基于機(jī)器視覺的圓形工件檢測獨(dú)家優(yōu)秀】

《基于機(jī)器視覺的圓形工件檢測獨(dú)家優(yōu)秀】》由會(huì)員分享，可在線閱讀，更多相關(guān)《基于機(jī)器視覺的圓形工件檢測獨(dú)家優(yōu)秀】（25頁珍藏版）》請?jiān)谘b配圖網(wǎng)上搜索。

第 I 頁 摘 要 機(jī)器視覺是 人工智能 的一個(gè)重要領(lǐng)域，是工業(yè)自動(dòng)化的一部分 。機(jī)器視覺指的就是通過圖像采集裝置采集圖像，再傳到圖像處理部分，對收集到的圖像進(jìn)行預(yù)處理，然后獲得圖像的特征信息，并對其結(jié)果進(jìn)行判斷檢測，檢查零件是否合格?；跈C(jī)器視覺檢測技術(shù)相對于傳統(tǒng)的工件檢測具有很多的優(yōu)點(diǎn)，如：實(shí)時(shí)性、非接觸性以及可以在惡劣的條件下完成工作，而且效率也比傳統(tǒng)技術(shù)高，所以現(xiàn)如今機(jī)器人技術(shù)被廣泛應(yīng)用于現(xiàn)代工業(yè)中。本文的工作內(nèi)容是利用機(jī)器視覺的技術(shù)對圓形的工業(yè)零件進(jìn)行檢測，機(jī)器視覺技術(shù)被廣泛應(yīng)用于工業(yè)生產(chǎn)以及工業(yè)零件的檢測中。 稱是 課題利用它完成圖像處理并利用 換對獲得的圓形工件檢測圓形特征。本課題使用的產(chǎn)品開發(fā)環(huán)境是 010，并調(diào)用 算機(jī)視覺開源庫。完成對圓形工件的圓形特征檢測。 本課題詳細(xì)的介紹了利用機(jī)器視覺進(jìn)行圓形工件檢測的原理，其中包括了圖像預(yù)處理的方式和 換進(jìn)行圓檢測的原理。并借助 對圓形工件進(jìn)行圖像處理以及 換圓檢測的內(nèi)容。并在理想情況下對系統(tǒng)標(biāo)定，將得到 的圓的參數(shù)轉(zhuǎn)為實(shí)際尺寸，與標(biāo)準(zhǔn)零件的尺寸對比，從而得到兩者之間的誤差，從結(jié)果看出，測量的精度還在接受范圍內(nèi)，基本滿足要求。 關(guān)鍵字： 機(jī)器視覺；圖像處理； 換 第 is an of it is a of is by of be by be to be on it it is so is in of is to to is in is an a it to to of he is 010, to of of on in of of is be to 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 目錄 目 錄 摘 要 ................................................................................................................ I ................................................................................................... 緒論 ............................................................................................................. 1 器視覺技術(shù)概況 ...................................................................................................... 1 件檢測國內(nèi)外現(xiàn)狀 .................................................................................................. 1 于機(jī)器視覺的工件檢測的研究背景和意義 .......................................................... 2 文的章節(jié)安排 .......................................................................................................... 3 2 圖像預(yù)處理 ................................................................................................. 4 像來源 ...................................................................................................................... 4 .................................................................................................................. 4 .................................................................................................. 4 像處理開發(fā)平臺(tái) ...................................................................................................... 5 ............................................................................................................. 5 ................................................................................. 5 像灰度化以及二值化 .............................................................................................. 6 .............................................................................................................. 6 .............................................................................................................. 6 像邊緣檢測 .............................................................................................................. 7 .............................................................................................. 7 ...................................................................................... 7 章小結(jié) ...................................................................................................................... 9 3 圓形工件檢測 ........................................................................................... 10 換原理 ........................................................................................................ 10 小二乘法擬合圓 .................................................................................................... 13 像金字塔 ................................................................................................................ 14 章小結(jié) .................................................................................................................... 15 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 目錄 4 實(shí)驗(yàn)和數(shù)據(jù)分析 ....................................................................................... 16 統(tǒng)標(biāo)定 .................................................................................................................... 16 驗(yàn)結(jié)果 .................................................................................................................... 16 5 總結(jié)與展望 ............................................................................................... 18 致 謝 ............................................................................................................. 20 參考文獻(xiàn) ......................................................................................................... 21 附 錄 ............................................................................... 錯(cuò)誤 !未定義書簽。 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 1 頁 共 27 頁 1 緒論 器視覺技術(shù)概況 眼睛，是人類認(rèn)識(shí)世界的窗口，大腦是人類解析世界的平臺(tái)，視覺，是人們觀察世界重要的方式。人類使用攝像裝置從周圍的環(huán)境之中獲取需要的圖像信息并將之轉(zhuǎn)到計(jì)算機(jī)，由計(jì)算機(jī)對圖像信息進(jìn)行解析，從而使人們快速獲得信息，這也因此誕生了一門新的學(xué)科 –機(jī)器視覺。機(jī)器視覺技術(shù)是現(xiàn)如今工業(yè)發(fā)展很重要的一部分 ，它涉及人工智能、圖像處理等多個(gè)領(lǐng)域。人類的視覺可以認(rèn)為是從觀察到辨識(shí)的過程，它的目的可以看成是對周圍場景觀察本質(zhì)并做出自己的描述規(guī)劃。機(jī)器視覺就是模擬人類的這一功能，通過對得到的物體圖像進(jìn)行一系列處理，發(fā)現(xiàn)并提取其中的有效 信息，對其進(jìn)行判斷，分析以及處理。機(jī)器視覺技術(shù)在工業(yè)應(yīng)用方面的發(fā)展較為迅速，在這一領(lǐng)域的到了廣泛的應(yīng)用。機(jī)器視覺系統(tǒng)的組成結(jié)構(gòu)如圖 示 · 圖 器視覺系統(tǒng)結(jié)構(gòu)圖 件檢測國內(nèi)外現(xiàn)狀 在 1965 年，由麻省理工的 他的著作之中闡述了依托計(jì)算機(jī)視覺理論為依據(jù)實(shí)現(xiàn)從拍攝物體的二維圖像到物體三維形狀信息的獲取的可能性，也因此而開辟了以解析物體三維形狀信息為目標(biāo)的機(jī)器視覺理論與研究。在之后的幾十年之中，不斷有研究者提出新的方案，將機(jī)器視覺技術(shù)的理論不斷完善，使之應(yīng)用的范圍愈來愈廣泛。呈現(xiàn)百家爭鳴的態(tài)勢。國外機(jī)器視覺的技術(shù)比較成熟，有著較多的人才，也擁有較多的技術(shù)專利和自主知識(shí)產(chǎn)權(quán)機(jī)器視覺也被廣泛應(yīng)用于圖像處理和工廠的自動(dòng)化中，在工廠自動(dòng)化中多用于零件的檢測。 目 標(biāo) 物 光成像系統(tǒng) 圖像捕捉系 統(tǒng) 圖像采集與數(shù)字化字 智能工作站 智能執(zhí)行模塊 光源 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 2 頁 共 27 頁 在國內(nèi)，機(jī)器視覺的發(fā)展起 步較晚，但是因?yàn)橹袊闹圃鞓I(yè)近些年的快速發(fā)展，對于自動(dòng)化檢測的需求也越來越高，將機(jī)器視覺技術(shù)發(fā)展起來并應(yīng)用到工業(yè)發(fā)展之中，是時(shí)代的要求，一些是我們用人眼來做的重復(fù)性檢測都可以嘗試?yán)脵C(jī)器視覺來檢測。但是，現(xiàn)如今中國的自主知識(shí)產(chǎn)權(quán)的產(chǎn)品并不多，絕大多數(shù)的產(chǎn)品還需要從國外引進(jìn)。 目前機(jī)器視覺的發(fā)展方向主要是在電子技術(shù)和工業(yè)自動(dòng)化檢測這兩個(gè)領(lǐng)域，而且如今工業(yè)進(jìn)展迅速，國內(nèi)外的相同行業(yè)之間的交流在不斷地深入，而且隨著如今生產(chǎn)的零件日趨小型化，工作的環(huán)境日趨復(fù)雜化，每一個(gè)行業(yè)對工業(yè)自動(dòng)化有著越來越大的需求。尤其是工業(yè) 檢測方面，隨著如今機(jī)器視覺技術(shù)的不斷發(fā)展，它的用途也越來與廣泛，被用在了瓶體瓶蓋檢測，零件尺寸檢測以及印刷品等方面。還有就是例如螺母，圓柱，硬幣等等，這些都具有圓形特征的機(jī)械工件，圓形零件在很多區(qū)域都有很多的應(yīng)用，有一些需要精確的測量圓形零件的尺寸，以確保零件后期使用的可靠性，而且這些測量工作一般都是重復(fù)性的，如果人工進(jìn)行一是速度慢；二是需要接觸零件，不方便。所以將機(jī)器視覺利用到工業(yè)檢測之中是很有必要的。 于機(jī)器視覺的工件檢測的研究背景和意義 近些年來，工業(yè)技術(shù)快速發(fā)展，我國如今儼然成為了一個(gè)制造 業(yè)大國，在沿海等發(fā)達(dá)地區(qū)有很多的工廠的工作是生產(chǎn)產(chǎn)品零部件，這不可避免的要對零件進(jìn)行測量，對這些零件的測量主要是通過游標(biāo)卡尺，千分尺和尺子等精密的測量儀器，但是利用這些傳統(tǒng)的儀器進(jìn)行測量的時(shí)候，有可能收到環(huán)境，測量力度，視覺距離等因素的影響，而且效率也比較慢，不能適應(yīng)生產(chǎn)節(jié)奏日益加快的當(dāng)下。在這種需求之下也促使很多的學(xué)者和科研人員在這一方面的研究，也提出了很多的基于機(jī)器視覺的圓形零件檢測的技術(shù)方法，他們都力求能獲得最快，最精確，最優(yōu)秀的方法，將之應(yīng)用于工業(yè)生產(chǎn)檢測之中。也正因?yàn)闄C(jī)器視覺技術(shù)和圖像處理技術(shù)在這 些年的不斷發(fā)展提升，基于機(jī)器視覺的零件檢測技術(shù)在工業(yè)領(lǐng)域應(yīng)用的愈來愈廣泛，應(yīng)用的技術(shù)也越來與成熟，生產(chǎn)效率也因而得到提升，工件檢測技術(shù)是利用圖像處理的相關(guān)技術(shù)包含了人工智能、圖像處理等技術(shù)?；跈C(jī)器視覺的工件檢測技術(shù)與傳統(tǒng)檢測技術(shù)最大的優(yōu)點(diǎn)就在于與被測物沒有接觸，不與被測物發(fā)生接觸則不會(huì)對工件有任何影響，在一些人不能工作的地方，基于機(jī)器視覺的工件檢測技術(shù)將發(fā)揮很多的用處，而且這一技術(shù)檢測的結(jié)果相比于傳統(tǒng)技術(shù)而言精度也較高，效率也較高。目前，在工業(yè)領(lǐng)域方面有已經(jīng)開始將這一技術(shù)用于產(chǎn)品部件的測量，用來檢測產(chǎn)品是 否合格，也可以用來檢測使用中的產(chǎn)品的磨損度，是否變形等，而且現(xiàn)如今這一領(lǐng)域并沒有真正的發(fā)展起來，還有很大的發(fā)展前景。但是就目前的技術(shù)而言，在檢測零件時(shí)，獲取一個(gè)清晰的圖像沒有問題，但是在工業(yè)生產(chǎn)過程中的噪音卻會(huì)對圖像上零件的邊緣產(chǎn)生比較大的噪聲，也就是“火山口”。因此會(huì)對零件的特征提取帶來很大的麻煩，這會(huì)影響檢測的精度，這也是基于機(jī)器視覺的工件檢測技術(shù)為什么沒 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 3 頁 共 27 頁 有大范圍在工業(yè)生產(chǎn)領(lǐng)域中大范圍的推廣的原因之一。而且，如今圓形零件的特征提取的方法并不固定，一種方法中的程序并不適用于所有的零件。但是機(jī)器視覺系統(tǒng)是很 智能的以及有很強(qiáng)的適應(yīng)能力，可以因需要改變程序。基于以上的背景因素，在基于機(jī)器視覺的工件檢測方面進(jìn)行深入研究，并不僅僅是對于學(xué)術(shù)領(lǐng)域，在工業(yè)生產(chǎn)領(lǐng)域和機(jī)械制造業(yè)的自動(dòng)化方面是很有必要的。這一技術(shù)的成熟，可以加快工業(yè)自動(dòng)化進(jìn)程，也必將推動(dòng)國民經(jīng)濟(jì)的迅速發(fā)展，這對我們國家乃至世界都是有著巨大作用的。 文的章節(jié)安排 針對以上的這種情形，本文闡述了一種實(shí)施圓形零件檢測的方法。本課題的目標(biāo)是在獲得圓形零件圖像的情況下，通過計(jì)算機(jī)數(shù)字圖像處理技術(shù)，利用 換原理檢測出圓形，從而得出圓心以及半徑。并且以上在所獲零件圖像處于部分重疊狀態(tài)時(shí)仍能得出結(jié)果。 本文在認(rèn)真閱讀和分析了機(jī)器視覺技術(shù)和與圓形檢測技術(shù)的理論基礎(chǔ)知識(shí)的基礎(chǔ)上，以圓形工件為研究對象 本文一下各章的內(nèi)容如下： 第一章：緒論。介紹了機(jī)器視覺的概況和闡述了工件測量的背景和研究意義，圓形工件檢測的發(fā)展?fàn)顩r和章節(jié)的安排。 第二章：圓形工件圖像預(yù)處理，并闡述處理方法。 第三章：圓形工件的檢測，，闡明檢測圓的方法。 第四章：實(shí)驗(yàn)和數(shù)據(jù)分析。 第五章：總結(jié)與展望。總結(jié)本課題所做工作并分析遇到的問題，對所遇到的問題提出建議。 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 4 頁 共 27 頁 2 圖像預(yù)處理 圖像預(yù)處理就是對圖像進(jìn)行簡單處理，主要部分就是邊緣檢測，為下一步特征檢測做準(zhǔn)備。 像來源 我們所說的日常所說的圖像可以理解為物體被繪制或者攝制保存的形象。也可以說是視覺景物的某一種形式的表現(xiàn)形式和記錄。圖像在計(jì)算機(jī)中是以數(shù)字的形式存儲(chǔ)下來和工作的。換一個(gè)說法就是數(shù)字圖像就是用數(shù)字信號來表現(xiàn)的圖像。數(shù)字圖像相當(dāng)于一個(gè)由 m× n 的網(wǎng)格，當(dāng)一幅圖像里的每一個(gè)位置里都填充一定的顏色之后，就形成了我們?nèi)粘Ｋ吹降耐暾膱D像。其中這些網(wǎng)格也可以稱為圖像的分辨率，網(wǎng)格越多，圖像顯示的就越逼真，顯示的也清楚。作為一個(gè)以數(shù)字形式進(jìn)行存儲(chǔ)和處理的圖像，數(shù)字圖像的優(yōu)點(diǎn)之處在于，利用計(jì)算機(jī)進(jìn)行特定的操作，就能夠?qū)崿F(xiàn)使圖像 進(jìn)行各種需要的處理和加工，從而獲得改變之后的圖像。 圖像的獲取與輸出方式有很多種形式，至今也依舊是人類研究的一個(gè)重要方向。不同的圖像的獲取方式會(huì)使圖像變現(xiàn)為不同的形式。現(xiàn)如今獲取圖像的方式有很多種，在工業(yè)中檢測常見的是利用圖像傳感器件配套使用，獲得高精度的圖像，另一種是直接使用 字?jǐn)z像頭作為采集設(shè)備采集圖像。就目前而言，如果配套的使用一套專用的工業(yè)測圖像獲取裝置，其價(jià)格還是很驚人的。所以可以采用 字?jǐn)z像頭作為圖像采集裝置，采集工業(yè)測量所需的圖像。另外，使用 字?jǐn)z 像頭也已經(jīng)可以基本滿足測量精度的要求且可以直接與計(jì)算機(jī)直接進(jìn)行通訊，直接將采集的工件圖像傳輸?shù)接?jì)算機(jī)之中。在采集圖像時(shí)還必須配備一個(gè)穩(wěn)定的光源，光源是機(jī)器視覺系統(tǒng)之中不可或缺的一部分。光源的作用有以下幾點(diǎn)：一是對目標(biāo)工件進(jìn)行照明，提高亮度，將圖像盡量弄出好的效果；二是克服周圍環(huán)境中的光照干擾，去除陰影部分，以提高圖像的穩(wěn)定性和保證后期處理的真實(shí)性。照明是一個(gè)會(huì)直接影響到采集圖像的質(zhì)量和后期圖像預(yù)處理的效果以及圖像檢測時(shí)能否獲得精確地結(jié)果的關(guān)鍵因素。光源的選擇需要根據(jù)工件的特性以及現(xiàn)場的工作環(huán)境。白熾燈、節(jié)能 燈等等。 這些都是我們在生活中經(jīng)常能夠見到的，而且這些光源價(jià)格低廉，而且獲取途徑簡單，但是不能提供穩(wěn)定的光照。還有一些也被經(jīng)常使用的不可見光例如：紅外線、 X 射線等，雖然這些光源可以使測量的精度提升，但是獲取途徑復(fù)雜，產(chǎn)生的費(fèi)用也比采用的可見光貴很多。綜上所述，圖像采集系統(tǒng)的光源選擇白熾燈，白熾燈已經(jīng)可以基本滿 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 5 頁 共 27 頁 足。通過光源和 字?jǐn)z像頭組成的圖像采集裝置將需要測量的圓形零件的圖像采集到個(gè)人計(jì)算機(jī)之中，為圖像處理做準(zhǔn)備。 像處理開發(fā)平臺(tái) 稱是 意思是開放的源代碼計(jì)算機(jī)視覺庫。 一個(gè)開源的跨平臺(tái)的計(jì)算機(jī)視覺庫，它是 司為了減小程序開發(fā)人員的工作量而開發(fā)出來的?？梢栽诤芏嗖僮飨到y(tǒng)上使用，例如 。這個(gè)庫里面包含了大量的 C 函數(shù)和 C++類，而且可以與很多軟件一起使用。也正因?yàn)樗鼘?shí)現(xiàn)了圖像處理的簡單化和在機(jī)器視覺方面有很多可以通用的算法，目前已經(jīng)是一種較為流行的圖像處理方式，在全世界范圍內(nèi)都有廣泛的應(yīng)用。 本文中，通過 010 調(diào)用 的庫函數(shù)，調(diào)用之前必須對其進(jìn)行配置。 第一步 :安裝 010 和解壓 系統(tǒng)環(huán)境變量的配置。 第二步新建項(xiàng)目，打開屬性管理器，右擊 性 ->目錄，在包含目錄中添加 E:\:\E:\庫目錄中添加 E:\及在鏈接器 ->輸入 ->附加依賴項(xiàng)中添加需要的 。如圖 圖 性配置圖（ a） 圖 性配置圖 (b) 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 6 頁 共 27 頁 像灰度化以及二值化 在進(jìn)行邊緣檢測之前一般是要將圖像轉(zhuǎn)為灰度化，再轉(zhuǎn)為二值圖的。 彩色圖像可以分為好幾種顏色空間，例如： 間圖像、 色空間以及 我們獲得的圖像則是屬于 間圖像。 在本文中獲得的圖像，它的每個(gè)像素點(diǎn)的色彩由三原色組成，也就是紅綠藍(lán)三種顏色的分量共同決定。單個(gè)分量相當(dāng)于一個(gè)灰度圖像，組合在一起則是彩色圖像。因?yàn)槊糠N顏色分量均可取 0~255 內(nèi)的任意一值，如此圖像顏色便可以有 2553種的顏色變化。以彩色圖而言， 當(dāng) 個(gè)分量相等的時(shí)候顯示灰色，從這里也可以看出灰度圖圖像比較簡單。但是有一點(diǎn)值得我們注意，那就是雖然灰度圖像比較簡單，但是并不影響到整幅圖的特征顯示和圖像的整體感。同一幅圖灰度圖描述的內(nèi)容與彩色圖所描述是一致的。 對 像進(jìn)行灰度化，其實(shí)就是對為將點(diǎn)圖像的 個(gè)分量利用加權(quán)的方法平均得到最終的灰度值。 進(jìn)行灰度轉(zhuǎn)換所采用的灰度權(quán)值方法 彩色圖像進(jìn)行灰度轉(zhuǎn)化，在圖像處理之前要確認(rèn)圖像是否為單通道圖，如果不是則要進(jìn)行灰度轉(zhuǎn)化： !=1) { } 第一個(gè)參數(shù) 示輸入圖像，第二個(gè)參數(shù) 示輸出圖像，第三個(gè)參數(shù)示由 為 度圖像 )。 圖像二值化就是只有黑白兩種顏色的圖像，將灰度圖像上的像素點(diǎn)的灰度值設(shè)置為0 或者是 1，從而只用黑白兩種顏色使圖像呈現(xiàn)出來，突出圖像的輪廓。一般來說， 0代表的是背景， 1 則是表示圖像里的物體。二值圖可以將圖像輪廓表現(xiàn)出來，突出特征。所以灰度圖像進(jìn)行二值化之后看起來比較簡單，也有利于對圖像進(jìn)行下一步操作。 在 直接對圖像進(jìn)行二值化的函數(shù) —— 。 函數(shù)代碼： 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 7 頁 共 27 頁 ; 函數(shù)說明： 示的是單通道灰度圖輸入圖像； 示二值化后的圖像； 示閾值； 示最大值； 示運(yùn)算方法。 像邊緣檢測 邊緣檢測對工件檢測很重要，是圖像處理步驟之一，邊緣檢測技術(shù)就是它的邊緣輪廓給描繪出來。在一幅圖像之中，不同的像素點(diǎn)的像素是不相同的，總會(huì)存在著一些亮度變化得比較大的點(diǎn)，圖像的邊緣是很多像素的集合，這些邊緣的相鄰像素會(huì)存在很大的變化，表現(xiàn)為躍遷，邊緣檢測就是將這些變化很大的點(diǎn)標(biāo)記下來從而達(dá)到邊緣檢測和輪廓提取的目的。邊緣檢測的作用就在于能在一定程度上減小數(shù)據(jù)計(jì)算量，并且還能將數(shù)字圖像的重要結(jié)構(gòu)表現(xiàn)出來。 圖像邊緣檢測一般來說是通過領(lǐng)域內(nèi)的像素灰度值求一階導(dǎo)數(shù)、二階導(dǎo)數(shù)或者是尋找他的梯度來實(shí)現(xiàn)。關(guān)于圖像中的灰度 值的判斷，可以直接通過邊緣檢測的算子計(jì)算而得，也就是通過算子計(jì)算對應(yīng)圖像的差分。其實(shí)邊緣檢測本質(zhì)就是對圖像求導(dǎo) (梯度運(yùn)算 )找到突變部分 ,然后設(shè)個(gè)值 ,把低于該值的點(diǎn)顏色設(shè)為 0 就可以。目前，已經(jīng)有了很多對邊緣檢測的算法例如 子、 子、 子和 度法等等。 （ 1） 子 子一般用于處理 3× 3 領(lǐng)域的圖像。 子的計(jì)算方法是先后在 x 軸和y 軸方向上對領(lǐng)域灰度求差分，然后取兩個(gè)差分的平均值或者是取其中的最大值。求差分有以下公式： S(C)=(1× 2+(5× 2+,|(7× 2+（ 3× 2+|} 或者是 [|(1× 2+(5× 2++|(7× 2+(3× 2+|]/2， 子的模板如下所示 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 8 頁 共 27 頁 x 軸方向的算子 y 軸方向的算子 （ 2） 子 緣檢測算子是一種基于梯度計(jì)算的邊緣檢測算法。用于邊緣檢測的 3 條準(zhǔn)則，第一條是要擁有好的檢測效果，第二條是檢測出的輪廓邊緣要準(zhǔn)確，第三條是相應(yīng)的速度要快。這一邊緣檢測算法的原理和操作步驟如下： 到降低噪聲影響的目的； 子求出橫向和縱向的梯度； Ⅰ (分別作用于 x 和 y 方向 ): [] [] Ⅱ √ ( ) 以分為 5 個(gè)部分（ 0, (80)區(qū)間為水平方向，（ 45 度方向，（ 橫線方向，（ 135 度方向。 果相鄰的兩個(gè)像素變化的不是最大的，那么這一像素就不是邊緣，反之則是。 定哪些是邊緣。 本文采用 緣檢測算子對圓形工件圖像進(jìn)行邊緣檢測。 數(shù)的 法代碼 3 ); 示單通道 8 位灰度圖像的輸入圖像。 示輸出的邊緣圖，需要和源圖片有一樣的尺寸和類型。 示第一個(gè)滯后性閾值。 示第二個(gè)滯后性閾值。 第五個(gè)參數(shù)， 型的 示應(yīng)用 子的孔徑大小，其有默認(rèn)值 3。 緣檢測的輪廓圖如圖 2 1 0 0 0 2 2 1 0 0 0 2 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 9 頁 共 27 頁 圖 廓圖 章小結(jié) 本章詳細(xì)的講述了本課題中利用 010 對圓形零件的圖像進(jìn)行預(yù)處理的過程，并介紹了圖像進(jìn)行灰度化和二值化方法。然后介紹了邊緣檢測的 子的原理，再闡述了 緣檢測的原理，并最終選擇 緣檢測算子作為本課題的邊緣檢測算子。本章所做的工作都是對圓形工件圖像的預(yù)處理過程，為下一張的圓形檢測做準(zhǔn)備。 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 10 頁 共 27 頁 3 圓形工件檢測 當(dāng)對圖像進(jìn)行預(yù)處理之后，需要對去尋找特定的圖像的特征，也就是本文的最終目標(biāo)，尋找圓。 換所采用的是將圖像的灰度信息映射到另一個(gè)參數(shù)空間 的一種方法，從而達(dá)到檢測圖像輪廓的目的。通過在參數(shù)空間中進(jìn)行判斷，尋找工件的特征輪廓。 換原理 換是可以在圖像中尋找某種特征的圖形的一種方法，是圖像處理中的一種對圖形特征進(jìn)行提取的技術(shù)，它可以說是一種投票算法，當(dāng)在累加器中符合特征的值足夠大時(shí)，那么這些符合的點(diǎn)的集合就是霍夫變換的結(jié)果。 換最開始的應(yīng)用范圍比較小，主要是應(yīng)用在檢測直線和曲線方面，當(dāng)時(shí)的并沒有推廣和拓展到圓這一領(lǐng)域。后來霍夫變換在被不斷完善后可以應(yīng)用于任意一種特征的檢測?；舴蜃儞Q的實(shí)質(zhì)是將一個(gè)坐標(biāo)空 間內(nèi)的解析方程映射到另一個(gè)參數(shù)空間之中，并在參數(shù)空間上統(tǒng)計(jì)峰值的大小，當(dāng)超過某一值時(shí)，則確定在原空間之中存在某一特征。換就是通過判斷這些峰值從而辨別圖像的全局特征，之后再將需要尋找的圓的信息的邊緣像素連接起來，將邊緣平滑的顯示出來的一種方法。以直線為例，它的參數(shù)方程為 R x ???,每存在一個(gè)（ ??， R）代表一條過點(diǎn)（ x,y）的直線，通過一個(gè)定點(diǎn)的所有直線是一條正弦曲線，圖 示的是三個(gè)定點(diǎn)對應(yīng)的曲線，交點(diǎn)為（ ??1,??1），交點(diǎn)有越多的正弦曲線通過，表明 標(biāo)系里的 直線上有越多的點(diǎn)，可以設(shè)定一個(gè)閾值 k,超過 k 則表明（ ??1,??1）是原圖像上的一條直線。 (a) (b) 圖 數(shù)空間圖 變換的概念與直線的相近，圓的解析方程是： (?? ????) (?? ?? ) ?? ,由圓的解析方程可以看出，方程中含有 3 個(gè)未知變量，它們分別是 ????、 ?? 和 R，其中（ ????、 ?? ）表示的是圓心， R 表示的是圓的半徑。將 C（ ????,?? ,R）組成一個(gè)新的函數(shù)，它們在一個(gè)新的參數(shù)空間里，一般將圖像的坐標(biāo)原點(diǎn)一設(shè)在圖像的左上角。當(dāng)上述三個(gè)參數(shù) ????、 ?? 和 R 都得到確定值之后，圓的位置和半徑就確定了。 換可以分為傳統(tǒng) 換，標(biāo)準(zhǔn) 換和 2換，其中傳統(tǒng) 換映射到一個(gè)三 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 11 頁 共 27 頁 維的空間之中，這就意味著會(huì)占用大量的內(nèi)存從而使執(zhí)行效率變低，速度變慢。在這里我們可以利用 2換（霍夫梯度法）來解決這一問題。其中霍夫梯度法的原理是這樣的。 （ 1）首先對圖像用 緣檢測進(jìn)行邊緣檢測。 （ 2）其 次，對邊緣圖像中的每一個(gè)非零像素點(diǎn)，利用 函數(shù)計(jì)算該點(diǎn)在 y 方向的導(dǎo)數(shù)，從而得到梯度。 （ 3）利用過上述得到的梯度，由斜率對應(yīng)的直線相交的點(diǎn)累加值越大，那么這個(gè)點(diǎn)是圓心的概率越大。 （ 4）同時(shí)，標(biāo)記邊緣圖像中每一個(gè)非 0 像素的位置。 （ 5）然后對二維累加器中這些點(diǎn)按累加值排序，大于設(shè)定閾值的就是圓心。 （ 6）接下來對每一個(gè)中心，考慮所有的非 0 像素。 （ 7）這些像素按照其與圓心的距離排序。將閾值最大半徑和最小半徑中的值留下，將數(shù)量最多的且同值得半徑留下，該半徑對應(yīng)的圓心就是要找的圓。 函數(shù)講解 00,00, , ) 第一個(gè)值表示輸入 8 位單通道的灰度圖像。 第二個(gè)值表示使用調(diào)用 數(shù)后得到 輸出參數(shù)，這些參數(shù)包括了 3 個(gè)元素的浮 點(diǎn)矢量 (x, y, 第 三 個(gè) 值 示在 只 有 它 可 以 使 用 所 以 默 認(rèn) 為 為 第四個(gè)值表示 型的 來檢測圓心的累加器圖像的分辨率于輸入圖像之比的倒數(shù)，且此參數(shù)允許創(chuàng)建一個(gè)比輸入圖像分辨率低的累加器。 第五個(gè)值表示 型的 指的是霍夫變換檢測到的兩個(gè)相鄰圓的圓心的最小距離，也就是設(shè)定一個(gè)值，大于 圓就認(rèn)為兩者是不同的一個(gè)圓。這個(gè)參數(shù)如果太小的話，系統(tǒng)可能錯(cuò)誤的將多個(gè)相鄰的圓辨別一個(gè)重合的圓 。反之，如果這個(gè)參數(shù)設(shè)置太大，原本相鄰的圓有可能會(huì)少檢測出來。 第六個(gè)值表示 型的 是第三個(gè)參數(shù) 置的檢測方法的對應(yīng)的參數(shù)。對當(dāng)前唯一的方法霍夫梯度法 表示傳遞給 低閾值為高閾值的一半。 第七個(gè)值表示 型的 是第三個(gè)參數(shù) 置的檢測方法的對應(yīng)的參數(shù)。對之前選擇的霍夫梯度法 表示在檢測圓心階段的刪選不符合圓心的累加器閾值。它越小的話， 就可以檢測到更多根本不存在的圓，而它越大的話，能通過檢測的圓就更加接近完美的圓形了。 第八個(gè)值 示檢測出的圓半徑的最小值。 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 12 頁 共 27 頁 第九個(gè)值 示檢測出的圓半徑的最大值。 原始的 換找圓，相當(dāng)于是映射到一個(gè)三維空間中，當(dāng)圖像復(fù)雜時(shí)，則會(huì)使計(jì)算量很大，影響檢測的效率。而且如果對查找圓的半徑不加以控制，不僅使計(jì)算量大，而且結(jié)果的精確度也難以達(dá)標(biāo)。 再是對參數(shù)空間畫出一個(gè)完整的圓來進(jìn)行投票，而只是計(jì)算輪廓點(diǎn)處的梯度向量，然后根據(jù)搜索的圓心在該梯度方向 距離輪廓點(diǎn)距離 R 的兩邊各投一點(diǎn)，最后根據(jù)投票結(jié)果圖確定圓心位置。在得到圓心的序列之后，需要判斷所選圓心是否為同一圓心，設(shè)定閾值，小于閾值的兩圓心則判斷為同一圓心。由圓心序列去確定圓周序列，計(jì)算圓周邊界點(diǎn)與圓心的距離，大小在 間的點(diǎn)則保存下來。將剩余的半徑排序并將相同半徑的數(shù)量計(jì)算出來，當(dāng)?shù)玫降臄?shù)量值大于設(shè)定的閾值 ，那么就可以認(rèn)定這一值為這一圓心對應(yīng)的半徑。為了使兩個(gè)重疊的圓都能被檢測出來，對其進(jìn)行改進(jìn)。將找到的圓輪廓與圓輪廓比較，選擇與原輪廓重疊度最大的圓 作為尋找到的圓，到此也許會(huì)找到圓心重疊的圓，這時(shí)候要將相似的圓擬合為一個(gè)圓，也就是將在這些圓之中，重合或者相差不大的圓擬合為一個(gè)圓，其實(shí)也就是選擇最符合的圓留下。從而得到最后的結(jié)果。 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 13 頁 共 27 頁 開 始創(chuàng) 建 閾 值 滾 動(dòng) 條讀 入 圖 像高 斯 金 字 塔 縮 小 圖像調(diào) 用 圖 像將 檢 測 的 圓 繪 制 顯示 于 原 圖 像 上輸 出 圓 心 和 半 徑結(jié) 束圖 程序流程圖 小二乘法擬合圓 最小二乘法的另一種稱謂是最小平方法，它是一種數(shù)學(xué)優(yōu)化技術(shù)。最小二乘法通過將平方和的誤差變小和尋找到最為匹配的函數(shù)，利用最小二乘法擬合圓型曲線。其依據(jù)是在邊緣檢測時(shí)獲得邊緣輪廓點(diǎn)的坐標(biāo)，這些點(diǎn)的坐標(biāo)會(huì)存在誤差，有些是對的，有些是有偏差的，由公式計(jì)算使其平方和最小。它的原理如下： 圓方程可以寫為 (?? ????) (?? ????) ?? ，通常的最小二乘法擬合要求距離的平方和最小。也就是 f ∑((???? ????) (???? ????) ?? ) ,定義一個(gè)輔助函數(shù) (x,y) (?? ????) (?? ????) ?? ,所以有 ?f?x?? ?f?y?? ?f?R , 通過對以上方程求解圓心（ ????， ????）和半徑 R，最后的結(jié)果就是要求的圓的參數(shù)。 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 14 頁 共 27 頁 像金字塔 在運(yùn)行以上程序時(shí)，發(fā)現(xiàn)程序響應(yīng)時(shí)間較長，在此選用圖像金字塔的原理，將圖像的響應(yīng)時(shí)間縮短。 當(dāng)?shù)玫降膱D像比較大的時(shí)候，會(huì)提升計(jì)算量，使響應(yīng)的時(shí)間增長。這種情況下，我們通常會(huì)選擇將圖像的尺寸縮小，將圖像的尺寸縮小的方法有 )函數(shù)。也就是即圖像金字塔相關(guān)的其中一個(gè)函數(shù)，對采集到的圖像進(jìn)行向下采樣。通過將圖像的偶數(shù)行和列刪除，使圖像的尺寸變?yōu)樵瓉淼乃姆种唬_(dá)到縮小圖像尺寸的目的，圖像金字塔將圖像以多個(gè)分辨率級表示，這樣可以使圖像變得簡單有效。 圖像金字塔，顧名思義就是指圖像由小到大一層層排列，層級越高，分辨率越低。這些金字塔上的圖像都是由同一張圖像向下采樣得到的。層級越低分辨率越高。金字塔如圖 示 圖 字塔圖 高斯金字塔的圖像獲取辦法如下， （ 1）對圖像 行高斯內(nèi)核卷積 （ 2）將圖像偶數(shù)行和列去除得到下 一層的圖像 由上面的金字塔圖可以看出下一層圖像只有上一層的四分之一。通過對輸入圖像重復(fù)上述步驟就會(huì)得到上面的金字塔圖。高斯金字塔向下取樣有一些缺點(diǎn)，每一次采樣都會(huì)丟失圖像部分信息。本課題中為了使圖像能更好的顯示，提高檢測效率，縮短響應(yīng)時(shí)間，對輸入圖像使用 )函數(shù)。程序代碼如下： , ) ); 示的是輸入的圖像， 示輸出圖像，, )表示 輸出圖像的大小。在未使用圖像金字塔時(shí)總共響應(yīng)時(shí)間為 用之后的時(shí)間為 此可以看到在圖像預(yù)處理前加入圖像金字塔可以縮短一半的時(shí)長。 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 15 頁 共 27 頁 章小結(jié) 本章首先講述了 換檢測圓的發(fā)展歷史和原理，介紹最小二乘法擬合圓的原理，利用最小二乘法擬合圓，提升檢測圓的精確度。從而達(dá)到檢測圓的目的，測量出圓形工件的圓心和半徑。并且還講述了圖像金字塔的原理，將圖像縮小一半以便減小計(jì)算數(shù)據(jù)，提升檢測效率。 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 16 頁 共 27 頁 4 實(shí)驗(yàn)和數(shù)據(jù)分析 統(tǒng)標(biāo)定 基于機(jī)器視覺的圓形工件檢測系統(tǒng)中，在檢測后得到工件的尺寸后，必須要找到圖像與實(shí)物之間的關(guān)系，簡單的說就是一像素代表實(shí)物中多少毫米。本系統(tǒng)中得到的工件是以像素作為工作單位的，要想得到實(shí)物的尺寸需要找到這一關(guān)系。尋找這一關(guān)系的過程稱為采集系統(tǒng)標(biāo)定。 采集系統(tǒng)標(biāo)定的步驟如下：以一個(gè)實(shí)際尺寸為 m（單位是 的物件為標(biāo)準(zhǔn)物件，通過系統(tǒng)檢測后得到的圖像中的尺寸為 n 像素，那么他們的比值為 m/n,也就是說一個(gè)像素代表 m/n 毫米。那么就可以得到以下公式：檢測的零件尺寸 =零件圖像的像素×m/n。實(shí)際硬幣尺寸直徑為 25么半徑為 么標(biāo)定比值 m/n 等于 驗(yàn)結(jié)果 為了驗(yàn)證本課題內(nèi)容的可行性和可操作性，按上述內(nèi)容進(jìn)行仿真實(shí)驗(yàn)。首先，由于實(shí)驗(yàn)條件的限制，下列圓形工件檢測的圖像采用事先準(zhǔn)備好的圖像，而不經(jīng)過 像頭采集圖像的過程。準(zhǔn)備的圖像如圖 示：因?yàn)闇?zhǔn)備的是單色圖片，所以并不用進(jìn)行灰度轉(zhuǎn)換。在得到輸入圖像之后對圖像使用 緣檢測算子進(jìn)行邊緣檢測和利用改進(jìn)的 數(shù)對圖像中的圓進(jìn)行圓檢測 ， 緣檢測得到的輪廓結(jié)果圖像如圖 示，得到的最終結(jié)果圖像如圖 示，這些圓的圓心坐標(biāo)和半徑如表所示。 圖 圖 圖 廓圖 桂林電子科技大學(xué)畢業(yè)設(shè)計(jì)（論文）報(bào)告用紙 第 17 頁 共 27 頁 圖 果圖 圓檢測的圓心坐標(biāo)和半徑以及與實(shí)際結(jié)果的表格 坐標(biāo) x 坐標(biāo) y 像素半徑 實(shí)際尺寸 誤差