vaclav, Boyle Roger.图像处理分析与机器视觉M.艾海舟，武勃，译.第2版.人民邮电出版社，2003.6 朱以松 ,李京隆 ,章舟. 消失模

17、铸造磨球的生产实践 J.铸造技术,2002.7 夏奇，周明才，汪宏昇，等.高精度自动贴片机视觉对准系统及其图像处理J.光学技术，2004.8 Brownrigg S D.The weighted median filter.JCommunications of the ACM.1984.9 S一J Ko，LeeYH.Center Weighted Median Filter and their Application to Image Enhancement. IEEE Transaction circle System，1991.10 Sun T，Neuvo Y.Detail一Preserv

18、ing median based filters in image Processing. Pattern Recognit Lett，1994. 11 程宏煌,戴卫恒,姚甄甄.图像分割方法综述J.电信快报2000.12 韩思奇,王蕾.图像分割的阈值法综述J.系统工程与电子技术,2002.13 李鉴庆,左坤隆.图像阈值选取的一种快速算法 ,计算机与现代化J . 2001.14 郑宏,潘励. 基于遗传算法的图像阈值的自动选取 J .中国图像图形学报 ,1999 ,.15 孙慧，周红霞.图像处理中边缘检测技术的研究J.电脑开发与应用，2002.16 曹菲，杨小刚.一种常用的边缘检测方法及其实现J.

19、计算机工程，2007.17 杨淑莹，胡军，曹作良.基于图像纹理分析的目标物体识别方法J.天津理工学院学报，2007.18 赵荣椿.数字图像处理导论M.西北工业大学出版社,2000.19 胡学龙.数字图像处理M.电子工业出版社,2006.20 RafaelC.Gonzalez, Rchard E.Woods著，阮秋琦，阮宇智等译.数字图像处理(第二版)M.电子工业出版社，2004.21 刘禾.数字图像处理及应用M.中国电力出版社,2006.22 M.Sonka, V.Hlavac and R.Boyle. Image ProcessingM.Analysis and Machine Vision

20、,London,1993.23 张宏.数字图像处理与分析M.机械工业学出版社,2007.24 刘榴娣.实用数字图像处理M.北京理工大学出版社,2003.25 D.Mintz. Robust consensus based edge detectionJ.Computer Graphics Image Process,1977.指导教师评语：指导教师签名： 年 月 日摘 要机器视觉技术作为近年来发展和完善起来的现代科学技术，在各个工程技术领域不断获得日益广泛的应用。机器视觉包括了信息探测、采集系统、图像处理、显示及智能决策等模块。信息的探测和采集是通过摄像头来获取，经过图像的处理，转换成数字信号

21、，计算机对信号进行运算，判断结果来控制设备运作。图像处理被认为是机器视觉的核心，当前机器视觉在各种导航系统中的应用日渐成熟，这种技术正是建立在图像处理成熟理论和算法基础之上。图像处理具有精度高、速度快等特点。在图像中保存有关于物体的各种信息，除了包括图像中物体的边缘信息外还有图像中物体的各种噪声，这两者都表现为图像中的高频部分，但前者是我们需要的，后者是需要被滤除的，所以为了准确提取出图像中物体的轮廓，还必须要进行诸如滤除噪声，增强边缘效应的图像处理工作，为后续的处理打下好的基础。然后在得到了这个类二色图像后，我们就可以采用其它手段(如边缘检测、阈值分割等方法)从中提取出比较准确清晰的物体轮廓

22、;最后利用图形矢量化的有关原理和方法来得到图像中关于物体轮廓的各个关键点，顺次连接这些关键点就可以重现这个图像中物体的轮廓。本篇论文从一个实际应用出发，讨论了这样一个完整的系统，并给出了在实现中所碰到的几个问题的解决算法，并在Matlab环境下编辑并实现了一些程序。关键词：数字图像处理； Matlab； 图像滤波； 机器视觉； 边缘提取ABSTRACTAs a modem scientific technology fast developed wildly applied in recent years, It has been applied more and more widely in

23、 different engineering field.Machine vision modules of information detection, image acquisition, image processing, display system and intelligent decision. Information collected through the detection and access to camera. After image processing, the information was transferred to digital signal. By

24、computing, the computer can judge the result s to control the device operation. Image processing is viewed as the core of machine vision, machine vision wildly applied in many branches of science and technology recently is based on the ripe theory and algorithms of image processing.Image processing

25、has the characteristics of high precision, fast speed and etc. Due to the border of object in image has a sharp contrast with ambient colors and the noise has the same earmark，we must get rid of noise but amplify the borders earmark，and the DIP has to be involved. Then we get a image in which the fo

26、reground color and background color have strong difference. It can be named as two-color image. Then，we should extract the sketch from the two-color image. In this stage，we must make full use of the difference colors to extract the sketch of object in the image. For the border of sketch is comprise

27、of pixels，wed better linearism it so that the tools can trace effectively and correctly. At last，we use the 1ines of border to give the directives which indicate tools how and where to move. And some of digital image program was developed and programming under Matlab environment.Key words：digital im

28、age processing; Matlab; image filtering; machine vision; border-extract目 录1 机器视觉与图像处理简述11.1 机器视觉系统11.1.1 机器视觉的发展11.1.2 机器视觉系统的概念21.1.3 机器视觉的应用21.1.4 机器视觉的基本结构31.1.5 机器视觉的研究内容41.2 机器视觉中的图像处理41.2.1 图像处理简述51.2.2 图像处理的系统构成51.2.3 图像处理发展和应用72 图像预处理82.1 图像增强方法82.2 图像锐化122.2.1 拉普拉斯锐化122.2.2 模糊运算增强132.2.3 边缘

29、增强152.3 图像滤波172.3.1 领域平均法182.3.2 低通滤波182.3.3 中值滤波202.3.4 迭代中值滤波232.3.5 图像滤波的现状263 图像分割273.1 阈值分割273.1.1 直方图283.1.2 自适应阈值法293.1.3 最大类间方差法293.2 图像二值化313.2.1 二值腐蚀和膨胀323.2.2 二值开运算323.2.3 二值闭运算333.3 区域生长方法354 图像特征区域的边缘检测364.1 特征提取364.1.1 边缘检测364.1.2 能量最优边缘曲线405 总结43参考资料44外文资料46中文翻译48致谢49 武汉科技学院2009届毕业设计计

30、论文 1 机器视觉系统与图像处理简述1.1机器视觉系统机器视觉是一个相当新且发展十分迅速的研究领域，目前已成为计算机科学的重要研究领域之一。近年来在机器视觉技术基础上的各项研究及应用不断的发展，针对不同用情况的特点，形成了不同的基于机器视觉技术的应用系统。从上世纪80年代至今，全球性的机器视觉研究热潮经久不衰。机器视觉得到了蓬勃发展。新概念、新理论、新方法不断涌现，在各个方面得到了广泛的应用。从工业检测到文件处理，从医学图像到遥感图像，从毫微米技术到多媒体数据库，不胜枚举。可以说，需要人类视觉的场合几乎都需要机器视觉。而许多人类视觉无法感知的场合，如精确定量感知、危险场景感知、不可见物体感知等

31、，机器视觉更具优势。机器视觉的发展不仅将大大推动智能系统的发展，也将拓宽计算机与各种智能机器的研究范围和应用领域。机器视觉技术用在检测方面正在引起检测的一次革命。 用机器视觉代替人眼进行瞄准和读数，可以在绝大多数的场合代替光学仪器进行检测，从而减少人为误差，降低劳动强度，提高检测精度及自动化程度。1.1.1 机器视觉的发展机器视觉从20世纪50年代从统计模式识别开始的，当时的工作主要集中在二维图像分析和识别上，如光学字符识别、工件表面、显微图片和航空图片的分析以及解释等。对于机器视觉的全球性的研究热潮从20世纪80年代开始的，到了80年代中期，机器视觉获得了蓬勃的发展，新概念、新方法、新理论不

32、断涌现。例如，基于感知特征群的物体识别理论框架、主动视觉理论框架、视觉集成理论框架等。1目前全球整个视觉市场总量大概在70、80亿美元，是按照每年8.8%的增长速度增长的。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40%左右都集中在半导体行业。具体如PCB印刷电路: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。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

33、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。机器视觉发展主要表现为以下一些特性:1、随着产业化的发展对机器视觉的需求将呈上升趋势。2、统一开放的标准是机器视觉发展的原动力。3、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PC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

34、。主要原因是随着计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。1.1.2 机器视觉系统的概念人类获知外部信息的80 %来源于视觉，这不但说明了视觉信息量的巨大，而且说明人类能够高效地利用视觉信息。机器视觉（Machine Vision)就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品将被摄取目标转换成图像信号 ,传送给专用的图像处理系统 ,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运作2 简单的说，机器视觉就是使机器

35、具备“看”的功能，使机器认识和看懂所要看的东西，能确定它所见范围内目标的位置，即用摄像机和计算机等机器代替人眼对目标进行测量、跟踪和识别，并加以判断。它以视觉处理理论为中心，属于人工智能范畴的一个新领域，是图像处理、模式识别、计算机技术和生理心理学为基础的信息处理科学中的一个重要分支， 与人工视觉相比较，机器视觉的最大优点是稳定、精确、快速、可靠。而与计算机视觉相比，它又更注重实用性和实时性。1.1.3 机器视觉的应用机器视觉技术正广泛地应用于各个方面，从医学影像到遥感图像，从工业检测到文件处理，从毫微米技术到多媒体数据库，不一而足。可以说需要人类视觉的场合几乎都需要机器视觉。机器视觉不会有人

36、眼的疲劳，有着比人眼更高的分辨精度和速度，借助红外线、紫外线、X射线、超声波等高新探测技术，它在探测不可视物体和高危险场景时，更具有其突出优点。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，比如，汽车零件的外观，药品包装的正误，CI字符印刷的质量，电路板焊接的好坏，等等。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

37、品质量效率低且精度不高，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。视觉的最大优点是与被观测的对象无接触，因此对观测与被观测者都不会产生任何损伤，十分安全可靠。它具有检测速度快、对定位要求低、易于实现在线检测等一系列优点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，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，人工检查产品质量效率低且精度不高，用机器视觉检测方法可

38、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。机器视觉技术的诞生和应用，极大地解放了人类劳动力，提高了生产自动化水平，改善了人类生活现状，有着极为广阔的应用前景。近年来，图像处理技术迅速发展，在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越来越多。但就国内的情况而言，应用还不是非常普遍，且多集中于图像的定性处理的应用;国外的情况稍好，但应用也不是非常普遍，对于利用图像来进行工业测量，也是近几年才发展起来的。在工业自动化方面，从卫星云图到数字地图，道路口自动管理系统等都要用到图像处理，其市场非

39、常大。但国内目前从事图像压缩的研究比较多，图像测量的研究却少之甚少。1.1.4 机器视觉的基本结构一个典型的机器视觉应用系统包括光源、光学系统、图像捕捉系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块，如图1.1所示。图像采集图像处理判决与控制特征提取图1-1机器视觉系统的构成图像采集：光学系统采集图像，图像转换成数字格式并传入计算机存储器；图像处理：处理器运用不同的算法来提高对结论有影响的图像要素；特性提取：处理识别并量化图像的关键特性判决控制：处理器的控制程序根据收到的数据作出结论一般理论上机器视觉系统主要由三部分组成:图像的获取、图像的处理和分析、输出或显示。机

40、器视觉系统一般采用CCD照相机摄取检测图像并转化为数字信号，再采用先进的计算机硬件与软件技术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，输出资料，发出指令，配合执行机构完成位置调整，好坏筛选，资料统计等自动化流程。1.1.5 机器视觉的研究内容机器视觉研究可分为如下五大研究内容:(l)输入设备输入设备 (input device)包括成像设备和数字化设备。成像设备是指通过光学摄像机或红外、激光、超声、X射线对周围场景或物体进行探测成像，得到关于场景或物体的二维、三维数字化图像。目前应用于视觉研究的大多

41、数输入设备是商品化的产品，如，CCD黑白或彩色摄像机、数字扫描仪、超声成像探测仪、CT成像设备等。(2)底层视觉底层视觉(1ow level)主要是对输入的原始图像进行处理，这一过程借用了大量图像处理技术和算法，如图像滤波、图像增强、边缘检测等，以便从图像中抽取诸如角点、边缘、线条以及色彩等关于场景的基本特征。(3)中层视觉中层视觉(middle level)的主要任务是恢复场景的深度、表面法线方向、轮廓等有关场景的2.5维信息，实现的途径有立体视觉(stereo vision)、测距成像(range finder)、运动估计(motion estimation)、明暗特征、纹理特征等。(4)

42、高层视觉高层视觉(high level)的任务是在以物体为中心的坐标系中，在输入原始图像、图像基本特征、2.5维图的基础上，恢复物体的完整三维图，建立物体的三维描述，识别三维物体并确定物体的位置和方向。(5)体系结构体系结构(system architecture)这一术语最通常的含义是指在高层抽象的层次上，根据系统模型，而不是根据实际设计的具体例子来研究系统的结构体系。结构研究涉及一系列相关的课题:并行结构、分层结构、信息流结构、拓扑结构以及从设计到实现的途径。1.2 机器视觉中的图像处理如上所述机器视觉主要由图像的获取、图像的处理和分析、输出或显示组成。其中的图像处理和分析是机器视觉的核心

43、部分，也是本文的重点讨论部分。图像处理可看做一大类图像技术，着重强调在图像之间进行的变换。虽然恩们常用图像处理泛指各种图像技术，但比较狭义的图像处理技术的主要目标是要对图像进行各种加工以改善图像的视觉效果并为其后的目标自动识别打基础，或对图像进行压缩编码以减少图像储存所需要的空间或图像传输所需要的时间。1.2.1 图像处理简述所谓图像处理(Image Processing)就是采用一系列特定操作对图像信息进行加工处理，以满足人的视觉、心理或实际应用的要求。对机器视觉系统来说，图像处理方法并不关心图像降质的问题，只将图像中感兴趣的特征有选择地突出，衰减其不需要的特征 5。图像处理的目的可以抽象为

44、提取目标物的特征增强；在完成对目标物增强的同时，抑制非目标物。一般采用扩大目标物与背景特征差异的方法来实现。图像增强方法的有效性，可以从目标与非目标两个模式聚类特征是否明确可分来评价。许多问题的求解，常常不是一种算法就能解决的，需依次使用多种不同的算法，这些算法具有顺序性，上一步的结果会直接影像到下一步的处理。图像处理中根据所涉及的数据的性质可将视觉检测中的图像处理分为数据层、信息层和知识层4。对一副图像进行处理，首先是经过原始数据处理，这种处理属于底层处理，也叫低级处理。经过底层处理后，下一个处理层是信息处理，提取所需的信息并对该信息进行处理，如提取物体的边界以计算面积、周长等等也叫中级处理

45、。知识层处理则是更高一层的处理，如基于知识的图像查询、文字识别、指纹识别等等，也叫高级处理。1.2.2 图像处理系统构成一个基本的图像处理的系统可由图1.2.1表示。图中个模块都有特定的功能，分别是采集、合成、处理、显示、打印、通信和存储。其中采集和合成构成了系统的输入，而系统的输出包括显示和打印。需要指出，并不是每一个实际的图像处理系统都包括这些模块。另一方面，对一些特殊的图像处理系统，还可能包括其他模块。3采集合成输入打印显示输出存储处理通信图1-2 图像处理系统的构成示意图图像处理系统的结构受多方面因素的影响，特别CPU、计算机总线、操作系统、网络数据库和集成电路水平的影响。80年代开始

46、出现以图像帧存为中心的图像处理结构，如图1.2.2，随着新型PCI总线的问世，90年代出现了以计算机内存为中心的图像处理系统，为了提高速度，又增加一些硬件处理4 ，如图1.2.3。硬件处理的功能包括卷积、分割和灰度。摄像机图像显示硬件处理图像数字化图像帧存计算机接口计算机图1-3以 图像帧存为中心的图像处理结构显存摄像机图像数字化帧存硬件处理计算机接口内存图1-4 以计算机内存为中心的图像处理系统1.2.3 图像处理的发展和应用低价位微处理技术支持的并行处理技术、低成本的图像传感器以及低成本的新的存储技术的发展进一步推动了数字图像处理技术的发展，图像处理无论在算法上还是体系结构上都有了很大的发

47、展，数字信号处理器以及大规模超大规模可编程器件在图像处理上有广泛的应用到上世纪六七十年代为止，以Fourier分析为代表的线性处理方法占据了几乎整个数字图像处理领域。在此期间，借助于随机过程理论，人们建立了图像模型，通过概率论以及在此基础上建立的信息论建立了图像编码的框架；线性滤波（维纳滤波、卡尔曼滤波）方法为低层图像处理提供了有力的理论支持；而FFT则被广泛使用在图像处理的几乎所有分支中。这些数学工具极大地促进了图像处理的发展和应用。自上世纪八十年代开始，非线性科学开始逐渐渗透到图像处理方法之中，许多新颖的数学工具被引入到图像处理领域，使相关的理论变得多元化。尤其以小波和多尺度分析为代表的信

48、息处理方法，继承和发展了Fourier分析，将函数论和逼近论的最新成果应用在工程应用中，建立起了完整的系统框架，在图像编码、图像分割、纹理识别、图像滤波、边缘检测、特征提取和分析等方面的应用中，已经取得了非凡的成果。目前，小波分析方法业已成为信号处理的基础理论之一。同时，其他非线性的数学工具的应用也取得丰硕的成果：如分形在图像编码和纹理识别中的应用，李群在动态图像弹性形变识别中的应用，多尺度分析在图像检索和识别中的应用，非线性规划在矢量量化和图像编码中的应用等等。另外，图像确定性模型（BV 模型）的建立、模糊数学对图像质量的评价体系、Meaningful理论对图像距离的研究是对图像本质的进一步

49、刻划，使计算机可以更贴切地描述人类的视觉系统。特别的，基于非线性发展（偏微分）方程的图像处理方法成为近年来图像研究的一个热点。它从分析图像去噪的机理入手，结合数学形态学微分几何、射影几何等数学工具，建立了滤波和偏微分方程相关的公理体系。另外，它在图像重构、图像分割、图像识别、遥感图像处理、图像分析、边缘检测、图像插值、医学图像处理、动态图像修补、立体视觉深度检测、运动分析等方面得到了一定的应用。在研究过程中，人们介绍了一些概念，如active coutour(snake)，level set(level line)等，把数学和图像有机地联系起来。另一方面，图像处理的实际需求和工程背景也刺激了一

50、些数学分支的发展，如小波理论的研究动力来源于信号处理中对于时频局部化分析的需求，而且在理论体系建立起来之前已经有了广泛的应用；偏微分方程的粘性解概念的提出也是因为在图像处理的应用中应用条件不满足各种微分学中的假设；对于投影几何的研究也由于图像Moisaic的需求变得细致。进入本世纪以后，随着计算机的和Internet网络技术的飞速发展，图像处理的发展也进入了一个新的飞跃阶段。图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。2 图像预处理图像处理的第一步就是图像预处理6，即对图像处理质

51、量进行改善。由光学成像系统得到的二维图像，包含了各种各样的随机噪声和畸变，在进行图像分析之前，要去掉这样的噪声和畸变，把图像具有的信息变得容易观看，或把图像变换成某种标准的形式，使特征提取和识别易于进行，这是图像处理的首要目的之一。因此，需要对原始图像进行预处理，突出有用信息、抑制无用信息，从而恢复图像的质量，常用的预处理包括彩色图像灰度化、去噪、畸变校正等。然后进行边缘检测和特征提取。在预处理中，输入和输出都是图像，对输入图像的灰度和坐标进行各种操作，将其变化成输出图像。如上所述图像处理着重强调图像之间进行的变换，通常泛指各种图像技术。在一般情况下，成像系统获取的图像（即原始图像）由于受到种

52、种条件限制和随机干扰，往往不能在视觉系统中直接使用，必须在视觉的早期阶段进行灰度校正、噪声过滤等图像预处理。对机器视觉系统来说，所有的图像预处理方法并不考虑图像降质原因，只将图像中感兴趣的特征有选择的突出，衰减其不需要的特征，故预处理后的输出图像并不需要去逼近原图像。图像预处理涉及很多方面，如直方图、各种滤波技术以及图像增强等。2.1 图像的增强方法（灰度直方图均衡化）灰度直方图均衡化(histogram equalizatino)是直方图修正的一种方法。所谓直方图修正，就是通过一个灰度映射函数Gnew=F(Gold),将原灰度直方图改造成所希望的直方图。其目的是通过点运算使输入图像转换为在每

53、一个灰度级上都有相同的像素点的输出图像(即输出的直方图是平的)。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是十分有益的。所以，直方图修正的关键就是灰度映射函数。按照图像的概率密度函数（PDF，归一化到单位面积的直方图）的定义： （21）其中为概率密度函数，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为,转换函数为。由概率论知识，得到： （22）这样，如果想使转换后图像的概率密度函数为1（即均衡化的直方图），则必须满足： （23）或 （24）对两边定积分： （25）上式为图像的累积分布函数（CDF），是被归一化后导出的，若没有归一化，只要乘以最大灰度值（对

54、程序中灰度值为255）即可。灰度均衡的转换公式为： （26）式中为灰度值。对于离散图像，转换公式为： （27）式中为第级灰度的像素个数。在视频显示任务循环中，程序首先将视频数据从输入缓冲区S(DRAM中)按行直接读出输出缓冲区。输出行同时进行实时视频图像的直方图统计，首先将视频数据从输入缓冲区按行读入开设的图像处理缓冲区nMemTemp(容量一行，按行读取节省缓冲区空间)，再逐点统计图像的灰度分布，再输出到输出缓冲区。在统计了整幅图像的灰度分布之后，再进行运算，计算出各灰度分布点数并按通过公式计算出的比例形成统计结果和增强方案，在下一帧图像中应用。图2-1原图与其直方图图2-2均衡化处理及其直

55、方图进行直方图均衡处理后，使其灰度分布均匀，易于对目标的检测识别。利用MATLAB所提供的mat2gray()灰度增强函数，对图像选择的区域进行灰度转换.其主要代码如下：x1= getimage(gco);figureimshow(x1)f0=0;g0=0;f1=20;g1=10f2=180;g2=230;f3=255;g3=255;figure,plot(f0,f1,f2,f3,g0,g1,g2,g3)r1=(g1-g0)/(f1-f0);b1=g0-r1*f0;r2=(g2-g1)/(f2-f1);b2=g1-r2*f1;r3=(g3-g2)/(f3-f2);b3=g2-r3*f2;m,n

56、=size(x1);x2=double(x1);for i=1:mfor j=1:nf=x2(i,j);g(i,j)=0;if(f=f1)&(f=f2)&(f=f3)g(i,j)=r3*f+b3;endendendfigureimshow(mat2gray(g)运行该程序后，得到分段线性变换后的图像.可以看出，通过这样一个变换，原图中灰度值在（020）和（180255）之间的动态范围减少了，而原图中灰度值在180255之间的动态范围增加了，从而这个范围内的对比度增加了。.直方图均衡在MATLAB中，histeq 函数用直方图增强对比度。调用格式见帮助文件。建立m文件，内容如下：Iimread(

57、tire.tif);J=histeq(I);imshow(I)title(原图像)figure,imshow(J)title(直方图均衡化所得图像)figure;subplot(121)imhist(I,64)title(原始图像直方图)；subplot(122)imhist(J,64)title(均衡变换后的直方图)2.2 图像锐化有时为突出图像轮廓，使图像轮廓变得更清晰一些，需要对图像进行锐化(增强)处理。对图像实行微分运算可实现锐化的目的。2.3.1 拉普拉斯锐化拉普拉斯算子就是一种常用的锐化模型，其具体描述如下所示: （28）上述算子是用来针对连续函数的，它还有一个对应的离散形式的公式

58、可以适用于离散数字图像，在这个公式中用差分运算代替了微分运算: （29）其相应的加权矩阵为： （210）这是一种高通空间滤波方法，可增强图像的高频成份。虽然高通空间滤波可增强图像的高频成份而不改变图像的低频成份，但是相对于图像中的高频成份来说，图像的低频成份还是被削弱了。由于图像的边缘和细节主要反映在图像频谱的高频分量，因而对图像进行高通滤波就相应的对图像作了边缘增强。在采用高通滤波的方法锐化图像时，通常也伴随着会放大图像中的噪声。常用的高通3x3空间滤波模板如下: （211）利用这些模板对f(x，y)进行卷积，所得到的图像将使边缘突出、细节清晰。在高频滤波器中卷积核中心点的值最大的那个卷积系

59、数起着关键的作用。当这个卷积系数经过图像中的高频部分(即灰度值有突变部分)时，由于卷积核中心点卷积系数很大，所以在卷积结果中占了很大的比重(卷积核中除中心点以外其余各负的卷积系数值只是对上述放大效应起一些削弱作用)，所以卷积结果是使己有的灰度突变变得更突出，也就是说经过处理后，图像中像素值之间的灰度差得到增强，而对像素值较恒定的区域则保持不变。也就是说，图像中像素值变化不大的区域(低频成分区域)不受此变换的影响。2.3.2模糊运算增强我们首先将待处理的图像影射为一个模糊矩阵。从模糊集的概念来看，一幅具有L个灰度级的元图像，可以看作为一个模糊集，集内的每一个元素具有相对于某个灰度级的隶属函数。该

60、模糊集称为图像等效模糊集，也即图像的模糊特征平面，对应的模糊矩阵记为I，有: （212）式中，表示像素(m，n)的灰度级相对于某个特定灰度级X、的隶属函数。这样模糊运算矩阵的过程就可以描述如下:首先采用图像分割中的阈值选取方法确定阈值参数，显然，将整个图像的直方图分为两个部分:低灰度部分和高灰度部分，对于具有典型双峰分布的直方图来说，它们分别对应目标和背景这两部分。然后定义新的隶属函数形式，再进行模糊增强运算，在低灰度区域进行衰减运算从而使属于该区域的像素的灰度值更高。因而，经过模糊增强后直方图上阈值两侧的灰度对比增强，图像的区域之间层次将更加清晰。算法如下:首先根据某个的阈值选取方法确定出阈