基于機器視覺的換向器表面質(zhì)量自動化檢測方法研究

1、畢 業(yè) 論 文題 目： 基于機器視覺的換向器表面質(zhì)量（麻點）自動化檢測方法研究作 者： M L P畢業(yè)屆期： 2 0 1 1 屆指導(dǎo)老師：院 系： 交通與工程系專 業(yè)： 交 通 運 輸2011年5月15日目錄摘要 . 2第一章 緒論 . 31.1選題目的及意義 . 31.2實驗方案 . 31.3文章內(nèi)容結(jié)構(gòu) . 4第二章 數(shù)字化圖像基礎(chǔ) . 62.1 圖像的數(shù)學模型. 62.2 彩色圖像. 72.3 灰度圖像. 72.4 二值圖像. 92.5 本章小結(jié). 10第三章 霍夫變換 . 113.1霍夫變換基本原理 . 113.2 極坐標形式表示霍夫變換. 133.3 霍夫變換原理的應(yīng)用方法. 153

2、.4 總結(jié). 17第四章 圖像采集及幾何校正 . 184.1圖像采集 . 184.2 圖像的幾何校正. 184.3 本章總結(jié). 23第五章 圖像的分割 . 245.1基于閾值的圖像分割 . 245.2 連通域標記及面積計算. 255.3 本章小結(jié). 26第六章 圖像的邊緣檢測與實驗結(jié)果 . 276.1換向片邊緣檢測與標記 . 276.2 檢測結(jié)果計算. 296.3 本章小結(jié). 30第七章 結(jié)論 . 317.1本論文所取得的成果 . 317.2展望 . 31參考文獻 . 33致謝 . 34附錄 . 35基于機器視覺的換向器表面質(zhì)量（麻點）自動化檢測方法研究摘要換向片作為直流電機的關(guān)鍵部件，其表面

3、質(zhì)量好壞直接影響到電機的運行性能。換向片表面麻點的存在，會使電刷和換向器的接觸穩(wěn)定性受到破壞，加大電刷與換向器接觸面火花和電弧產(chǎn)生的傾向，嚴重影響電機運行的穩(wěn)定性和使用壽命。然而目前國內(nèi)對換向片表面質(zhì)量的檢測依舊停留在人工檢測階段，技術(shù)落后，效率低，工作強度大。根據(jù)權(quán)威期刊數(shù)據(jù)庫檢索結(jié)果可知，國內(nèi)尚無此方面的研究成果。論文將機器視覺技術(shù)應(yīng)用于換向片表面質(zhì)量的檢測，通過計算換向片表面麻點面積來實現(xiàn)。采用基于閾值的圖像分割技術(shù)提取出麻點圖像，對其進行標記和連通域面積計算；針對換向片的邊緣輪廓形狀特征，應(yīng)用上邊緣檢測和霍夫變換方法，標記換向片上下邊緣并計算兩條邊緣線間距離，然后依據(jù)其實際距離可推算出

4、麻點面積。論文首次應(yīng)用了機器視覺技術(shù)來檢測換向片表面質(zhì)量。用matlab 語言進行編程實驗，仿真結(jié)果良好，表明文中提出的方法是有效可行的。不但成功地解決了換向器表面質(zhì)量的檢測問題，同時對其他產(chǎn)品上同類問題的解決具有一定的借鑒意義。關(guān)鍵詞： 換向器表面質(zhì)量 邊緣檢測 閾值分割 麻點 霍夫變換第一章 緒論1.1選題目的及意義換向片作為直流電機的關(guān)鍵部件，其狀態(tài)好壞直接影響到電機的運行性能。換向片對電機性能的影響主要取決于在一定條件下相對電刷高速滑動時的電接觸行為。在電刷和換向器的接觸面上，如果能夠?qū)崿F(xiàn)均勻、平滑的接觸，就能實現(xiàn)平穩(wěn)換向；但因表面麻點的存在，電刷和換向器的接觸穩(wěn)定性受到破壞，加大電刷

5、與換向器接觸面火花和電弧產(chǎn)生的傾向，嚴重影響電機運行的穩(wěn)定性和使用壽命。所以不論是電機的生產(chǎn)還是使用中，換向片質(zhì)量的檢測都是很關(guān)鍵的。特別是對一些交通工具的原動機而言，這一點顯得尤為重要。而目前對電機換向片表面質(zhì)量的檢測以人為定期檢測為主，技術(shù)落后，效率低，工作強度大。根據(jù)權(quán)威期刊數(shù)據(jù)庫檢索結(jié)果可知，國內(nèi)尚無此方面的研究成果。所以本文將機器視覺檢測方法用于換向片表面麻點的檢測。利用機器視覺進行檢測不僅可以排除主觀因素的干擾，降低勞動強度，提高生產(chǎn)效率，對這些指標進行定量描述，對缺陷的形態(tài)、類型進行鑒別和統(tǒng)計，具有人工檢測所無法比擬的優(yōu)越性8。1.2實驗方案1）用照相機或是其他設(shè)備采集圖像，將電

6、機換向器表面信息以數(shù)碼照片的形式傳遞給計算機。2）對圖像進行初步判斷分析，挑選質(zhì)量較高，可以反映換向器實際情況的照片進行灰度處理。3）對圖片進行裁剪，濾除圖像背景等不必要的干擾信息，以減少圖像處理的難度。4）根據(jù)圖像灰度直方圖，選擇合理的閾值進行二值化，提取出麻點圖像，并對其進行標記和連通域面積計算。5）選擇合理的閾值進行二值化，得到換向片邊緣分割圖像，應(yīng)用上邊緣檢測和霍夫變換方法標記其上下邊緣線，并計算上下邊緣線間的距離。6）根據(jù)連通域面積和換向片上下邊實際寬度換算出麻點面積。實驗流程如圖1-1所示。1.3文章內(nèi)容結(jié)構(gòu)第一章介紹了本文的選題背景、目的及意義，概述了本文的主要內(nèi)容及結(jié)構(gòu)，對文章

7、中所涉及到的實驗進行介紹。第二章對數(shù)字圖像處理技術(shù)作了全面概述，介紹了數(shù)字圖像處理的概念和發(fā)展，對數(shù)字圖像的各種基礎(chǔ)知識、基礎(chǔ)概念進行了講解。第三章對霍夫變換數(shù)學原理進行了詳細講解。第四章以圖像的幾何校正為主，對實驗中的所涉及到的圖片裁剪、旋轉(zhuǎn)的基本原理進行講解，是圖像后續(xù)處理的基礎(chǔ)。第五章采用基于閾值的圖像分割方法對換向片麻點圖像進行提取。通過實驗了解了在基于閾值的圖像分割中，閾值的選取對分割結(jié)果的影響。第六章用上邊緣檢測和霍夫變換方法，標記出了換向片邊緣信息，并由此結(jié)合換向片的實際寬度，求解出了麻點的實際面積大小。第七章對全文作了總結(jié)，提出了文中采用方法的存在的問題和需改進之處。 圖1-1

8、 實驗流程第二章 數(shù)字化圖像基礎(chǔ)數(shù)字圖像處理的英文名稱是“Digital Image Processing ”。所謂數(shù)字圖像處理就是利用計算機或者其數(shù)字硬件，對從圖像信息轉(zhuǎn)換得來的電信號進行某些數(shù)學運算，以提高圖像的實用性。數(shù)字圖像處理技術(shù)處理精度比較高，而且還可以通過改進處理軟件來優(yōu)化處理效果。它是在遙感和生物醫(yī)學圖片分析兩項應(yīng)用技術(shù)基礎(chǔ)上開拓出來的新領(lǐng)域。這項技術(shù)最早出現(xiàn)于50年代，當時的數(shù)字計算機己經(jīng)發(fā)展到一定水平，人們開始利用計算機來處理圖形和圖像信息。70年代末以來，由于數(shù)字技術(shù)和微機技術(shù)的迅猛發(fā)展，給圖像處理提供了先進的技術(shù)手段，圖像處理技術(shù)也就由信息處理、自動控制系統(tǒng)理論、計算機

9、科學、數(shù)據(jù)通信、電視技術(shù)等學科中脫穎而出，成長為旨在研究圖像信息的獲取、傳輸、存儲、變換、顯示、理解與綜合利用的一門嶄新學科問。隨著圖像處理技術(shù)基本理論的發(fā)展，具有數(shù)據(jù)量大、運算速度快、算法嚴密、可靠性強、集成度高、智能性強等特點的各種圖文系統(tǒng)在國民經(jīng)濟各部門得到廣泛的應(yīng)用，并在逐漸深入社會的各個方面2。2.1 圖像的數(shù)學模型在計算機中，圖像像素的灰度值用整數(shù)表示, 如圖，一副M * N個像素的數(shù)字圖像，其像素灰度值可以用M 行、N 列的矩陣F （i , j） 表示5：=, (j i f MN M M NN f f f f f f f f f . . . . . . . . 212222111

10、211圖2-1這樣，就可以直接對圖像矩陣進行數(shù)學運算，來實現(xiàn)數(shù)字圖像的處理。2.2 彩色圖像自然界常見的光，都可由紅（R ）、綠（G ）、藍（B ）三種顏色的光按不同的比例相配而成，這就是色度學中的三基色原理。將由紅、綠、藍這三種基色組成的顏色模型稱為RGB 顏色空間。如圖2-2所示，以三維矩陣將RGB 圖像存放，圖像中每個像素點的顏色由R 、G 、B 三種分量決定，而每個分量有255個可能的取值。這樣每個像素點可以有1600多萬（255*255*255）種變化范圍 。所以，在圖像處理中一般將彩色圖像轉(zhuǎn)換為灰度圖像進行處理。圖像的灰度化處理常用的有三種方法：加權(quán)平均法、平均值法和最大值法。一般

11、以加權(quán)平均法為主。 圖 2-2根據(jù)重要性和其他指標，將R 、G 、B 三個分量以不同的權(quán)值進行加權(quán)平均。由于人眼對綠色的敏感度最高，加權(quán)值為0.59；對藍色的敏感度最低，加權(quán)值為0.11；因此，可以用式2.1對三分量進行加權(quán)平均得到較合理的灰度圖像。F(i , j = 0.30R(i ,j+0.59G(i , j+0.11B(i ,j （2.1）式中F （i ，j ）為得到的灰度圖像矩陣；R(i，j ，G （i ，j ）,B(i，j 分別為彩色圖像三維矩陣中的紅色、綠色和藍色分量所對應(yīng)的矩陣。2.3 灰度圖像在灰度圖像中，像素灰度級用8位表示，所以每個像素都是介于黑色和白色之間的256（82=

12、256）種灰度中的一種，灰度圖像只有灰度顏色而沒有彩色。如圖2-3所示，每一數(shù)字都表示與其相對應(yīng)的像素點的灰度級。 圖2-3圖像的直方圖是圖像的重要統(tǒng)計特征，是表示數(shù)字圖像中每一灰度級與該灰度級出現(xiàn)的頻數(shù)間的統(tǒng)計關(guān)系，即圖像中某一灰度級的像素數(shù)目?；叶戎狈綀D定義為：P(k r =Nn k (k = 0,1,2L-1 （2.2）式中：N 為一幅圖像的總像素數(shù)；k n 為第k 級灰度的像素數(shù)；k r 為第k 級個灰度級；L 為灰度級數(shù)；P （k r ）為該灰度級出現(xiàn)的相對頻數(shù)5。圖2-4 圖像直方圖直方圖用橫坐標軸代表灰度值，縱坐標代表像素數(shù)（產(chǎn)生概率、對整個畫面上的像素數(shù)的比率），如圖2-4所示

13、?；叶戎祱D2-5圖像灰度分布概率密度函數(shù)圖2-5（a ）和（b ）為兩個相對應(yīng)的灰度密度分布函數(shù)。圖2-5(a的大多數(shù)像素灰度值分布在較暗的區(qū)域，所以此圖像整體較暗；而圖2-5（b ）的圖像像素值集中在亮區(qū)，此副圖像整體較亮。2.4 二值圖像二值圖像的每個像素不是黑就是白，其像素灰度值沒有中間過渡。二值圖像中每個像素的值只能是0或1，如圖2-5 所示，是一副二值圖像的數(shù)學表示。 圖像二值化就是將圖像上的像素點的灰度值設(shè)為0或255，使整幅圖呈現(xiàn)出明顯的黑白效果。圖像二值化有利于圖像的進一步處理，使圖像變得簡單，數(shù)據(jù)量減小，能凸顯出感興趣目標的輪廓。二值化作為一種圖像分割技術(shù)，由于其再工程應(yīng)用中

14、發(fā)揮著重要的作用，長期以來吸引了大量的工程技術(shù)人員對其進行研究7。二值化方法通常分為兩類：全局 (r p r （a ）灰度值集中在較暗區(qū)域（b ）灰度值集中在較亮區(qū)域(r 0 1r 0 1r二值化算法和局部二值化算法，全局二值化算法，選擇單一閾值，該閾值對全局適用。局部二值化算法，則是根據(jù)局部信息選擇一個閾值，該閾值對局部適用。設(shè)一副灰度圖像，經(jīng)過二值化將其轉(zhuǎn)化為二值圖像，運算方法如下：1 21T j i F T T <<j iF T =0其他或 (2.31 j iF T T >1j iF T =0 1T j iF T 2.5 本章小結(jié)本章介紹了數(shù)字化圖像技術(shù)的一些基礎(chǔ)知識。

15、首先簡單介紹了數(shù)字化圖像技術(shù)及其發(fā)展歷史，接著分別講解了彩色圖像、灰度圖像、二值圖像的數(shù)學模型；以加權(quán)平均法為主講解了彩色圖像的灰度化處理方法；介紹了灰度直方圖和灰度圖像的二值化方法。通過本章可以使我們對圖像的數(shù)字化技術(shù)有淺薄的認識，了解圖像數(shù)字化基本原理。第三章 霍夫變換霍夫變換是一種線描述方法，它可以將圖像空間中用直角坐標表示的直線變換為極坐標空間中的點。一般將霍夫變換稱為線點變換?；舴蜃儞Q提取直線的主要優(yōu)點是受直線中的間隙和噪聲影響較小。本章將詳細講解霍夫變換的基本原理。3.1霍夫變換基本原理 將由直線的斜率m 和直線與y 軸截距b 分別為橫坐標軸和縱坐標軸組成的直角坐標系稱為霍夫空間，

16、在霍夫空間中縱坐標b 與橫坐標m 的關(guān)系表示為：00y m x b +-= (3.1如圖3-1所示，直線都可用函數(shù)00b x m y +=來表示，每條直線0m 和0b 都是唯一的，所以，圖像空間中的一條直線在霍夫空間中對應(yīng)一個點。假設(shè)在圖像空間中一簇直線相交于一點（0, 0y x ）， 用公式00y m x b +-=來做霍夫空間的對應(yīng)圖像。因為過一點可以作無數(shù)條直線，所以可以認為0x 是連續(xù)變化的，這樣可以做出一條直線，如圖3-2右圖所示。因此圖像空間中的一點對應(yīng)霍夫空間中的一條直線。xb 0圖像空間霍夫空間圖3-1圖像空間中的一條線對應(yīng)霍夫空間中的一個點如圖3-3所示，圖像空間中的兩點在霍

17、夫空間表示為兩條相交的直線，而兩條直線的交點表示的是圖像空間中過給定兩點的直線。圖3-3由公式 00y m x b +-=可以求出各點在霍夫空間對應(yīng)的直線如下：(1,0 - b= -m (1,1 - b=-m+1(2,1-b=-2m+1 (3,2-b=-3m+2 (3-2 (4,1-b=-4m+1 由以上公式可以作出各個直線x mx 0 b 圖像空間霍夫空間圖3-2 圖像空間中的一個點對應(yīng)Hough 空間中的一條直線y yx 圖 3-4圖3-4霍夫空間中的直線為圖3-3圖像空間中各點在霍夫空間中的表示，其中有兩點分別由三條直線相交組成，由式3.2不難判斷出，這兩個點分別是經(jīng)過點（1,1），（2

18、,1），（4,1）的直線和經(jīng)過點（1,0），（2,1），（3,2）的直線在霍夫空間中的表示。由以上的判斷可以得出這樣的結(jié)論：在圖像空間中如果有N 個點排列在同一直線上，則這N 個點在霍夫空間中相對應(yīng)的直線匯交于一點。在霍夫空間中匯交于一點的直線條數(shù)越多，則在圖像空間中排在同一直線上的點的數(shù)目越多。以上是霍夫變換的基本原理，但是還有一個問題存在，當圖像空間中的直線為垂直于X 軸的直線時，=0m , 沒有辦法用00b x m y +=來表示，所以考慮到了用極坐標的形式來表示直線。3.2 極坐標形式表示霍夫變換 圖3-5 極坐標表示直線在圖3-5中：(s i n , c o s , r r q p

19、= (3-3 所以可以得出垂線的斜率為cos /sin tan = (3.4 原直線的斜率為 s i n c o s t a n 1-=-(3.5在原直線上任意一點的斜率我們可以表示為：c o s s i n r x r y qx p y -=- (3.6結(jié)合式3.5可以得出： c o s s i n s i n c o s r x r y -=-(cos sin sin cos 22x y r +=+1c o ss i n 22=+ cos sin x y r += (3.7 s i n c o s 11y x r += s i n c o s 22y x r +=通過上式結(jié)合圖3-5可以得

20、出：只空間中N 個點滿足( , (, , 2211y x y x (n n y x , 都滿足cos sin x y r +=, 則這N 個點在同一直線上，并且這條直線由值值和r 來確定。對于垂線，可以用極坐標表示為 0sin 0cos y x r += x = r圖 3-6通過以上結(jié)論，應(yīng)用霍夫原理，可以將圖像空間中點映射為(, r 空間中的正弦曲線。如圖3-7所示： 圖 3-7而圖像空間中共線的點所對應(yīng)直線的(, r 的值正是(, r 空間中兩條正弦曲線的交點(' ' , r 。3.3 霍夫變換原理的應(yīng)用方法前面兩節(jié)主要介紹了霍夫變換的基本原理和霍夫變換的極坐標表示形式。本

21、節(jié)將舉例講解用霍夫變換原理檢測換向片邊緣直線的方法。首先將值進行離散化處理，然后代入。例如：-90，-89.5，-80，-79.5或是-90,-80，-70等。如圖3-8所示，圖像空間中的幾個點，用霍夫變換原理找出圖像中在同一直線上r '22cos sin r x y =+rXy的點。 1. 首先選擇值，在本例中選擇=-45,0，45，90 2. 點坐標(x,y值分別代入cos sin x y r +=可以得出： 表 3-13. 由表 3-1中的數(shù)據(jù)，對各(, r 點經(jīng)過的正弦數(shù)目進行統(tǒng)計：可以看出，經(jīng)過點（2,0。）的正弦數(shù)和經(jīng)過點（3，90。）的正弦數(shù)最多，均為3個。通過計算可以得

22、出對應(yīng)的直線。2 = xcos0 + ysin0 x= 2x123412340圖 3-83 = xcos90 + ysin90 y = 3 最后將這兩條直線在原圖像中標出。3.4 總結(jié)本章詳細介紹了霍夫變換原理和用極坐標表示霍夫變換的方法，以及用霍夫變換原理檢測直線的具體方法。最后再次對霍夫變換的主要性質(zhì)做以總結(jié)： 1. 直角坐標系中的一點對應(yīng)于極坐標中的一條正弦曲線。 2. 變換域極坐標系中一點對應(yīng)于直角坐標系中的一條直線。3. 直角坐標系一條直線上的N 個點對應(yīng)于極坐標系中共點的N 條曲線。由于霍夫變換受直線間隙和圖像中的噪聲影響較小，所以在本文后面內(nèi)容中將用霍夫變換方法進行換向片上下邊直

23、線的檢測。第四章 圖像采集及幾何校正圖像在生成和傳送的過程中，很可能會產(chǎn)生畸變，比如：偏色、模糊、幾何傾斜等，這將嚴重影響到圖像處理的效果。所以圖像的攝取過程和圖像的幾何校正都是圖像處理中非常關(guān)鍵的步驟。本章將介紹電機換向片圖像采集過程中的注意事項，以及換向片圖像的裁剪和旋轉(zhuǎn)兩種幾何校正方法的基本原理。4.1圖像采集圖像輸入的方式有圖像采集卡輸入、掃描儀輸入、數(shù)碼相機等幾種采集方式，綜合考慮幾種采集方式的優(yōu)缺點，本文采用數(shù)碼相機進行圖像的采集工作。用數(shù)碼相機進行圖像采集的需注意事項有：1. 必須將數(shù)碼相機固定，防止因人手顫動而使圖像模糊，增加圖像處理的困難。 2. 為了使采集的圖像有足夠的清晰

24、度，必須保證照相機鏡頭與物體間的距離。 3. 必須保證物體表面光照均勻，在必要情況下可使用外部燈光。 采集的換向器圖像如圖4-1。 圖 4-14.2 圖像的幾何校正實際采集到的圖像由于各種客觀因素的影響，可能產(chǎn)生畸變，無法直接進行實驗研究，這就需要幾何校正。圖像的幾何校正就是用數(shù)學建模的方法對圖像的位置、數(shù)字圖像是把連續(xù)圖像在坐標空間和性質(zhì)空間離散化了的圖像。例如用一組二維數(shù)組f(x,y來表示，其中x,y 表示2D 空間xy 中的一個坐標點的位置，f （x,y ）代表圖像在點（x,y ）的某種性質(zhì)的數(shù)值。如果處理的是一幅灰度圖像，這時f(x,y表示灰度值。所以一般的幾何變換可以通過與之對應(yīng)的矩

25、陣線性變換來實現(xiàn)。需要注意的是圖像在2D 空間的表示以水平向右為X 軸，以垂直向下為Y 軸，如圖 4-1所示。m n mn y x y x y x y x y x y x12111211.圖 4-1圖像旋轉(zhuǎn)通常的做法是：以圖像的中心為圓心進行旋轉(zhuǎn)，將圖像上所有的像素點都旋轉(zhuǎn)一個相同的角度。 一、兩種坐標系的轉(zhuǎn)換前面已經(jīng)提及圖像在2D 空間中的表示以水平向右為橫軸，以垂直向下為豎軸。如果以圖像中心為圓心進行旋轉(zhuǎn)，必須將兩種坐標系進行轉(zhuǎn)換，如下圖所示： 圖 4-2如圖所示，設(shè)此圖像寬度為w ，高度為h ，' o o 與分別為兩種坐標系的原點，現(xiàn), (0y x y將原點o 的位置移動到新的原

26、點' o 。hy y w x x 2121''+-=+=(4.1將式4-1表示為矩陣形式如下： -=15. 05. 001000111''wwyxyx（4.2） 相反的將坐標系' o 轉(zhuǎn)換為坐標系o 可用下式表示：hy y w x x 2121''+-=-= （4.3）轉(zhuǎn)換為矩陣形式為： -=15. 05. 001000111''wwyxyx（4.4） 二、圖像的旋轉(zhuǎn)原理 如圖4-3，將點 , (00y x 移動到點 , (11y x 位置，由于旋轉(zhuǎn)量以角度為標準，所以將 , (00y x 分別表示為sin , c

27、os 00r y r x =，式中r 為該點到原點的距離， 為與軸之間的夾角，為旋轉(zhuǎn)的角度。如圖 4-3 旋轉(zhuǎn)后的點的坐標表示為：xc o ss i n c o s s i n c o s s i n s i n (s i n c o s s i n s i n c o s c o s c o s (001001y x r r r y y x r r r x +-=-=-=+=+=-= (4.5以矩陣形式表示為： -=100c o s s i n 0s i n c o s11011y x y x (4.6根據(jù)式4.2、4.4、4.6可以將圖像中像素點的旋轉(zhuǎn)分為三個步驟來完成： 1、將坐標

28、9; o o 變成； 2、將該點旋轉(zhuǎn)角； 3、將坐標o o 變回坐標' 。 用數(shù)學方法可表達如下：+-+-=-=15. 0c o s 5. 0s i n 5. 05. 0s i n 5. 0c o s 5. 00c o s s i n 0s i n c o s 115. 05. 0010001100c o s s i n 0s i n c o s15. 05. 001000111'' 0''11hh w w h w y x hwhwy x y x (4.7式中的' ' w h w h 、與、分別表示坐標系o 與坐標系' o 中的圖

29、像的高與寬。 圖像旋轉(zhuǎn)的一個關(guān)鍵因素是旋轉(zhuǎn)角度的大小，一般可用霍夫變換來求得旋轉(zhuǎn)角度。本文中為了方便換向片邊緣檢測必須對圖像進行旋轉(zhuǎn)，使換向片與X 軸保持大致平行，旋轉(zhuǎn)結(jié)果如下圖所示。 圖 4-4由于硬件條件的制約，在實驗圖像的攝取中難免會有受光不均勻產(chǎn)生的過亮或過暗部分及一些無用背景，這些將成為干擾圖像處理與分析的主要因素。用幾何變換方法對圖像中的干擾信息進行濾除，這就是圖像的裁剪。圖像裁剪的方法非常簡單，就是將圖像矩陣中需要的像素點的數(shù)據(jù)提取出來，形成一個新的圖像矩陣。下面舉一個簡單的例子來說明圖像的裁剪原理。假設(shè)原圖像矩陣為F ，需要的圖像矩陣為T= 4, 4(4, 3(4, 2(4,

30、1( 1, 4( 3, 3( 3, 2( 3, 1(2, 4( 2, 3( 2, 2( 2, 1( 1, 4( 1, 3( 1, 2( 1, 1(f f f f f f f f f f f f f f f f F = 3, 3( 3, 2( 2, 3(2, 2( 2, 2( 2, 1( 1, 2(1, 1(f f f f t t t t T 具體實現(xiàn)方法如下：3, 3( 2, 2( 3, 2( 2, 1( 2, 3( 1, 2(2, 2( 1, 1(f t f t f t f t = (4.8由上可以看出，只要確定所需圖像的原點，即上式中的 1, 1(t 點在原圖像中的坐標值，以及所需圖像的高

31、h 和寬度w ，就可以從原圖像中截取所需圖像。如圖4-5所示是經(jīng)過裁剪后的換向片圖像。4.3 本章總結(jié)本章主要講解了圖片攝取的幾種途徑及注意事項，以及對圖像旋轉(zhuǎn)、裁剪等幾何校正方法、原理進行了說明，為后面圖像的分割，標記和面積計算等奠定了基礎(chǔ)。幾個實驗都比較成功，達到了預(yù)期效果。圖 4-5 裁剪后的圖像第五章 圖像的分割在對圖像的研究和應(yīng)用中，人們往往僅對圖像中的某些部分感興趣。這些部分常稱為目標或前景，它們一般對應(yīng)圖像中特定的、具有獨特性質(zhì)的區(qū)域，為了對目標進一步處理，需要把它們提取出來。圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標的技術(shù)和過程9。本章應(yīng)用圖像分割技術(shù)提取電機換向

32、片圖像中的麻點圖像，并進行標記和面積計算。5.1基于閾值的圖像分割閾值圖像分割又稱為門限圖像分割，其原理簡單、易于實現(xiàn)，是一類被廣泛應(yīng)用的圖像分割方法。閾值分割方法基于以下假設(shè)：對于灰度圖像，目標與背景之間像素灰度值差異較大，而目標或背景內(nèi)部的像素值在灰度直方圖上表現(xiàn)為比較集中。在這樣的假設(shè)前提下，對灰度圖像進行分割，只需要在直方圖中目標與背景兩個峰值之間適當?shù)倪x取閾值，就可以實現(xiàn)對灰度圖像的分割7。 圖5-1 換向片圖像直方圖本文中經(jīng)過幾何校正的換向片灰度直方圖如圖5-1所示，從圖中可以找到兩個分割閾值，即60與130，那么可以將圖像以灰度值分成0-60,60-130,130-255三部分，

33、但并不知道每一部分在原圖中的意義，用閾值60與130將圖像進行分割，分割后圖像如下圖：圖 5-2如圖5-2閾值分割出的分別是麻點圖像與換向器片槽圖像。從分割出的麻點圖像可以看出，所選閾值并不是最理想的，圖像中有太多干擾信息，必須對圖像進一步實驗，以找到最合理閾值。圖5-3將以上各圖進行比較，可以看出：選擇閾值過小，分割后的圖像噪音點太多，無法準確的標記所需圖像；如果選擇閾值過大，會使目標圖像信息缺失，準確性降低。本文中換向片圖像的最佳分割閾值為140和60。5.2 連通域標記及面積計算無論是二值分割結(jié)果還是多值分割結(jié)果，分割得到的圖像包含一個或多個區(qū)域，(a 二值化后的圖像 閾值130 (b

34、閾值60(a 閾值127 (b 閾值135(c 閾值138 (e 閾值50(d 閾值140提取出這些區(qū)域一般通過連通域標記來實現(xiàn)。 圖 5-4圖像的連通域標記方法是：將二值分割后的多個區(qū)域用不同的數(shù)字來表示，如圖5-3是經(jīng)過二值分割后的麻點圖像的標記結(jié)果，圖中的數(shù)字1為麻點，0是背景。如果換向片上有多個麻點，可用數(shù)字1,2,3來依次進行標記。圖像的連通域標記方便了圖像特征的提取，也可以通過計算各連通域的面積來濾除圖像中的噪聲等干擾信息。對某個圖像區(qū)域i R ，其面積i A 就是統(tǒng)計i R 中邊界內(nèi)部（也包括邊界上）的像素點的灰度級之和，計算公式如下：=Nx My i y x f A 11, (

35、 （5-1）式中：M 、N 分別為圖像區(qū)域i R 的長和寬。對于二值圖像，若用1表示目標，用0表示背景，其面積就是統(tǒng)計1 , (=y x f 的個數(shù)5。5.3 本章小結(jié)本章以灰度圖像直方圖為依據(jù)，對電機換向片圖像進行基于閾值的圖像分割，經(jīng)過多次實驗，找到了較合理閾值，分別提取到了換向片表面麻點圖像和換向片、槽的分割圖像。對分割后的連通域進行標記，求解出了其像素計數(shù)面積。第六章 圖像的邊緣檢測與實驗結(jié)果圖像的邊緣是圖像最基本的特征，可以被定義為在局部區(qū)域內(nèi)圖像特性的差別，它總是以強度突變的形式出現(xiàn)，主要表現(xiàn)為圖像局部特性上的不連續(xù)性，如灰度的突變、紋理結(jié)構(gòu)的突變、顏色的突變等。對于換向器圖像，能

36、否成功檢測出換向片的邊緣，將決定換向器表面質(zhì)量檢測的準確性。本章要解決的問題是：提取出圖像中的換向片邊緣信息，計算出換向片寬度，并根據(jù)測量的換向片實際寬度推算出麻點的實際面積。6.1換向片邊緣檢測與標記電機換向片邊緣檢測的步驟如下： 一、圖像的反轉(zhuǎn)在數(shù)字圖像處理中，為了方便，通常以0來表示圖像的背景，以1來表示目標圖像。所以與之相反的圖像可以通過反轉(zhuǎn)來進行校正。本文中電機換向片的反轉(zhuǎn)過程如下圖： 圖 6-1 圖像翻轉(zhuǎn)二、用上邊緣檢測法進行邊緣檢測數(shù)字圖像處理方法中，邊緣檢測算法較多，但是對于本文，用上邊緣檢測法來檢測電機換向片邊緣，有著明顯的優(yōu)越性。它不僅可以消除豎向邊緣信息對檢測的干擾，并且

37、使換向片云母槽圖像細化為單像素點，簡化了邊緣的提取。上邊緣檢測的實現(xiàn)較為簡單。如果一個像素點的值為1，并且它正上方像素點的值為0，則將該像素點賦值為1；如果不符合此條件，則該點賦值為0。用matlab 來實現(xiàn)，程序如下：- function Y=EdgeTop(X row,col = size(X; Y=zeros(row,col; Y=logical(Y; for j=2:1:col-1,for i=2:1:row-1,if(X(i,j=1&(X(i-1,j=0, Y(i,j=1; end end end-程序運行的效果見圖6-2，右圖為上邊緣檢測后的圖像。 圖6-2 上邊緣檢測三、

38、用霍夫變換檢測出兩條邊緣線并進行標記，運行結(jié)果如下圖。 圖 6-3以上圖(a是原圖像中的像素點映射到坐標系上的一簇曲線；圖(b是用霍夫變換檢測出的邊緣直線在原圖上的標記；圖(c是霍夫變換返回的數(shù)據(jù)。可以看出霍夫變換返回的數(shù)據(jù)中包含直線的始點、終點、值與值，根據(jù)公式： s i n c o s y x += 可以得出兩條直線函數(shù)。(b 霍夫變換標記出的直線(a 霍夫變換效果(c 霍夫變換結(jié)果6.2 檢測結(jié)果計算通過實驗得出了兩條相互平行的直線函數(shù)，根據(jù)直線函數(shù)可計算出平行線間的距離，方法如下： 圖 6-4設(shè)兩條平行線函數(shù)分別為11b x k y +=，22b x k y +=，則它們在Y 軸上的截

39、距分別為21b b 、，如圖6-4所示。兩條平行線間的距離為：cos *21b L -=可得 cos(arctan*21k b b L -= （6.1） 根據(jù)測得的換相片的實際寬度與L 值可計算出圖像的單位距離。將像素點看作單位面積的小方塊，則由圖像坐標系可知，圖像的單位距離就是每個小方塊的邊長，即水平或垂直方向相鄰像素點間的距離。 因此換向片表面麻點的實際面積為:2 /(*L l A S = （6.2）式中S 為麻點的實際面積，A 是麻點的像素計數(shù)面積，l 是測得換向片的實際寬度。6.3 本章小結(jié)本章應(yīng)用上邊緣檢測和霍夫變換兩種算法，求解出了換向片寬度，再根據(jù)其實際測得寬度推算出了麻點的實際

40、面積。實驗表明，采用的算法適用于對換向片表面質(zhì)量的檢測，均達到了預(yù)期的效果。第七章 結(jié)論論文的研究工作主要以基于機器視覺的電機換向片表面質(zhì)量（麻點）自動化檢測為主要內(nèi)容，參考國內(nèi)外文獻資料，了解基于機器視覺的檢測方法在其他領(lǐng)域和其他工農(nóng)業(yè)產(chǎn)品上的應(yīng)用，在系統(tǒng)研究其發(fā)展現(xiàn)狀、可行性，以及工程需要等基礎(chǔ)上，提出了將機器視覺技術(shù)用于對電機換向器表面質(zhì)量的檢測。論文以某汽車電機換向器為檢測對象，對所提出的檢測方法進行仿真實驗，取得了較好的效果。仿真實驗驗證，該方法切實可行。7.1本論文所取得的成果1. 首次提出將機器視覺技術(shù)應(yīng)用于對換向器表面質(zhì)量的檢測。2. 提出了一套完整的基于機器視覺的換向器表面質(zhì)

41、量檢測方案，并經(jīng)過仿真實驗，得到較滿意效果。3. 文中應(yīng)用非常簡單的算法及邏輯方式解決的換向片表面麻點實際面積的計算問題。使得此方法易于在其他開發(fā)環(huán)境中編譯，有助于工業(yè)應(yīng)用的實現(xiàn)。4. 提出的檢測方法可為機器視覺技術(shù)在其他工農(nóng)業(yè)產(chǎn)品中應(yīng)用提供參考、借鑒。7.2展望本文所闡的課題具有很強的實用性，但由于客觀環(huán)境和本人主觀上的局限性，使得整個方法還有許多有待完善的地方，下面就對這些缺陷和未來的研究工作作簡單的敘述：1. 文章以基于機器視覺的電機換向器表面質(zhì)量自動化檢測方法的探索研究為主，只提出了一套檢測方法和具體算法，而沒有做出一個完整的檢測系統(tǒng)，使得此方法離實際應(yīng)用還有很大的一步路要走。這也是今

42、后研究和發(fā)展的一個主要方向。2. 使用數(shù)碼相機進行圖像的采集，這將成為圖像的自動采集和傳輸實現(xiàn)的限制因素。所以要實現(xiàn)完全的自動化檢測，必須進行調(diào)整，采用計算機軟件、圖像采集卡、CCD 相機相結(jié)合的采集方式。3. 今后要開發(fā)更有效的算法，使此方法適用于受運動、光照不足等因素干擾的復(fù)雜情況下圖像的處理，并進一步擴展算法的功能?？傊?，電機換向器表面質(zhì)量的自動化檢測是一個先進復(fù)雜的技術(shù)，具有一定的難度。要想使其真正的應(yīng)用于工業(yè)之中，這不是一個課題能夠解決的。但是相信隨著理論算法的不斷提出和改進及工業(yè)的發(fā)展，此項技術(shù)定會走向成熟。參考文獻1張建輝，宋平崗. 基于圖像識別技術(shù)的電機換向片自動檢測系統(tǒng)的研制

43、. 電工電能新技術(shù).2005-10.2阮秋琦. 數(shù)字圖像處理學. 北京：電子工業(yè)出版社，2001:21-37.3夏德深, 傅德勝. 現(xiàn)代圖像處理技術(shù)與應(yīng)用M.南京：東南大學出版社，1997:125-210.4蔡健榮，周小軍，李玉良，范軍. 基于機器視覺自然場景下成熟柑橘識別. 農(nóng)業(yè)工程學報.2008-1.6岳曉峰，趙敏等. 計算機視覺技術(shù)在發(fā)動機缺陷檢測系統(tǒng)中的應(yīng)用. 計算機測量與控制.2005.10PETROU M 著. 賴劍煌，馮國燦，等譯. 數(shù)字圖像處理疑難解析M.北京：機械工業(yè)出版社，2005.致謝本論文是在指導(dǎo)老師悉心指導(dǎo)下完成的。從論文的選題開始，就一直對我進行細心的指導(dǎo)，包括選題的方向和設(shè)計重點，進行了單獨分析和單獨指導(dǎo)。在此，向指導(dǎo)老師表示最衷心的感謝！同時感謝青海深捷電子科技有限公司夏冰總經(jīng)理，對我提供了相關(guān)的實驗設(shè)備。感謝在論文創(chuàng)作過程中幫助過我的同學！感謝在百忙之中評閱論文和參加答辯的各位老師！附錄 %-讀入圖片-I=imread('neww.jpg'title('原圖形' f