專業(yè)綜合訓練說明書--電極材料表面缺陷檢測

1、專業(yè)綜合訓練說明書題目：電極材料表面缺陷檢測學院（系）：電氣工程學院 年級專業(yè)：09級精儀1班學 號：* 學生姓名:指導教師:講師教師職稱:燕山大學專業(yè)綜合訓練任務書院（系）：電氣工程學院 基層教學單位：儀器科學與工程系學號0901*學生姓名*專業(yè)（班級）09級精儀1班題目電極材料表面缺陷檢測訓 練 內(nèi) 容利用matlab軟件平臺，設計視覺檢測算法，用于提取并統(tǒng)計給定圖像中材 料表而缺陷的人小和個數(shù)，將輸入與輸出通過圖像用八接口 （gui）進行顯示和說 明。訓 練 要 求拿握利用機器視覺技術進行材料表面缺陷檢測的基本原理和步驟；熟悉matlab軟件平臺下進行圖像處理的基本操作和gui設計； 能

2、夠針對兩種材料類型準確計算得到檢測參數(shù)，基本參數(shù)：人?。ㄏ袼貑挝唬?個數(shù)。自行撰寫訓練總結報告。本題目要求學生具有一定的圖像相關知識和matlab編程基礎。第一周第二周第三周第四周工 作 計 劃搜集資料； 熟悉相關概念； 比較有關方法； 確定解決方案；熟悉matlab圖像處 理工具箱（dip）； 熟悉matlab平臺下 的斑點檢測相關算 法（blob檢測） 熟悉如何在matlab 平臺下創(chuàng)建gui編第程序，實現(xiàn)相 關功能；明確gui所要執(zhí)行 的操作；進行gui 界面設計;驗證和調(diào)試相關算 法，將輸入與輸出 通過圖像用戶接口 （gui）進行顯示和 說明。參 考 資 料機器視覺算法與應用數(shù)字圖像

3、處理數(shù)字圖像處理（matlab版）精通matlab7視覺檢測中與材料表面缺陷檢測相關的學術論文 參考書不限于以上資料答疑地點周_、周四答疑時間上午九點指導教師簽字*基層教學單位主任簽字2012 年 8 月 26 r目 錄摘要2第一章前言3第二章基本原理42電極材料表面涂層發(fā)光圖像的獲取42.2基于matlab的電極材料表面涂層圖像預處理 42.3頂帽變換 7第三章形態(tài)學處理93膨脹處理93.2腐蝕處理103.3閾值分割原理及特點113.4缺陷標記及計算133.5流程圖15第四章gui設計15第五章結語19參考文獻20扌商 要 ：針對電極材料表面缺陷的檢測問題，利用非接觸檢測方法，通過工業(yè)黑 白

4、照相機獲取電極表面的灰度圖像，利川matlab軟件對缺陷部位圖像首先進行預處 理，然后進行圖像分割、特征提取和圖像識別，最后判斷檢測出電極表面的缺陷.結果 表明，該方法能夠有效檢測出電極表面涂層的缺陷。關鍵詞：電極材料衣面涂層；缺陷；圖像處理；識別第1章前言近年來，隨著光伏產(chǎn)業(yè)的迅速發(fā)展，對電池的檢測要求也日益提高。電池的生 產(chǎn)、應用和修復中，對電極材料無損害地進行快速、準確、靈敏和高效地檢測和監(jiān)控 顯得至關重耍，因為電極材料中微小的瑕疵都將影響電池的效率和壽命。針對電極材料 缺陷檢測技術的研究口益成為一個熱點話題。為了提高電池產(chǎn)品的效率和質(zhì)量，必須使 電極材料表面缺陷程度達到最小化，因此，有

5、效的缺陷檢測手段対提高工藝質(zhì)量是非常 重耍的。由于matlab的圖像處理t具箱功能十分強人，支持的圖像文件格式豐富，提供了 15類圖像處理函數(shù)，涵蓋了幾乎所有圖像處理方法。利用這些圖像處理工具箱，并結 合其強大的數(shù)據(jù)處理能力，可不必關心圖像文件的格式、讀寫、顯示等細節(jié)，而把精 力集中在算法研究上，大大提高了工作效率。而且，在測試這些算法時既可方便地得到 統(tǒng)計數(shù)據(jù)，同時乂可得到直觀圖示。本文利用黑白相機拍攝電極材料表而涂層的圖像, 然后，利用matlab対圖像進行預處理，消除噪聲以及增強対比度，在此基礎上進行圖像處 理，提取圖像中感興趣的部分，最后自動識別所檢測到的缺陷。第2章基本原理2.1電極

6、材料表面涂層發(fā)光圖像的獲取為了獲得比較淸晰的圖像，我們在將要檢測的電極涂布上方加以高亮度的光源，然 后再用工業(yè)高清黑白照相機對涂布進行撲i照，這樣就獲得了一張電極材料表面涂層的黑 白圖形。2.2基于matlab的電極材料表面涂層圖像預處理2.2.1圖像的matlab讀入與格式轉(zhuǎn)換matlab軟件圖像的讀入町通過imrcad函數(shù)讀取圖像數(shù)據(jù)。對整個涂層進行扌口照, 由于材料面積較大,為了研究方便，木文只截取其有缺陷的一部分,.讀入圖像如圖2-1 所示.由于本文所使用的樣本格式是tiff ,在matlab屮我們只需要灰度圖像是只含亮 度信息的圖像，在matlab中保存為ms的數(shù)據(jù)數(shù)組。為了去掉一些

7、無用信息和減少圖 像的數(shù)據(jù)量，減輕后期處理的工作量,就要把圖像讀入后把tiff圖像轉(zhuǎn)換為灰度圖像，使 用matlab屮rgb2gray函數(shù)，實質(zhì)上是將圖像屮一個像素按照一定的算法求出灰度圖像的 1個像索灰度值。圖21采集的電極材料涂層原始圖像轉(zhuǎn)化后的圖像吋一副256*256的灰度圖像，每個像素的灰度值范圍是0256。 圖像讀入與格式轉(zhuǎn)換程序如下：clear all；i=imreadcyangben2-0.& tif'）；figure, imshow（i）; title（'原始圖像'）；2. 2. 2去噪處理rh各種因素的影響，在獲取圖像的過程中，無論采用何種裝置

8、，輸入的圖像往往 不能令人滿意，圖像或多或少地感染一些噪聲信號,這些噪聲信號會影響圖像的質(zhì)量。為 使噪聲盡對能地減小，對圖像進行去噪處理。去噪方法人致可分為：時域去噪和頻域去 噪。本文采用給圖像認為的加入高斯噪聲，然后多副圖像取平均的方法。效果如圖22,圖2-3所示。原始圖像圖2-2未去噪的原始圖100副噪聲圖像平均結果圖2-3100副噪聲平均圖像對比發(fā)現(xiàn)，經(jīng)過去噪處理過后的圖像，很多不必要的噪聲點都已經(jīng)消失。但是同時 我們也會發(fā)現(xiàn)，某些不是噪蘆的小缺陷也被去掉了，這是去噪處理所不能克服的。去噪程序如下：q=imread('yangben2_0.8.tif);imshow(q);tit

9、lef 原始圖像')；m,n=size(q);j(m,n)=0;j=doublc(j);x=imnoise(q,'gaussian,);y=double(x);imshow(x);title(*in 噪圖像一')；for i=l :10x=imnoise(q,gaussian,);j=j+y/10;endimshow(mat2gray(j);title(, 10 副噪聲圖像平均結果j(m,n)=o;j=double(j);for i=l:100x=imiioise(q/gaussian,);y=double(x);j=j+y/100;endk=mat2gray(j);i

10、mshow(mat2gray(j);titlec 100 副噪聲圖像平均結果')； imwrite(k/quzao.tif);2.3頂帽變換頂帽變換其實就是使用背景建模的方法來對背景進行預處理。對于這種背景與圖彖 分離的比較清楚但是背景亮度不均勻的時候使用背景建模的方法很使用。對于背景亮度 不均勻做閾值處理很困難，很有對能將缺陷也當作背呆處理掉。我們可以使用一個足夠大的結構元素把缺陷進行開運算將缺陷處理掉只剩下背景， 再從原圖象中減區(qū)該圖象，就可以生成一幅具冇合適仇均勻的背景缺陷圖彖。此時再進 行閾值運算可以看汕改進后的效果是很明顯的。卜圖就是經(jīng)過頂帽變化后的圖像。圖24頂帽變化后圖像

11、第3章形態(tài)學處理數(shù)學形態(tài)學產(chǎn)生于20 1比紀60年代，它是以形態(tài)為基礎對圖像進行分析的數(shù)學工 具，即基本思想是用具有一定形態(tài)的結構元素作為“探針”來收集圖像的信息，通過探 針在圖像中的不斷移動，檢查圖像各個部分z間的和互關系，從而了解圖像的結構特征。 數(shù)學形態(tài)學最初是從二值圖像處理發(fā)展起來的，并進一步擴展至灰度圖像。數(shù)學形態(tài)學 是由一組形態(tài)學的代數(shù)運算組成的，數(shù)學基礎和使用的語言是集合論，最基本的運算有 四種：膨脹（或擴張）、腐蝕（或侵蝕）、開運算和閉運算?；谶@些基本運算及其推導和 組合，可對圖像形狀和結構進行分析與處理。膨脹和腐蝕運算是形態(tài)學圖彖處理的基礎。本章節(jié)主要介紹這兩種形態(tài)學處理方

12、法。 其他的形態(tài)學處理大部分其實都是根據(jù)這兩種運算進行的。3膨脹處理膨脹是在二值圖彖中“加氏”或變“粗”的操作。這種特殊的方式和變粗的程度由 一個結構元素的集合控制。在計算的時候結構元素通常用o和1的矩陣表示，其原點必 須明確標明。膨脹處理是將結構元素的原點平移過整個圖象區(qū)域，并且核對哪些地方與 值為1的像索重疊，如若重疊便將結構元索加到原圖象上。在數(shù)學上，膨脹定義為集介運算。a是圖像集介，b是結構元素集合，形態(tài)學運算 將使用b對a進行操作。結構元素是用來定義形態(tài)學中所用到的鄰域形狀和人小的矩 陣，數(shù)學形態(tài)學對圖像的處理是基于填放結構元索的概念，結構元索的選擇利圖像的某 種信息有密切的關系，構

13、造不同的結構元索可完成不同的圖像分析，并得到不同的結果。 因此，對待不同對象，結構元素的選擇很重要。膨脹的運算符為“”，a用b來膨脹 記為ab,其定義為：4 b =其中b表示b的映像，作b關于原點的映像，將其平移x ,當a與b映像的交 集圖31膨脹后圖片3.2腐蝕處理腐蝕“收縮”或“細化”二值圖像中的對象，像在膨脹中一樣，收縮的方式和程度 由一個結構元素控制。腐蝕在整個圖像區(qū)域平移結構元素，并檢查在哪里完全匹配圖像 的前景部分。腐蝕的數(shù)學定義與膨脹相似，a被b腐蝕記為ag)",定義為：換而言之，a被b腐蝕是所有結構元素的原點位置的集合，其中平移的b與a的 背景并不疊加。如圖給了一副經(jīng)

14、過腐蝕后的圖片；圖32腐蝕后的圖片3.3閾值分割原理及特點閾值分割法是一種最常用的并行區(qū)域技術，它是圖像分割中應用數(shù)最最多的一類。 閾值分割方法實際上是輸入圖像f到輸出圖像g的如下變換：其中，t為閾值，對于物體的圖像元索g(i,j)=l,對于背景的圖像元索g(i,j)=0orh此町見，閾值分割算法的關鍵是確定閾值，如杲能確定一個合適的閾值就可準確 地將圖像分割開來。閾值確定后，將閾值與像素點的灰度值比較和像素分割可對各像素 并行地進行，分割的結杲直接給出圖像區(qū)域。-it -閾值分割的優(yōu)點是計算簡單、運算效率較高、速度快。在重視運算效率的應用場合(如 用于硬件實現(xiàn))，它得到了廣泛應用。3.3.1

15、閾值分割方法的分類人們發(fā)展了各種各樣的閾值處理技術，包括全局閾值、自適應閾值、最佳閾值等等。 全局閾值是指整幅圖像使用同一個閾值做分割處理，適用于背景和前景有明顯對比的圖 像。它是根據(jù)整幅圖像確定的：t=t(f)o但是這種方法只考慮像素本身的灰度值，一般 不考慮空間特征，因而對噪聲很敏感。常用的全局閾值選取方法冇利用圖像灰度直方圖 的峰谷法、最小謀差法、最人類間方差法、最人爛自動閾值法以及其它一些方法。在許多情況下，物體和背景的對比度在圖像中的各處不是一樣的，這時很難用一個 統(tǒng)一的閾值將物體與背景分開。這時可以根據(jù)圖像的局部特征分別采用不同的闞值進行 分割。實際處理時，需要按照具體問題將圖像分

16、成若干子區(qū)域分別選擇閾值，或者動態(tài) 地根據(jù)一定的鄰域范圍選擇每點處的閾值，進行圖像分割，這時的閾值為白適應閾值。自適應閾值分割用一個二維矩陣將一幅灰度圖像描述為fpxq =f(x,y)pxq是圖像的大小，f(x,y)是 像素(x,y)的灰度值,且f(x,y)e0,1, l為圖像的灰度級總數(shù)。在圖像中灰度級i出現(xiàn)的次數(shù)為ni ,則灰度級i出現(xiàn)的幾率為：lpi=ni/(pxq)且 pino=1(1)假設以灰度級t為閾值把全部像索分成兩類：s1 (背景類)包含了 0的像黍s2 (前景類)包含了 i>t的像素。s1和s2出現(xiàn)的幾率為:p2=p1 =l/=/+!*/=0pl+p2=l為了有效描述兩

17、個類z間的距離d,我們定義了 s1和s2的類內(nèi)中心,分別為:wl =立0/p1/=0w2 =1+1則:(5)d在一立程度上能體現(xiàn)s1和s2的分割效果,d越大，表示兩個類的類間距越大,d=|wl-w2|s1和s2分得越開。另外，兩個類屮內(nèi)聚性的好壞也是直接反映分割是否有效的一個重要標志，我們從 類中每一個像素到類內(nèi)中心的距離出發(fā)，處義了類的分散度:/力 i-wi pi!pd 1=/=0l-l工i /* - kv2 i pi! p2 d2=顯然，每個類的分散度越小，表示其內(nèi)聚性越好，分類效果越好。因此，綜合考慮以上兩方面的因素，要保證分類效果好，就必須同時確保d最大rdl、d2最小。這樣，每-類的

18、內(nèi)聚性最好，而且兩類的類間距離乂最大，分類最成功。為此,定義了 s1和s2分類判別函數(shù):h(t)=plxp2xd/(plxdl +p2xd2)(9)對見，當h最大時將達到最好的分類效果。若一幅圖像的某一個灰度級tl能使h(tl)> hmax (t),以tl為閾值f分成s1和s2,則有:si u s2=f且 s1as2= 0此時,前景和背景的分類效果最佳。若置s1中像素的灰度值為0,置s2屮像素的灰度 值為1,將f二值化，就能使前景和背景最大程度的分開，達到最有效分割圖像的目的。因 此tl是最優(yōu)的閾值，生成的二值化圖像效果最好。3.4缺陷標記及計算在本章中我們將分析單個前景像素和所有前呆像

19、素集合z間的重要關系，這就引入 了連接分量的概念，通常連接分量也稱為對象。一個坐標為（兀y）的像素p有兩個水平額兩個垂直的相鄰像素，它們的他標分別為 （兀+l,y）, （xl,y）,（兀,y+1）和（”1）。p的這四個相鄰像素的集合記為m（p）, p 的四個對角線相鄰像素的坐標分別為（兀+i*+i）, g+iyi）, （e，y + i）和 （兀1,*1）,它們被標記為n“（p）。而n"）和n°（p）的并集是p的八個相鄰像素， 記為w若qwnp）,則像素p和q稱為四鄰接。同樣若qwn加,則p和q稱為八鄰 接。若衣前景像素p和q之間存在一條完全市前景像素組成的四連接路徑，則這兩個前 景像素稱為四連接。若它們之間存在一條八連接路徑，則稱為八連接。丟任意前景像素p，與其相連接的所有前景像素的集合稱為包含p的連接分量。連 接分量這一術語是根據(jù)路徑來定義的，而路徑的定義則取決于鄰接。這就表明連接分量 的性質(zhì)取決于我們所選的鄰接方式，最常見的鄰接方式為四連接和八連接。適川函數(shù) bwlabel可用于計算一幅二值圖像中的所有連接分量。卜圖便是已經(jīng)標記了的圖像圖3-3標記厲圖像3.5流程圖流程圖如圖34所示:圖3-4流程圖開去直方圖:濾:邊緣;第4章gui設計用戶界面（或接口）是指：人與機器（或程序）之間交互作用的工具和方法。如 鍵盤、鼠標、跟蹤球、話筒都可成為與計算機