基于邊緣算子和灰度標(biāo)準(zhǔn)差的對(duì)焦清晰度評(píng)價(jià)函數(shù)

{六西格瑪管理}基于邊緣算子和灰度標(biāo)準(zhǔn)差的對(duì)焦清晰度評(píng)價(jià)函數(shù)本科畢業(yè)設(shè)計(jì)（論文）基于邊緣算子和灰度標(biāo)準(zhǔn)差的對(duì)焦清晰度評(píng)價(jià)函數(shù)學(xué)院物理與光電工程學(xué)院專(zhuān)業(yè)光信息科學(xué)與技術(shù)2班年級(jí)班別2009級(jí)（2）班學(xué)號(hào)924姓名梁江榮指導(dǎo)老師雷亮3年5月基

于要邊

緣鏡頭系統(tǒng)是機(jī)器視覺(jué)系統(tǒng)的成部分，它的精確自動(dòng)對(duì)焦問(wèn)題顯得越來(lái)算

子讓采集圖像數(shù)據(jù)的質(zhì)量得到有效的保證，和

灰這對(duì)進(jìn)一步提高系統(tǒng)質(zhì)量方面具的現(xiàn)實(shí)意義。度

標(biāo)論文首先對(duì)現(xiàn)今學(xué)界與業(yè)界焦技術(shù)的研究進(jìn)行了總結(jié)，介紹了國(guó)內(nèi)外準(zhǔn)

差的窗口選擇、清晰度評(píng)價(jià)函數(shù)進(jìn)行，重點(diǎn)討論了清晰度評(píng)價(jià)函數(shù)的問(wèn)題。對(duì)焦針對(duì)目前幾種常用的清晰度法（離散余弦函數(shù)、小波變換、邊緣算清晰將邊緣算子中的Sobel算子、Roberts算度評(píng)

價(jià)

函

數(shù)子、Prewitt算子、Canny算子的應(yīng)用進(jìn)行比較，分別討論其原理和適用范圍。最后提出了一種基于邊緣檢測(cè)算子和灰度標(biāo)準(zhǔn)差的清晰度評(píng)價(jià)函數(shù)。在此理論基礎(chǔ)上，運(yùn)用VisualC++6.0和HALCON軟件，設(shè)計(jì)了一個(gè)自動(dòng)對(duì)焦清晰度評(píng)價(jià)系統(tǒng)，可自動(dòng)計(jì)算出質(zhì)量最佳的圖像，從而保證了采集圖像的質(zhì)量，使整個(gè)機(jī)器視覺(jué)系統(tǒng)性能有了一定的提高。關(guān)鍵詞：機(jī)器視覺(jué)，鏡頭，自動(dòng)對(duì)焦，清晰度評(píng)價(jià)函數(shù)，邊緣算子，灰度標(biāo)準(zhǔn)差A(yù)bstractLenssystemisaimportantpartofmachinevisionsystems,whichauto·focusingproblembeesmoreandmoreimportant.Ifwecanimproveaccuracyofthelensfocus,thequalityoftheauquiredimagedatawillbeeffectivelyguaranteed,anditmakesimportantpracticalsignificanceonthefurtherimprovementofthesystem’squality.Firstly,muchsurveysoftoday’seducationalcirclesandtradeunionissummarized，andthedevelopmentofdomesticandforeignautofocustechnology.Forseveralmonlyuseddefinitionevaluationmethod(discretecosinefunction,wavelettransform,edgeoperators),theirrespectiveproblemsareanalyzed.Espectially,applicationsonoperatorSobeledgeoperator,Robertsoperator,PrewittoperatorandCannyoperatorarepared,andtheprincipleandit’sscopeofwell-applicationarediscussedinthe,anewClarity-evalueationFunctionbasedonthegrayvaluestandarddeviationhasbeenputforward.Basedonthetheoryofthedemonstratedoperator,anauto-focusclarifyevalueationsystem,whichcanautomaticallycalculateouttheimageinbestquality,havebeendesignedwiththeVisualC++6.0and,theaquiredimagedatacanbeguaranteedandtheentireperformanceofmachinevisionsystemcanhaveaextentimprovement.KeyWords：MachineVision,Lens,AutoFocus,Clarity-evalueationFunction,Edgeoperator,GrayValueStandartDeviation目錄1緒論.........................................................................................................................................11.1研究背景及目的………………………..11.2國(guó)內(nèi)外自動(dòng)對(duì)焦技術(shù)的研究狀………..21.2.1國(guó)外自動(dòng)對(duì)焦研究現(xiàn)狀.......................................................................................21.2.2國(guó)內(nèi)自動(dòng)對(duì)焦研究現(xiàn)狀………...31.3研究方法………………..31.3.1VisualC++……………………….31.3.2HALCON………………………...31.4論文構(gòu)成及研究?jī)?nèi)容…………………..42自動(dòng)對(duì)焦的基本理論和方法……………….52.1自動(dòng)對(duì)焦的基本原理…………………...52.1.1幾何光學(xué)成像理論……………...52.1.2景深……………...62.1.3遠(yuǎn)心光路………………………...72.2自動(dòng)對(duì)焦的基本方法…………………..92.2.1測(cè)距自動(dòng)對(duì)焦法………………...92.2.2焦點(diǎn)檢測(cè)自動(dòng)對(duì)焦方法……….102.2.3基于數(shù)字圖像處理的自動(dòng)對(duì)焦方法………….112.2.4基于頻域分析的清晰度評(píng)價(jià)函數(shù)…………….112.2.5基于信息學(xué)函數(shù)的清晰度評(píng)價(jià)函數(shù)………….133基于邊緣算子和灰度標(biāo)準(zhǔn)差的清晰度評(píng)價(jià)函數(shù)的研究………………...153.1邊緣檢測(cè)算子簡(jiǎn)介……………………153.1.1Sobel（索貝爾）邊緣檢測(cè)算子……………….163.1.2Robert（羅伯特）邊緣檢測(cè)算子………………163.1.3Prewitt（普瑞維特）邊緣檢測(cè)算子…………...173.1.4Canny（坎尼）邊緣檢測(cè)算子…………………173.2Sobel算子、Robert算子、Prewitt算子、Canny算子的比較………183.3灰度標(biāo)準(zhǔn)差……………203.4基于邊緣算子和灰度標(biāo)準(zhǔn)差的清晰度評(píng)價(jià)函數(shù)……214對(duì)焦檢測(cè)系統(tǒng)的程序設(shè)計(jì)及使用界面簡(jiǎn)介.......................................................................254.1自動(dòng)對(duì)焦系統(tǒng)程序的基本流程....................................................................................254.2軟件界面和操作介紹....................................................................................................264.3實(shí)時(shí)自動(dòng)對(duì)焦檢測(cè)軟件界面…………28結(jié)論…………………………...30參考文獻(xiàn)……………………...32致謝…………………………...33附錄A關(guān)鍵程序源代碼…………………….341緒論1.1研究背景及目的機(jī)器視覺(jué)系統(tǒng)通過(guò)圖像采集硬件（相機(jī)、鏡頭、光源等）將被檢測(cè)目標(biāo)轉(zhuǎn)換場(chǎng)的設(shè)備。機(jī)器視覺(jué)系統(tǒng)綜合了光學(xué)、機(jī)械、電子、計(jì)算機(jī)軟硬件方面的技術(shù)，處理和模式識(shí)別等技術(shù)的快速發(fā)展，大大地推動(dòng)了機(jī)器視覺(jué)的發(fā)展。統(tǒng)的整體性能，合理地選擇和安裝鏡頭，是機(jī)器視覺(jué)系統(tǒng)設(shè)計(jì)的重要環(huán)節(jié)。機(jī)器視覺(jué)系統(tǒng)具有效率、高柔性、高度自動(dòng)化等特點(diǎn)。在大批量工業(yè)生產(chǎn)過(guò)覺(jué)系統(tǒng)廣泛地用于裝配定位、產(chǎn)品質(zhì)量檢測(cè)、產(chǎn)品識(shí)別、產(chǎn)品尺寸測(cè)量等方面。成像質(zhì)量是人們對(duì)多數(shù)光學(xué)系統(tǒng)進(jìn)行研究時(shí)比較關(guān)心的重要問(wèn)題之一，因?yàn)?此如何準(zhǔn)確地獲取該對(duì)焦面就成為主要的問(wèn)題。為了獲得清晰的圖像，在圖像采集階段，對(duì)鏡頭的焦距調(diào)節(jié)至關(guān)重要。自動(dòng)它是機(jī)器視覺(jué)系統(tǒng)整體發(fā)展的基礎(chǔ)。基于圖像技術(shù)的自動(dòng)對(duì)焦方法采用了與傳統(tǒng)對(duì)焦技術(shù)完全不同的方式進(jìn)行對(duì)焦，比較不同成像位置的成像狀態(tài)，找出最佳成像位置，完成對(duì)焦操作。本文旨在通過(guò)對(duì)所獲得的數(shù)字圖像數(shù)據(jù)，分別運(yùn)用不同邊緣算子對(duì)其進(jìn)行處統(tǒng)的自動(dòng)對(duì)焦做理論及實(shí)驗(yàn)研究開(kāi)辟新的思路。1.2國(guó)內(nèi)外自動(dòng)對(duì)焦技術(shù)的研究狀況現(xiàn)代社會(huì)，圖像作為一種高容量又最為直接的信息載體已經(jīng)深入到每個(gè)人的2發(fā)展。90直接輸出清晰的數(shù)字圖像，而不用外部運(yùn)動(dòng)結(jié)構(gòu)便可以實(shí)現(xiàn)自動(dòng)對(duì)焦。1.2.1國(guó)外自動(dòng)對(duì)焦研究現(xiàn)狀國(guó)外對(duì)于自動(dòng)對(duì)焦領(lǐng)域的研究相對(duì)國(guó)內(nèi)來(lái)說(shuō)起步比較早，1970年美國(guó)斯坦福大學(xué)Tenenbaum開(kāi)展了計(jì)算機(jī)視覺(jué)系統(tǒng)的自動(dòng)對(duì)焦研究，其根據(jù)圖像的特征提取1983(UniversityofRading)物理系GrembebyJB提出了調(diào)制傳遞好的標(biāo)準(zhǔn)；1987年，Ren．C．Luo提出了兩個(gè)設(shè)計(jì)簡(jiǎn)單的快速算法，即能量最大值法和VARIANCE90動(dòng)對(duì)焦領(lǐng)域的理論及評(píng)價(jià)函數(shù)進(jìn)行了研究分析和對(duì)比。1.2.2國(guó)內(nèi)自動(dòng)對(duì)焦研究現(xiàn)狀國(guó)內(nèi)對(duì)自動(dòng)對(duì)焦系統(tǒng)的研究起步比較晚，目前，國(guó)內(nèi)的很多高校、科研院所以及企業(yè)單位致力于研究開(kāi)發(fā)對(duì)焦系統(tǒng)，也取得了可觀的成果。例如：1985年，上海光學(xué)儀器研究所采用光學(xué)的自準(zhǔn)直方法研制完成集成電路光刻機(jī)自動(dòng)對(duì)焦1992年，哈爾濱工業(yè)大學(xué)光學(xué)儀器教研室研制完成圖像檢測(cè)式頻帶切割差動(dòng)比較CCD自動(dòng)對(duì)焦系統(tǒng)，使我國(guó)在圖像檢測(cè)自動(dòng)對(duì)焦領(lǐng)域內(nèi)的研究跟國(guó)外80年3代的研究水平相當(dāng)。此外浙江大學(xué)、哈爾濱工業(yè)大學(xué)等全國(guó)知名的理工科學(xué)府，也對(duì)自動(dòng)對(duì)焦系統(tǒng)進(jìn)入了深入研究，亦分別取得不錯(cuò)的成果。1.3研究方法本文基于對(duì)焦系統(tǒng)中的清晰度評(píng)價(jià)函數(shù)理論以及對(duì)焦窗口的規(guī)劃理論，結(jié)合VisualC++6.0以及HALCON這兩個(gè)軟件，自主設(shè)計(jì)了一套基于Sobel算子、Robert算子、Prewitt算子以及Canny算子的圖進(jìn)行了關(guān)于對(duì)焦窗口選取的實(shí)驗(yàn)，并總結(jié)了其各自的適用范圍。1.3.1VisualC++VisualC++6.0由Microsoft開(kāi)發(fā),它不僅是一個(gè)C++編譯器，而且是一個(gè)基于Windowsintegrateddevelopmentenvironment，IDE）。VisualC++6.0由許多組件組成，包括編輯器、調(diào)試器以及程序向?qū)ppWizard、類(lèi)向?qū)lassWizard等開(kāi)發(fā)工具。這些組件通過(guò)一個(gè)名為DeveloperStudio的組件集成為和諧的開(kāi)發(fā)環(huán)境。Microsoft的主力軟件產(chǎn)品。VisualC++1993年Microsoft公司推出VisualC++1.0后，隨著其新版本的不斷問(wèn)世，VisualC++已成為專(zhuān)業(yè)程序員進(jìn)行軟件開(kāi)發(fā)的首選工具。雖然微軟公司推出了VisualC++.NET(VisualC++7.0)，但它的應(yīng)用的很大的局限性，只適用于Windows2000,WindowsXP和WindowsNT4.0。所以實(shí)際中，更多的是以VisualC++6.0為平臺(tái)。1.3.2HALCONMVTecHALCON是世界上最全能的機(jī)器視覺(jué)軟件.世界各地的用戶(hù)從HALCON為快速開(kāi)發(fā)圖像分析和機(jī)器視覺(jué)程序的靈活架構(gòu)獲益匪淺.HALCON提供了超過(guò)1100多4種具備突出性能控制器的庫(kù),如模糊分析,形態(tài),模式匹配,3D校正等.HALCON支持多個(gè)操作系統(tǒng),編程語(yǔ)言和截獲設(shè)備。1.4論文構(gòu)成及研究?jī)?nèi)容圖像清晰度的正確判定是自動(dòng)對(duì)焦技術(shù)的關(guān)鍵，因此，這也是本文研究的核心內(nèi)容。就對(duì)焦清晰度評(píng)價(jià)方法及其穩(wěn)定性，討論了Sobel算子、Robert算子、Prewitt算子以及Canny算子的適用性，并嘗試提出一種可靠的新評(píng)價(jià)方法。研究重點(diǎn)是基于數(shù)字圖像處理的方法及其實(shí)現(xiàn)。具體包括以下內(nèi)容：(1)在第一章中：闡述了課題的研究背景及課題的意義，對(duì)國(guó)內(nèi)外在該領(lǐng)域內(nèi)的研究狀況及其所達(dá)到的研究水平進(jìn)行了分析，引出本論文的主要研究?jī)?nèi)容、研究方法。(2)在第二章中，闡述了自動(dòng)對(duì)焦系統(tǒng)的基本原理。分別從鏡頭系統(tǒng)、相機(jī)系統(tǒng)這些方面進(jìn)行介紹，敘述了包括成像模型，探討了成像的光學(xué)理論，再介紹了針對(duì)自動(dòng)對(duì)焦問(wèn)題的三種方向的解決方法。(3)基于數(shù)字圖像處理中的邊緣算子理論，詳細(xì)討論了邊緣算子用于評(píng)判圖像清Sobel算子、Robert算子、Prewitt算子以及Canny算子各自的適用性。同時(shí)，提出了一種基于灰度標(biāo)準(zhǔn)差的清晰度評(píng)價(jià)方法。Sobel算子、Robert算子、Prewitt算子以及Canny算子而處理得出的數(shù)據(jù)，再進(jìn)行分析對(duì)比，定量地總結(jié)出基于理論和實(shí)驗(yàn)的最終結(jié)果。最后，歸納了全文所做的研究工作，同時(shí)，對(duì)自動(dòng)對(duì)焦技術(shù)需要進(jìn)一步研究的內(nèi)容進(jìn)行了相應(yīng)的展望。2自動(dòng)對(duì)焦的基本理論和方法5自動(dòng)對(duì)焦技術(shù)是基于光學(xué)器件成像理論、數(shù)字圖像處理技術(shù)等理論而形成的對(duì)焦技術(shù)，具有比目測(cè)和手動(dòng)調(diào)節(jié)方式更準(zhǔn)確、更快捷等優(yōu)點(diǎn)。2.1自動(dòng)對(duì)焦的基本原理自動(dòng)對(duì)焦系統(tǒng)的基本原理，是基于幾何光學(xué)成像系統(tǒng)的理論。調(diào)節(jié)鏡頭系統(tǒng)清晰的圖像。而當(dāng)自動(dòng)對(duì)焦系統(tǒng)擁有一套小景深、雙遠(yuǎn)心光路的鏡頭系統(tǒng)的話，可以使系統(tǒng)更加便捷、更加準(zhǔn)確地找出調(diào)焦過(guò)程中最為清晰的圖像所在。2.1.1幾何光學(xué)成像理論圖2.1光學(xué)成像模型對(duì)于理想的光學(xué)成像模型，根據(jù)高斯公式有：(2.1)其中，是成像模型的物距，是成像模型的像距，是鏡頭的焦距，是透鏡孔徑的直徑，是透鏡主面與探測(cè)器之間的距離，ImageDector是圖像探測(cè)器。結(jié)合(2.1)關(guān)系式和圖2.1個(gè)彌散圓。若彌散光斑的半徑為，即越大，圖像就越模糊。若要保證圖像質(zhì)量，提高對(duì)焦的清晰度，則要使盡量地小。由圖2-1中的相似關(guān)系可得：(2.2)6由(2.2)式分析可知，為了使的絕對(duì)值變小，可以有以下的方法：調(diào)節(jié)成像系統(tǒng)系統(tǒng)像距；調(diào)節(jié)成像系統(tǒng)的焦距；調(diào)節(jié)的大小，即改變鏡頭的光圈大小。圖2.2彌散圓2.1.2景深當(dāng)相機(jī)的鏡頭對(duì)著某一物體聚焦清晰時(shí)，在鏡頭中心所對(duì)的位置垂直鏡頭軸鏡頭軸線的前面和后面一定范圍的點(diǎn)也可以結(jié)成眼睛可以接受的較清晰的像點(diǎn)，把這個(gè)平面的前面和后面的所有景物的距離叫做相機(jī)的景深。圖2.3景深景深隨鏡頭的焦距、光圈值、拍攝距離而變化。對(duì)于固定焦距和拍攝距離，使用光圈越小，景深越大。設(shè)前景深為、后景深為、景深為，其計(jì)算方法如下：(2.3)(2.4)(2.5)質(zhì)的要求(表現(xiàn)為對(duì)容許彌散圓的大小)有關(guān)?；诰吧畹脑砜芍绻R頭自身的景深偏大的話，則在物距調(diào)節(jié)的過(guò)程7的質(zhì)量。2.1.3遠(yuǎn)心鏡頭遠(yuǎn)心鏡頭，主要是為糾正傳統(tǒng)工業(yè)鏡頭視差而設(shè)計(jì)，它可以在一定的物距范常重要的應(yīng)用。遠(yuǎn)心鏡頭設(shè)計(jì)目的就是消除由于被測(cè)物體（或CCD芯片）離鏡頭距離的遠(yuǎn)近不一致，造成放大倍率不一樣。根據(jù)遠(yuǎn)心鏡頭分類(lèi)設(shè)計(jì)原理分別為：1）物方遠(yuǎn)心光路設(shè)計(jì)原理及作用：路。其作用為：可以消除物方由于調(diào)焦不準(zhǔn)確帶來(lái)的，讀數(shù)誤差。圖2.4物方遠(yuǎn)心光路示意圖2）像方遠(yuǎn)心光路設(shè)計(jì)原理及作用：路。其作用為：可以消除像方調(diào)焦不準(zhǔn)引入的測(cè)量誤差。圖2.5像方遠(yuǎn)心光路示意圖3）兩側(cè)遠(yuǎn)心光路設(shè)計(jì)原理及作用：綜合了物方/像方遠(yuǎn)心的雙重作用。主要用于視覺(jué)測(cè)量檢測(cè)領(lǐng)域。圖2.6雙遠(yuǎn)心光路示意圖在自動(dòng)對(duì)焦系統(tǒng)之中，為了保證圖像清晰度的質(zhì)量，每幅圖的所采集的內(nèi)容用到雙遠(yuǎn)心光路，能有效避免由于像距和物距微小改變而引起的放大倍數(shù)變化，保證每張圖像都基本一致。2.2自動(dòng)對(duì)焦的基本方法8自動(dòng)對(duì)焦系統(tǒng)一般由分析處理模塊和控制驅(qū)動(dòng)模塊組成。分析處理模塊判斷分成不同的種類(lèi)，如表2.1所示。表2.1根據(jù)功能模塊分類(lèi)的對(duì)焦方法對(duì)焦方法分析處理模塊控制驅(qū)動(dòng)模塊測(cè)距自動(dòng)對(duì)焦紅外或超聲波測(cè)距電機(jī)驅(qū)動(dòng)鏡頭移動(dòng)焦點(diǎn)檢測(cè)自動(dòng)對(duì)焦反差檢測(cè)或相位差檢測(cè)電機(jī)驅(qū)動(dòng)鏡頭移動(dòng)半數(shù)字式自動(dòng)對(duì)焦計(jì)算圖像的高頻分量能量電機(jī)驅(qū)動(dòng)鏡頭移動(dòng)全數(shù)字式自動(dòng)對(duì)焦計(jì)算圖像的點(diǎn)擴(kuò)散函數(shù)根據(jù)點(diǎn)擴(kuò)散函數(shù)進(jìn)行圖像恢復(fù)2.2.1測(cè)距自動(dòng)對(duì)焦法像偏移法是基于三角測(cè)量原理，如圖2.7所示。圖2.7像偏移法系統(tǒng)圖由被攝物體所發(fā)出的光線，同時(shí)進(jìn)入測(cè)距器的左、右兩端，右端為可動(dòng)掃描反光鏡，左端為固定反光鏡。從近距離到遠(yuǎn)距離，反光鏡作大約1o掃描運(yùn)動(dòng)，測(cè)上，通過(guò)兩組間的信號(hào)比較，求得合適的對(duì)焦位置。用CCD代替硅光二極管作為接收元件可形成固態(tài)三角測(cè)距自動(dòng)對(duì)焦系統(tǒng).它的兩側(cè)光路中的反光鏡均為固定方式，被攝物體的距離信息通過(guò)在CCD上的成像位置的差異反映出來(lái)，可直接由CCD元件進(jìn)行檢測(cè)和分辨。這種反光鏡固定方式結(jié)構(gòu)簡(jiǎn)單、可靠.但CCD元件與光電轉(zhuǎn)換、運(yùn)算系統(tǒng)的電路技術(shù)要求較高，成本也高。2.2.2焦點(diǎn)檢測(cè)自動(dòng)對(duì)焦方法9反差檢測(cè)法（對(duì)比度法）是通過(guò)檢測(cè)影相的輪廓邊緣實(shí)現(xiàn)自動(dòng)對(duì)焦的。對(duì)比度就越大。反之，離焦的像，輪廓邊緣模糊不清，亮度梯度或?qū)Ρ榷认陆担缓?，于是?duì)焦完成。圖2.8反差檢測(cè)法系統(tǒng)圖2.2.3基于數(shù)字圖像處理的自動(dòng)對(duì)焦方法基于數(shù)字圖像處理的自動(dòng)對(duì)焦方法非常豐富，而總體上大致可以分為兩類(lèi)：置清晰度值最大這個(gè)特征找到正確對(duì)焦位置。由光學(xué)原理可知，對(duì)特定的成像系統(tǒng)，在亮度等外部條件相同的情況下，當(dāng)?shù)那逦冗M(jìn)行評(píng)價(jià)。對(duì)清晰度評(píng)價(jià)函數(shù)的要求是：(1)無(wú)偏性。對(duì)同一成像目標(biāo)的一系列圖像求其對(duì)焦曲線，其最大值恰好對(duì)應(yīng)最10清晰的圖像。(2)單峰性。對(duì)焦函數(shù)曲線形狀應(yīng)呈現(xiàn)單峰，即在全量程內(nèi)只有一個(gè)極值點(diǎn)，這極值。(3)魯棒性。光照變化、噪聲以及鏡頭參數(shù)調(diào)整等因素造成的圖像內(nèi)容變化都會(huì)對(duì)評(píng)價(jià)函數(shù)有一定的影響，評(píng)價(jià)函數(shù)曲線應(yīng)當(dāng)具有一定的穩(wěn)定性。(4)尖銳性。對(duì)焦評(píng)價(jià)函數(shù)在極點(diǎn)附近尖銳性越好，說(shuō)明對(duì)焦評(píng)價(jià)函數(shù)區(qū)分輕微離焦的能力越強(qiáng)，對(duì)焦精確度也就越高。無(wú)偏性和單峰性決定算法的正確性，任何圖像清晰度評(píng)價(jià)算法首先都必須滿(mǎn)噪聲的影響，因此算法的抗噪性能要求也越來(lái)越受到重視。而基于對(duì)焦深度法的思想，結(jié)合數(shù)字圖像處理的理論知識(shí)，衍生出很多種能度評(píng)價(jià)函數(shù)。2.2.4基于頻域分析的清晰度評(píng)價(jià)函數(shù)由于高清晰度圖像的主要特征是具有清晰的邊緣和豐富的圖像細(xì)節(jié)，而邊緣分的大小作為圖像是否清晰的判斷依據(jù)。（1）基于小波變換（DWT）的評(píng)價(jià)函數(shù)11度來(lái)獲得信號(hào)的頻率特征，通過(guò)平移母小波來(lái)獲得信號(hào)的時(shí)間信息。該濾波器可得到信號(hào)的近似值A(chǔ)，另一個(gè)為高通濾波器，通過(guò)該濾波器可得到信號(hào)的細(xì)節(jié)值D。在小波分析中，近似值是大的縮放因子計(jì)算的系數(shù)，表示信號(hào)的二維數(shù)字圖像，可先對(duì)其進(jìn)行若干次二維DWT變換，將圖像信息分解為高頻成分H、V和D和低頻成分A。幅值，再將高頻部分取絕對(duì)值求和，可得：(2.6)像的清晰度也就越高。（2）基于離散余弦變換（DCT）的評(píng)價(jià)函數(shù)少作為圖像清晰度的判定依據(jù)。最常見(jiàn)的變換有傅立葉變換（FFT）和離散余弦DCTFFT變換是對(duì)復(fù)數(shù)進(jìn)行處理，其計(jì)算程度較為復(fù)雜，計(jì)算所需的時(shí)間長(zhǎng)。DCT變換能聚集更多的能量，對(duì)高頻分量有較好的分離能力，在清晰度評(píng)價(jià)函數(shù)中，分離并保留高頻分量作為圖像清晰度的評(píng)價(jià)尺度。二維DCT定義如下：設(shè)為M×N的數(shù)字圖像矩陣，則12(2.7)(2.8)(2.9)(2.10)(2.11)聚焦圖像和離焦圖像在亮度和灰度級(jí)方面相差很大，且圖像的清晰度還與圖像中最清晰的。2.2.5基于信息學(xué)函數(shù)的清晰度評(píng)價(jià)函數(shù)正焦圖像與離焦圖像比，圖像的灰度值多樣性要大，即它們的信息含量或熵以表示圖像序列中第k幅圖像在其圖像窗口內(nèi)取灰度值的概率（頻率），那么此幅圖像的灰度熵函數(shù)的定義為：(2.12)?。?2.13)則所對(duì)應(yīng)的位置即為對(duì)焦位置。圖像的灰度熵大小表示了圖像像素點(diǎn)灰度分布的離散程度的大小，當(dāng)計(jì)算區(qū)13灰度熵較大，所以灰度熵在一定程度上可以表征圖像的清晰程度。3基于邊緣算子和灰度標(biāo)準(zhǔn)差的清晰度評(píng)價(jià)函數(shù)的研究在基于數(shù)字圖像處理的自動(dòng)對(duì)焦技術(shù)之中，用作清晰度評(píng)價(jià)函數(shù)的方法多種——基于邊緣算子和灰度標(biāo)準(zhǔn)差的清晰度Sobel算子、Robert算子、Prewitt算子和Canny算子的理論基礎(chǔ)，驗(yàn)，測(cè)試分析其可行性。3.1邊緣檢測(cè)算子簡(jiǎn)介圖像的邊緣時(shí)圖像最基本的特征之一。所謂邊緣（或邊沿）是指周?chē)袼鼗叶扔须A躍性變化或“屋頂變化的那些像素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間，因此它是圖像分割依賴(lài)的重要特征。等）的反應(yīng)，它標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始。利用該特征可以分割圖像。需要指出的是，檢測(cè)出的邊緣并不等同于實(shí)際目14倒數(shù)來(lái)檢測(cè)邊緣，如圖3-1所示。不同的事一階導(dǎo)數(shù)認(rèn)為最大值對(duì)應(yīng)邊緣位置，而二階導(dǎo)數(shù)則以過(guò)零點(diǎn)對(duì)應(yīng)邊緣位置。圖3.1邊緣算子基于一階導(dǎo)數(shù)的邊緣檢測(cè)算子包括RobertsSobelPrewitt算子等，在算法實(shí)現(xiàn)過(guò)程中，通過(guò)（Roberts算子）或者模板作為核與圖像中的每個(gè)像素點(diǎn)做卷積和運(yùn)算，然后選取合適的閾值以提取邊緣。Canny算子是另外一類(lèi)邊緣邊緣檢測(cè)最優(yōu)化算子。3.1.1Sobel（索貝爾）邊緣檢測(cè)算子(3.1)實(shí)際上Sobel我們可以用差分代替一階偏導(dǎo)，算子的計(jì)算方法如下：(3.2)Sobel算子垂直方向和水平方向的模板如圖3-2所示，前者可以檢測(cè)出圖像中的果是一幅體現(xiàn)邊緣幅度的圖像。(a)對(duì)水平邊緣有較大響應(yīng)的豎直梯度(b)對(duì)豎直邊緣有較大響應(yīng)的水平梯度圖3.2Sobel算子模板3.1.2Robert（羅伯特）邊緣檢測(cè)算子Robert邊緣檢測(cè)算子是一種利用局部差分方法尋找邊緣的算子，Robert梯度15式可表示如下：(3.3)上述算子對(duì)應(yīng)的兩個(gè)模板如圖（A點(diǎn)都用這兩個(gè)模板進(jìn)行卷積運(yùn)算，為避免出現(xiàn)負(fù)值，在邊緣檢測(cè)時(shí)常提取其絕對(duì)值。圖3.3Robert算子模板3.1.3Prewitt（普瑞維特）邊緣算子Prewitt邊緣檢測(cè)算子就是一種利用局部差分平均方法尋找邊緣的算子，它偏導(dǎo)可得算子形式如下：(3.4)PrewittCSobel算Prewitt算子也產(chǎn)生一幅邊緣圖像。圖3.4Prewitt算子模板3.1.4Canny（坎尼）邊緣算子或者首先通過(guò)平滑去除噪聲的前提下才能正常用。在圖像邊緣檢測(cè)中，抑制噪聲和邊緣精確定位是無(wú)法同時(shí)滿(mǎn)足的，一些邊緣邊緣檢測(cè)算子對(duì)邊緣敏感性的同時(shí)，也提高了對(duì)噪聲的敏感性。Canny算子力圖在抗噪聲干擾和精確定位之間尋求最佳折衷方案。16Canny對(duì)邊緣檢測(cè)質(zhì)量進(jìn)行分析，提出以下3個(gè)準(zhǔn)則：（1）使信噪比SNR盡量大。輸出信噪比越大，錯(cuò)誤率越小。(3.5)W（2）波函數(shù)使式（3-9）中的盡量大。(3.6)其中和為和的一階導(dǎo)數(shù)；L是對(duì)邊緣定位精確程度的度量。（3）個(gè)響應(yīng)。濾波器對(duì)邊緣相應(yīng)的極大值之間的平均距離為：(3.7)式中，是的二階導(dǎo)數(shù)；是進(jìn)行邊緣檢測(cè)后的圖像。有了這3式的解可以由搞死的一階導(dǎo)數(shù)去逼近。Canny邊緣檢測(cè)的基本思想就是首先對(duì)圖像選擇一定的Gauss濾波器進(jìn)行濾波，然后采用非極值抑制技術(shù)進(jìn)行處理得到最后的邊緣圖像。其步驟為：(1)用高斯濾波器平滑濾波；(2)用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度的幅值和方向；(3)對(duì)梯度幅值進(jìn)行非極大值一致；(4)用雙閾值算法檢測(cè)和連接邊緣。173.2Sobel算子、Robert算子、Prewitt算子、Canny算子的比較(a)原始圖像(b)Sobel算子邊緣檢測(cè)結(jié)果(c)Robert算子邊緣檢測(cè)結(jié)果(d)Prewitt算子邊緣檢測(cè)結(jié)果(e)Canny算子邊緣檢測(cè)結(jié)果注：源代碼見(jiàn)附錄.圖3.5基于各種算子的邊緣檢測(cè)結(jié)果由于Roberts算子是利用圖像的兩個(gè)對(duì)角線的相鄰像素之差進(jìn)行梯度幅值的像響應(yīng)最好。Prewitt算子和Sobel算子都是對(duì)圖像進(jìn)行差分和濾波運(yùn)算，僅在平滑部分圖像噪聲比較小的情況。Canny緣檢測(cè)算子的不同之處在于，它使用2種不同的閾值分別檢測(cè)強(qiáng)邊緣和弱邊緣，而言不容易被噪聲“填充更容易檢測(cè)出真正的弱邊緣。通過(guò)對(duì)lenna圖的仿真確，連續(xù)性較好，虛假邊緣少且邊緣均具有單像素寬度。3.3灰度標(biāo)準(zhǔn)差標(biāo)準(zhǔn)差，也稱(chēng)均方差，是各數(shù)據(jù)偏離平均數(shù)距離的平均數(shù)，它是離均差平方18和平均后的方根，用σ表示。標(biāo)準(zhǔn)差是方差的算術(shù)平方根。標(biāo)準(zhǔn)差能反映一個(gè)數(shù)據(jù)集的離散程度。(3.8)其中，N為統(tǒng)計(jì)的總數(shù)，為統(tǒng)計(jì)的平均值。在數(shù)字圖像處理中，圖像的灰度標(biāo)準(zhǔn)差，即圖像中各像素灰度值與圖像平均和細(xì)節(jié)處也就越明顯。(x,y)(3.9)灰度標(biāo)準(zhǔn)差函數(shù)建立的依據(jù)是圖像離焦時(shí)，圖像模糊，各像素的灰度值變化差的圖像清晰度評(píng)價(jià)函數(shù)。度發(fā)生變化時(shí)，函數(shù)值波動(dòng)較大，容易產(chǎn)生誤對(duì)焦。(a)(b)(c)圖3.6由左至右，分別為對(duì)焦圖、離焦圖、離焦亮度增加圖如圖3.6，分別表示了三種狀態(tài)之下所采集到的圖像。針對(duì)這三幅圖，分別求它們的灰度標(biāo)準(zhǔn)差。(a)圖的標(biāo)準(zhǔn)差為55.4，(b)圖的標(biāo)準(zhǔn)差為52.3，(c)圖的標(biāo)準(zhǔn)差為57.6。綜合分析可知，在對(duì)焦?fàn)顟B(tài)下的圖(a)，其標(biāo)準(zhǔn)差比正常離焦?fàn)顟B(tài)下的圖(b)的標(biāo)準(zhǔn)差大，55.4>52.3使圖像的背景光增強(qiáng)，即圖像總體像素灰度值會(huì)增加，如圖(c)，是在背景光增19強(qiáng)下的離焦圖片。此時(shí)，計(jì)算出圖(c)的標(biāo)準(zhǔn)差57.6，比正常背景光下的對(duì)焦圖像(a)的標(biāo)準(zhǔn)差55.4還要大，這樣，將會(huì)造成清晰度值的誤判，使系統(tǒng)出錯(cuò)，誤會(huì)其完成對(duì)焦。3.4基于邊緣算子和灰度標(biāo)準(zhǔn)差的清晰度評(píng)價(jià)函數(shù)為了克服上述基于灰度標(biāo)準(zhǔn)差的清晰度評(píng)價(jià)函數(shù)受背景光影響較大的缺陷，基礎(chǔ)上進(jìn)行的，所以，即使背景光加強(qiáng)，也不會(huì)讓計(jì)算結(jié)果發(fā)生比較大的變化。清晰度評(píng)價(jià)函數(shù)?；谶吘壦阕拥奶幚?，可以提取出圖像的大致輪廓，若圖像是處于清晰對(duì)焦突出，圖像邊緣圖像的像素值離散程度較小，其灰度標(biāo)準(zhǔn)差也較小。（1）（2）（3）（4）（5）（6）（7）（8）（9）圖3.7對(duì)焦模糊到清晰組圖如圖3.7，是一組對(duì)焦從模糊到清晰再到模糊的圖像。在這組圖的基礎(chǔ)上，分別進(jìn)行Sobel算子、Robert算子、Prewitt算子和Canny算子的處理，然后，再對(duì)處理后的圖片，進(jìn)行灰度標(biāo)準(zhǔn)差的計(jì)算，得出的數(shù)據(jù)如下表格：表3.1四種邊緣算子處理的灰度標(biāo)準(zhǔn)差邊緣算子圖片序號(hào)Sobel算子處理灰度標(biāo)準(zhǔn)差Robert算子處理灰度標(biāo)準(zhǔn)差Prewitt算子處理灰度標(biāo)準(zhǔn)差Canny算子處理灰度標(biāo)準(zhǔn)差16.9197.0007.0825.25829.4679.5799.6687.215314.26914.26914.72211.018418.35119.05419.13714.32620534.76143.63036.20529.269625.04827.15826.32819.998718.35219.05419.13714.326811.45711.65611.7318.78097.9968.0798.1546.074圖3.8四種邊緣算子的灰度標(biāo)準(zhǔn)差比較折線圖如圖3.84Sobel算子和Prewitt算子處理后得出的灰度標(biāo)準(zhǔn)差比較相似；Robert算子在離焦?fàn)顟B(tài)的時(shí)候(圖1至圖46到圖9)SobelPrewitt對(duì)焦?fàn)顟B(tài)（圖5）的時(shí)候，其灰度標(biāo)準(zhǔn)差值會(huì)突然變大好多，說(shuō)明它對(duì)此狀態(tài)特別敏感；而Canny算子在離焦?fàn)顟B(tài)下的灰度標(biāo)準(zhǔn)差值比較小，而到了離焦和對(duì)焦之間轉(zhuǎn)變時(shí)，灰度標(biāo)準(zhǔn)差值的上升也比較明顯。然而，當(dāng)圖像采集時(shí)受到噪聲干擾時(shí)，獲取得到的圖像會(huì)有噪點(diǎn)的影響，這樣，會(huì)否影響到基于邊緣算子處理和灰度標(biāo)準(zhǔn)差的清晰度評(píng)價(jià)函數(shù)的穩(wěn)定性？(1)(2)(3)(4)(5)(6)(7)(8)(9)圖3.9對(duì)焦模糊到清晰加噪后組圖圖3.10四種邊緣算子的灰度標(biāo)準(zhǔn)差比較折線圖(圖像加噪后)由圖3.10對(duì)比分析可知，Robert算子容易受到圖像噪聲的影響，使到整體上小。總結(jié)上述，Robert算子在自動(dòng)對(duì)焦系統(tǒng)中，在低噪聲的環(huán)境下，檢測(cè)相對(duì)精Robert算子的應(yīng)用是不穩(wěn)定的?？紤]到Canny算子的計(jì)算時(shí)間會(huì)比Sobel算子和Prewitt算子更多，所以，本文建議該基于灰度標(biāo)準(zhǔn)差的清晰度評(píng)價(jià)函數(shù)應(yīng)該應(yīng)用Sobel算子或者Prewitt算子來(lái)用作邊緣檢測(cè)處理。214對(duì)焦檢測(cè)系統(tǒng)的程序設(shè)計(jì)及使用界面簡(jiǎn)介圖，從而證明第3章中提出的理論是正確的。4.1自動(dòng)對(duì)焦系統(tǒng)程序的基本流程圖4.1自動(dòng)對(duì)焦檢測(cè)系統(tǒng)流程圖如圖4.1描述，本對(duì)焦檢測(cè)系統(tǒng)的流程是：（1）先采集獲取到一張將要進(jìn)行自動(dòng)對(duì)焦處理的對(duì)象的圖像，該圖像越清晰越好，方便下一步更好地選取對(duì)焦窗口；（2）參考關(guān)于對(duì)焦窗口選取的資料，選擇比較好用于邊緣檢測(cè)的區(qū)域，這一步可以節(jié)省檢測(cè)時(shí)間而且有利于提高檢測(cè)可靠性；（3）從Sobel算子、Robert算子、Prewitt算子以及Canny算子中選擇其中一種，在對(duì)焦窗口的選取區(qū)域內(nèi)進(jìn)行邊緣檢測(cè)算子的處理，得到效果圖；（4）根據(jù)上一步得到的效果圖，計(jì)算圖像的平均灰度值和灰度標(biāo)準(zhǔn)差；（5）在原來(lái)流程上進(jìn)行拓展，而進(jìn)行實(shí)時(shí)采圖檢測(cè)，其檢測(cè)流程仍以上述為基礎(chǔ)而進(jìn)行實(shí)時(shí)的連續(xù)采圖，再連續(xù)進(jìn)行之前的每一個(gè)步驟，而且，基于計(jì)算出的平均灰度值和灰度標(biāo)準(zhǔn)差，選擇其中之一來(lái)畫(huà)折線圖。由此，分析當(dāng)前對(duì)焦?fàn)顩r。4.2軟件界面及操作介紹圖4.2系統(tǒng)主界面按鈕、“Sobel22算子按鈕、“Robert算子按鈕、“Prewitt算子按鈕、“Canny算子按鈕、“清除演示按鈕，以及“選項(xiàng)卡、“選項(xiàng)卡、“選項(xiàng)卡、“Canny”選項(xiàng)卡、“平均灰度”選項(xiàng)卡、“灰度標(biāo)準(zhǔn)差”選項(xiàng)卡，以及“平均灰度顯示框、“灰度標(biāo)準(zhǔn)差顯示框、“顯示停頓時(shí)間設(shè)置框，以及“原圖”畫(huà)框、“處理圖”畫(huà)框、“清晰度折線圖”畫(huà)框。其中紅框內(nèi)的邊緣算子按鈕，是用于單幅圖處理；而籃框內(nèi)的邊緣算子選項(xiàng)卡，用于連續(xù)組圖自動(dòng)處理。以下是以離線狀態(tài)下的操作為例，介紹本軟件設(shè)計(jì)。首先，單擊“打開(kāi)圖片，選擇一張準(zhǔn)備進(jìn)行對(duì)焦檢測(cè)的圖片，圖片會(huì)自動(dòng)演示于“原圖框下；單擊“選取對(duì)焦窗口按鈕，在“原圖框內(nèi)的圖片上，選取完成了對(duì)焦窗口的選取工作，效果如圖4.3。圖4.3對(duì)焦窗口選取效果圖示于相應(yīng)的顯示框中，效果如圖4.4。圖4.4單步邊緣檢測(cè)算子處理效果圖圖像，利用本軟件進(jìn)行自動(dòng)演示處理?！弊鳛橹谱髑逦日劬€圖的數(shù)據(jù)。23Sobel算子、Robert算子、Prewitt算子和Canny算子的結(jié)果都顯示出來(lái)，效果如圖4.5。圖4.5組圖自動(dòng)演示效果圖4.3實(shí)時(shí)自動(dòng)對(duì)焦檢測(cè)界面基于上述離線檢測(cè)軟件，再開(kāi)發(fā)出實(shí)時(shí)自動(dòng)對(duì)焦檢測(cè)系統(tǒng)軟件。本設(shè)計(jì)是基于1394清晰狀態(tài)，用戶(hù)可以停止調(diào)焦，保持當(dāng)前狀態(tài)即可得到最佳質(zhì)量的圖片。下面以圖片形式介紹該軟件：圖4.6實(shí)時(shí)自動(dòng)對(duì)焦檢測(cè)效果1如圖4.6所示，其清晰度曲線圖展示了整個(gè)檢測(cè)流程中清晰度評(píng)價(jià)值的變化，其可以認(rèn)為當(dāng)前對(duì)焦情況最為理想。圖4.7實(shí)時(shí)自動(dòng)對(duì)焦檢測(cè)效果2如圖4.7所示，其清晰度曲線出于低值的階段，說(shuō)明當(dāng)前圖像的對(duì)焦情況并不理想。結(jié)論本文通過(guò)研究自動(dòng)對(duì)焦技術(shù)中的理論和應(yīng)用，重點(diǎn)探討了各種圖像清晰度評(píng)段。論文的主要工作總結(jié)如下：241.自動(dòng)對(duì)焦技術(shù)的發(fā)展對(duì)光電機(jī)一體化、自動(dòng)化行業(yè)都有重要的現(xiàn)實(shí)意義。本文的緒論章節(jié)中，都表明了研究自動(dòng)對(duì)焦技術(shù)的重要性和必要性2.3.基于信息熵的評(píng)價(jià)方法。但上述各方法都有一定缺陷。4.響等等問(wèn)題，由此分別詳細(xì)分析了Sobel、Robert、Prewitt以及Canny這靠地邊緣數(shù)據(jù)，去除了一些干擾，再進(jìn)行下一步處理。5.Sobel算子、Robert算子、Prewitt算子和CannyRobert算子在整體處理速度和低噪聲25使用Sobel算子或Prewitt準(zhǔn)差的數(shù)值小，則代表圖像對(duì)焦模糊。6.即可采集到對(duì)焦最清晰的圖像。隨著光電機(jī)一體化技術(shù)、數(shù)字圖像處理技術(shù)等等技術(shù)研究的發(fā)展和提高，以后自動(dòng)對(duì)焦技術(shù)一定會(huì)向高效、通用、簡(jiǎn)便的方向發(fā)展。相信隨著國(guó)家對(duì)科學(xué)發(fā)展的投入加大、國(guó)內(nèi)研究對(duì)自動(dòng)對(duì)焦技術(shù)的關(guān)注加深，以及社會(huì)各界的努力，我國(guó)的自動(dòng)對(duì)焦技術(shù)一定會(huì)取得偉大的成就。參考文獻(xiàn)[1]李林.應(yīng)用光學(xué)[M].北京：北京理工大學(xué)出版社，2010[2]劉鈞，高明.光學(xué)設(shè)計(jì)[M].西安：西安電子科技大學(xué)出版社，2006[3]陳天華.數(shù)字圖像處理[M].北京：清華大學(xué)出版社，2007[4]阮秋琦.數(shù)字圖像處理學(xué)[M].北京：電子工業(yè)出版社，200126[5]張錚，薛桂香，顧澤蒼.數(shù)字圖像處理與機(jī)器視覺(jué)[M].北京：人民郵電出版社，2010[6]郝志峰，謝國(guó)瑞，汪國(guó)強(qiáng).概率論與數(shù)理統(tǒng)計(jì)[M].2009[7]CarstenSteger，MarkusUlrich，ChristianWiedemann，楊少榮.MachineVisionAlgorithmsandApplications[M].北京：清華大學(xué)出版社，2008[8]李奇.數(shù)字自動(dòng)對(duì)焦技術(shù)的理論及實(shí)現(xiàn)方法研究[D].2004[9]王虎.自動(dòng)對(duì)焦原理及方法[D].青島：中國(guó)海洋大學(xué)，2008[10]蔣婷.基于圖像處理的自動(dòng)對(duì)焦理論和技術(shù)研究[D].2008致謝首先，衷心感謝一直指導(dǎo)我撰寫(xiě)畢業(yè)論文的雷亮老師！從選題到開(kāi)題報(bào)告，再到論文大綱和實(shí)驗(yàn)，甚至是論文撰寫(xiě)過(guò)程中的每一個(gè)細(xì)節(jié)，雷老師由始至終都以其嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、精益求精的工作精神，耐心仔細(xì)地指導(dǎo)我整個(gè)畢業(yè)論文的撰寫(xiě)工作。在整個(gè)撰寫(xiě)的過(guò)程中，雷老師不僅向我傳授了豐富溫故而知新。同時(shí)，雷老師還引導(dǎo)我掌握科學(xué)的人生觀和世界觀，讓我感悟到大學(xué)精神所在，使我在大學(xué)生活的最后這段時(shí)間受益匪淺。大學(xué)畢業(yè)設(shè)計(jì)以及論文撰寫(xiě)，這是一名大學(xué)生在大學(xué)階段最后一次考核和學(xué)習(xí)。感謝學(xué)校各位領(lǐng)導(dǎo)和老師組織開(kāi)展這項(xiàng)工作，這既是一次全面而深入的考核，讓我們重新鞏固所學(xué)的知識(shí)，又是一次寶貴的學(xué)習(xí)機(jī)會(huì)，將理論27知識(shí)結(jié)合自己的思想，再應(yīng)用到實(shí)踐中去，做到學(xué)以致用?？偨Y(jié)我的畢業(yè)論文工作，在一定程度上，讓我反省了這四年學(xué)習(xí)生涯的所得所失，讓我感悟到實(shí)事求是、踏實(shí)學(xué)習(xí)、踏實(shí)工作、踏實(shí)做人的重要性，積累了不少人生經(jīng)驗(yàn)，為之后步入社會(huì)工作打下堅(jiān)實(shí)的基礎(chǔ)。最后，再次衷心感謝各位領(lǐng)導(dǎo)、指導(dǎo)老師以及同學(xué)的關(guān)心和幫助！附錄A關(guān)鍵程序源代碼voidMyHalconCtrl::Sobel(HobjecthoImage,Hobject*hoImageSobel,Hobject*hoROI,double*dMean,double*dDeviation){HTuplehtWidth,htHeight,Row1,Row2,Column1,Column2;HTuplehtMean,htDeviation;HobjectImageReduced;HobjectImageGray,ImageResult;get_image_size(hoImage,&htWidth,&htHeight);rgb3_to_gray(hoImage,hoImage,hoImage,&ImageGray);smallest_rectangle1(*hoROI,&Row1,&Column1,&Row2,&Column2);reduce_domain(ImageGray,*hoROI,&ImageReduced);paint_region(*hoROI,ImageGray,&ImageResult,0,"fill");sobel_amp(ImageReduced,hoImageSobel,"sum_abs",3);intensity(*hoROI,*hoImageSobel,&htMean,&htDeviation);paint_gray(*hoImageSobel,ImageResult,hoImageSobel);*dMean=htMean[0].D();28*dDeviation=htDeviation[0].D();}voidMyHalconCtrl::Roberts(HobjecthoImage,Hobject*hoImageRoberts,Hobject*hoROI,double*dMean,double*dDeviation){HTuplehtWidth,htHeight,Row1,Row2,Column1,Column2;HTuplehtMean,htDeviation;HobjectImageReduced;HobjectImageGray,ImageResult;get_image_size(hoImage,&htWidth,&htHeight);rgb3_to_gray(hoImage,hoImage,hoImage,&ImageGray);smallest_rectangle1(*hoROI,&Row1,&Column1,&Row2,&Column2