基于數(shù)字圖像處理技術(shù)的缺陷檢測(cè)算法研究

1、畢業(yè)設(shè)計(jì)（論文）題 目 基于數(shù)字圖像處理技術(shù)的 缺陷檢測(cè)算法研究 設(shè)計(jì)所在單位 自動(dòng)控制研究所 2010年 06月系 （ 所 ） 自控所 系 (所) 主任 韓九強(qiáng) 批 準(zhǔn) 日 期 畢業(yè)設(shè)計(jì)(論文)任務(wù)書 電信學(xué)院 院 自動(dòng)化 系 66 班 學(xué)生 王全響 畢業(yè)設(shè)計(jì)(論文)課題 基于數(shù)字圖像處理技術(shù)的缺陷檢測(cè)算法研究 畢業(yè)設(shè)計(jì)(論文)工作自 2010 年 3 月 1 日起至 2010 年 6 月 20 日止畢業(yè)設(shè)計(jì)(論文)進(jìn)行地點(diǎn)： 西安交大自控所 課題的背景、意義及培養(yǎng)目標(biāo) 背景意義：隨著數(shù)字圖像處理技術(shù)在工業(yè)領(lǐng)域的發(fā)展，基于圖像處理技術(shù)的機(jī)件缺陷得到了廣泛的應(yīng)用。低成本、無損傷、準(zhǔn)確，快速，使

2、得機(jī)器視覺在缺陷檢測(cè)領(lǐng)域具有重要的意義。本題專門研究基于數(shù)字圖像處理的缺陷檢測(cè)算法，并在工業(yè)組態(tài)軟件中實(shí)現(xiàn)，以便更好的應(yīng)用于實(shí)際。 培養(yǎng)目標(biāo)：掌握visual studio c+軟件、xavis軟件和圖像處理以及opencv的知識(shí)。同時(shí)培養(yǎng)良好的編程能力，分析和解決問題的能力，為以后的科研夯實(shí)基礎(chǔ)。 設(shè)計(jì)(論文)的原始數(shù)據(jù)與資料1待進(jìn)行缺陷檢測(cè)的相關(guān)圖片 2vc+編程開發(fā)的相關(guān)書籍和網(wǎng)上資料 3圖像配準(zhǔn)、圖像處理、圖像比對(duì)的基本原理 4已經(jīng)開發(fā)的xavis底層函數(shù)與架構(gòu)。 課題的主要任務(wù) 1.查閱相關(guān)文獻(xiàn)，了解機(jī)器視覺在缺陷檢測(cè)領(lǐng)域的重大意義； 2.在vc環(huán)境下，研究并實(shí)現(xiàn)缺陷檢測(cè)（包括圖像預(yù)

3、處理、圖像配準(zhǔn)、圖像比對(duì)）算法； 3.對(duì)比評(píng)價(jià)各種算法的優(yōu)缺點(diǎn)，并針對(duì)實(shí)際應(yīng)用提出自己的建議； 4.將自己的算法集成在機(jī)器視覺組態(tài)軟件xavis中。 課題的基本要求(工程設(shè)計(jì)類題應(yīng)有技術(shù)經(jīng)濟(jì)分析要求)1.查閱資料，了解目前缺陷檢測(cè)領(lǐng)域的發(fā)展現(xiàn)狀； 2.掌握數(shù)字圖像處理的基本理論算法； 3.掌握matlab/vc圖像處理編程方法； 4.熟悉xavis機(jī)器視覺平臺(tái)。 5.進(jìn)行xavis、visual c+、opencv的聯(lián)合調(diào)試 完成任務(wù)后提交的書面材料要求(圖紙規(guī)格、數(shù)量，論文字?jǐn)?shù)，外文翻譯字?jǐn)?shù)等) 1.提交缺陷檢測(cè)結(jié)果可以用于xavis軟件的一個(gè)動(dòng)態(tài)鏈接庫dll文件 2.撰寫大于一萬字的學(xué)位論

4、文，并提交電子版 3.翻譯一篇3000字左右英文文獻(xiàn) 4.圖紙規(guī)格：a4 主要參考文獻(xiàn) 1 阮宇編著.visual c+ 6.0 基礎(chǔ)教程.清華大學(xué)出版社 2 章毓晉編著. 圖像處理和分析. 清華大學(xué)出版社 3 tinku acharya 、ajoy k.ray著 田浩 葛秀慧 王頂 等譯. 數(shù)字圖像處理原理與應(yīng)用, 清華大學(xué)出版 4 唐良瑞編著. 圖像處理實(shí)用技術(shù). 北京工業(yè)出版社 5 王育堅(jiān) 編著.visual c+ 面向?qū)ο缶幊探坛? 清華大學(xué)出版社 指導(dǎo)教師 接受設(shè)計(jì)(論文)任務(wù)日期 （注：由指導(dǎo)教師填寫） 學(xué)生簽名： iii畢業(yè)設(shè)計(jì)（論文）答辯結(jié)果西 安 交 通 大 學(xué)畢業(yè)設(shè)計(jì)(論文

5、)考核評(píng)議書 電信學(xué)院 院 自動(dòng)化 系(專業(yè)) 自動(dòng)化 66 班級(jí) 指導(dǎo)教師對(duì)學(xué)生 王全響 所完成的課題為 基于數(shù)字圖像處理技術(shù)的缺陷檢測(cè)算法研究 的畢業(yè)設(shè)計(jì)(論文)進(jìn)行的情況，完成的質(zhì)量及評(píng)分的意見： 指導(dǎo)教師 年 月 日 畢業(yè)設(shè)計(jì)(論文)評(píng)審意見書 評(píng)審意見： 評(píng)閱人 職稱 年 月 日 畢業(yè)設(shè)計(jì)(論文)答辯結(jié)果 院 系(專業(yè)) 畢業(yè)設(shè)計(jì)(論文)答辯組對(duì)學(xué)生 所完成的課題為 的畢業(yè)設(shè)計(jì)(論文)經(jīng)過答辯,其意見為 并確定成績?yōu)?畢業(yè)設(shè)計(jì)(論文)答辯組負(fù)責(zé)人 答辯組成員 年 月 日摘 要摘 要隨著數(shù)字圖像處理技術(shù)在工業(yè)領(lǐng)域的發(fā)展，基于數(shù)字圖像處理技術(shù)的機(jī)件缺陷檢測(cè)得到了廣泛的應(yīng)用。低成本、無損傷

6、、準(zhǔn)確，快速，使得機(jī)器視覺在缺陷檢測(cè)領(lǐng)域具有重要的意義。本題專門研究基于數(shù)字圖像處理的缺陷檢測(cè)算法，并在工業(yè)組態(tài)軟件xavis中實(shí)現(xiàn)，以便更好的應(yīng)用于實(shí)際。本次畢設(shè)在缺陷檢測(cè)識(shí)別中的算法作了較深入的研究。關(guān)于機(jī)件的表面缺陷檢測(cè)，本次畢設(shè)針首先對(duì)可用于缺陷檢測(cè)的圖像處理的各個(gè)基本算法，比如圖像濾波，圖像增強(qiáng)，圖像形態(tài)學(xué)處理，圖像分割，邊緣檢測(cè)等進(jìn)行了研究。針對(duì)待檢測(cè)的圖像的配準(zhǔn)問題，采取matlab對(duì)于基于harris角點(diǎn)檢測(cè)的圖像配準(zhǔn)、基于灰度信息的模板匹配等各種算法進(jìn)行了仿真。最終在畢設(shè)中采用了三種效果比較不錯(cuò)的配準(zhǔn)算法。針對(duì)待檢測(cè)的缺陷圖像，研究并提出了基于信息熵的缺陷檢測(cè)算法、基于圖像形

7、態(tài)學(xué)處理的缺陷檢測(cè)算法。并自己的創(chuàng)新性的提出了基于灰度信息的模板匹配缺陷檢測(cè)算法并予以實(shí)現(xiàn)。取得了預(yù)想中的成果，檢測(cè)的表面劃痕效果清晰明顯。針對(duì)算法的封裝與聯(lián)合調(diào)試，在visual studio+下基于opencv視覺庫，把檢測(cè)算法封裝成動(dòng)態(tài)鏈接庫文件，然后供工業(yè)視覺組態(tài)軟件xavis調(diào)用。經(jīng)測(cè)試，程序運(yùn)行、容錯(cuò)能力良好。檢測(cè)程序適用范圍也比較廣。此次畢設(shè)也我熟悉并掌握visual studio c+軟件、xavis軟件和圖像處理以及opencv的知識(shí)。同時(shí)培養(yǎng)了良好的編程能力，分析和解決問題的能力，為以后的科研夯實(shí)了基礎(chǔ)。關(guān) 鍵 詞：缺陷檢測(cè)；信息熵；模板匹配；xavis；opencvxia

8、bstractabstractwith the development of the digital image processing technology in the industry fields, the detection technology about mechanical defects based on digital image processing has got widely used. low-cost, no damage, accurate result and fast diagnosing, makes the machine vision plays an

9、important part in the field of surface defects detection. this thesis research specially about the algorithms of defects detection based on the digital image processing technology, and it is achieved in the xavis, which is one of the industry configuration software. so it can be put into use better.

10、 this thesis researches the application in the detecting and distinguishing about defects in depth.we studied many elemental algorithms of the image processing about the surface defects detection, such as image filtering, image enhancement, image morphology and segmentation, edge detection.to slove

11、the problem of the image registtration, we put forward the defect detection algorithms based on harris corner and template matching in gray level, and get the simulation results with matlab. finally we pick out three better image registration algorithms.about the disabled image to be detected, we st

12、udied and put forward the defect detection algorithms based on information entropy and template matching in gray level. being tested, we get the results expect, also the surface scratches are clearly evident.to achieve the algorithms' packaging and associated debugging, we make the detection alg

13、orithm into the dynamic link library files under visual studio + based on opencv vision library which can be used by xavis, one of the industry configuration software about machine vision.being tested, the program runs perfectly and has a good fault tolerance. so it can be widely used about the dete

14、ction program.i also studied and mastered the visual studio c +, xavis and the knowledge of opencv. at the same time, it trans us the ability about programming, analyzing problems and solving problems. so it paves the way for the research in the future. key words: defect detection; information entro

15、py; template matching; xavis; opencv目 錄目 錄1 緒論11.1 表面缺陷檢測(cè)概述11.2 本文的工作及組織結(jié)構(gòu)32 缺陷檢測(cè)的數(shù)字圖像處理實(shí)現(xiàn)52.1 數(shù)字圖像處理的概念52.1.1 數(shù)字圖像52.1.2 數(shù)字圖象處理的三個(gè)層次62.1.3 數(shù)字圖象處理的特點(diǎn)72.2 待檢測(cè)圖像的形態(tài)學(xué)處理82.2.1 膨脹82.2.2 腐蝕82.2.3 開和閉92.3 圖像分割提取缺陷檢測(cè)中的感興趣區(qū)域92.3.1 灰度分割法102.3.2 輪廓提取與跟蹤102.3.3 投影112.4 圖像增強(qiáng)提取目標(biāo)缺陷的研究122.4.1 圖像平滑去除檢測(cè)圖像的噪聲132.4.2

16、中值濾波降噪132.4.3 直方圖均衡132.5 本章小結(jié)143 xavis機(jī)器視覺平臺(tái)與matlab/vc/opencv聯(lián)合調(diào)試的實(shí)現(xiàn)153.1 matlab用于缺陷檢測(cè)的仿真實(shí)現(xiàn)153.1.1 缺陷檢測(cè)基本處理操作在matlab中的實(shí)現(xiàn)153.1.2 圖像增強(qiáng)153.1.3 3d圖像恢復(fù)、圖像融合、劃痕檢測(cè)、生物特征識(shí)別163.2 基于harris角點(diǎn)特征的缺陷圖像配準(zhǔn)matlab仿真實(shí)現(xiàn)163.2.1 圖像配準(zhǔn)163.2.2 配準(zhǔn)技術(shù)的流程163.2.3 圖像配準(zhǔn)的方式163.2.4 圖像配準(zhǔn)方法173.2.5 基于harris角點(diǎn)缺陷圖像配準(zhǔn)算法的研究173.3 opencv的運(yùn)用和v

17、c+、xavis的聯(lián)合調(diào)試的實(shí)現(xiàn)193.3.1 opencv的基本概念193.3.2 opencv的應(yīng)用193.3.3 opencv的基本數(shù)據(jù)機(jī)構(gòu)：iplimage結(jié)構(gòu)193.3.4 xavis、vc+、opencv聯(lián)合調(diào)試實(shí)現(xiàn)缺陷檢測(cè)算法203.4 本章小結(jié)224 基于圖像處理的表面缺陷檢測(cè)算法研究與實(shí)現(xiàn)234.1 基于圖像處理的缺陷檢測(cè)基本流程234.2 基于形態(tài)學(xué)處理的缺陷檢測(cè)算法研究與實(shí)現(xiàn)244.2.1 高斯濾波，平滑圖像244.2.2 二值化前景圖254.2.3 形態(tài)學(xué)濾波，去掉噪聲264.2.4 提取軸承的輪廓，檢測(cè)圓環(huán)的內(nèi)徑外徑274.2.5 檢測(cè)結(jié)果與分析284.3 基于信息熵

18、的缺陷檢測(cè)算法研究與實(shí)現(xiàn)294.3.1 信息熵在圖像處理中基本概念294.3.2 信息熵檢測(cè)的結(jié)果304.3.3 信息熵檢測(cè)缺陷算法的優(yōu)劣314.4 基于灰度信息的模板匹配缺陷檢測(cè)算法的研究與實(shí)現(xiàn)324.4.1 三通道圖像轉(zhuǎn)單通道圖像324.4.2 基于灰度信息的圖像配準(zhǔn)方法334.4.3 相似性度量344.4.4 基于灰度信息的模板匹配缺陷檢測(cè)算法的opencv 與vc+實(shí)現(xiàn)354.5 本章小結(jié)415 結(jié)論與展望435.1 畢設(shè)成果435.2 檢測(cè)算法的評(píng)價(jià)與學(xué)術(shù)意義435.3 本次畢設(shè)存在的問題445.4 本科畢設(shè)感想和體會(huì)44參考文獻(xiàn)45附 錄46附錄1 英文資料和譯文46附錄1-1英文

19、原文46附錄1-2中文翻譯53附錄2 4個(gè)vc+下的缺陷檢測(cè)核心算法57附錄2-1 缺陷檢測(cè)算法2-基于灰度信息的模板匹配算法57附錄2-2 缺陷檢測(cè)算法3-基于圖像信息熵的對(duì)比檢測(cè)59附錄2-3 配準(zhǔn)中旋轉(zhuǎn)函數(shù)的實(shí)現(xiàn)60附錄2-4 圖像信息熵的檢測(cè)60致謝634 基于圖像處理的表面缺陷檢測(cè)算法研究與實(shí)現(xiàn)1 緒論 隨著數(shù)字圖像處理技術(shù)在工業(yè)領(lǐng)域的發(fā)展，基于圖像處理技術(shù)的機(jī)件缺陷得到了廣泛的應(yīng)用。低成本、無損傷、準(zhǔn)確，快速，使得機(jī)器視覺在缺陷檢測(cè)領(lǐng)域具有重要的意義。比如在工業(yè)領(lǐng)域，檢測(cè)工件的表面是否有缺陷，印刷品質(zhì)量是否有缺陷，ic字符印刷的質(zhì)量，電路板的質(zhì)量等1都大量利用了圖像處理技術(shù)。本題專

20、門研究基于數(shù)字圖像處理的缺陷檢測(cè)算法，并在工業(yè)組態(tài)軟件xavis2中實(shí)現(xiàn)，以便更好的應(yīng)用于實(shí)際。1.1 表面缺陷檢測(cè)概述圖像處理就是對(duì)圖像信息進(jìn)行加工以滿足人的視覺心理應(yīng)用需要的行為1。圖像處理的手段有光學(xué)方法和數(shù)學(xué)方法2。其中光學(xué)方法已經(jīng)有了很長的發(fā)展歷史，從簡單的光學(xué)濾波到現(xiàn)在的激光全息技術(shù)，光學(xué)處理的理論也日趨完善，而且處理速度快，信息容量大，分辨率高。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。數(shù)字圖像處理就是利用數(shù)字計(jì)算機(jī)或其他數(shù)字硬件，對(duì)從圖像信息轉(zhuǎn)換而得的電信號(hào)進(jìn)行某些數(shù)字運(yùn)算，以提高圖像的實(shí)用性。數(shù)字圖像處理最早出現(xiàn)在20世紀(jì)50年代3，當(dāng)時(shí)計(jì)算機(jī)已經(jīng)

21、發(fā)展到一定的水平，人們利用計(jì)算機(jī)來處理圖像信息。在上個(gè)世紀(jì)六十年代，數(shù)字圖像處理形成了一門學(xué)科。數(shù)字圖像處理首次獲得成功的應(yīng)用的是美國噴氣推進(jìn)實(shí)驗(yàn)室（jpl），他們對(duì)航天探測(cè)器徘徊者7號(hào)在1964年發(fā)回月球照片使用了圖像處理技術(shù)，由計(jì)算機(jī)繪制出了月球表面地圖。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3，1972年英國emi公司的工程師housfield發(fā)明了ct。1975年，emi公司由研制成功了全身用的ct裝置。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)來重構(gòu)圖像。如圖 11所示。數(shù)字圖像處理在這兩方面巨大成功的應(yīng)用極大的推動(dòng)了數(shù)字圖像處理的發(fā)展。圖 11 計(jì)算機(jī)層析成像

22、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)品包裝上的條碼和字符識(shí)別等。這類應(yīng)用的共同特點(diǎn)是連續(xù)大批量生產(chǎn)、對(duì)外觀質(zhì)量的要求非常高。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”）。有些時(shí)候，如微小尺寸的精確快速測(cè)量，形狀匹配，顏色辨識(shí)等，用人眼根本無法連續(xù)穩(wěn)定地

23、進(jìn)行。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。由于人工檢測(cè)的缺陷，人們自然而然的想到了利用圖像處理技術(shù)來實(shí)現(xiàn)檢測(cè)的自動(dòng)化。而在早期，由于計(jì)算機(jī)處理速度比較慢，而圖像處理往往涉及巨大的存儲(chǔ)量和大量的運(yùn)算，所以圖像處理只能在大型計(jì)算機(jī)上運(yùn)行，這限制了圖像處理在工業(yè)表面檢測(cè)中的應(yīng)用。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。由于數(shù)字圖像在

24、工業(yè)中的應(yīng)用前景非常廣泛，各個(gè)大公司也都紛紛開發(fā)出各種基于圖像處理的檢測(cè)系統(tǒng)。表面缺陷檢測(cè)系統(tǒng)構(gòu)成如圖 12 圖 12缺陷檢測(cè)系統(tǒng)組成流水生產(chǎn)線上的產(chǎn)品經(jīng)過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。其系統(tǒng)流程圖如圖 13：圖 13 數(shù)字圖像檢測(cè)處理系統(tǒng)視覺檢測(cè)技術(shù)主要研究用計(jì)算機(jī)模擬人的視覺功能,并從客觀事物的圖像中提取信息4，進(jìn)行處理并加以理解，最終用于實(shí)際檢測(cè)和控制。據(jù)估計(jì)，全球圖像處理市場(chǎng)以每年8.8的速度迅速增長，到2009年的機(jī)器視覺市場(chǎng)規(guī)模預(yù)計(jì)將達(dá)到26.2億美元。與人工視覺相比，它最大的優(yōu)點(diǎn)是精

25、確、快速、可重復(fù)性和數(shù)字化。目前很多公司的視覺產(chǎn)品和視覺技術(shù)就是要挖掘?qū)崿F(xiàn)機(jī)器視覺技術(shù)的潛力，并通過圖像處理技術(shù)來實(shí)現(xiàn)其增值服務(wù)。圖 14為典型的視覺檢測(cè)處理系統(tǒng)實(shí)物圖：圖 14典型的視覺檢測(cè)處理系統(tǒng)實(shí)物圖表面檢測(cè)系統(tǒng)的核心是缺陷檢測(cè)分類軟件，利用它，系統(tǒng)對(duì)攝像機(jī)捕捉到的材料表面圖像進(jìn)行分類整理，找到存在的缺陷，判斷并識(shí)別，進(jìn)而進(jìn)行處理。在工業(yè)生產(chǎn)中，由于工業(yè)產(chǎn)品繁多，外形各異，利用一種圖像處理方法來檢測(cè)所有產(chǎn)品的表面是不現(xiàn)實(shí)的。所以根據(jù)產(chǎn)品的特點(diǎn)來設(shè)計(jì)圖像處理的算法，使得檢測(cè)出來的產(chǎn)品質(zhì)量滿足工業(yè)要求，成為通用的手段。所以工業(yè)圖像的處理算法也千差萬別。1.2 本文的工作及組織結(jié)構(gòu)數(shù)字圖象處理

26、作為一門獨(dú)立學(xué)科，已經(jīng)深入的融入人們的生活中。本論文對(duì)圖像處理在物體表面缺陷檢測(cè)的應(yīng)用作了研究，并成功用利用xavis軟件綜合利于各種圖像處理算法，實(shí)現(xiàn)了各種產(chǎn)品的表面缺陷的檢測(cè)與標(biāo)識(shí)，其中涉及了以下幾項(xiàng)工作：（1） 較深入地研究了各種圖像處理的算法，了解了各種算法的優(yōu)缺點(diǎn)及適用范圍。（2） 分析了給定的各種圖片，分析了圖片中的缺陷的特點(diǎn)以及可能出現(xiàn)的位置，形狀等，并針對(duì)缺陷，設(shè)計(jì)了圖像處理算法，實(shí)現(xiàn)了對(duì)各類圖片中缺陷的自動(dòng)檢測(cè)與標(biāo)識(shí)。（3） 設(shè)計(jì)開發(fā)了缺陷檢測(cè)軟件，使用vc+成功的實(shí)現(xiàn)了各種設(shè)計(jì)的算法，并且取得了比較好的效果。將算法集成在機(jī)器視覺組態(tài)軟件xavis中，進(jìn)行了vc+ 、open

27、cv、xavis 的三者聯(lián)合調(diào)試。 論文共分五章，各章的主要內(nèi)容安排如下：第一章：論述了圖像處理的發(fā)展，表面缺陷檢測(cè)的意義和發(fā)展。第二章：研究實(shí)現(xiàn)了缺陷檢測(cè)圖像處理技術(shù)的常用算法，對(duì)待檢測(cè)圖像進(jìn)行了預(yù)處理，為后面的應(yīng)用奠定了基礎(chǔ)。第三章：學(xué)習(xí)并研究xavis機(jī)器視覺平臺(tái)進(jìn)行圖像處理的方法，研究并實(shí)現(xiàn)matlab/vc/opencv圖像處理編程方法，進(jìn)行缺陷檢測(cè)的matlab仿真。第四章：在vc環(huán)境下，深入的探討了缺陷檢測(cè)的系統(tǒng)的特征提取及匹配的常用算法，研究并實(shí)現(xiàn)缺陷檢測(cè)（包括圖像預(yù)處理、圖像配準(zhǔn)、圖像比對(duì)）算法，并將自己的三種不同算法集成在機(jī)器視覺組態(tài)軟件xavis中,進(jìn)行vc+ 、open

28、cv、xavis 的三者聯(lián)合調(diào)試。取得了預(yù)期的成果。檢測(cè)到的表面劃痕清晰可見。第五章：對(duì)本文中的缺陷檢測(cè)算法進(jìn)行了總結(jié)，分析了取得的結(jié)果和工作的不足，并對(duì)今后的工作提出了展望。432 缺陷檢測(cè)的數(shù)字圖像處理實(shí)現(xiàn)本章首先介紹可用于缺陷檢測(cè)的數(shù)字圖象處理的基本知識(shí)和一些常用的算法，而后續(xù)章節(jié)所采用的缺陷檢測(cè)圖像處理算法，基本上都是以各種圖像處理的基本算法組合為基礎(chǔ)。本章還介紹了數(shù)字圖像處理的基本結(jié)構(gòu)。為下面的檢測(cè)系統(tǒng)設(shè)計(jì)提供了大體的框架。2.1 數(shù)字圖像處理的概念數(shù)字計(jì)算機(jī)最擅長的莫過于處理各種數(shù)據(jù)，數(shù)字化后的圖像可以看成是存儲(chǔ)在計(jì)算機(jī)中的有序數(shù)據(jù)，當(dāng)然可以通過計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行處理。我們把利用

29、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(digital image processing)。一般地，圖像處理是用計(jì)算機(jī)和實(shí)時(shí)硬件實(shí)現(xiàn)的，因此也稱之為計(jì)算機(jī)圖像處理(computer image processing)。在日常生活中，圖像處理已經(jīng)得到廣泛應(yīng)用。例如，電腦人像藝術(shù)，電視中的特殊效果，自動(dòng)售貨機(jī)鈔票的識(shí)別，郵政編碼的自動(dòng)識(shí)別和利用指紋、虹膜、面部等特征的身份識(shí)別等。在醫(yī)學(xué)領(lǐng)域，很早以前就采用x射線透視、顯微鏡照片等來診斷疾病?，F(xiàn)在，計(jì)算機(jī)圖像處理已成為疾病診斷的重要手段，用一般攝影方法不能獲取的身體內(nèi)部的狀況，也能由特殊的圖像處理裝置

30、獲取，最具有代表性的就是x射線ct(computed tomograph，計(jì)算機(jī)斷層 攝像)。2.1.1 數(shù)字圖像 一幅圖像可定義為一個(gè)二維函數(shù)f(x,y)，當(dāng)空間坐標(biāo)x、y和幅值f為有限的離散數(shù)值時(shí)，稱該圖像為數(shù)字圖像。簡言之，就是以數(shù)字格式表示的圖像。數(shù)字圖像分為以下三種格式：1） 黑白圖像 圖 21 黑白圖像2） 灰度圖像灰度圖像是指每個(gè)像素的信息由一個(gè)量化的灰度級(jí)來描述的圖像，沒有彩色信息。 圖 22 灰度圖像3） 彩色圖像 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)來描述的。圖 23 彩色圖像2.1.2 數(shù)字圖象處理的三個(gè)層次運(yùn)動(dòng)檢測(cè)、目標(biāo)分類、人

31、的跟蹤屬于視覺中的低級(jí)和中級(jí)處理部分(low-level and intermediate-level vision)，而行為理解和描述則屬于高級(jí)處理（high-level vision）。運(yùn)動(dòng)檢測(cè)、運(yùn)動(dòng)目標(biāo)分類與跟蹤是視覺監(jiān)控中研究較多的三個(gè)問題，而行為理解與描述則是近年來被廣泛關(guān)注的研究熱點(diǎn)，它是指對(duì)目標(biāo)的運(yùn)動(dòng)模式進(jìn)行分析和識(shí)別，并用自然語言等加以描述1） 低級(jí)圖像處理低級(jí)圖像處理主要對(duì)圖象進(jìn)行各種加工以改善圖象的視覺效果、或突出有用信息，并為自動(dòng)識(shí)別打基礎(chǔ)，或通過編碼以減少對(duì)其所需存儲(chǔ)空間、傳輸時(shí)間或傳輸帶寬的要求。它的特點(diǎn)是是輸入是圖像，輸出也是圖像，即圖象之間進(jìn)行的變換。2） 中級(jí)圖

32、像處理中級(jí)圖像處理主要對(duì)圖象中感興趣的目標(biāo)進(jìn)行檢測(cè)（或分割）和測(cè)量，以獲得它們的客觀信息從而建立對(duì)圖象的描述。特點(diǎn)是輸入是圖象，輸出是數(shù)據(jù)。3） 高級(jí)圖像處理高級(jí)圖像處理是在中級(jí)圖像處理的基礎(chǔ)上，進(jìn)一步研究圖象中各目標(biāo)的性質(zhì)和它們之間相互的聯(lián)系，并得出對(duì)圖象內(nèi)容含義的理解（對(duì)象識(shí)別）及對(duì)原來客觀場(chǎng)景的解釋（計(jì)算機(jī)視覺），從而指導(dǎo)和規(guī)劃行動(dòng)。特點(diǎn)是以客觀世界為中心，借助知識(shí)、經(jīng)驗(yàn)等來把握整個(gè)客觀世界。特點(diǎn)是輸入是數(shù)據(jù)，輸出是理解。2.1.3 數(shù)字圖象處理的特點(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程。數(shù)字圖像處理具有如下特點(diǎn)： 1） 處理精度高，再現(xiàn)性好。利用計(jì)算機(jī)

33、進(jìn)行圖像處理， 其實(shí)質(zhì)是對(duì)圖像數(shù)據(jù)進(jìn)行各種運(yùn)算。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。2） 處理的多樣性。由于圖像處理是通過運(yùn)行程序進(jìn)行的，因此，設(shè)計(jì)不同的圖像處理程序，可以實(shí)現(xiàn)各種不同的處理目的。 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。一幅數(shù)字圖像是由圖像矩陣中的像素（pixel）組成的，通常每個(gè)像素用紅、綠、藍(lán)三種顏色表示， 每種顏色8bit表示灰度級(jí)。則一幅1024×1024不經(jīng)壓縮的真彩色圖像

34、，數(shù)據(jù)量達(dá)3 mb（即1024×1024×8 bit×3=24 mb）。x射線照片一般用64256 kb的數(shù)據(jù)量，一幅遙感圖像為3240×2340×430mb。如此龐大的數(shù)據(jù)量給存儲(chǔ)、傳輸和處理都帶來巨大的困難。如果精度及分辨率再提高，所需處理時(shí)間將大幅度增加。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)。特別是處理結(jié)果與中心像素鄰域有關(guān)的處理過程（如第四章介紹的區(qū)處理方法）花費(fèi)時(shí)間更多。5） 圖像處理技術(shù)綜合性強(qiáng)。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

35、的基礎(chǔ)。 2.2 待檢測(cè)圖像的形態(tài)學(xué)處理數(shù)學(xué)形態(tài)學(xué)是分析幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法6，建立在集合代數(shù)的基礎(chǔ)之上，用集合論方法定量描述幾何結(jié)構(gòu)的科學(xué)。1985年之后，它逐漸成為分析圖像幾何特征的工具。主要包括膨脹、腐蝕、開以及閉運(yùn)算。 圖 24 圖像的腐蝕數(shù)學(xué)形態(tài)學(xué)由一組形態(tài)學(xué)運(yùn)算算子組成。最基本的運(yùn)算算子由膨脹，腐蝕，開運(yùn)算，閉運(yùn)算。使用這些算子對(duì)圖像的結(jié)構(gòu)和形狀進(jìn)行分析和處理，主要包括圖像分割、特征提取、邊緣檢測(cè)、圖像濾波、圖像增強(qiáng)以及圖像恢復(fù)等。由于形態(tài)學(xué)具有完備的數(shù)學(xué)基礎(chǔ)，這使得形態(tài)學(xué)用于圖像分析和處理、形態(tài)濾波器的分析和系統(tǒng)設(shè)計(jì)等具有了堅(jiān)實(shí)的基礎(chǔ)。近年來，形態(tài)學(xué)在圖像處理方面的應(yīng)用和研究

36、得到了迅速發(fā)展。形態(tài)學(xué)的理論基礎(chǔ)是集合論7。在圖像處理中形態(tài)學(xué)的集合代表著黑白和灰度圖像的形狀。比如二值圖像中所有黑色相素組成的了該圖像完全描述。2.2.1 膨脹 膨脹是形態(tài)學(xué)運(yùn)算中的最基本的運(yùn)算子之一，它在圖像處理中的主要作用是擴(kuò)充物體邊界點(diǎn)，連接兩個(gè)距離很近的物體。集合a用集合b膨脹，記作，定義為；上式表明，用集合b膨脹集合a,既當(dāng)集合b的原點(diǎn)在集合a中移動(dòng)時(shí)，集合b中元素所對(duì)應(yīng)位移后的元素組成的集合。在圖像處理中，集合a一般是待膨脹的圖像，稱集合b為結(jié)構(gòu)元素。2.2.2 腐蝕腐蝕也是形態(tài)學(xué)運(yùn)算中最基本的運(yùn)算子之一，它是與膨脹相對(duì)應(yīng)的運(yùn)算。它在圖像處理中的主要作用是消除物體的邊界點(diǎn)，消除圖像中小于結(jié)構(gòu)元素的物體，分開具有細(xì)小連接的兩個(gè)物體。集合a被集合b腐蝕，記作定義為；上式表明，用集合b腐蝕集合a，既當(dāng)集合b完全包含于集合a時(shí)，集合b原點(diǎn)元素所在位置的集合。在圖像處理中，集合a一般是待膨脹的圖像，稱集合b為結(jié)構(gòu)元素。2.2.3 開和閉 在腐蝕和膨脹的基礎(chǔ)上，對(duì)這兩個(gè)形態(tài)學(xué)運(yùn)算子進(jìn)行集合（并、交、補(bǔ)等），可以構(gòu)造出形態(tài)學(xué)運(yùn)算族。這些組合運(yùn)算中，最為重要也最常用的兩個(gè)組合運(yùn)算是開運(yùn)算和閉運(yùn)算。 集合a和集合b，集合