基于机器视觉的换向器表面质量自动化检测方法研究

的换向器表面质量自动化检测方法研究毕业论文题目：基于机器视觉的换向器表面质量（麻点）自动化检测方法研究作者：MLP毕业届期：2011届指导老师：院系：交通与工程系专业：交通运输2011年5月15日目录摘要2第一章绪论31.1选题目的及意义31.2实验方案31.3文章内容结构4第二章数字化图像基础62.1图像的数学模型62.2彩色图像72.2.1加权平均法72.3灰度图像72.3.1灰度直方图82.4二值图像92.4.1灰度图像二值化92.5本章小结10第三章霍夫变换113.1霍夫变换基本原理113.2极坐标形式表示霍夫变换133.3霍夫变换原理的应用方法153.3.1算法原理153.4总结17第四章图像采集及几何校正184.1图像采集184.2图像的几何校正184.2.1图像几何校正基础知识194.2.2图像的旋转校正194.2.3图像的裁剪224.3本章总结23第五章图像的分割245.1基于阈值的图像分割245.2连通域标记及面积计算255.3本章小结26第六章图像的边缘检测与实验结果276.1换向片边缘检测与标记276.2检测结果计算296.2.1图像单位距离计算296.2.2麻点实际面积计算296.3本章小结30第七章结论317.1本论文所取得的成果317.2展望31参考文献33致谢34附录35基于机器视觉的换向器表面质量（麻点）自动化检测方法研究摘要究成果。算出麻点面积。论文首次应用了机器视觉技术来检测换向片表面质量。用matlab语言进行编程义。关键词：换向器表面质量边缘检测阈值分割麻点霍夫变换第一章绪论1.1选题目的及意义换向片作为直流电机的关键部件，其状态好坏直接影响到电机的运行性能。换向片对电机性能的影响主要取决于在一定条件下相对电刷高速滑动时的电接检测方法用于换向片表面麻点的检测。有人工检测所无法比拟的优越性。1.2实验方案1）用照相机或是其他设备采集图像，将电机换向器表面信息以数码照片的形式传递给计算机。2片进行灰度处理。3）对图片进行裁剪，滤除图像背景等不必要的干扰信息，以减少图像处理的难度。4）根据图像灰度直方图，选择合理的阈值进行二值化，提取出麻点图像，并对其进行标记和连通域面积计算。5）选择合理的阈值进行二值化，得到换向片边缘分割图像，应用上边缘检测和霍夫变换方法标记其上下边缘线，并计算上下边缘线间的距离。6）根据连通域面积和换向片上下边实际宽度换算出麻点面积。实验流程如图1-1所示。以上各过程均已在matlab7.6.0真结果表明该方法是有效可行的。1.3文章内容结构文章中所涉及到的实验进行介绍。第二章对数字图像处理技术作了全面概述，介绍了数字图像处理的概念和发展，对数字图像的各种基础知识、基础概念进行了讲解。第三章对霍夫变换数学原理进行了详细讲解。理进行讲解，是图像后续处理的基础。第五章采用基于阈值的图像分割方法对换向片麻点图像解了在基于阈值的图像分割中，阈值的选取对分割结果的影响。第六章用上边缘检测和霍夫向片边向片的实际宽度，求解出了麻点的实际面积大小。第七章对全文作了总结，提出了文中采用方法的存在的问题和需改进之处。第二章数字化图像基础数字图像处理的英文名称是“DigitalImageProcessing”硬件，对从图像信息转换得来的电信号进行某些数学运算，以提高图像的实用性。数字图像处理技术处理精度比较高，而且还可以通过改进处理软件来优化处理效果。它是在遥感和生物医学图片分析两项应用技术基础上开拓出50定水平，人们开始利用计算机来处理图形和图像信息。70年代末以来，由于数字技术和微机技术的迅猛发展，给图像处理提供了先进的技术手段，图像处理技术也就由信息处理、自动控制系统理论、计算机科学、数据通信、电视技术等学科中脱颖而出，成长为旨在研究图像信息的获取、传输、存储、变换、显示、理解与综合利用的一门崭新学科问。随着图像处理技术基本理论的发展，具有数据量大、运算速度快、算法严密、可靠性强、集成度高、智能性强等特点的各种图文系统在国民经济各部门得到广泛的应用，并在逐渐深入社会的各个方面。2.1图像的数学模型,M*N个像素的数字图像，其像素灰度值可以用M行、N列的矩阵F（i,j）表示：图2-1这样，就可以直接对图像矩阵进行数学运算，来实现数字图像的处理。2.2彩色图像自然界常见的光，都可由红（RGB）三种颜色的光按不同的比例相配而成，这就是色度学中的三基色原理。RGB2-2所示，以三维矩阵将RGBRGB三种分量决定，而每个分量有2551600255*255*255）种变化范围。所以，在图像处理中一般将彩色图像转换为灰度图像进行处理。以加权平均法为主。图2-22.2.1加权平均法根据重要性和其他指标，将RGB三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感度最高，加权值为0.59；对蓝色的敏感度最低，加权值为0.112.1对ＲＧＢ三分量进行加权平均得到较合理的灰度图像。F(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)（2.1）式中F（i，j）为得到的灰度图像矩阵；R(i，j)，G（i，j）,B(i，j)分别为彩色图像三维矩阵中的红色、绿色和蓝色分量所对应的矩阵。2.3灰度图像8位表示，所以每个像素都是介于黑色和白色之间的256（=256）种灰度中的一种，灰度图像只有灰度颜色而没有彩色。如图2-3所示，每一数字都表示与其相对应的像素点的灰度级。图2-32.3.1灰度直方图P()=(k=0,1,2…L-1)（2.2）NkkL为灰度级数；P（）为该灰度级出现的相对频数。图2-4图像直方图2-4所示。图2-5图像灰度分布概率密度函数图2-5（ab2-5(a)的大多数像素2-5（b）的图像像素值集中在亮区，此副图像整体较亮。2.4二值图像个像素的值只能是0或1，如图2-5所示，是一副二值图像的数学表示。图2-6二值图像2.4.1灰度图像二值化图像二值化就是将图像上的像素点的灰度值设为0或255，使整幅图呈现出明显小，能凸显出感兴趣目标的轮廓。用。局部二值化算法，则是根据局部信息选择一个阈值，该阈值对局部适用。设一副灰度图像，经过二值化将其转化为二值图像，运算方法如下：1=0其他或(2.3)1=02.5本章小结像数字化基本原理。第三章霍夫变换—优点是受直线中的间隙和噪声影响较小。本章将详细讲解霍夫变换的基本原理。3.1霍夫变换基本原理b

yb0m0x图像空间霍夫空间m图3-1图像空间中的一条线对应霍夫空间中的一个点将由直线的斜率m和直线与y轴截距b分别为横坐标轴和纵坐标轴组成的直角坐标系称为霍夫空间，在霍夫空间中纵坐标b与横坐标m的关系表示为：(3.1)如图3-1间中的一条直线在霍夫空间中对应一个点。来做霍夫空间的对应图像。因为过一点可以作无数条直线，所以可以认为是连续变化的，这样可以做出一条直线，如图3-2右图所示。因此图像空间中的一点对应霍夫空间中的一条直线。ybbx0my0y0b0x0x图像空间霍夫空间m图3-2图像空间中的一个点对应Hough空间中的一条直线如图3-3线的交点表示的是图像空间中过给定两点的直线。图3-3由公式可以求出各点在霍夫空间对应的直线如下：(1,0)----------b=-m(1,1)----------b=-m+1(2,1)-----------b=-2m+1(3,2)-----------b=-3m+2(3-2)(4,1)-----------b=-4m+1由以上公式可以作出各个直线图3-4图3-4霍夫空间中的直线为图3-3两点分别由三条直线相交组成，由式3.2不难判断出，这两个点分别是经过点（1,12,14,11,02,13,2间中的表示。N个点排列在同一直线N个点在霍夫空间中相对应的直线汇交于一点。在霍夫空间中汇交于一点的直线条数越多，则在图像空间中排在同一直线上的点的数目越多。直于X轴的直线时，,没有办法用来表示，所以考虑到了用极坐标的形式来表示直线。3.2极坐标形式表示霍夫变换图3-5极坐标表示直线在图3-5中：(3-3)所以可以得出垂线的斜率为(3.4)原直线的斜率为(3.5)在原直线上任意一点的斜率我们可以表示为：(3.6)结合式3.5可以得出：(3.7)通过上式结合图3-5可以得出：只空间中N个点满足……都满足,则这N个点在同一直线上，并且这条直线由来确定。对于垂线，可以用极坐标表示为x=rxr图3-6通过以上结论，应用霍夫原理，可以将图像空间中点映射为空间中的正弦曲线。如图3-7所示：图3-7而图像空间中共线的点所对应直线的的值正是空间中两条正弦曲线的交点。3.3霍夫变换原理的应用方法举例讲解用霍夫变换原理检测换向片边缘直线的方法。将图像空间中的检测直线的问题转化为在极坐标参数空间中找通过点的最多正目做统计，然后由多到少进行检索，根据需要，保存前N条直线的信息。3.3.1算法原理首先将值进行离散化处理，然后代入。例如：-90，-89.5，-80，-79.5…或是-90,-80，-70…等。如图3-8的点。y43210x012341.首先选择值，在本例中选择=-45,0，45，902.点坐标(x,y)值分别代入可以得出：(x,y)-45°0°45°90°(2,0)1.421.40(1,1)011.41(2,1)0.722.11(1,3)-1.412.83(2,3)-0.723.53(4,3)0.744.93(3,4)-0.734.94表3-13.由表3-1中的数据，对各点经过的正弦数目进行统计：可以看出，经过点（2,0）的正弦数和经过点（3，90）的正弦数最多，均为3个。通过计算可以得出对应的直线。2=xcos0+ysin0x=23=xcos90+ysin90y=3最后将这两条直线在原图像中标出。3.4总结原理检测直线的具体方法。最后再次对霍夫变换的主要性质做以总结：1.直角坐标系中的一点对应于极坐标中的一条正弦曲线。2.变换域极坐标系中一点对应于直角坐标系中的一条直线。3.直角坐标系一条直线上的N个点对应于极坐标系中共点的N条曲线。霍夫变换方法进行换向片上下边直线的检测。第四章图像采集及几何校正项，以及换向片图像的裁剪和旋转两种几何校正方法的基本原理。4.1图像采集综合考虑几种采集方式的优缺点，本文采用数码相机进行图像的采集工作。用数码相机进行图像采集的需注意事项有：1.必须将数码相机固定，防止因人手颤动而使图像模糊，增加图像处理的困难。2.为了使采集的图像有足够的清晰度，必须保证照相机镜头与物体间的距离。3.必须保证物体表面光照均匀，在必要情况下可使用外部灯光。采集的换向器图像如图4-1。图4-14.2图像的几何校正实际采形状等进行改变，来实现图像的校正。4.2.1图像几何校正基础知识数组f(x,y)来表示，其中x,y表示2D空间xy中的一个坐标点的位置，f（x,y）代表图像在点（x,y）的某种性质的数值。如果处理的是一幅灰度图像，这时f(x,y)2D空间的表示以水平向右为XY轴，如图4-1所示。图4-14.2.2图像的旋转校正都旋转一个相同的角度。一、两种坐标系的转换前面已经提及图像在2D空间中的表示以水平向右为横轴，以垂直向下为竖轴。如果以图像中心为圆心进行旋转，必须将两种坐标系进行转换，如下图所示：图4-2如图所示，设此图像宽度为wh原点的位置移动到新的原点。(4.1)将式4-1表示为矩阵形式如下：（4.2）相反的将坐标系转换为坐标系可用下式表示：（4.3）转换为矩阵形式为：（4.4）二、图像的旋转原理如图4-3为，式中r为该点到原点的距离，为ｒ与ｘ轴之间的夹角，为旋转的角度。图4-3如图4-3旋转后的点的坐标表示为：(4.5)以矩阵形式表示为：(4.6)根据式4.2、4.4、4.6可以将图像中像素点的旋转分为三个步骤来完成：1、将坐标；2、将该点旋转角；3、将坐标。用数学方法可表达如下：(4.7)式中的分别表示坐标系与坐标系中的图像的高与宽。X轴保持大致平行，旋转结果如下图所示。图4-44.2.3图像的裁剪由于硬件条件的光不均匀产生的过亮除，这就是图像的裁剪。形成一个新的图像矩阵。下面举一个简单的例子来说明图像的裁剪原理。假设原图像矩阵为F，需要的图像矩阵为T具体实现方法如下：(4.8)值，以及所需图像的高h和宽度w，就可以从原图像中截取所需图像。如图4-5所示是经过裁剪后的换向片图像。4.3本章总结了基础。几个实验都比较成功，达到了预期效果。第五章图像的分割像中的麻点图像，并进行标记和面积计算。5.1基于阈值的图像分割的图像分割方法。的选取阈值，就可以实现对灰度图像的分割。图5-1换向片图像直方图本文中经过几何校正的换向片灰度直方图如图5-160与1300-60,60-130,130-255三部分，但并不知道每一部分在原图中的意义，用阈值60与130将图像进行分割，分割后图像如下图：图5-2如图5-2可以看a)化后不是130步实验，以找到最合理阈值。图5-3(a)阈值127(c)阈值138(d)阈值140降低。本文中换向片图像的最佳分割阈值为140和60。5.2连通域标记及面积计算无论是二值分割结果还是多值分割结果，分割得到的图像包含一个或多个区域，提取出这些区域一般通过连通域标记来实现。图5-45-3是经过二值分割后的麻点图像的标记结果，图中的数字10是背景。如果换向片上有多个麻点，可用数字1,2,3…来依次进行标记。图像的连通域标等干扰信息。级之和，计算公式如下：（5-1）式中：M、N分别为图像区域的长和宽。对于二值图像，若用1表示目标，用0表示背景，其面积就是统计的个数。5.3本章小结过多次实验，找到了较合理阈值，分别提取到了换向片表面麻点图像和换向片、槽的分割图像。对分割后的连通域进行标记，求解出了其像素计数面积。第六章图像的边缘检测与实验结果图像的边缘是图像最基本的特征，可以被定义为在局部区域内图像特性的差别，它总是以强度突变的形式出现，主要表现为图像局部特性上的不连续性，宽度推算出麻点的实际面积。6.1换向片边缘检测与标记电机换向片边缘检测的步骤如下：一、图像的反转01来表示目转过程如下图：图6-1图像翻转二、用上边缘检测法进行边缘检测干扰，并且使换向片云母槽图像细化为单像素点，简化了边缘的提取。上边缘检测的实现较为简单。如果一个像素点的值为1，并且它正上方像素点的值为010matlab来实现，程序如下：------------------------------------------------functionY=EdgeTop(X)[row,col]=size(X);Y=zeros(row,col);Y=logical(Y);forj=2:1:col-1,fori=2:1:row-1,if((X(i,j)==1)&(X(i-1,j)==0)),Y(i,j)=1;endendend------------------------------------------------程序运行的效果见图6-2，右图为上边缘检测后的图像。图6-2上边缘检测三、用霍夫变换检测出两条边缘线并进行标记，运行结果如下图。(a)霍夫变换效果图6-3以上图(a)是原图像中的像素点映射到坐标系上的一簇曲线；图(b)是用霍夫变(c)是霍夫变换返回的数据。可以看出霍夫变换返回的数据中包含直线的始点、终点、值与值，根据公式：可以得出两条直线函数。6.2检测结果计算6.2.1图像单位距离计算离，方法如下：图6-4设两条平行线函数分别为Y6-4间的距离为：可得（6.1）根据测得的换相片的实际宽度与L值可计算出图像的单位距离。6.2.2麻点实际面积计算个小方块的边长，即水平或垂直方向相邻像素点间的距离。因此换向片表面麻点的实际面积为:（6.2）式中S为麻点的实际面积，A是麻点的像素计数面积，l是测得换向片的实际宽度。6.3本章小结质量的检测，均达到了预期的效果。第七章结论等基础上，提出了将机器视觉技术用于对电机换向器表面质量的检测。论文以某汽车电机换向器为检测对象，对所提出的检测方法进行仿真实验，取得了较好的效果。仿真实验验证，该方法切实可行。7.1本论文所取得的成果1.首次提出将机器视觉技术应用于对换向器表面质量的检测。2.提出了一套完整的基于机器视觉的换向器表面质量检测方案，并经过仿真实验，得到较满意效果。3.文中应用非常简单的算法及逻辑方式解决的换向片表面麻点实际面积的计算问题。使得此方法易于在其他开发环境中编译，有助于工业应用的实现。4.7.2展望单的叙述：1.文章以基于机器视觉的电机换向器表面质量自动化检测方法的探索研究为主，法离实际应用还有很大的一步路要走。这也是今后研究和发展的一个主要方向。2.使用数码相机进行图像的采集，这将成为图像的自动采集和传输实现的限制集卡、CCD相机相结合的采集方式。3.复杂情况下图像的处理，并进一步扩展算法的功能。信随着理论算法的不断提出和改进及工业的发展，此项技术定会走向成熟。参考文献[1]张建辉，宋平岗.基于图像识别技术的电机换向片自动检测系统的研制.电工电能新技术.2005-10.[2]阮秋琦.数字图像处理学.北京：电子工业出版社，2001:21-37.[3]夏德深,傅德胜.现代图像处理技术与应用[M].南京：东南大学出版社，1997:125-210.[4]蔡健荣，周小军，李玉良，范军.基于机器视觉自然场景下成熟柑橘识别.农业工程学报.2008-1.[5]杨帆.数字图像处理与分析（第二版）[M].北京航空航天出版社.2010.7

[6]岳晓峰，赵敏等.计算机视觉技术在发动机缺陷检测系统中的应用.计算机测量与控

制.2005.[7]李良.图像分割技术在金相晶体检测中的应用.武汉科技大学硕士学位论文.2009.05

[8]徐临洪，张桂梅，陈少平.基于机器视觉的发动机表面缺陷检测技术.计算机与现代化.2010.04.[9]张晓波.基于图像处理技术的表面缺陷自动检测系统的研究.天津大学硕士学位论文.2004.12.[10]PETROUM著.赖剑煌，冯国灿，等译.数字图像处理疑难解析[M].2005.[11]刘超.基于机器视觉的微小型零件自动测量与装配.大连理工大学硕士学位论文.2009.12.[12]周平，赵春江，王纪华等.基于机器视觉的鸡蛋体积与表面积计算方法.农业机械学报.2010.05.[13]刘兆祥，陈艳等.基于机器视觉的农业车辆路径跟踪.农业机械学报.2009.09.[14]张少军，苟中魁等.利用数字图像处理技术测量直尺圆柱齿轮几何尺寸.光学精密工程.2004.12.[15]图宏斌，周新建.基于机器视觉的铁路货车滚动轴承表面缺陷检测.电子测量技术.2006.12.[16]张建辉，宋平岗.基于计算机视觉的电机换向片检测系统的研究.机械设计与制造.2006.02.[17]刘卫国.MATLAB程序设计与应用（第二版）[M].高等教育出版社.2002.06.致谢向指导老师表示最衷心的感谢！同时感谢青海深捷电子科技有限公司夏冰总经理，对我提供了相关的实验设备。感谢在论文创作过程中帮助过我的同学！感谢在百忙之中评阅论文和参加答辩的各位老师！附录%------------------------------------读入图片--------------------------------------------------I=imread('neww.jpg');title('原图形');figure(1),imshow(I);Ig=rgb2gray(I);%转换为灰度图像figure(2),imshow(Ig);title('灰度图像')'%----------------------------对图像进行裁剪---------------------------------------------------Icrp=imcrop(Ig,[100907080]);figure(3),imshow(Icrp);title('裁剪后的图像');%----------------------------基于阈值的图像分割---------------------------------------------BW1=im2bw(Icrp,0.49);%二值化处理figure(4),imshow(BW1);title('二值化处理后的图像阈值0.49');%----------------------标记联通域---------------------------------------------------------------[LMapLnum]=bwlabel(BW1,4);%标记连通区域S=regionprops(LMap,'Area','Centroid','BoundingBox','FilledImage');%获取各连通区域的各种属性Reg_Area(1)=S(1).Area;%麻点的面积大小%---------------------------图像分割、反转----------------------------------------------------BW2=im2bw(Icrp,0.2);figure(5),imshow(BW2);BW3=not(BW2);figure(6),imshow(BW3);title('反转后的图像');%-----------------------------上边缘检测、霍夫变换---------------------------------------Y=EdgeTop(BW3);figure(7),imshow(Y);title('上边缘检测效果图');[H,T,R]=霍夫(Y);figure(8),imshow(H);title('霍夫变换效果');%-----------------------霍夫