基于圖像處理的軸類(lèi)零件表面裂紋檢測(cè)(共55頁(yè))

1、精選優(yōu)質(zhì)文檔-傾情為你奉上目 錄112223445568專(zhuān)心-專(zhuān)注-專(zhuān)業(yè)803335889022334556677888011 緒論1.1 課題研究的背景在機(jī)械工業(yè)中，制造和使用機(jī)械零部件時(shí)，特別是使用軸類(lèi)零件的過(guò)程中非常容易產(chǎn)生裂紋，軸類(lèi)零件本身在制造過(guò)程中就有可能帶有表面裂紋這樣的缺陷，或者因?yàn)楦鞣N原因?qū)S類(lèi)零件造成損傷1。特別是在冶煉轉(zhuǎn)爐與飛機(jī)設(shè)備等高溫高壓環(huán)境中，長(zhǎng)時(shí)間的使用使得裂紋損傷不斷累積，微裂紋就會(huì)慢慢出現(xiàn)，然后接著向四周延伸，最后造成對(duì)軸類(lèi)零件的不可逆損壞。零件自身的表面裂紋和受力部分的過(guò)度集中都會(huì)使得零件在運(yùn)行過(guò)程中不斷地承受交變載荷的過(guò)度侵蝕，時(shí)間越長(zhǎng)，零件慢慢就會(huì)發(fā)生斷

2、裂，進(jìn)而造成嚴(yán)重的后果。在這些外界因素的不斷影響下，軸類(lèi)機(jī)械零件在開(kāi)始出現(xiàn)疲勞裂紋后并繼續(xù)向壞的方向發(fā)展的趨勢(shì)是造成其失效的主要原因。而大部分軸類(lèi)機(jī)械零件都在高溫或者高壓的環(huán)境里工作，運(yùn)行條件非常差，而且發(fā)生故障的幾率偏高，并且若是大的故障突然發(fā)生的話，后果非常嚴(yán)重。軸類(lèi)零件材料里面的晶界、夾渣或者微小孔和腐蝕、表面劃傷等，都會(huì)造成初始裂紋的產(chǎn)生?？偟膩?lái)說(shuō)，機(jī)械零件表面裂紋的產(chǎn)生與不斷惡化的情況，主要是由于受力不均，過(guò)于集中所致。大量數(shù)據(jù)表示，失效零件構(gòu)造中80%的緣由就是疲勞損壞。因此，及時(shí)檢查機(jī)械零件的表面微裂紋的現(xiàn)狀以避免發(fā)生事故，對(duì)工業(yè)及其發(fā)展有很大的意義。當(dāng)今社會(huì)，企業(yè)之間的競(jìng)爭(zhēng)愈來(lái)

3、愈烈，使得企業(yè)對(duì)生產(chǎn)產(chǎn)品的量度和精度要求越來(lái)越高。在以前的企業(yè)生產(chǎn)中，產(chǎn)品質(zhì)量的檢測(cè)主要就是靠人工來(lái)完成，效率不高而且非常容易產(chǎn)生誤差。數(shù)字圖像處理由于其檢測(cè)結(jié)果精確并且容易處理、檢測(cè)過(guò)程不直接接觸損傷表面等優(yōu)點(diǎn)，得到了社會(huì)上數(shù)字圖像處理領(lǐng)域的廣泛關(guān)注。若是單靠人工來(lái)完成檢測(cè)，會(huì)受到視覺(jué)分辨能力、零件所在的環(huán)境、本身的檢查態(tài)度、自身的疲勞程度等因素影響，費(fèi)時(shí)費(fèi)力。裂紋檢測(cè)是質(zhì)安檢查的重點(diǎn)方面之一，將數(shù)字圖像處理技術(shù)應(yīng)用到制造工業(yè)的檢測(cè)范疇中，會(huì)不受檢測(cè)人員的自身疲勞程度、檢查的態(tài)度和經(jīng)驗(yàn)不足等消極因素的影響，所以與傳統(tǒng)的人工檢測(cè)相比，效率提高的同時(shí)，也讓檢測(cè)結(jié)果愈加的準(zhǔn)確，特別是那些靠人工無(wú)法

4、滿足連續(xù)穩(wěn)定完成的地方，數(shù)字圖像處理技術(shù)更能發(fā)揮其作用。1.2 圖像處理檢測(cè)技術(shù)概述近年來(lái)，隨著科學(xué)技術(shù)的不斷發(fā)展，圖像處理技術(shù)越來(lái)越活躍在工業(yè)監(jiān)測(cè)當(dāng)中，并且廣泛應(yīng)用于各個(gè)領(lǐng)域。數(shù)字圖像處理（Digital Image Processing）通俗來(lái)講就是操縱計(jì)算機(jī)對(duì)圖像進(jìn)行處理。它是一門(mén)相對(duì)于年輕的學(xué)科。最先出現(xiàn)于20世紀(jì)50年代，那個(gè)時(shí)候的電子計(jì)算機(jī)恰是不斷發(fā)展的時(shí)候，人們漸漸開(kāi)始注意到用計(jì)算機(jī)來(lái)處理圖形和圖像信息。數(shù)字圖像處理技術(shù)大約構(gòu)成于20世紀(jì)60年代早期2。短短的歷史發(fā)展中，它以大大小小的成功開(kāi)發(fā)而被應(yīng)用到諸多檢測(cè)領(lǐng)域中，發(fā)展非常迅速。如今，在空間遙感測(cè)量、外圍輪廓三維檢測(cè)、缺陷監(jiān)測(cè)

5、以及干涉圖等涉及圖像處理的技術(shù)領(lǐng)域有也了突出的表現(xiàn)與廣泛的應(yīng)用。在工業(yè)檢測(cè)領(lǐng)域，機(jī)械零件的自動(dòng)測(cè)量一直是工業(yè)生產(chǎn)過(guò)程中的主要操作過(guò)程之一。在不斷要求高生產(chǎn)率的情況下，還要保證其速度，以確保產(chǎn)品質(zhì)量沒(méi)有太大的誤差，保持一種高精度的操作模式。很明顯，利用圖像處理技術(shù)的檢測(cè)方式完全適應(yīng)了時(shí)代的需求。首先，它可以無(wú)干擾的完成監(jiān)測(cè)；其次，它可以不斷的完善自己的算法結(jié)構(gòu)等等以更好的得到結(jié)果；最后，圖像檢測(cè)技術(shù)可以通過(guò)計(jì)算機(jī)程序來(lái)處理圖像信息，智能獲得測(cè)量結(jié)果，易于信息的管理與集成。我們可以預(yù)料到數(shù)字圖像處理技術(shù)在未來(lái)的發(fā)展中將會(huì)發(fā)揮更重要的作用。1.3 圖像處理檢測(cè)技術(shù)的發(fā)展現(xiàn)狀隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，

6、圖像檢測(cè)技術(shù)作為一種剛剛發(fā)展起來(lái)，并且檢測(cè)結(jié)果非常卓越的在線檢測(cè)技術(shù)，越來(lái)越多的新技術(shù)不斷的刺激著數(shù)據(jù)圖像處理的飛速發(fā)展：低價(jià)位的高速處理器（MCU、DSP、ARM等）、低成本大容量的存儲(chǔ)器、用于圖像數(shù)字化的低成本圖像傳感器（包括CCD和CMOS）等等。工業(yè)攝像機(jī)分辨率的不斷提高，計(jì)算機(jī)處理器和內(nèi)存配置等的不斷發(fā)展提升，使得圖像處理的速度和精度需要不斷的完善大量的圖像處理內(nèi)部算法。軟件方面，越來(lái)越多的圖像處理軟件被開(kāi)發(fā)并推廣使用，各種各樣的圖像處理算法被完善與創(chuàng)新，為實(shí)現(xiàn)更好的圖像處理檢測(cè)操作和得到更完善的檢測(cè)結(jié)果做出了大量的理論依據(jù)。在最近幾年的發(fā)展過(guò)程中，小波變換與遺傳學(xué)也應(yīng)用到了數(shù)字圖像

7、處理檢測(cè)領(lǐng)域中。技術(shù)的不斷創(chuàng)新與更新，使得圖像處理技術(shù)不斷的向前發(fā)展，在思路慢慢完善下，圖像檢測(cè)技術(shù)必然會(huì)不斷登上現(xiàn)代圖像檢測(cè)領(lǐng)域的舞臺(tái)。最早開(kāi)始建議并研討圖像處理檢測(cè)技術(shù)的是日德美加等國(guó)家，并且漸漸得到了社會(huì)的廣泛關(guān)注，部分高校與科研會(huì)所也開(kāi)始進(jìn)行數(shù)字圖像處理檢測(cè)技術(shù)的開(kāi)發(fā)，并且得到了很多后來(lái)被應(yīng)用到工業(yè)生產(chǎn)中的理論結(jié)果。隨著科技技術(shù)的不斷發(fā)展，以數(shù)字圖像處理為核心的諸多領(lǐng)域也得到了很大的發(fā)展與進(jìn)步，并且已經(jīng)開(kāi)發(fā)出一系列被社會(huì)所接受使用的產(chǎn)品。國(guó)內(nèi)開(kāi)始研究圖像處理檢測(cè)技術(shù)是在20世紀(jì)80年代，起步相對(duì)比較晚，被國(guó)外拉開(kāi)了20年的差距，到現(xiàn)在，我們國(guó)家的圖像檢測(cè)技術(shù)現(xiàn)在還處于很多方面都需要趕上

8、的局面。而使用線陣CCD這一種操作是相對(duì)比較廣泛的使用，主要是通過(guò)垂直這兩個(gè)方向上進(jìn)行不斷的掃描，以達(dá)到測(cè)量的目的。但是那個(gè)時(shí)候的CCD相對(duì)價(jià)格比較貴，使用者不多，而剛開(kāi)始的CCD圖像檢測(cè)技術(shù)也不是那么的完善，檢測(cè)精度有限，滿足不了人們的需求，所以總的來(lái)說(shuō)那個(gè)時(shí)候的CCD覆蓋范圍不是很廣。到了快21世紀(jì)的時(shí)候，我國(guó)大部分的科研機(jī)構(gòu)和部分高校開(kāi)始著手進(jìn)行圖像檢測(cè)的研究，并且取得了很大的成就和成績(jī)，在工業(yè)生產(chǎn)、制藥方面都效果非凡，而且大部分成果也得到了很好的應(yīng)用。但就現(xiàn)狀而言，與國(guó)外還是差距很大，還需要奉獻(xiàn)更多的人力、物力與財(cái)力，深入探索，繼續(xù)努力。1.4 圖像檢測(cè)技術(shù)在工業(yè)中的應(yīng)用如今，在工業(yè)技

9、術(shù)不斷革命創(chuàng)新中，圖像檢測(cè)技術(shù)得到了普遍的應(yīng)用。數(shù)字圖像處理檢測(cè)技術(shù)在工業(yè)生產(chǎn)中的應(yīng)用主要體現(xiàn)在下面三個(gè)方面：表1.1 圖像檢測(cè)技術(shù)在工業(yè)中的應(yīng)用體現(xiàn)尺寸測(cè)量基于數(shù)字圖像處理檢測(cè)技術(shù)可以對(duì)各種加工工藝流程下的各種工件尺寸進(jìn)行測(cè)量，如機(jī)械零件尺寸的測(cè)量，角度的測(cè)量，圓度和回轉(zhuǎn)精度的測(cè)量，以及垂直度、直線度和平面度的測(cè)量等。尺寸測(cè)量是圖像檢測(cè)技術(shù)較早涉及的研究方向與領(lǐng)域。表面質(zhì)量檢測(cè)機(jī)械工業(yè)中，機(jī)械零件的表面缺陷非常重要，小的表面質(zhì)量缺陷往往影巨大。機(jī)械零件表面質(zhì)量檢測(cè)主要包括表面的紋理、毛刺、等參數(shù)。故還需進(jìn)一步的研究與完善檢測(cè)理論和方法。目標(biāo)分類(lèi)與識(shí)別分類(lèi)與識(shí)別特定目標(biāo)群是圖像檢測(cè)技術(shù)研究的焦

10、點(diǎn)，其思想是首先對(duì)獲得或者建立起物體標(biāo)本庫(kù)，然后從實(shí)際圖像中獲取特征后以各種算法匹對(duì)，辨別出最相似的個(gè)體。提取出某些特征來(lái)識(shí)別，視網(wǎng)膜、指紋、臉部識(shí)別等都是目前比較典型的應(yīng)用。1.5 論文的主要內(nèi)容本次課題主要是利用數(shù)字圖像處理里面的部分知識(shí)，來(lái)對(duì)圖像零件裂紋進(jìn)行處理并檢測(cè)，最后得到裂紋的形態(tài)特征等。主要的研究?jī)?nèi)容有：1.5.1 預(yù)處理在一張圖像中，用識(shí)別程序?qū)γ恳粋€(gè)單獨(dú)模塊進(jìn)行識(shí)別檢測(cè)，這一過(guò)程稱(chēng)為預(yù)處理。預(yù)處理在數(shù)字圖像處理中占有尤為重要的地位，在圖像分析中，對(duì)輸入的目標(biāo)圖像進(jìn)行去噪、分割、提取目標(biāo)圖像進(jìn)而分析圖像的形態(tài)特征。在圖像預(yù)處理這一步中，主要是對(duì)圖像進(jìn)行去噪，也就是去除干擾圖像目

11、標(biāo)信息的雜信息，讓后續(xù)的分割、提取處理的誤差相對(duì)較小，得到的結(jié)果也更加可信。具體來(lái)講，就是首先觀察處理圖像的灰度直方圖，然后利用其直方圖找到目標(biāo)圖像像素的分布區(qū)域，然后確定圖像噪聲的類(lèi)型，選擇合適的去噪方法，本次實(shí)驗(yàn)選取了均值濾波和中值濾波等去噪方法。1.5.2 閾值分割觀察圖像直方圖的分布情況，確定目標(biāo)圖像像素的分布區(qū)域，找到一種合適的分割方法，對(duì)圖像進(jìn)行閾值分割。將裂紋圖像轉(zhuǎn)換為二值圖像，再用形態(tài)學(xué)處理，利用腐蝕、膨脹、開(kāi)運(yùn)算與閉運(yùn)算等對(duì)其中不需要的干擾信息進(jìn)行去除，進(jìn)而得到明顯的裂紋圖像。1.5.3 計(jì)算并得出結(jié)論等到明顯裂紋圖像后，就可以計(jì)算出其面積、周長(zhǎng)、長(zhǎng)度和圓形度等形態(tài)特征值，從

12、而得到最后的裂紋信息，再對(duì)結(jié)果進(jìn)行誤差分析，然后對(duì)本次裂紋圖像檢測(cè)最后結(jié)果做出判決結(jié)論。1.6 本章小結(jié)本章首先對(duì)機(jī)械零件在工業(yè)使用中會(huì)出現(xiàn)的危險(xiǎn)和帶來(lái)的危害做出了闡述，并簡(jiǎn)要介紹了數(shù)字圖像處理檢測(cè)技術(shù)的概念及其發(fā)展趨勢(shì)與前景，大致介紹了檢測(cè)技術(shù)的主要內(nèi)容步驟，最后為本文主要內(nèi)容。2 數(shù)字圖像處理的主要內(nèi)容2.1 數(shù)字圖像處理內(nèi)容、特點(diǎn)與算法數(shù)字圖像處理技術(shù)是圖像檢測(cè)技術(shù)的核心，通俗來(lái)講是指利用計(jì)算機(jī)對(duì)獲取的數(shù)字圖像進(jìn)行分析計(jì)算處理，數(shù)字圖像處理技術(shù)從比較大的范圍上講是表示圖像加工技術(shù)的總稱(chēng)。它可以使用計(jì)算機(jī)和其他的設(shè)備相連接來(lái)完成一系列的圖像處理工作，如圖像的采集并且存儲(chǔ)和傳輸，還有類(lèi)似于圖

13、像的合成和顯示，繪制和輸出，圖像變化、增強(qiáng)、恢復(fù)和重建，特征提取和測(cè)量，目標(biāo)的檢測(cè)、表達(dá)和描述，序列圖像的校正，圖像數(shù)據(jù)庫(kù)的建立、索引、查詢(xún)和抽取，圖像的分類(lèi)、表示和識(shí)別，3D景物的重建復(fù)原，圖像模型的建立，圖像知識(shí)的利用和匹配，圖像和場(chǎng)景的解釋和理解，以及基于它們的推理、判斷、決策和行為規(guī)劃1。2.1.1 數(shù)字圖像處理的研究?jī)?nèi)容表2.1 數(shù)字圖像處理的主要內(nèi)容點(diǎn)運(yùn)算點(diǎn)運(yùn)算（Point Operation）主要是針對(duì)圖像的像素進(jìn)行加、減、乘、除等運(yùn)算。圖像的點(diǎn)運(yùn)算可以有效的改變圖像的直方圖分布，一幅輸入圖像經(jīng)過(guò)點(diǎn)運(yùn)算后將產(chǎn)生一幅新的輸出圖像，由輸入像素點(diǎn)的灰度值決定相應(yīng)的輸出像素點(diǎn)的灰度值。這

14、對(duì)提高圖像的分辨率以及圖像的均衡都是非常有益的。點(diǎn)運(yùn)算可以按照預(yù)定的方式改變一幅圖像的灰度直方圖。除了灰度級(jí)的改變是根據(jù)某種特定的灰度變換函數(shù)進(jìn)行以外，點(diǎn)運(yùn)算可以看做是“從像素到像素”的復(fù)制操作。點(diǎn)運(yùn)算有時(shí)也被稱(chēng)為對(duì)比度增強(qiáng)、對(duì)比度拉伸或灰度變換，它是圖像數(shù)字化軟件和圖像顯示軟件的重要組成部分。常見(jiàn)的點(diǎn)運(yùn)算包括：線性變換、窗運(yùn)算、灰度拉伸和灰度均衡這幾種。幾何處理幾何處理主要包括圖像的坐標(biāo)變換，圖像的移動(dòng)、縮小、放大和旋轉(zhuǎn)，多個(gè)圖像的配準(zhǔn)和圖像的扭曲校正等。圖像幾何變換將在空間域的處理轉(zhuǎn)換到變換域中進(jìn)行處理，在減少計(jì)算量的同時(shí)，對(duì)圖像進(jìn)行更有效的處理。幾乎任何圖像處理軟件都提供了最基本的圖像縮

15、放功能。圖像的扭曲校正功能可以對(duì)變形的圖像進(jìn)行幾何校正，從而得出準(zhǔn)確的圖像。圖像變換常采用的方法有平移、鏡像等幾何變換、DCT（離散余弦變換）和小波變換。續(xù)表2.1 數(shù)字圖像處理的主要內(nèi)容圖像增強(qiáng)圖像增強(qiáng)主要是突出圖像中重要的信息，同時(shí)減弱或去除不需要的信息。常用的方法有直方圖增強(qiáng)和偽彩色增強(qiáng)等。以用來(lái)改善數(shù)字圖像質(zhì)量，削弱干擾，由于增強(qiáng)的方法多種多樣，不能確定那種方法是最好的，所以需要不斷的嘗試與分析，為了突出某些細(xì)節(jié)，有時(shí)可能需要改變圖像的直觀形象，以便肉眼或機(jī)器識(shí)別，并進(jìn)行下一步分析處理。所以，圖像增強(qiáng)的作用即是對(duì)圖像中關(guān)注內(nèi)容的特征進(jìn)行處理，而不是僅僅是視覺(jué)的改善。強(qiáng)化低頻量，可以使圖

16、像噪聲降低，同時(shí)達(dá)到平滑的效果；而為了使圖像輪廓更加清晰，可以加強(qiáng)高頻分量。圖像分析過(guò)程中，圖像增強(qiáng)往往作為圖像預(yù)處理，以便為后面的圖像分析打好基礎(chǔ)。圖像復(fù)原圖像復(fù)原的主要目的就是為了去除干擾和模糊，從而恢復(fù)圖像的本來(lái)面目。例如去噪聲復(fù)原處理。成像過(guò)程中的“退化”是指由于成像系統(tǒng)中各種因素的影響，使得圖像質(zhì)量降低。在成像系統(tǒng)中引起圖像退化的原因有很多。在圖像復(fù)原前必須要構(gòu)造出針對(duì)退化緣由和過(guò)程的直觀分析模型，以便進(jìn)行后續(xù)的分析計(jì)算。與圖像增強(qiáng)相似，圖像復(fù)原的目的也是改善圖像的質(zhì)量。圖像復(fù)原可以看作是圖像退化的逆過(guò)程，是將圖像退化的過(guò)程加以估計(jì)，建立退化的數(shù)學(xué)模型后，補(bǔ)償退化過(guò)程造成的失真，以便

17、獲得未經(jīng)干擾退化的原始圖像或原始圖像的最優(yōu)值，從而改善圖像的質(zhì)量。圖像退化的逆過(guò)程是有可能進(jìn)行的。但實(shí)際情況往往是退化過(guò)程并不知曉，這種復(fù)原叫做盲目復(fù)原。由于圖像模糊的同時(shí)，噪聲和干擾也會(huì)同時(shí)存在，這也為復(fù)原過(guò)程帶來(lái)了困難和不確定性。圖像的識(shí)別與檢測(cè)首先對(duì)圖像進(jìn)行預(yù)處理，然后做分割處理與提取出相關(guān)需要特征，從而便于計(jì)算機(jī)對(duì)圖像中包含的內(nèi)容理解，接下來(lái)即對(duì)圖像進(jìn)行識(shí)別與檢測(cè)，確定目標(biāo)是否存在，所處位置，以及目標(biāo)尺寸大小等。例如將由光學(xué)系統(tǒng)獲取的內(nèi)容，使用專(zhuān)門(mén)的 PC 視覺(jué)系統(tǒng)分析后，完成對(duì)個(gè)體的分辨以及提取出某些特征信息，然后將它們進(jìn)行分類(lèi)或者做出相應(yīng)的判決，實(shí)現(xiàn)了類(lèi)似人類(lèi)視覺(jué)系統(tǒng)對(duì)目標(biāo)進(jìn)行識(shí)別

18、與檢測(cè)。從而便于計(jì)算機(jī)對(duì)圖像中包含的內(nèi)容理解。續(xù)表2.1 數(shù)字圖像處理的主要內(nèi)容圖像形態(tài)學(xué)數(shù)學(xué)形態(tài)學(xué)（Mathematical Morphology）是分析幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法，是建立在集合代數(shù)基礎(chǔ)上，用集合論方法定量描述幾何結(jié)構(gòu)的科學(xué)。逐漸成為分析圖像的幾何特征工具腐蝕、膨脹和細(xì)化都屬于數(shù)學(xué)形態(tài)學(xué)范疇內(nèi)的運(yùn)算。圖像形態(tài)學(xué)是數(shù)學(xué)形態(tài)學(xué)的延伸，是一門(mén)單獨(dú)的研究學(xué)科。利用圖像形態(tài)學(xué)處理技術(shù)，可以實(shí)現(xiàn)圖像的腐蝕、細(xì)化等效果。數(shù)學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成的。最基本的形態(tài)學(xué)運(yùn)算子有：腐蝕（Erosion）、膨脹（Delation）、開(kāi)（Open）和閉（Closing）。用這些運(yùn)算子及其組

19、合來(lái)進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理，包括圖像分割、特征提取、邊界檢測(cè)、圖像濾波、圖像增強(qiáng)和恢復(fù)等方面的工作。圖像分割把圖像劃分為不同區(qū)域的過(guò)程即圖像分割，其作用在于分割出圖像中有價(jià)值的特征內(nèi)容（例如邊界、凹陷缺陷），以便后續(xù)提取出感興趣的目標(biāo)。人類(lèi)的視覺(jué)系統(tǒng)構(gòu)造高度復(fù)雜，能夠輕松地從復(fù)雜場(chǎng)景中分辨所看到的對(duì)象，并進(jìn)行識(shí)別。但對(duì)計(jì)算機(jī)來(lái)說(shuō)，卻是極為困難的。圖像中往往包含多個(gè)對(duì)象，在對(duì)圖像分析的實(shí)際運(yùn)用中，自動(dòng)分割是非常重要的一塊，因此充分利用獲取信息以及更好地統(tǒng)籌各種方法措施，加強(qiáng)圖像分析處理中的可靠性和有效性，是對(duì)其進(jìn)行研究的主要目標(biāo)。圖像編碼數(shù)字圖像中，相鄰像素之間有較強(qiáng)關(guān)聯(lián)性，間接表明其信

20、息壓縮潛力巨大。通過(guò)圖像編碼壓縮，可以減少圖像的數(shù)據(jù)量，減少傳輸過(guò)程與分析處理的時(shí)間。特別是在當(dāng)今龐大的計(jì)算機(jī)網(wǎng)絡(luò)空間中，為提高圖像的傳輸速度，圖像編碼壓縮技術(shù)顯得更加重要。要求不同，進(jìn)行圖像的編碼壓縮時(shí)允許失真程度不同。圖像編碼研究屬于信息論中信源編碼的范疇，可以減少圖像的數(shù)據(jù)量，減少傳輸過(guò)程與分析處理的時(shí)間。主要是利用圖像信號(hào)的統(tǒng)計(jì)特性和人類(lèi)視覺(jué)特性達(dá)到壓縮圖像的目的。圖像特征提取圖像的特征提取是指將一幅圖像分割成若干個(gè)區(qū)域后，進(jìn)一步提取出圖像內(nèi)的目標(biāo)物體或區(qū)域感興趣的特征，以用于后續(xù)的圖像的分析與理解。對(duì)圖像進(jìn)行圖像特征，既可以是人類(lèi)的視覺(jué)可以直接辨別的自然特征，例如物體的形狀、顏色等也

21、可以是在對(duì)圖像進(jìn)行相應(yīng)的數(shù)學(xué)運(yùn)算后得到的數(shù)字特征，如物體的長(zhǎng)與寬、面積、重心、中心點(diǎn)等。2.1.2 數(shù)字圖像處理的基本特點(diǎn)（1）信息量大當(dāng)前，數(shù)字圖像處理的信息大多是用像素的形式表示的二維信息。需要處理檢測(cè)的數(shù)據(jù)量很多。就比如一幅分辨率的圖像，數(shù)據(jù)量大約要求64kbit；若是一幅的圖像，因?yàn)槠浞直媛矢?，所以就?huì)出現(xiàn)768kbit的數(shù)據(jù)量；而針對(duì)電視影像那些每秒30幀的圖像，就會(huì)要求的數(shù)據(jù)量。而對(duì)于這么大的數(shù)據(jù)量，使得對(duì)計(jì)算機(jī)處理速度的要求也隨之提高。（2）處理精度高根據(jù)目前的圖像處理發(fā)展技術(shù)，可以輕易將一幅圖像轉(zhuǎn)化為所謂的二值圖像，然后繼續(xù)進(jìn)行后續(xù)操作?，F(xiàn)在的這種設(shè)備，通過(guò)掃描可以使得圖像中的

22、像素點(diǎn)都量化為16位或者比16位更高，表示數(shù)字圖像處理在量化這一方面的可適合范圍很廣。對(duì)于計(jì)算機(jī)來(lái)說(shuō)，它的處理程序是固定的，對(duì)于不同的圖像，僅僅是里面的參數(shù)不同而已。在實(shí)際操作過(guò)程中，對(duì)于具體的圖像，要選擇具體的、合適的參數(shù)進(jìn)行處理。（3） 靈活度高像質(zhì)改善、圖像分析與圖像重建都是數(shù)字圖像處理技術(shù)的范疇，它們均包含很多的內(nèi)容。特別的是數(shù)字圖像處理技術(shù)還能夠完成非線性運(yùn)算，進(jìn)而實(shí)現(xiàn)相對(duì)比較麻煩的非線性處理，總的來(lái)說(shuō)，數(shù)字圖像處理可以很輕松的實(shí)現(xiàn)那些用公式和所謂邏輯關(guān)系表達(dá)的運(yùn)算。（4） 適用面寬所處理的圖像可以是很多方面的，例如像平常的肉眼可見(jiàn)的圖像，還有那些不可見(jiàn)光所形成的圖像（例如X射線圖像

23、、紅外圖像等）。大小范圍也非常廣，就如天文望遠(yuǎn)鏡所觀察到的天文圖像，航空拍攝到的天體照片，相對(duì)的小到如電子顯微鏡所拍攝的那些肉眼看不到的圖像。但這些差別來(lái)源的圖像一旦被變換為數(shù)字編碼的話，就可以用數(shù)字圖像處理技術(shù)對(duì)其進(jìn)行轉(zhuǎn)化二值圖像操作，進(jìn)而方便后續(xù)處理，因而都可以用計(jì)算機(jī)來(lái)處理分析。（5） 再現(xiàn)性好只要圖像在數(shù)字化時(shí)精確地表示了原稿，則數(shù)字圖像處理進(jìn)程中始終能維持圖像的再現(xiàn)2。數(shù)字圖像處理技術(shù)不會(huì)由于圖像的存儲(chǔ)、傳輸或者復(fù)制等一系列變更操縱而致使圖像質(zhì)量的退化3。2.2 數(shù)字圖像處理的算法流程圖開(kāi)始攝像頭獲取圖像轉(zhuǎn)位圖處理（轉(zhuǎn)256色位圖）圖像轉(zhuǎn)灰度圖處理去除燈光等噪聲（均值、中值濾波等）提

24、高圖像對(duì)比度（灰度均衡、線性變換等）提取裂紋圖像（邊緣檢測(cè)及閾值分割）數(shù)學(xué)形態(tài)學(xué)處理（腐蝕、膨脹、開(kāi)運(yùn)算、閉運(yùn)算等）圖像細(xì)化圖像輪廓提取提取圖像形態(tài)特征結(jié)束圖2.1 算法流程圖我把整個(gè)裂紋檢測(cè)過(guò)程分成了10個(gè)步驟：第一步為圖像獲?。坏诙⑷綖閳D像前處理部分，主要完成圖像的開(kāi)始準(zhǔn)備工作，是數(shù)字圖像處理中必不可少的一步；第四、五步為圖像去噪和提高對(duì)比度步驟，便于后面提取和處理裂紋，給后面提取裂紋特征打好基礎(chǔ)；對(duì)于第六步中的邊緣檢測(cè)與閾值分割這兩步驟，是整個(gè)圖像處理最重要的地方，關(guān)系到后面提取圖像特征的精度或準(zhǔn)度，尤為關(guān)鍵；第七步數(shù)學(xué)形態(tài)學(xué)處理是消除孤立噪聲，得到完全的裂紋圖像；第八步為圖像細(xì)化處

25、理，以便于直接得到裂紋圖像的長(zhǎng)度；第九步是提取圖像的輪廓，和第八步一樣，也是為了獲得圖像的形態(tài)特征，輪廓提取是為了獲得裂紋圖像的周長(zhǎng)值；然后觀察所得的裂紋圖像的形態(tài)特征，總的來(lái)說(shuō)我們選取了算法相結(jié)合的檢測(cè)算法。3 零件表面裂紋圖像獲取、分析及其前處理3.1 圖像的獲取本次課題的編程實(shí)現(xiàn)是在Visual C+6.0上完成的，Visual C+是Microsoft公司推出的Windows開(kāi)發(fā)環(huán)境程序,面對(duì)對(duì)象的可視化集成編程系統(tǒng)，它具有程序框架自動(dòng)生成的特點(diǎn),而且代碼編寫(xiě)和界面設(shè)計(jì)操作也非常簡(jiǎn)便。圖3.1 Visual C+6.0編程界面獲取圖像部分，我是用VC編程連接的計(jì)算機(jī)本身的攝像頭，下圖3

26、.2顯示建立的對(duì)話框（Dialog）和效果圖。圖3.2 攝像頭獲取圖像3.2 圖像的前處理由于編程的數(shù)字圖像處理只能處理256色位圖，但攝像頭獲取的圖像保存下來(lái)是24色位圖的圖像，所以需要進(jìn)行圖像前處理，將其轉(zhuǎn)換為256色位圖，我調(diào)用了Windows自帶附件畫(huà)圖這一程序，畫(huà)圖可以輕松轉(zhuǎn)換為256色位圖。但會(huì)有少許失真。如圖3.3、圖3.4。圖3.3 在畫(huà)圖軟件中打開(kāi)24位位圖圖3.4 轉(zhuǎn)換為256色位圖3.3 圖像的灰度處理3.3.1 裂紋圖像的灰度轉(zhuǎn)換灰度圖（Grayscale）顧名思義就是把彩色圖像轉(zhuǎn)化為只有黑白兩種像素的圖像，就如黑白照片一樣，其亮度變化是連續(xù)的。基于VC+的數(shù)字圖像處理

27、中，圖像的所有后續(xù)處理都基于圖像是0到255色的灰度圖，0表全黑，255表全白，灰度圖使用也比較方便。因此需要轉(zhuǎn)換為灰度圖再進(jìn)行后續(xù)處理。如圖3.5。圖3.5 圖像轉(zhuǎn)換為灰度圖3.3.2 裂紋圖像的灰度直方圖灰度直方圖（Gray Histogram）在數(shù)字圖像處理中是一個(gè)簡(jiǎn)單方便的工具，可以直觀的表示出圖像像素的分布情況。圖像中的具有該灰度值的像素的個(gè)數(shù)直接用一個(gè)函數(shù)表示了出來(lái)，直方圖的橫坐標(biāo)表示像素的灰度級(jí)別，縱坐標(biāo)是該灰度出現(xiàn)的頻率（像素的個(gè)數(shù)）4。裂紋灰度圖的直方圖顯示如圖3.6。圖3.6 灰度直方圖4 零件表面裂紋圖像的噪聲分析及處理4.1 裂紋圖像的噪聲分析在大多數(shù)數(shù)字圖像系統(tǒng)中，噪

28、聲（Noise）影響是普遍存在的；圖像噪聲的定義即圖像中各種妨礙人們對(duì)其信息接收的因素，而在圖像輸入過(guò)程中，圖像都是采用先凍結(jié)再掃描的方式將多維圖像變成一維電信號(hào)，再對(duì)其進(jìn)行處理、存儲(chǔ)、傳輸?shù)燃庸ぷ儞Q5。最后往往也還要組成多維圖像信號(hào)；而圖像噪聲也將同樣經(jīng)過(guò)這樣的分解和合成，圖像噪聲一般與要研究的具體對(duì)象不相關(guān)，但會(huì)使圖像的視覺(jué)效果變差，干擾圖像的目標(biāo)信息，使圖像處理的精度和質(zhì)量降低；并且圖像噪聲具有隨機(jī)性的特點(diǎn)，很難預(yù)測(cè)，特別是在采集和傳輸圖像時(shí)，非常容易引入噪聲，繼而對(duì)后續(xù)的圖像提取分析工作造成影響：就比如圖像后期處理要采用邊緣檢測(cè)算法處理時(shí)，任何一點(diǎn)其他噪聲的干擾，都會(huì)使得算法不穩(wěn)定和導(dǎo)

29、致得到的圖像質(zhì)量惡化，出現(xiàn)大量的誤差，使得后續(xù)的特征提取與目標(biāo)識(shí)別無(wú)法進(jìn)行；而在獲取圖像時(shí)，往往會(huì)出現(xiàn)光照程度不均勻、鏡頭抖動(dòng)、鏡片上有灰塵等多種因素，有時(shí)還會(huì)因硬件上的不足，比如電子儀器器件的損壞、儀器本身硬件的精度不足等，使得通道受到其它污染或者其它的干擾。噪聲一般分為外部噪聲與內(nèi)部噪聲，內(nèi)部噪聲又可以分為四種噪聲：（1）由光和電的基本性質(zhì)所引起的噪聲；（2）電器的機(jī)械運(yùn)動(dòng)產(chǎn)生的噪聲；（3）器材材料本身引起的噪聲；（4）系統(tǒng)內(nèi)部設(shè)備電路引起的噪聲。但是一般采用的是圖像中噪聲分量的灰度值的統(tǒng)計(jì)特性（數(shù)學(xué)概率統(tǒng)計(jì)）的方法進(jìn)行分析。本課題處理的對(duì)象一般就是數(shù)字圖像處理，特別需要關(guān)注的就是高斯噪聲

30、和椒鹽噪聲。這兩種噪聲在圖像預(yù)處理中比較常見(jiàn)。用概率密度函數(shù)P(x)（x為灰度值）表示如下:高斯噪聲： (4-1)公式中的表示灰度值的均值，為灰度值的標(biāo)準(zhǔn)差。當(dāng)x符合（4-1）函數(shù)分布時(shí)，其值將近95%都在（-2）（+2）范圍內(nèi)。椒鹽噪聲： (4-2)其中a，b表示灰度值，b>a時(shí)，用一個(gè)亮點(diǎn)表示灰度值a，反之用一個(gè)暗點(diǎn)表示b。當(dāng)或者有一個(gè)為0時(shí)，表示為單極脈沖；二者均不為0時(shí)，特別是兩者近似相等的情況下，就表示為椒鹽噪聲。4.2 裂紋圖像的噪聲濾波預(yù)處理一般情況下，圖像系統(tǒng)中圖像的成像、復(fù)制、掃描、傳輸、轉(zhuǎn)換和顯示等總要造成圖像的大大小小的降質(zhì)。例如：攝像時(shí)，溫度的差異，光度的不均衡，

31、大氣的流動(dòng)，攝像頭的相對(duì)抖動(dòng)等都會(huì)使得圖像模糊；而在圖像傳輸過(guò)程中，噪聲的污染也會(huì)造成圖像的質(zhì)量下降。所以，必須對(duì)圖像進(jìn)行預(yù)處理。本次課題濾波處理采取了兩種方式：高斯濾波和中值濾波。兩者都是減少圖像的相對(duì)噪聲，突出目標(biāo)圖像的信息。4.2.1 圖像平滑處理平滑處理對(duì)于圖像來(lái)說(shuō)就是用來(lái)減少圖像的部分噪聲，使得圖像整體分布平滑，是一種常用的數(shù)字圖像處理技術(shù)；對(duì)于頻率領(lǐng)域來(lái)說(shuō)，因?yàn)榇蟛糠衷肼暤念l譜都處于高頻率段，所以我們常常使用低通濾波器來(lái)濾除高頻率的噪聲。常用的平滑模板有平均模板（均值模板）和高斯模板。通過(guò)上面對(duì)裂紋的噪聲具體分析，決定采用高斯濾波比較好。高斯濾波（Gauss Filter）是一種線

32、性平滑濾波，消除高斯噪聲非常適用，并且廣泛應(yīng)用于圖像處理的減弱噪聲過(guò)程；比較通俗一點(diǎn)來(lái)說(shuō)，高斯濾波就是一種加權(quán)平均過(guò)程，針對(duì)整幅圖像，每一個(gè)像素點(diǎn)的值，都通過(guò)其本身和周?chē)徲騼?nèi)的其他像素值經(jīng)過(guò)加權(quán)平均后得到；它的具體操作是：用一個(gè)模板或者叫卷積、掩模來(lái)掃描圖像中的各個(gè)像素，在由模板確定的鄰域像素的加權(quán)平均灰度值來(lái)代替模板中心元素點(diǎn)的值6。本次課題的濾波處理，決定使用（33）高斯模板。高斯模板是對(duì)普通模板的改進(jìn)，對(duì)于拍攝的普通圖像是比較有效的低通濾波器，模板具體如下所示。其計(jì)算公式如下：g(x,y)=f(x-1,y-1)+f(x-1,y+1)+f(x+1,y-1)+f(x+1,y+1)+f(x-

33、1,y)+f(x,y-1)+f(x+1,y)+f(x,y+1)*2+f(x,y)*4/16; (4-3)公式中，函數(shù)f(x,y)表示圖像中目標(biāo)點(diǎn)的灰度值，函數(shù)g(x,y)表示目標(biāo)點(diǎn)經(jīng)過(guò)高斯濾波處理后的灰度值。如圖4.1為圖像平滑處理的模板參數(shù)設(shè)置操作界面，圖4.2表示裂紋經(jīng)過(guò)高斯濾波后的圖像。圖4.1高斯模板參數(shù)設(shè)置界面圖4.2 高斯濾波后的裂紋圖4.2.2 中值濾波處理上面介紹的高斯濾波處理高頻率的噪聲效果明顯，但實(shí)際生活中，噪聲類(lèi)型多種多樣，僅僅憑借高斯濾波很難處理掉大部分噪聲。而在現(xiàn)實(shí)的情況下，獲取圖像的信號(hào)一般是不平穩(wěn)的，因此線性的濾波方式并不是很適合完全濾除噪聲，這里就在高斯處理完的

34、基礎(chǔ)上繼續(xù)采用了中值濾波的方式。中值濾波（The Median Filter）是一種非線性的的信號(hào)處理方法，中值濾波早在20世紀(jì)70年代就由J.W.Jukey首次提出并且在時(shí)間序列分析（一維信號(hào)處理）等方面開(kāi)始應(yīng)用，后來(lái)又被應(yīng)用到二維圖像信號(hào)處理技術(shù)等層面。與之對(duì)應(yīng)的中值濾波器當(dāng)然也就是一種非線性的濾波器。一定的條件下，中值濾波可以克服線性濾波器所帶來(lái)的圖像細(xì)節(jié)模糊，如最小均方濾波、均值濾波等，而且對(duì)濾除脈沖干擾與圖像掃描噪聲最為有效，中值濾波的原理即一般采用一個(gè)含有奇數(shù)個(gè)點(diǎn)的滑動(dòng)窗口，再將窗口中的各點(diǎn)灰度值的中值來(lái)代替窗口的中心點(diǎn)（或者其他的指定點(diǎn)）的灰度值，如果是奇數(shù)個(gè)元素，中值一般是按大

35、小排序后，中間的數(shù)值；反之，偶數(shù)個(gè)的話，中值就是指排序后中間兩個(gè)元素灰度值的平均值7。輸出圖像表達(dá)式為: G(i,j)=Medg(x,y) (x,y)N (4-4)其中G(i,j)是圖像像素經(jīng)過(guò)中值濾波后的輸出值，g(x,y)為圖像中位置為(x,y)的像素灰度值。N表示以(x,y)為中心的模板窗口內(nèi)的像素點(diǎn)的集合，N內(nèi)的像素通常是奇數(shù)。Med表示對(duì)一個(gè)集合中的數(shù)值取中間值。序列的中值表達(dá)式為： (4-5)假設(shè)序列為2,1,2,4,5,7,9,6,2,經(jīng)過(guò)中值濾波處理重新排序后，序列就為1,2,2,2,4,5,6,7,9,確定的中值為4。在用中值濾波處理的過(guò)程中，運(yùn)用模板窗口逐一的檢測(cè)鄰域內(nèi)的像

36、素，假如模板上的權(quán)值為1，那么就將其對(duì)應(yīng)位置的像素保存下來(lái)，直到運(yùn)行完畢，就完成了數(shù)據(jù)的采集，最后對(duì)這些采集到的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)排序，取中間值然后得到最后的結(jié)果。本次中值濾波處理采用的是33模板的中值濾波。模板如下所示： （33方形）對(duì)高斯濾波后的裂紋圖像4.2再經(jīng)過(guò)33模板中值濾波處理后的圖像輸出如圖4.3所示：圖4.3 高斯、中值濾波后的裂紋圖像4.3 裂紋圖像的灰度均衡處理本次實(shí)驗(yàn)采用的是灰度均衡這一方法來(lái)處理裂紋圖像。在裂紋圖像采集過(guò)程中，常常會(huì)受到外界光照環(huán)境、設(shè)備硬件、裂紋自身所持有的特點(diǎn)等影響，使得采集到的圖像光照顯示不均勻，呈現(xiàn)出一種整體過(guò)暗或者過(guò)亮的情況，也有可能造成圖像灰度集中

37、在某一塊小的區(qū)間中，對(duì)比度非常不足，目標(biāo)圖像與其他背景相混疊，視覺(jué)效果欠佳，給后續(xù)的裂紋提取工作造成很大的阻礙。這時(shí)，就需要對(duì)圖像進(jìn)行增強(qiáng)，來(lái)提高圖像的對(duì)比度，使得目標(biāo)圖像有選擇的突出出來(lái)，提高視覺(jué)清晰度，圖像增強(qiáng)的方法一般采用線性拉伸和灰度均衡這兩種方法，經(jīng)過(guò)實(shí)驗(yàn)對(duì)比，本次實(shí)驗(yàn)采用的是灰度均衡這一方法來(lái)處理裂紋圖像。圖像的灰度均衡處理也被稱(chēng)為直方圖均衡，利用數(shù)字圖像處理預(yù)處理中的點(diǎn)運(yùn)算使得圖像的灰度直方圖趨于平緩，也就是說(shuō)圖像灰度直方圖上每一級(jí)上都有部分像素點(diǎn)分布，整個(gè)像素圖像分布平均，這對(duì)于在進(jìn)行圖像后續(xù)分割提取，進(jìn)而測(cè)量計(jì)算裂紋形態(tài)特征的誤差將會(huì)縮小，精度將會(huì)提高。4.3.1 直方圖均衡

38、的意義如果圖像像素分布的相對(duì)集中，就會(huì)使得圖像分辨率不高，造成灰度集中在很小的一段區(qū)間里，目標(biāo)圖像與背景像素混疊，視覺(jué)效果欠佳，這樣很難提取出目標(biāo)裂紋圖像，這時(shí)就需要進(jìn)行圖像的對(duì)比度增強(qiáng)。運(yùn)行程序觀察上面濾波處理后的裂紋圖像灰度直方圖：圖4.3 濾波處理后裂紋圖像的灰度直方圖從上圖可以看出，圖像的灰度分布比較集中，大致都分布在50200像素區(qū)間，其中又以大致75125像素段最集中，峰值最高，可見(jiàn)裂紋圖像經(jīng)過(guò)平滑處理高斯濾波，與33方形中值濾波處理后，圖像像素變的相對(duì)集中，分辨率不高，造成灰度集中在很小的一段區(qū)間里，目標(biāo)圖像與背景像素混疊，視覺(jué)效果欠佳，這樣很難提取出目標(biāo)裂紋圖像，需要進(jìn)行圖像的

39、對(duì)比度增強(qiáng)，對(duì)比度增強(qiáng)我們一般會(huì)采取兩種不同的方法：直接增強(qiáng)或者間接增強(qiáng)。直方圖拉伸（Histogram Stretching）和直方圖均衡化（Histogram Equalization）是間接對(duì)比度增強(qiáng)的最常見(jiàn)方法：灰度直方圖拉伸是通過(guò)拉伸對(duì)比度來(lái)對(duì)直方圖進(jìn)行調(diào)整，進(jìn)而使得前景和背景灰度的差別“擴(kuò)大”，來(lái)達(dá)到增強(qiáng)對(duì)比度的目的，這樣的方法可以利用線性或者非線性的方法來(lái)實(shí)現(xiàn)8?；叶戎狈綀D均衡化則是利用累積函數(shù)來(lái)對(duì)圖像灰度值進(jìn)行“調(diào)整”，用以實(shí)現(xiàn)對(duì)比度的增強(qiáng)?；叶戎狈綀D均衡化是數(shù)字圖像處理領(lǐng)域中通過(guò)利用圖像灰度直方圖來(lái)對(duì)圖像對(duì)比度進(jìn)行調(diào)整的方法，這種方法通?？梢杂脕?lái)增加目標(biāo)圖像的局部對(duì)比度，尤其

40、是當(dāng)圖像的有用數(shù)據(jù)的對(duì)比度相當(dāng)接近的時(shí)候，利用這種方法，亮度或者暗度可以很好的在直方圖上顯示分布；這樣就可以增強(qiáng)目標(biāo)圖像的對(duì)比度而不至于影響整體圖像的對(duì)比度，圖像的灰度直方圖均衡化可以通過(guò)有效的擴(kuò)展亮度來(lái)實(shí)現(xiàn)這種功能9。4.3.2 直方圖均衡的原理算法及處理直方圖均衡有時(shí)也叫做灰度均衡（Gray Balance），圖像進(jìn)行灰度均衡的目的就是為了使圖像的灰度直方圖趨于平緩，也就是說(shuō)輸出圖像的灰度直方圖的每一級(jí)上都有相同的像素點(diǎn)。是利用累積函數(shù)來(lái)對(duì)圖像灰度值進(jìn)行“調(diào)整”，用以實(shí)現(xiàn)目標(biāo)圖像與背景圖像之間對(duì)比度的增強(qiáng)，便于后續(xù)的處理，對(duì)于圖像后續(xù)的裂紋圖像分割及圖像形態(tài)特征提取等處理非常有益的。根據(jù)原

41、始圖像的灰度直方圖上的像素分布情況顯示，我們利用了圖像概率密度函數(shù)，來(lái)對(duì)單位面積的直方圖進(jìn)行定義： (4-6)其中H(x)為直方圖，位圖像的面積。設(shè)開(kāi)始圖像的像素分布概率密度函數(shù)為，經(jīng)過(guò)灰度均衡轉(zhuǎn)換后生成的圖像的像素分布概率密度函數(shù)為,轉(zhuǎn)換函數(shù)為。利用概率論的知識(shí)，得： (4-7)這樣的話，要想使得轉(zhuǎn)換后得到的圖像的概率密度函數(shù)的直方圖顯示為平的，也就是為1，則必須使得： (4-8)對(duì)等式兩邊r進(jìn)行積分，可得： (4-9)上面顯示的公式是經(jīng)過(guò)歸一化后推導(dǎo)出來(lái)的，針對(duì)沒(méi)有經(jīng)過(guò)歸一化的圖像，只需要乘以255就行了（也就是最大灰度值）?；叶染獾霓D(zhuǎn)換公式為： (4-10)對(duì)于離散的圖像，轉(zhuǎn)換公式為：

42、 (4-11)上述式子中表示第i級(jí)灰度的像素個(gè)數(shù)?；叶戎狈綀D均衡化是數(shù)字圖像處理領(lǐng)域中通過(guò)利用圖像灰度直方圖來(lái)對(duì)圖像對(duì)比度進(jìn)行調(diào)整的方法，這種方法通?？梢杂脕?lái)增加目標(biāo)圖像的局部對(duì)比度，尤其是當(dāng)圖像的有用數(shù)據(jù)的對(duì)比度相當(dāng)接近的時(shí)候，利用這種方法，亮度或者暗度可以很好的在直方圖上顯示分布。這種方法對(duì)于背景和前景都太亮或者太暗的圖像非常有用，這種方法尤其是可以帶來(lái)X光圖像中更好的骨骼結(jié)構(gòu)顯示以及或者曝光不足照片中更好的細(xì)節(jié)。這種方法的一個(gè)主要優(yōu)勢(shì)是它是一個(gè)相當(dāng)直觀的技術(shù)并且是可逆操作，如果已知均衡化函數(shù)，那么就可以恢復(fù)原始的，并且計(jì)算量也不大。這種方法的一個(gè)缺點(diǎn)是它對(duì)處理的數(shù)據(jù)不加選擇，它可能會(huì)增加

43、背景雜訊的對(duì)比度并且降低有用信號(hào)的對(duì)比度；變換后圖像的灰度級(jí)減少，某些細(xì)節(jié)消失；某些圖像，如直方圖有高峰，經(jīng)處理后對(duì)比度不自然的過(guò)分增強(qiáng)。如圖4.4即表示濾波后的裂紋圖像繼續(xù)經(jīng)過(guò)直方圖均衡也就是灰度均衡后的效果圖：圖4.5 繼續(xù)灰度均衡后的裂紋圖像從圖4.5可以看出，圖像整體黑白分明，對(duì)比度大大增強(qiáng)，特別是目標(biāo)裂紋圖像與背景之間顯示突出，很少部分發(fā)生圖像混疊，圖像視覺(jué)效果得到提高，去除了不需要的噪聲細(xì)節(jié)圖像，給后續(xù)的圖像閾值分割提取目標(biāo)裂紋打下了良好的基礎(chǔ)，讓后期處理裂紋的形態(tài)檢測(cè)誤差也大大減少。圖4.6顯示經(jīng)過(guò)灰度均衡后的裂紋圖像的灰度直方圖分布：圖4.6 灰度均衡后的圖像直方圖像素分布觀察

44、圖像均衡后的灰度直方圖可以發(fā)現(xiàn)，裂紋圖像經(jīng)過(guò)灰度均衡后，目標(biāo)圖像與背景圖像的對(duì)比度大大提高，可以很清楚的發(fā)現(xiàn)裂紋圖像的像素分布范圍，而轉(zhuǎn)換后的裂紋圖像的總灰度像素分布也趨于平均。實(shí)際上圖像本身的灰度級(jí)不全，個(gè)數(shù)有限，所以使得最后得到的灰度直方圖并不是一條理論上的水平直線，而是呈現(xiàn)出一種相對(duì)參差不齊的形狀。并且可以發(fā)現(xiàn)，像素的分布密度也不均勻，在025像素區(qū)間比較集中，25175像素區(qū)間就相對(duì)比較分散，到了175255像素區(qū)間又出現(xiàn)集中的趨勢(shì)。相對(duì)于圖4.3來(lái)說(shuō)，像素分布分散。對(duì)后續(xù)的閾值分割提供了方便。5 零件表面裂紋圖像的分割與形態(tài)學(xué)處理5.1 圖像分割的研究圖像分割（Image Segme

45、ntation）在數(shù)字圖像處理中是一種很重要的圖像處理技術(shù)。在實(shí)際應(yīng)用中得到了人們的廣泛關(guān)注與重視，圖像分割的方法有很多種，有些算法可以適用于任何圖像，有些則只能適用于部分特定的圖像，所以，總的來(lái)說(shuō)，沒(méi)有唯一標(biāo)準(zhǔn)的圖像分割算法，因此，分割效果的好壞需要多種因素共同決定，需要具體問(wèn)題具體分析，分割算法也不可能對(duì)任何圖像都能完美分割；圖像分割的任務(wù)就是把目標(biāo)圖像從整體圖像中分離出來(lái)，將其分割成互不交疊的區(qū)域，以便圖像進(jìn)行后續(xù)的處理、分析及應(yīng)用；圖像分割是圖像進(jìn)行分析和理解的第一步，分割的精確程度也影響了后續(xù)的圖像分析結(jié)果。其在科學(xué)領(lǐng)域及工程技術(shù)等層面也有廣泛應(yīng)用10。（1） 軍事：軍事目標(biāo)檢測(cè)與定

46、位、無(wú)人駕駛飛機(jī)、地形配準(zhǔn)、地形偵查和軍事導(dǎo)航系統(tǒng)。（2） 圖像傳輸：數(shù)字電視、多媒體信息處理、會(huì)議電視、高清晰度電視（HDTV）、多媒體編碼和可視電話。（3） 身份識(shí)別：指紋識(shí)別和虹膜識(shí)別等。（4） 工業(yè)：探傷分析、礦藏分析、自動(dòng)化檢測(cè)與識(shí)別、無(wú)接觸式檢測(cè)、產(chǎn)品的精度和純度分析。（5） 文本圖像分析處理與識(shí)別：文字識(shí)別、版面分析和理解。（6） 生物醫(yī)學(xué)：計(jì)算機(jī)斷層圖像CT（Computer Tomograph）、X光透視、核磁共振圖像（MRI）、B超體內(nèi)病變檢測(cè)、各種細(xì)胞自動(dòng)計(jì)數(shù)、病毒細(xì)胞的自動(dòng)監(jiān)測(cè)和識(shí)別、生物圖像分析等。（7） 機(jī)器人視覺(jué)：無(wú)人駕駛汽車(chē)、自動(dòng)化生產(chǎn)線等。5.1.1 圖像分割

47、的意義及方法人們?cè)趫D像分割領(lǐng)域研究發(fā)展的過(guò)程中，對(duì)圖像分割提出了各種各樣的理解與解釋?zhuān)壳白钭屓藗兘邮艿氖峭ㄟ^(guò)集合來(lái)定義的圖像分割。假設(shè)集合R來(lái)表示整個(gè)待處理的圖像區(qū)域，而圖像分割操作也就是將集合R劃分成N個(gè)滿足下面條件的非空子集:（1） ；（2） 對(duì)i=1,2,···N,；（3） ；（4） ；（5） 對(duì)i=1,2,···N, 是連通的區(qū)域；的定義指出在分割后的效果圖中，每個(gè)區(qū)域都有著相同特點(diǎn)的像素。則表示在分割后的效果圖中，對(duì)于不同的子區(qū)域，它們之間有著不同的特點(diǎn)，互相不具備公共的特點(diǎn)。的意義在于圖像分割后的所有生成的子區(qū)域，它們的

48、并集就是原始圖像。這一點(diǎn)在圖像分割中非常關(guān)鍵，它是使得圖像中每個(gè)像素都可以得到處理的前提。圖像分割的方法有很多種，主要原理也就是通過(guò)假定每個(gè)子區(qū)域是否有相同的特點(diǎn)，但不同區(qū)域的像素也就不可能有相同的性質(zhì)了。但是并沒(méi)有一種或者幾種完美圖像分割方法，所有的條件表達(dá)式都是近似的。而在實(shí)際中，圖像數(shù)據(jù)的模糊和大量雜點(diǎn)噪聲的干擾使得分割圖像不像理論上那么簡(jiǎn)單順利，實(shí)際的圖像處理和分析都是基于面向特定的對(duì)象或者應(yīng)用，具體的問(wèn)題需要具體的分析，再根據(jù)實(shí)際情況選擇合適的分割方法，對(duì)于分割結(jié)果的好壞與否，當(dāng)前還沒(méi)有給出統(tǒng)一的評(píng)價(jià)標(biāo)準(zhǔn)，還得根據(jù)實(shí)際的分割效果來(lái)判斷。在先前針對(duì)圖像分割的研究中，人們總結(jié)出來(lái)的分割方

49、法大致可以分為兩大類(lèi)：一種是邊界方法，一種是區(qū)域方法。邊界方法的假設(shè)是基于某個(gè)子區(qū)域在原圖像中一定會(huì)有邊界存在。而相對(duì)于區(qū)域方法來(lái)說(shuō)，主要原理也就是通過(guò)假定每個(gè)子區(qū)域是否有相同的特點(diǎn)，但不同區(qū)域的像素也就不可能有相同的性質(zhì)了。這兩種算法有各自的優(yōu)缺點(diǎn)，也可以將兩者結(jié)合使用來(lái)進(jìn)行圖像分割，需要結(jié)合實(shí)際情況繼續(xù)分析。隨著計(jì)算機(jī)處理圖像的能力不斷提高，越來(lái)越多的圖像分割方法不斷涌現(xiàn)，但實(shí)際情況比較復(fù)雜，就比如在自然場(chǎng)景中拍攝的圖像，因?yàn)閳D像的復(fù)雜度太高，很難選取合適的閾值。比較常用的圖像分割技術(shù)如基于彩色分量分割、紋理圖像分割等。數(shù)學(xué)工具和分析手段也不斷的推陳出新，從時(shí)域信號(hào)到頻域信號(hào)處理，最近發(fā)展

50、歷程中，小波變換也應(yīng)用到圖像分割領(lǐng)域中。下圖列出了幾種圖像分割方法：圖像分割灰度相似性不連續(xù)性檢測(cè)區(qū)域分割閾值分割區(qū)域分裂與合并 自適應(yīng)邊界分割 孤立點(diǎn) 孤立線組成邊界邊界跟蹤孤立點(diǎn) 串行區(qū)域分割技術(shù)并行區(qū)域分割技術(shù)串行邊界分割技術(shù)并行邊界分割技術(shù)圖5.1 圖像分割方法從圖5.1可以看出，圖像分割技術(shù)主要包括4種：并行邊界分割技術(shù)和與之對(duì)應(yīng)的并行區(qū)域分割技術(shù)、串行邊界分割技術(shù)和與之對(duì)應(yīng)的串行區(qū)域分割技術(shù)。5.1.2 圖像閾值分割的原理算法及處理閾值分割（Threshold Segmentation）顧名思義就是基于灰度閾值的圖像分割方法，有一些在某些條件下的圖像，圖像中我們需要提取的目標(biāo)圖像如

51、果與背景圖像在灰度級(jí)分布上有非常明顯的差異存在，那么我們就可以利用設(shè)定相對(duì)合適的閾值將圖像的像素點(diǎn)按灰度的分布差異將其分開(kāi)，從而完成圖像分割的目的。閾值分割中，最簡(jiǎn)單的形式也就是相當(dāng)于把圖像進(jìn)行二值化處理，其原理也就是確定一個(gè)閾值，然后對(duì)圖像中的每一個(gè)像素點(diǎn)進(jìn)行篩選，再根據(jù)閾值決定當(dāng)前像素是歸于目標(biāo)圖像還是背景圖像。對(duì)于那些目標(biāo)圖像和背景圖像有明顯差別（對(duì)比度極高）時(shí)，閾值分割就有著極其高效的作用，閾值分割在處理前景和背影有較強(qiáng)對(duì)比度的圖像時(shí)有著特別有效的作用，此時(shí)需要計(jì)算的復(fù)雜度比較小。但是直接的閾值分割不一定能完全分割出目標(biāo)圖像，就比如在自然場(chǎng)景中拍攝的圖像，因?yàn)閳D像的復(fù)雜度太高，很難選取

52、合適的閾值。當(dāng)圖像的灰度級(jí)相對(duì)比較集中時(shí)，簡(jiǎn)單的設(shè)置閾值提取目標(biāo)圖像是一個(gè)非常有效的方法。閾值分割到目前為止，已經(jīng)提出了大量的算法。其基本的原理還是相通的，首先對(duì)于一幅灰度圖確定一個(gè)合適的閾值，然后把圖像中的每個(gè)像素點(diǎn)和閾值相比較，最后根據(jù)相比較的結(jié)果，把該圖像像素分為兩大類(lèi)目標(biāo)圖像與背景圖像。一般閾值分割可以分為以下3步： （1） 確定合適閾值；（2） 將閾值與像素相比較；（3） 把像素分類(lèi)。對(duì)于上面的3步，最重要的是第一步：確定閾值。選取一個(gè)合適的閾值，就可以對(duì)圖像進(jìn)行正確、合適的分割，對(duì)后續(xù)的圖像形態(tài)檢測(cè)誤差處理也會(huì)有很大幫助。閾值分割的原理也就是首先確定一個(gè)閾值，然后圖像中各個(gè)像素點(diǎn)與

53、其對(duì)比，如果大于該閾值，那么就將其灰度值設(shè)為255，否則設(shè)置為0。圖像的閾值分割變換函數(shù)的表達(dá)式： (5-1)其中T表示選定的閾值。圖像的閾值可以分為全局的閾值和局部的閾值這兩種：圖像全局分割方法也就是表示針對(duì)該圖像所選取的閾值是固定的，每個(gè)像素所進(jìn)行對(duì)比的閾值都是相等的；但是若各個(gè)像素使用的閾值都各不相同的話，就代表得使用局部閾值法。全局閾值： (5-2)局部閾值： (5-3)T表示選取的閾值。相比較而言，全局閾值分割圖像的方法相對(duì)來(lái)說(shuō)是最簡(jiǎn)單的圖像分割方法，最佳的全局閾值確定的常用方法一般有下面幾種：（1）實(shí)驗(yàn)法。圖像分割之前就已經(jīng)知道了圖像的部分特征，那么就可以采取實(shí)驗(yàn)法來(lái)進(jìn)行閾值分割，

54、選取閾值也就相對(duì)簡(jiǎn)單，只需要不斷的實(shí)驗(yàn)不同的閾值，來(lái)檢查是否滿足自己所需要的要求。（2）直方圖法。若是目標(biāo)圖像的的灰度值分布比較均勻，圖像背景的灰度值分布也是比較均勻的，那么這個(gè)圖像整體的灰度值方圖就會(huì)有明顯的雙峰，如圖5.2所示。當(dāng)一幅圖像出現(xiàn)這種情況時(shí)，就可以選擇兩峰之間的谷點(diǎn)作為閾值。圖5.2 具有明顯雙峰的灰度直方圖（3） 最小誤差法。假若背景與目標(biāo)圖像的灰度分布都是正態(tài)分布，那么就可以使用最小誤差法。選取的最佳閾值就是直方圖中正態(tài)分布交疊的閾值T，這種閾值選取方法是從概率上找到一個(gè)最優(yōu)閾值，通過(guò)觀察灰度均衡后圖像，發(fā)現(xiàn)裂紋圖像像素很暗，可以說(shuō)非常接近于0像素，再觀察與其相對(duì)應(yīng)的灰度直方圖像素分布圖，可以發(fā)現(xiàn)裂紋圖像大多分布在010像素之間，于是我采用了相對(duì)簡(jiǎn)單的實(shí)驗(yàn)法來(lái)進(jìn)行閾值分割。通過(guò)不斷的選取合適的閾值，觀察分割后的圖像是否符合要求，最終確定了最優(yōu)閾值T=6。下圖為選取的閾值及閾值分割后的裂紋圖像。圖5.3 選取閾值進(jìn)行分割圖5.4 閾值分割后圖像5.2 數(shù)學(xué)形態(tài)學(xué)處理從圖5.4閾值分割后的圖像可以看出，所需要的目標(biāo)裂紋圖像已經(jīng)從原始圖像中分離出來(lái)。并且裂紋形態(tài)沒(méi)有發(fā)生太大的改變。但還是有一些雜點(diǎn)毛刺與斷線缺陷，這些不可避免的散點(diǎn)噪聲，通過(guò)圖像的預(yù)處理是很難去除的，它不是因?yàn)橥獠凯h(huán)境的因素而產(chǎn)生的，而是因?yàn)榱鸭y