計算機視覺一元硬幣直徑尺寸的測量

1、燕山大學(xué)課 程 設(shè) 計 說 明 書題目： 一元硬幣直徑尺寸的測量 學(xué)院（系）： 電氣工程學(xué)院 年級專業(yè)： 12級精密儀器及機械 學(xué) 號： 學(xué)生姓名： 指導(dǎo)教師： 教師職稱： 副教授 電氣工程學(xué)院課程設(shè)計任務(wù)書課程名稱： 計算機視覺 基層教學(xué)單位：儀器科學(xué)與工程系 指導(dǎo)教師： 學(xué)號學(xué)生姓名（專業(yè)）班級 設(shè)計題目一元硬幣直徑尺寸的測量*設(shè)計技術(shù)參數(shù)自行拍攝“一元硬幣”圖像、自行設(shè)計軟件流程，配置相關(guān)參數(shù)，設(shè)計演示界面，實現(xiàn)一元硬幣直徑尺寸的測量。設(shè)計要求(1) 利用matalb軟件編寫相關(guān)程序；(2)撰寫課程設(shè)計報告，報告內(nèi)容應(yīng)包含一元硬幣直徑尺寸測量的應(yīng)用價值、算法原理、程序流程和本人的主要工作

2、；報告其他內(nèi)容詳見模板。參考資料課程教材數(shù)字圖像處理 matlab版rafael c. gonzalez著，阮秋琦等譯精通matlab gui設(shè)計 第三版陳垚光 等著matlab軟件相關(guān)參考書校園網(wǎng)圖書館期刊網(wǎng)論文資料周次前半周后半周應(yīng)完成內(nèi)容明確任務(wù)分工、搜集資料，總體設(shè)計，編寫程序； 調(diào)試程序、撰寫報告，準(zhǔn)備答辯用ppt；指導(dǎo)教師簽字基層教學(xué)單位主任簽字說明：1、此表一式四份，系、指導(dǎo)教師、學(xué)生各一份，報送院教務(wù)科一份。 2、學(xué)生那份任務(wù)書要求裝訂到課程設(shè)計報告前面。電氣工程學(xué)院 教務(wù) 摘要這些年來，基于計算機視覺的尺寸測量方法技術(shù)已經(jīng)深入到各行各業(yè)，實現(xiàn)了高精度測量，及微小物體測量。它融

3、入了各個學(xué)科的能源技術(shù)，成為了一門綜合性的現(xiàn)代測量技術(shù)學(xué)科。將物體看作是一幅圖像來獲得物體的尺寸信息，依靠視覺來采集圖像信息是基于計算機視覺的尺寸測量主要研究的過程。本設(shè)計主要以“一元硬幣”圖像為實例進行視覺測量，并且通過圖像灰度化、二值化以及圖像邊緣檢測來獲取一元硬幣直徑的實際尺寸。基于計算機視覺的尺寸測量，關(guān)鍵步驟是對圖像的數(shù)字化處理，本文通過matlab程序計算，完成對指定圖像的處理。主要研究內(nèi)容有一元硬幣直徑尺寸測量的應(yīng)用價值、算法原理和程序流程，較系統(tǒng)的闡述并完成了一元硬幣的直徑尺寸測量。通過對圖像處理算法的分析，利用matlab程序，實現(xiàn)圖像預(yù)處理和像素邊緣檢測。深入分析圖像數(shù)據(jù)處

4、理技術(shù)，提高計算速度和計算精度。關(guān)鍵詞：計算機視覺尺寸測量圖像處理邊緣檢測第 0 頁 共 22 頁目錄摘要1目錄2第1章 緒論31.1研究背景及意義31.2應(yīng)用價值31.3課程概述3第2章 尺寸測量方案42.1測量流程設(shè)計42.2軟件開發(fā)工具42.3圖像獲取及預(yù)處理4第3章 圖像預(yù)處理53.1圖像的灰度轉(zhuǎn)換51.直接灰度變換52.灰度直方圖63.圖像的二值化73.2圖像的濾波去噪；71.均值濾波器72.自適應(yīng)維納濾波器83.中值濾波器84.小波去噪93.4圖像的邊緣檢測；103.5基于hough變換的圓檢測算法11第4章 實驗結(jié)果與分析124.1測量系統(tǒng)的標(biāo)定124.2尺寸測量的數(shù)據(jù)與分析13

5、4.3尺寸測量的誤差分析134.3減小誤差的方法13第5章 總結(jié)14參考文獻：14附錄：15第1章 緒論1.1研究背景及意義硬幣，是世界范圍內(nèi)最常用的流通貨幣之一，它以其堅固耐磨損、便于交易、攜帶方便和成本低等優(yōu)點，廣泛應(yīng)用在公共交通、商業(yè)及其他各種投幣自動售貨機。同時，在經(jīng)濟較為發(fā)達的國家和地區(qū)，小面額硬幣化已是今后的發(fā)展趨勢。因此如何將硬幣進行快速有效的區(qū)分識別，已經(jīng)成為國內(nèi)外急需解決的問題。目前，計算機視覺方式已經(jīng)成為實現(xiàn)產(chǎn)品準(zhǔn)確測定的最佳選擇，具有十分廣闊的市場前景。它在測定的過程中，不需要與被測產(chǎn)品進行接觸，有著無與倫比的優(yōu)勢。該方法不致于使被測產(chǎn)品出現(xiàn)絲毫的損害，無接觸，時效性強、

6、受外界影響小，精確性好，可大規(guī)模進行等。因此，基于計算機視覺的硬幣識別，實現(xiàn)硬幣的自動快速分揀技術(shù)已是是研究的一大熱點。國內(nèi)關(guān)于硬幣清分的研究也處于試驗階段，開發(fā)出有效的硬幣區(qū)分識別設(shè)備，不僅會帶來可觀的經(jīng)濟效益和產(chǎn)生很好的社會效益，還可能提高硬幣清分的國際競爭力。1.2應(yīng)用價值雖然對于計算機視覺這一技術(shù)的探討從六十年代就已經(jīng)開始，然而，直至幾十年后，這一技術(shù)才真正地步入迅猛發(fā)展的階段，并逐步得到科研領(lǐng)域的重視，成為眾人爭相探究的熱門領(lǐng)域。實現(xiàn)尺寸測量的方法很多，但大多數(shù)測量重復(fù)性、高效性和魯棒性不高。事實表明，基于計算機視覺技術(shù)的尺寸測量具有良好的連續(xù)性和高精度，大大提高了工業(yè)在線測量的實時

7、性和準(zhǔn)確性，同時生產(chǎn)效率和產(chǎn)品質(zhì)量控制也得到明顯提升。1.3課程概述計算機視覺系統(tǒng)具有測量功能，能夠自動測量產(chǎn)品的外觀尺寸，比如外形輪廓、孔徑、高度、面積等尺寸的測量。尺寸測量無論是在產(chǎn)品的生產(chǎn)過程中，還是產(chǎn)品生產(chǎn)完成后的質(zhì)量檢驗中都是必不可少的步驟，而計算機視覺在尺寸測量方面有其獨特的技術(shù)優(yōu)勢。以計算機視覺為依托的尺寸測量方法中比較關(guān)鍵的環(huán)節(jié)是對圖像的處理。在這個環(huán)節(jié)中，因為采集設(shè)備或者傳導(dǎo)媒介等方面存在的不足，會產(chǎn)生不同程度的噪音問題，使得所得的圖像丟掉了關(guān)鍵的信息，進而影響圖像的呈現(xiàn)效果。因此，對收集到的產(chǎn)品圖像做進一步的優(yōu)化，是這種方法中最為關(guān)鍵的一個步驟。第2章 尺寸測量方案2.1測

8、量流程設(shè)計尺寸測量大體包括產(chǎn)品的圖像收集、圖像預(yù)處理以及尺寸測量3個步驟，其中比較關(guān)鍵的環(huán)節(jié)是對圖像的處理。對收集到的產(chǎn)品圖像做進一步的優(yōu)化，提取圖片中的關(guān)鍵數(shù)據(jù)，然后經(jīng)過簡單處理得到預(yù)期結(jié)果。本文用較為專業(yè)的工程軟件matlab來進行圖像處理，圖像預(yù)處理的大體流程可簡化為：1 灰度轉(zhuǎn)化；2 濾波去噪；3 二值化處理；4 邊緣檢測。圖像經(jīng)過數(shù)字化處理后，只能得到一個像素值，找到真實尺寸值與像素值之間的一個比例關(guān)系，把以像素為單位的尺寸轉(zhuǎn)換為以毫米為單位的尺寸，即為系統(tǒng)標(biāo)定過程。2.2軟件開發(fā)工具matlab也叫作矩陣實驗室，是math works企業(yè)生產(chǎn)的一款高性能的可視化科學(xué)計算軟件，其包含

9、圖像處理、訊息傳導(dǎo)、系統(tǒng)鑒定、歸納計算等三十多種有著不同特性的工具箱，均是業(yè)內(nèi)高權(quán)威人士親自參與設(shè)計的，不用依賴于任何的程序，就能夠方便快捷地使用。此外，工具箱里的函數(shù)源程序都不是保密的，大部分為m類型的文件，用戶只需根據(jù)相應(yīng)文件的代碼就可以進行更改。matlab有著卓越的數(shù)據(jù)處理能力，它是一種用于矩陣計算、算法研究、數(shù)據(jù)剖析以及圖像處理的高級計算機語言。其內(nèi)部存在著覆蓋全面的函數(shù)公式，和便捷的與其他軟件間進行數(shù)據(jù)交換的功能。本文研究利用了matlab中的圖像處理、工程計算以及數(shù)據(jù)歸納等，對實際測定工作中得到的產(chǎn)品圖像加以處理，從而產(chǎn)生優(yōu)質(zhì)的圖像。進而得到實驗所要求的數(shù)據(jù)，并對這些數(shù)據(jù)進行分析

10、處理。2.3圖像獲取及預(yù)處理根據(jù)課設(shè)要求及現(xiàn)有條件，圖像是預(yù)先拍攝好的不同的“一元硬幣”圖像，然后利用matlab軟件進行處理，最終得出一元硬幣的直徑尺寸。提前拍攝的圖像如下：一元硬幣圖像 根據(jù)設(shè)計要求，因基于計算機視覺的尺寸測量需要系統(tǒng)標(biāo)定，因此在拍攝圖像時加入了標(biāo)準(zhǔn)件id卡，在處理圖像時先進行分割進行局部處理，id卡的標(biāo)準(zhǔn)規(guī)格是。第3章 圖像預(yù)處理3.1圖像的灰度轉(zhuǎn)換圖像灰度變換的目的是為了改善畫質(zhì)，有選擇地突出圖像中感興趣的特征或者抑制圖像中某些不需要的特征，使圖像顯示效果更加清晰，與視覺響應(yīng)特性相匹配。灰度轉(zhuǎn)換過程是把初始圖像里的各個像素的灰度值，依據(jù)特定的轉(zhuǎn)換原理，變?yōu)椴煌幕叶戎祩?/p>

11、送，從而實現(xiàn)顯化圖像的效果。用公式表示從像素到像素的變換為：其中f()稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系。1.直接灰度變換直接灰度變換屬于所有圖像增強技術(shù)中最簡單的一類，最常用的方法有以下幾種：圖像求反，對數(shù)變換，灰度切割，位圖切割和灰度的線性變換。2.灰度直方圖灰度直方圖定義為灰度值的函數(shù)，描述的是圖像中具有該灰度值的像素的個數(shù)，其橫坐標(biāo)表示像素的灰度級別，縱坐標(biāo)是該灰度出現(xiàn)的頻率。其代表的是圖像的灰度級詳情，反映了圖像里的任一個灰度級和它的存在數(shù)量之間的關(guān)系，該圖具有顯著的統(tǒng)計學(xué)意義，呈現(xiàn)了特定圖像的灰度級布局趨勢。直方圖處理方法通常分兩種：直方圖均衡化：實質(zhì)是

12、減少圖像的灰度級以換取對比度的擴大，它的結(jié)果是唯一的，就是根據(jù)灰度信息，自動增強整個圖像的對比度。它的核心理念是對初始圖像的像素灰度值加以修整，把圖像上像素點偏多的灰度級加以強化，同時把圖像里像素點偏少的灰度級加以弱化，將初始的不規(guī)則的直方圖優(yōu)化為均勻的布局，實現(xiàn)任意灰度級都占據(jù)等量的像素點；直方圖規(guī)定化：均衡化處理的優(yōu)勢在于可以提高圖像的對比度，但這種方法存在的問題是，對于其均衡化的程度很難把握，通常情況下均衡化的操作范圍不能鎖定到某個局部，只能是對整個對象的處理。在進行具體操作時，某些情況下需要改變直方圖的原有形態(tài)，從而達到有針對性的提高特定灰度值跨度的對比度。相當(dāng)于建立了一個灰度級別的固

13、定模式，所有圖像進入后，都會以同一種灰度直方圖的狀態(tài)顯示出來。 3.圖像的二值化在圖像分析中，從圖像中將某個特定區(qū)域與其他部分進行分離并提取出來的處理過程就是圖像分割，又被稱為圖像的二值化。它的原理是通過選擇合理的閾值，掃描整個圖像的所有像素，將像素的灰度值與該閾值作比較，像素灰度大于閾值的，則該像素標(biāo)記為1(或0)，否則標(biāo)記為0(或1)，掃描完整個圖像后，就得到了一幅僅含有0和1兩種值的圖像，這就是二值圖像。分別對經(jīng)過不同灰度變換的上文圖像進行自動閥值二值化，效果如下，經(jīng)過對比，經(jīng)過對數(shù)變換的圖像再進行自動閥值二值化效果更好。3.2圖像的濾波去噪；圖像去噪是數(shù)字圖像處理中的重要環(huán)節(jié)和步驟。去

14、噪效果的好壞直接影響到后續(xù)的圖像處理工作。圖像信號在產(chǎn)生、傳輸過程中都可能會受到噪聲的污染，一般數(shù)字圖像系統(tǒng)中的常見噪聲主要有：椒鹽噪音：指的是偶然產(chǎn)生的黑白亮度值，是實際操作中最常遇到的一類噪音；高斯噪音：指的是產(chǎn)生的亮度符合高斯分布或者是正態(tài)分布的噪音；斑點噪聲：指的是僅包括偶然產(chǎn)生的白亮度值或是黑亮度值，在圖像上表現(xiàn)為信號相關(guān)的小斑點。目前比較經(jīng)典的圖像去噪算法主要有以下三種：均值濾波，中值濾波和wiener維納濾波。1.均值濾波器也稱線性濾波，主要思想為鄰域平均法，即用幾個像素灰度的平均值來代替每個像素的灰度，適用于去除通過掃描得到的圖像中的顆粒噪聲。領(lǐng)域平均法由于平均會引起模糊現(xiàn)象，

15、模糊程度與領(lǐng)域半徑成正比。幾何均值濾波器所達到的平滑度可以與算術(shù)均值濾波器相比，但在濾波過程中會丟失更少的圖象細節(jié)。諧波均值濾波器對“鹽”噪聲效果更好，但是不適用于“胡椒”噪聲。它善于處理像高斯噪聲那樣的其他噪聲。先以領(lǐng)域大小為變量對圖像進行除燥，效果如下：2.自適應(yīng)維納濾波器wiener維納濾波使原始圖像和其恢復(fù)圖像之間的均方誤差最小的復(fù)原方法，是一種自適應(yīng)濾波器，根據(jù)局部方差來調(diào)整濾波器效果。對于去除高斯噪聲效果明顯。它能根據(jù)圖象的局部方差來調(diào)整濾波器的輸出，局部方差越大，濾波器的平滑作用越強。該方法的濾波效果比均值濾波器效果要好，對保留圖像的邊緣和其他高頻部分很有用，不過計算量較大。維納

16、濾波器對具有白噪聲的圖象濾波效果最佳。3.中值濾波器它是一種常用的非線性平滑濾波器，其基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個領(lǐng)域中各點值的中值代換其主要功能是讓周圍象素灰度值的差比較大的像素改取與周圍的像素值接近的值，從而可以消除孤立的噪聲點，所以中值濾波對于濾除圖像的椒鹽噪聲非常有效。中值濾波器可以做到既去除噪聲又能保護圖像的邊緣，從而獲得較滿意的復(fù)原效果，而且，在實際運算過程中不需要圖象的統(tǒng)計特性，這也帶來不少方便，但對一些細節(jié)多，特別是點、線、尖頂細節(jié)較多的圖象不宜采用中值濾波的方法。4.小波去噪這種方法保留了大部分包含信號的小波系數(shù)，因此可以較好地保持圖象細節(jié)。小波去噪方

17、法包括三個基本的步驟：對含噪聲信號進行小波變換；對變換得到的小波系數(shù)進行某種處理，以去除其中包含的噪聲；對處理后的小波系數(shù)進行小波逆變換，得到去噪后的信號。小波去噪方法的不同之處集中在第一步。常規(guī)濾波算法的仿真對比如下，經(jīng)過對比，中值濾波的方法，對存在類似椒鹽噪聲的灰度處理后圖像效果更好。3.4圖像的邊緣檢測；圖像的邊緣是圖像的基本特征之一，也是硬幣直徑尺寸測量的依據(jù)，其邊緣檢測的精確程度直接影響尺寸測量的精度。由于邊緣是圖像中所要提取的背景和目標(biāo)的分界線，所以只有提取出了邊緣才能將背景和目標(biāo)區(qū)分開來。因此，圖像的邊緣檢測是一種很重要的圖像預(yù)處理。邊緣檢測主要包括五種方法，分別是羅伯特（rob

18、erts）邊緣算子，索貝爾（sobel）邊緣算子，prewitt邊緣算子，高斯-拉普拉斯（log）邊緣算子和canny邊緣算子。下面分別介紹這幾種傳統(tǒng)的邊緣檢測方式。roberts邊緣確定方法操作過程方便，邊界檢測的可信度很好，然而很容易受到噪音的影響，這種方法比較擅長于邊界比較明確的或者噪音所占比重比較小的圖像噪聲少的圖像邊界的確定。sobel邊界確定方法可以在一定程度上削減噪音的影響，從而得到可信度比較高的邊界確定結(jié)果。然而，這種方法雖然有效抵制噪音的影響，也使得操作的過程更復(fù)雜，此外還可能鎖定虛假的邊界，降低準(zhǔn)確性。若是對邊界確定的工作不需要特別的準(zhǔn)確，就能夠采取sobel方式。prew

19、itt邊界測定方式可以有效的削減噪音的干擾，然而邊界確定的可信度較低，圖像的一些重要的邊界訊號經(jīng)常會丟失掉。prewitt方式受外界環(huán)境的影響一般比較小，然而，不足之處在于其邊界檢測的準(zhǔn)確性沒有roberts方式好。log邊界確定方式所能感知的邊界信息更全面，可信度更高，然而常常會受到噪音的影響，最終導(dǎo)致非真實邊界的混入。canny邊緣檢測算子是基于最優(yōu)化思想提出的邊緣檢測算子，它利用高斯函數(shù)對圖像進行平滑處理，因此具有較強的抑制噪聲能力。而且canny算子的邊緣定位也比較精確，而且還能濾除較多的虛假邊緣，從而很好的保留圖像的邊緣信息。但是，該算子的計算時間較長，實時性差，它也會將一些高頻邊緣

20、平滑掉，造成邊緣丟失。因此，本次設(shè)計針對所具有的圖像，采用roberts邊緣檢測算法。3.5基于hough變換的圓檢測算法hough轉(zhuǎn)化的核心理念是把圖形概念轉(zhuǎn)化為規(guī)格概念，根據(jù)多數(shù)邊界點普遍符合的規(guī)格特征去確定圖形里的曲線。然后利用累加儀加以處理，算出的峰值所代表的點即為目標(biāo)的訊息。圓進行了hough轉(zhuǎn)化之后在規(guī)格背景下是立體的，所以要在規(guī)格背景下產(chǎn)生一組立體的累加數(shù)a(a， b， r)，將圖形背景下所有的邊界坐標(biāo)計算后把a加以累積。規(guī)范的hough轉(zhuǎn)化確定圓的操作過程是：1)在規(guī)格背景下產(chǎn)生一組立體的累加儀數(shù)值，其中的任意坐標(biāo) (a，b，r)代表了規(guī)格離散值。2)對圖形背景下的圓邊界經(jīng)過確

21、定，依靠臨界值得到邊緣。然后計算和邊界上的任意點像素相距r的全部坐標(biāo)(a，b)，在把(a，b，r)的累加儀加一。換用不同的r再進行該步驟，最終將所有邊界坐標(biāo)進行轉(zhuǎn)化。3)將立體數(shù)組的所有累加儀的值加以測定，所得峰值代表了圖形背景下圓的半徑以及中心。以上過程是以hough轉(zhuǎn)化為依據(jù)的圓的確定方式，因此測定結(jié)果的可信度非常高，然而規(guī)范的hough轉(zhuǎn)化的圓的確定方式工作量太過繁重，所有邊界坐標(biāo)代表了規(guī)格背景下的相應(yīng)曲面，因為映射的模式是一對多，所需的存儲面積會很多。經(jīng)hough變換后得到上圖標(biāo)定圖像，測得的圓半徑為：68像素值。第4章 實驗結(jié)果與分析4.1測量系統(tǒng)的標(biāo)定基于計算機視覺的測量系統(tǒng)，完成

22、圖像采集、圖像處理及尺寸測量后還需要進行系統(tǒng)的標(biāo)定。因為計算出的的尺寸值，并非真實的毫米制的實際尺寸，而只是一個像素值。所以需要對計算機視覺系統(tǒng)進行標(biāo)定，找到真實尺寸值與像素值之間的一個比例關(guān)系，把以像素為單位的尺寸轉(zhuǎn)換為以毫米為單位的尺寸。計算機視覺系統(tǒng)的標(biāo)定具體的步驟如下：1 選取一個尺寸己知的標(biāo)準(zhǔn)物體作為標(biāo)定工件，并測量其實際尺寸。本文選用圓環(huán)，測量得圓環(huán)的尺寸為（以毫米為單位）。2 將標(biāo)定工件放置于測量系統(tǒng)上進行測量，在測量系統(tǒng)處于正常的工作狀態(tài)下測量其以像素為單位的尺寸。即物體與相機的相對位置保持不變的情況下，測量得圓環(huán)的尺寸為（以像素為單位）。3 按照公式 來計算系統(tǒng)的標(biāo)定系數(shù)。則

23、物體的實際尺寸=物體的像素個數(shù)*標(biāo)定系數(shù)，即：。按照系統(tǒng)標(biāo)定的步驟，先對標(biāo)準(zhǔn)件進行圖像預(yù)處理，得到濾波后的二值化圖像，如下圖。然后對二值化圖像每行求和得到一個與圖像行數(shù)相同的一維數(shù)組，找出其中最大的100個數(shù)求平均數(shù)，得到標(biāo)準(zhǔn)件寬度的像素尺寸292.6600。由已知標(biāo)準(zhǔn)id卡的長*寬尺寸為：85.60mm*53.98mm，可求出標(biāo)定系數(shù)為n=0.1844。4.2尺寸測量的數(shù)據(jù)在進行系統(tǒng)的標(biāo)定以后，為了檢驗該尺寸測量的準(zhǔn)確度，本文對“一元硬幣”進行了多組測量。數(shù)據(jù)如表所示：標(biāo)準(zhǔn)件長度標(biāo)準(zhǔn)件像素尺寸硬幣像素尺寸硬幣直徑53.98mm292.660013625.0847mm 53.98mm290.4

24、70013224.9849mm 53.98mm299.300013425.0629mm 53.98mm315.990013925.0648mm 53.98mm333.850014324.8349mm 4.3尺寸測量的誤差分析根據(jù)上文的研究計算，雖然測量誤差己經(jīng)減小到幾乎可以忽略的程度，但仍是無法完全消除的。所以應(yīng)深入分析誤差產(chǎn)生的原因和研究改進的辦法，以此提高測量水平和測量精度。經(jīng)過分析，一元硬幣直徑尺寸的測量誤差主要有機械誤差和環(huán)境誤差。機械誤差：由于攝像機的制造和設(shè)計水平所限制，透鏡對入射光線的折射誤差等因素都會引起幾何失真，使理論像點與目標(biāo)像點之間存在多種類型的幾何畸變。若在圖像拍攝時存

25、在不垂直的情況，則會引入人為誤差。而且在選取器件時，應(yīng)盡量選取高質(zhì)量的器件。環(huán)境誤差1）振動的影響。攝像機和被測物體的微小振動，都可能使圖像失真，從而引起大的誤差。因此，該測量系統(tǒng)要在較為安靜的環(huán)境下進行測量，以減弱外界振動的影響。2）溫度的影響。由于攝像設(shè)備主要由電子器件構(gòu)成，則溫度的變化對系統(tǒng)的性能也有較大的影響。因此，應(yīng)采取一定的措施保證周圍溫度的恒定。3）照明光源的發(fā)光不穩(wěn)定的影響。由于照明光源（如陽光、燈光等）的發(fā)光不穩(wěn)定，可能會引起輸入信號的改變，因此，可采用遮光罩等辦法來減少發(fā)光不穩(wěn)定的照明光源的影響。4）測量系統(tǒng)的周圍工作環(huán)境下的空氣濕度、磁場、電場等對該系統(tǒng)的影響雖然存在，但

26、可忽略不計。4.3減小誤差的方法1）減震隔離方法。如可將硬幣放置于氣動隔震平臺上，以減小外界的振動對測量的影響。2）選用具有良好的溫度特性的攝像機，以保證系統(tǒng)在較恒定的環(huán)境溫度下進行測量，并使零件在同一溫度下進行系統(tǒng)標(biāo)定和測量，以減小溫度不均衡對測量的影響。3）選用高分辨率的攝像機，以提高測量系統(tǒng)的測量精度，以減小器件在安裝調(diào)整時造成的機械誤差。而且選用高調(diào)節(jié)精度的工作臺也有利于減小誤差。4）因鏡頭畸變而導(dǎo)致的圖像非線性畸變。可以通過在圖像坐標(biāo)系中建立非線性畸變模型，來減小誤差。5）對硬幣的前期處理。應(yīng)注意硬幣的放置和清潔，避免因零件的放置不正和清潔不當(dāng)而產(chǎn)生誤差。第5章 總結(jié)伴隨著我國工業(yè)制

27、造行業(yè)的飛速發(fā)展，以計算機視覺為依據(jù)的測量方式已受到各界研究者的青睞。它以其能夠進行在線測定，工作效率高，可信度也很好，并且不容易受到外界因素的影響等優(yōu)點，使得產(chǎn)品測定的過程更加方便快捷，最大限度的降低誤差，避免人工測量的速度以及測量位置的局限。計算機視覺測量方法對圖像的效果有嚴格的標(biāo)準(zhǔn)，闡述了計算機視覺測量過程中的數(shù)字圖像處理方式，主要涵蓋了灰度轉(zhuǎn)化、圖像濾波、圖像邊界測定方法等。本文以matlab為背景，介紹了圖像加工以及尺寸測量的具體細節(jié)，得到了相應(yīng)的測定數(shù)據(jù)。雖然已經(jīng)達到了預(yù)期的目的，能夠較好的完成硬幣直徑的尺寸測量，但還存在以下幾個方面的問題有待進一步解決：1） 在一幅圖像中，只能對

28、單一的圓的特征進行測定；2） 不能完全滿足實時在線的測量，需要先獲取圖像，再導(dǎo)入到matlab中進行處理?；谟嬎銠C視覺的硬幣直徑測量方式還存在著較大的提升空間，應(yīng)該創(chuàng)立覆蓋全面的計算機視覺函數(shù)集，優(yōu)化該系統(tǒng)的軟件裝置。參考文獻：1 陳垚光 等著精通matlab gui設(shè)計（第三版）電子工業(yè)出版社，2013.8；2 rafael c. gonzalez著數(shù)字圖像處理阮秋琦等譯（matlab版）電子工業(yè)出版社，2005；附錄：1、 灰度變換function=huidu()i=imread(c:userssuiyinlidesktop計算機視覺硬幣9.jpg);i0 = rgb2gray(i);i

29、1=histeq(i0);%均衡化subplot(1，4，1)，imshow(i0);title(原始圖像);subplot(1，4，2)，imshow(i1);title(均衡化后圖像);subplot(1，4，3)，imhist(i0，64);title(原始圖像直方圖);subplot(1，4，4)，imhist(i1，64);title(均衡化后直方圖);i2=mat2gray(i);i3=log(i2+1);%對數(shù)變換i4=imcomplement(i2);%反色變換figuresubplot(1，3，1);imshow(i2);title(原始圖像);subplot(1，3，2);

30、imshow(i3);title(對數(shù)變換后的圖像)subplot(1，3，3);imshow(i4);title(反色變換后的圖像)figure%二值化subplot(1，4，1);imshow(im2bw(i0，0.5);title(原始圖像二值化);subplot(1，4，2);imshow(im2bw(i1，0.5);title(均衡化后二值化);subplot(1，4，3);imshow(im2bw(i4，0.5);title(反色變換后二值化);subplot(1，4，4);imshow(im2bw(i3，0.5);title(對數(shù)變換后二值化);imwrite(im2bw(i3，

31、0.5)，c:userssuiyinlidesktop計算機視覺灰度變換后圖像.jpg);2、 濾波去噪function=lbzaosheng()i=imread(c:userssuiyinlidesktop計算機視覺灰度變換后圖像.jpg);i2=filter2(fspecial(average，3)，i)/255;%均值濾波i3= medfilt2(i);%中值濾波i4=wiener2(i，3 3);%維納濾波thr，sorh，keepapp = ddencmp(den，wv，im2double(i);%產(chǎn)生圖像的默認閾值i5 = wdencmp(gbl，im2double(i)，sym2

32、，2，thr，sorh，keepapp);%對圖像進行小波去噪figuresubplot(1，5，1);imshow(i);title(原始圖像);subplot(1，5，3);imshow(i2);title(均值濾波后的圖像);subplot(1，5，4);imshow(i3);title(中值濾波后的圖像);subplot(1，5，5);imshow(i4);title(維納濾波后的圖像);subplot(1，5，2);imshow(i5);title(小波去噪后的圖像);imwrite(i3，c:userssuiyinlidesktop計算機視覺濾波去噪后圖像.jpg);3、 邊緣檢測

33、function=bianyuan()i=imread(c:userssuiyinlidesktop計算機視覺濾波去噪后圖像.jpg);figuresubplot(2，3，1);imshow(i);title(原始圖像);bw1=edge(i，canny);subplot(2，3，2);imshow(bw1);title(canny);bw2=edge(i，log);subplot(2，3，3);imshow(bw2);title(log);bw3=edge(i，sobel);subplot(2，3，4);imshow(bw3);title(sobel);bw4=edge(i，roberts)

34、;subplot(2，3，5);imshow(bw4);title(roberts);bw5=edge(i，prewitt);subplot(2，3，6);imshow(bw5);title(prewitt);imwrite(bw4，c:userssuiyinlidesktop計算機視覺邊緣檢測后圖像.jpg);4、hough變換function=hough()close alli=imread(c:userssuiyinlidesktop計算機視覺邊緣檢測后圖像.jpg);r，c=size(i);rmax=90;%為簡化運算限定區(qū)域rmin=50;pl=zeros(r，c，rmax-rmin+1);for rad=rmin: