現(xiàn)代檢測(cè)技術(shù)5-基于機(jī)器視覺(jué)的測(cè)控技.ppt

《現(xiàn)代檢測(cè)技術(shù)5-基于機(jī)器視覺(jué)的測(cè)控技.ppt》由會(huì)員分享，可在線(xiàn)閱讀，更多相關(guān)《現(xiàn)代檢測(cè)技術(shù)5-基于機(jī)器視覺(jué)的測(cè)控技.ppt（103頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

第5章基于機(jī)器視覺(jué)的測(cè)控技術(shù) 主要內(nèi)容機(jī)器視覺(jué)測(cè)控系統(tǒng)數(shù)字圖像處理圖像融合技術(shù)典型應(yīng)用HALCON簡(jiǎn)介 介紹機(jī)器視覺(jué)測(cè)控系統(tǒng) 數(shù)字圖像處理方法以及圖像信息融合術(shù) 簡(jiǎn)要介紹應(yīng)用作者研制的ZM VS1300視覺(jué)智能測(cè)控系統(tǒng)平臺(tái)研制開(kāi)發(fā)自己專(zhuān)用視覺(jué)測(cè)控系統(tǒng)方案 最后給出了作者研制的機(jī)器視覺(jué)測(cè)控系統(tǒng)典型應(yīng)用案例 第5章基于機(jī)器視覺(jué)的測(cè)控技術(shù) 第5章基于機(jī)器視覺(jué)的測(cè)控技術(shù) 5 1機(jī)器視覺(jué)測(cè)控系統(tǒng) 本節(jié)從機(jī)器視覺(jué)測(cè)控系統(tǒng)的基本概念出發(fā) 綜合機(jī)器視覺(jué)測(cè)控系統(tǒng)原理 技術(shù)和應(yīng)用進(jìn)行介紹 典型的視覺(jué)檢測(cè)系統(tǒng)的構(gòu)成 概念 機(jī)器視覺(jué)測(cè)控就是將被測(cè)對(duì)象的視覺(jué)圖像信息檢測(cè)傳遞給圖像處理裝置 圖像處理裝置經(jīng)過(guò)一系列處理后給出決策結(jié)果 根據(jù)決策結(jié)果實(shí)施對(duì)測(cè)控系統(tǒng)的相應(yīng)控制 應(yīng)用 廣泛應(yīng)用于有形物體的檢測(cè) 識(shí)別和跟蹤 如工業(yè)產(chǎn)品的尺寸測(cè)量 缺陷識(shí)別 分類(lèi)判定等 微電子器件的焊點(diǎn)自動(dòng)檢測(cè) 軟質(zhì) 易脆零部件的檢驗(yàn) 各種模具二維形狀檢測(cè) 大型工具三維自動(dòng)檢測(cè)等 原理 機(jī)器視覺(jué)測(cè)控系統(tǒng)一般由獲取圖像信息的圖像測(cè)量系統(tǒng) 決策分類(lèi)或跟蹤對(duì)象的控制系統(tǒng)組成 可分為圖像獲取和圖像處理兩大部分 獲取被測(cè)場(chǎng)景中的圖像信息設(shè)備稱(chēng)為觀測(cè)系統(tǒng) 包括照相機(jī)和攝像系統(tǒng) 獲取的信息可是是靜態(tài)的 也可以是動(dòng)態(tài)的 可以是二維的 也可以是三維的 決策分類(lèi)或跟蹤對(duì)象的控制系統(tǒng)根據(jù)對(duì)圖像信息的分析結(jié)果進(jìn)而實(shí)施一定的控制 6 原理 機(jī)器視覺(jué)測(cè)控系統(tǒng)一般由獲取圖像信息的圖像測(cè)量系統(tǒng) 決策分類(lèi)或跟蹤對(duì)象的控制系統(tǒng)組成 可分為圖像獲取和圖像處理兩大部分 獲取被測(cè)場(chǎng)景中的圖像信息設(shè)備稱(chēng)為觀測(cè)系統(tǒng) 包括照相機(jī)和攝像系統(tǒng) 獲取的信息可是是靜態(tài)的 也可以是動(dòng)態(tài)的 可以是二維的 也可以是三維的 決策分類(lèi)或跟蹤對(duì)象的控制系統(tǒng)根據(jù)對(duì)圖像信息的分析結(jié)果進(jìn)而實(shí)施一定的控制 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 光源照度要適中亮度要均勻亮度要穩(wěn)定不應(yīng)產(chǎn)生陰影照度可調(diào) 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 在視覺(jué)檢測(cè)系統(tǒng)中 視覺(jué)傳感器對(duì)光線(xiàn)的依賴(lài)性很大 照明條件的好壞將直接影響成像的清晰度 細(xì)節(jié)分辨率和圖像的對(duì)比等 因此 照明光源的正確設(shè)計(jì)與選擇是是視覺(jué)檢測(cè)成功的關(guān)鍵 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 根據(jù)具體應(yīng)用選擇光源 1 通過(guò)檢測(cè)被測(cè)物體的像來(lái)測(cè)量被檢測(cè)物體的某些特征參數(shù) 選用白熾燈或鹵鎢燈 2 通過(guò)測(cè)量被檢測(cè)物體的空間頻譜分布來(lái)確定被檢測(cè)物體的某些特征參數(shù) 選用激光照明 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 光源的照明方式 1 漫反射照明適合于照射表面光滑 形狀規(guī)則的物體 2 投射照明也稱(chēng)為背光照明 適合于不透光物體照明 可以形成一幅黑白灰度圖像 用于物體輪廓識(shí)別與定位 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 光源的照明方式 3 結(jié)構(gòu)光照明結(jié)構(gòu)光指幾何形狀已知的光束 通過(guò)結(jié)構(gòu)光投影模式的變化可以檢測(cè)物體的二維 三維幾何特征 4 定向照明方式如果物體表面光滑且無(wú)缺陷 則定向平行光束將會(huì)被有規(guī)律地反射 若物體表面粗糙或存在缺陷 則會(huì)造成投射光的散射 根據(jù)反射光的變化檢測(cè)物體表面的粗糙度或表面缺陷 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 圖像傳感器CCD電荷耦合器件攝像機(jī) ChargeCoupledDevice 感光像元在接收輸入光后 產(chǎn)生電荷轉(zhuǎn)移 形成輸出電壓 分為線(xiàn)陣和面陣兩種 性?xún)r(jià)比高 受到廣泛應(yīng)用 CMOS攝像機(jī) ComplementaryMetalOxideSemiconductor 體積小 耗電少 價(jià)格低 在光學(xué)分辨率 感光度 信噪比和高速成像等已超過(guò)CCD 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 圖像傳感器其他 飛點(diǎn)掃描器 FlyingPointScanner 掃描鼓 掃描儀 顯微光密度計(jì)等 遙感圖像獲取設(shè)備 光學(xué)攝影 攝像機(jī) 多光譜攝像機(jī)等 紅外攝影 紅外輻射計(jì) 紅外攝像儀 多通道紅外掃描儀等 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 圖像采集卡 將視頻圖像以模擬電信號(hào)方式輸出標(biāo)準(zhǔn)視頻信號(hào) 黑白視頻 RS 170 RS 330 RS 343 CCIR 復(fù)合視頻 NTSC PALSECAM制式 分量模擬視頻 S Video等 非標(biāo)準(zhǔn)視頻信號(hào) 非標(biāo)準(zhǔn)RGB信號(hào) 線(xiàn)掃描信號(hào) 逐行掃描信號(hào) 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 3 圖像采集卡采用非標(biāo)準(zhǔn)視頻信號(hào)通常是為了獲得更高分辨率 高刷新率的圖像或其他特殊要求 如X光機(jī) 超聲波等醫(yī)療影像設(shè)備 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 3 圖像采集卡性能指標(biāo)要求 多路視頻輸入 通過(guò)標(biāo)準(zhǔn)總線(xiàn)輸出至計(jì)算機(jī) 實(shí)時(shí)多屏顯示 自定義采集方式及采集窗口大小 實(shí)時(shí)采集單場(chǎng) 單幀 任意間隔及連續(xù)幀 視頻輸入 PAL S Video 分辨率 采樣位數(shù) 亮度 對(duì)比度 色度 飽和度 即插即用 穩(wěn)定接收視頻信號(hào) 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 圖像采集卡的設(shè)計(jì)基于PCI總線(xiàn)的圖像采集卡的設(shè)計(jì) 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 基于USB總線(xiàn)的圖像采集卡的設(shè)計(jì) 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 4 圖像存儲(chǔ)設(shè)備用于暫時(shí)或永久存儲(chǔ)攝像系統(tǒng)獲取的數(shù)字圖像 包括硬盤(pán) 光盤(pán) 磁帶機(jī) 閃存等 硬盤(pán)存儲(chǔ)技術(shù)發(fā)展很快 大圖像存儲(chǔ)可使用磁盤(pán)陣列 光盤(pán)也可滿(mǎn)足大容量存儲(chǔ) 磁帶機(jī)順序存儲(chǔ) 閃存發(fā)展最快 成為數(shù)碼相機(jī) PDA MP3 4等的首選 5 1 1機(jī)器視覺(jué)檢測(cè)系統(tǒng)硬件 5 計(jì)算機(jī)主機(jī)計(jì)算機(jī)用于對(duì)數(shù)字圖像進(jìn)行管理 分析和處理 是機(jī)器視覺(jué)檢測(cè)系統(tǒng)應(yīng)用的主要工作和核心 可以是PC或工作站 需要高速實(shí)時(shí)處理的圖像主板上裝有圖像處理器 圖像加速器 DSP處理器等 5 1 2機(jī)器視覺(jué)檢測(cè)系統(tǒng)軟件 近年來(lái) 機(jī)器視覺(jué)工作者在研究視覺(jué)測(cè)控系統(tǒng)硬件的同時(shí) 也對(duì)機(jī)器視覺(jué)檢測(cè)處理的共性軟件進(jìn)行了研究開(kāi)發(fā) 出現(xiàn)了很多機(jī)器視覺(jué)測(cè)控系統(tǒng)組態(tài)軟件平臺(tái) 如最具代表性的機(jī)器視覺(jué)軟件HALCON 5 1 2機(jī)器視覺(jué)檢測(cè)系統(tǒng)軟件 德國(guó)MVtec公司的HALCON是世界范圍內(nèi)廣泛使用的機(jī)器視覺(jué)軟件 擁有滿(mǎn)足用戶(hù)各類(lèi)視覺(jué)應(yīng)用需求的完善開(kāi)發(fā)庫(kù) 支持Linux和Windows 可通過(guò)C C C VB Delphi開(kāi)發(fā) 5 1 3視覺(jué)檢測(cè)系統(tǒng)應(yīng)用 缺陷檢測(cè)尺寸測(cè)量PCB焊點(diǎn)檢測(cè)與分類(lèi) 5 1 3視覺(jué)檢測(cè)系統(tǒng)應(yīng)用 5 1 3視覺(jué)檢測(cè)系統(tǒng)應(yīng)用 5 1 3視覺(jué)檢測(cè)系統(tǒng)應(yīng)用 5 1 3視覺(jué)檢測(cè)系統(tǒng)應(yīng)用 5 2數(shù)字圖像處理 數(shù)字圖像處理技術(shù)是一門(mén)跨學(xué)科的前沿高科技 是在信號(hào)處理 計(jì)算機(jī)科學(xué) 自動(dòng)控制理論及其他應(yīng)用領(lǐng)域基礎(chǔ)上發(fā)展起來(lái)的邊緣學(xué)科 是認(rèn)識(shí)世界 改造世界的重要手段 目前圖像處理與識(shí)別技術(shù)已應(yīng)用于許多領(lǐng)域 成為21世紀(jì)信息時(shí)代的一門(mén)重要的高新科學(xué)技術(shù) 5 2 1平滑和濾波 鄰域平均 一般實(shí)際情況中 考慮到運(yùn)算的計(jì)算量 為3 3的模板 5 2 1平滑和濾波 中值濾波法將模板在圖中漫游 并將模板中心與圖中某個(gè)像素位置重合 讀取模板下各對(duì)應(yīng)像素的灰度值 將這些灰度值從小到大排成1列 找出這些值里排在中間的1個(gè) 將這個(gè)中間值賦給對(duì)應(yīng)模板中心位置的像素 空域?yàn)V波實(shí)現(xiàn) 5 2 1平滑和濾波 5 2 2邊緣檢測(cè) 梯度算子實(shí)際操作中 用下面式子取代微分 梯度算子用標(biāo)準(zhǔn)的模板來(lái)計(jì)算梯度 a Roberts b Prewitt c Sobel 5 2 2邊緣檢測(cè) 拉普拉斯算子對(duì)一個(gè)連續(xù)函數(shù) 它在位置處的拉普拉斯值定義如下 5 2 2邊緣檢測(cè) 拉普拉斯算子計(jì)算函數(shù)的拉普拉斯值也可以借助各種模板實(shí)現(xiàn) 它要求模板的中心像素系數(shù)應(yīng)該是正的 而對(duì)應(yīng)中心像素的鄰近像素的系數(shù)應(yīng)是負(fù)的 且它們之和應(yīng)該是零 5 2 2邊緣檢測(cè) Marr Hildreth邊緣檢測(cè)算子 5 2 2邊緣檢測(cè) 此算子有無(wú)限長(zhǎng)拖尾 在具體實(shí)現(xiàn)卷積時(shí) 應(yīng)取一個(gè)N N的窗口 同時(shí) 為了減小卷積運(yùn)算的計(jì)算量 可用兩個(gè)不同帶寬的高斯曲面之差 DOG 來(lái)近似 Marr Hildreth邊緣檢測(cè)算子 5 2 2邊緣檢測(cè) 考慮到M H算子的對(duì)稱(chēng)性 可采用分解的方法來(lái)提高運(yùn)算速度 即把一個(gè)二維濾波器分解為獨(dú)立的行 列濾波器 將方程改寫(xiě)為其中 5 2 2邊緣檢測(cè) Canny邊緣檢測(cè)法Canny給出了評(píng)價(jià)邊緣檢測(cè)性能優(yōu)劣的三個(gè)指標(biāo) 1 低失誤概率 2 高定位精度 3 對(duì)單一邊緣僅有唯一響應(yīng)設(shè)n為任意方向 Gaussian函數(shù)在這個(gè)方向上的一階導(dǎo)數(shù)為 5 2 2邊緣檢測(cè) Canny邊緣檢測(cè)法當(dāng)一個(gè)像素滿(mǎn)足以下三個(gè)條件時(shí) 則被認(rèn)為是圖像的邊緣點(diǎn) 1 該點(diǎn)的邊緣強(qiáng)度大于沿該點(diǎn)梯度方向的兩個(gè)相鄰像素的邊緣強(qiáng)度 2 與該點(diǎn)梯度方向上相鄰兩點(diǎn)的方向差小于45 3 以該點(diǎn)為中心3 3的鄰域中的邊緣強(qiáng)度極大值小于某個(gè)閉值 5 2 2邊緣檢測(cè) Canny邊緣檢測(cè)法Canny算子的算法實(shí)現(xiàn) 1 對(duì)要處理的圖像I作高斯光滑 則新的圖像為 其次對(duì)求的方向?qū)?shù) 2 細(xì)化M中所有的邊 3 雙閾值操作 5 2 2邊緣檢測(cè) 5 2 3圖像分割 灰度閾值法圖像閾值化處理的變換函數(shù)表達(dá)式為 閾值的選取間接閾值法多閾值法p尾法確定閾值 閾值的選取間接閾值法多閾值法p尾法確定閾值最大類(lèi)間方差確定閾值假定圖像的灰度區(qū)間為 設(shè)以灰度k為閾值將圖像分為兩個(gè)區(qū)域 灰度為1 k的像素和灰度為k 1 L的像素分別屬于區(qū)域A和B 則區(qū)域A和B的概率分別為 5 2 3圖像分割 最大類(lèi)間方差確定閾值區(qū)域A和B的平均灰度為 其中為全圖的平均灰度 兩個(gè)區(qū)域的方差為 5 2 3圖像分割 最大類(lèi)間方差確定閾值按照最大類(lèi)間方差的準(zhǔn)則 組間方差越大 則兩組的差別越大 即k值越大 表明分割效果越好 從1至L改變k 并計(jì)算類(lèi)間方差 使式最大的k 即是區(qū)域分割的閾值 最佳熵自動(dòng)閾值法峰谷法 5 2 3圖像分割 區(qū)域生長(zhǎng) 5 2 3圖像分割 在實(shí)際應(yīng)用區(qū)域生長(zhǎng)法時(shí)需要解決3個(gè)問(wèn)題 選擇或確定1組能正確代表所需區(qū)域的種子像素 確定在生長(zhǎng)過(guò)程中能將相鄰像素包括進(jìn)來(lái)的準(zhǔn)則 制定使生長(zhǎng)停止的條件或規(guī)則 區(qū)域生長(zhǎng)實(shí)現(xiàn)步驟對(duì)圖像進(jìn)行光柵掃描 求出不屬于任何區(qū)域的像素 當(dāng)尋找不到這樣的像素時(shí)結(jié)束操作 把這個(gè)像素灰度同其周?chē)?4 鄰域或8 鄰域 不屬于其他區(qū)域的像素進(jìn)行比較 若灰度差值小于閾值 則合并到同一區(qū)域 并對(duì)合并的像素賦予標(biāo)記 5 2 3圖像分割 從新合并的像素開(kāi)始 反復(fù)進(jìn)行步驟 的操作 反復(fù)進(jìn)行步驟 的操作 直至不能再合并 返回步驟 的操作 尋找新區(qū)域出發(fā)點(diǎn)的像素 5 2 3圖像分割 分裂合并利用分裂合并算法對(duì)圖像進(jìn)行分割的步驟生成圖像的四叉樹(shù)結(jié)構(gòu) 5 2 3圖像分割 根據(jù)經(jīng)驗(yàn)和任務(wù)需要 從四叉樹(shù)的某一層開(kāi)始 合并滿(mǎn)足一致性屬性的共根的4個(gè)子塊 重復(fù)對(duì)圖像進(jìn)行操作 直到不能合并為止 考慮上一步中沒(méi)有合并的子塊 如果它的子節(jié)點(diǎn)不滿(mǎn)足一致性準(zhǔn)則 將這個(gè)節(jié)點(diǎn)永久地分為4個(gè)子塊 如果分出的子塊仍不滿(mǎn)足一致性準(zhǔn)則 繼續(xù)劃分 直到所有的子塊都滿(mǎn)足為止 5 2 3圖像分割 由于人為地將圖像進(jìn)行四叉樹(shù)分解 可能會(huì)將同一區(qū)域的像素分在不能按照四叉樹(shù)合并的子塊內(nèi) 因此需要搜索所有的圖像塊 將鄰近的未合并的子塊合并為一個(gè)區(qū)域 由于噪聲影響或者按照四叉樹(shù)劃分區(qū)域邊緣未對(duì)準(zhǔn) 進(jìn)行上述操作后可能仍存在大量的小的區(qū)域 為了消除這些影響 可以將它們按照相似性準(zhǔn)則歸入鄰近的大區(qū)域內(nèi) 5 2 3圖像分割 5 2 4特征提取 線(xiàn)提取Hough變換原理在圖像空間XY里 設(shè)所有過(guò)點(diǎn) x y 的直線(xiàn)都滿(mǎn)足方程 式中 p為直線(xiàn)的斜率 q為直線(xiàn)的截距 也可以寫(xiě)成 式中表示參數(shù)空間PQ中過(guò)點(diǎn) p q 的一條直線(xiàn) 圖像空間到參數(shù)空間之間的轉(zhuǎn)換可以用圖表示 Hough變換原理在實(shí)際使用哈夫變換時(shí) 要在上述基本方法的基礎(chǔ)上根據(jù)圖像具體情況采取一些方法以提高精度和速度 在實(shí)際中常用的是極坐標(biāo)直線(xiàn)方程 5 2 4特征提取 Hough變換原理圖像平面上的一個(gè)點(diǎn)就對(duì)應(yīng)到參數(shù)平面上的一條正弦曲線(xiàn)上 哈夫變換最適合于檢測(cè)較簡(jiǎn)單曲線(xiàn) 5 2 4特征提取 直線(xiàn)提取以下是用Hough變換檢測(cè)直線(xiàn)的算法過(guò)程 初始化變換域空間的數(shù)組 表示圖像對(duì)角線(xiàn)方向的像素?cái)?shù) 方向上角度初始化數(shù)目為90 順序搜索圖像中所有的物體點(diǎn) 對(duì)每一個(gè)物體點(diǎn) 按照變換域的各個(gè)點(diǎn)加1 求出變換域的值大于一定閾值的點(diǎn)并記錄 根據(jù)這些點(diǎn)在原空間內(nèi)畫(huà)出直線(xiàn) 5 2 4特征提取 骨架提取中軸變換原理具有邊界B的區(qū)域R的MAT是如下確定的 對(duì)每個(gè)R中的點(diǎn)P 在B中搜尋與它最近的點(diǎn) 如果對(duì)P能找到多于1個(gè)這樣的點(diǎn) 即有2個(gè)或以上的B中的點(diǎn)與P同時(shí)最近 就可認(rèn)為P屬于R的中線(xiàn)或骨架 或者說(shuō)P是1個(gè)骨架點(diǎn) 5 2 4特征提取 簡(jiǎn)化的中軸變換算法 根據(jù)對(duì)二值圖像特點(diǎn)的分析 經(jīng)過(guò)實(shí)驗(yàn) 采用了一種簡(jiǎn)單而且效果很好的算法 可以根據(jù)一個(gè)像素的8個(gè)相鄰點(diǎn)的情況來(lái)判斷該點(diǎn)是否應(yīng)該刪除內(nèi)部點(diǎn)不能刪除 孤立點(diǎn)不能刪除 直線(xiàn)端點(diǎn)不能刪除 如果P是邊界點(diǎn) 去掉P后 如果連通分量不增加 則P可以刪除 5 2 4特征提取 每次對(duì)整幅圖像逐行掃描一遍 對(duì)于每個(gè)點(diǎn) 不包括邊界點(diǎn) 計(jì)算它對(duì)應(yīng)在表中的索引 若為0 則保留 否則刪除該點(diǎn) 如果這次掃描沒(méi)有一個(gè)點(diǎn)被刪除 則循環(huán)結(jié)束 剩下的點(diǎn)就是骨架點(diǎn) 如果有點(diǎn)被刪除 則進(jìn)行新的一輪掃描 如此反復(fù) 直到?jīng)]有點(diǎn)被刪除為止 5 2 4特征提取 可以根據(jù)上述的判據(jù) 事先做出一張表 每個(gè)元素不是0 就是1 根據(jù)某點(diǎn) 即目標(biāo)點(diǎn) 的8個(gè)相鄰點(diǎn)的情況查表 若表中的元素是1 則表示該點(diǎn)可刪 否則保留 查表的方法是 設(shè)白點(diǎn)為1 黑點(diǎn)為0 位置關(guān)系如圖 按這樣組成的8位數(shù)去查表即可 輪廓提取與跟蹤在目標(biāo)跟蹤中 通過(guò)輪廓提取或輪廓跟蹤技術(shù)確定目標(biāo)的輪廓參數(shù) 輪廓跟蹤的最基本方法是 先根據(jù)某些嚴(yán)格的 探測(cè)準(zhǔn)則 找出物體輪廓上的像素 再根據(jù)這些像素的某些特征用一定的 跟蹤準(zhǔn)則 找出目標(biāo)物體上的其他像素 這里介紹一種二值圖像的輪廓跟蹤 首先找第一個(gè)邊界點(diǎn)像素 按照從左到右 從下到上的順序搜索 找到的第一個(gè)黑點(diǎn)一定是最左下方的邊界點(diǎn) 記為A 點(diǎn)A的右 右上 上 5 2 4特征提取 左上四個(gè)鄰點(diǎn)中至少有一個(gè)邊界點(diǎn) 記為B 從邊界點(diǎn)B開(kāi)始 定義初始的搜索方向?yàn)樽蠓?如果左方的點(diǎn)為黑點(diǎn) 則為邊界點(diǎn) 否則搜索方向順時(shí)針旋轉(zhuǎn)45 這樣一直找到第一個(gè)黑點(diǎn)為止 然后把這個(gè)點(diǎn)作為新的邊界點(diǎn) 在當(dāng)前的搜索方向上逆時(shí)針旋轉(zhuǎn)90 繼續(xù)用同樣的方法搜索下一個(gè)黑點(diǎn) 直到返回初始的邊界點(diǎn)為止 5 2 4特征提取 在一些工業(yè)生產(chǎn)的領(lǐng)域 被檢測(cè)的物體圖像的缺陷往往表現(xiàn)為破損形狀 這樣會(huì)引起物體的角點(diǎn)變化 這也可以稱(chēng)為檢測(cè)缺陷的依據(jù) 圖像中的角點(diǎn)是指圖像中具有高曲率的點(diǎn) 它由物體邊緣曲率較大的地方或者多條邊緣的交點(diǎn)形成 角點(diǎn)也可以作為物體識(shí)別 檢測(cè)和定位的一個(gè)重要特征 5 2 4特征提取 角點(diǎn)提取 Harris法是角點(diǎn)檢測(cè)的常用方法 它的原理是利用水平 豎直兩個(gè)差分算子Ix Iy 求得如圖中m的4個(gè)元素值 并對(duì)圖像每個(gè)像素進(jìn)行濾波 最后根據(jù)求得的角點(diǎn)陣cim的值來(lái)確定每個(gè)點(diǎn)是否為角點(diǎn) 5 2 4特征提取 角點(diǎn)最直觀的印象就是在水平 豎直兩個(gè)方向上變化均較大的點(diǎn) 即Ix Iy都較大 Ix Iy是沿著水平和垂直方向的差分算子 這也是把角點(diǎn)和圖像上的邊緣已經(jīng)平坦地區(qū)區(qū)分的依據(jù) 邊緣 僅在水平 或者僅在豎直方向有較大的變化量 即Ix Iy只有其一較大 平坦地區(qū) 在水平 豎直方向的變化量均較小 即Ix Iy都較小 5 2 4特征提取 紋理特征提取相位編碼法實(shí)部為 虛部為 5 2 4特征提取 紋理特征提取多通道Gabor的特征提取法假設(shè)每一通道濾波器的數(shù)字模型為 其中 為濾波器輸入的圖像 和分別為偶對(duì)稱(chēng)和奇對(duì)稱(chēng)的Gabor濾波器 5 2 4特征提取 紋理特征提取多通道Gabor的特征提取法實(shí)際操作中 我們用FFT來(lái)實(shí)現(xiàn) 5 2 4特征提取 5 3圖像融合技術(shù) 本節(jié)從圖像融合技術(shù)的概念出發(fā) 介紹3種具有代表性的圖像融合方法 分別是Laplacian算法 RoLP算法和小波變換方法 5 3 1圖像融合概述 圖像融合的基本過(guò)程 設(shè)圖像元素的橫 縱坐標(biāo)分別用 表示 則級(jí)間的運(yùn)算可以表示為 Laplacian金字塔技術(shù) 對(duì)比度金字塔技術(shù) 5 3 2Laplacian金字塔方法 融合算法獲取每一路圖像的Gaussian金字塔序列 獲得每一路圖像的Laplacian金字塔 Laplacian金字塔序列對(duì)應(yīng)級(jí)融合 融合算子取對(duì)應(yīng)各級(jí)的 或 運(yùn)算或加權(quán)平均等 重構(gòu)圖像 5 3 2Laplacian金字塔方法 獲取每一路圖像的Gaussian金字塔序列 獲得每一路圖像的對(duì)比度金字塔 對(duì)比度金字塔序列對(duì)應(yīng)級(jí)融合 融合對(duì)比度金字塔有以下標(biāo)準(zhǔn)法則即 5 3 3RoLP金字塔方法 圖像的細(xì)節(jié)變化可以認(rèn)為是對(duì)比度的變化 由于人類(lèi)視覺(jué)系統(tǒng)對(duì)圖像的對(duì)比度變化較為敏感 且不同圖像傳感器對(duì)同一目標(biāo)所成圖像的對(duì)比度分布不同 融合不同圖像的細(xì)節(jié)可以設(shè)法通過(guò)融合對(duì)比度來(lái)實(shí)現(xiàn) 具體操作如下 式中 和分別為待融合圖像 融合圖像的對(duì)比度金字塔序列中的第L級(jí) 重構(gòu)圖像 5 3 3RoLP金字塔方法 二維離散小波變換 5 3 4二維小波變換方法 對(duì)于圖像處理 需要將連續(xù)小波變換與逆變換離散化 在此給出經(jīng)典Mallat算法的離散形式 5 3 4二維小波變換方法 圖像融合 5 3 4二維小波變換方法 二維離散小波圖像重構(gòu) 5 3 4二維小波變換方法 小波變換的圖像融合應(yīng)用 5 3 4二維小波變換方法 本節(jié)介紹作者研制的電子槍扭彎曲特性視覺(jué)檢測(cè)系統(tǒng) 背投電視會(huì)聚特性視覺(jué)測(cè)控系統(tǒng) 以及ZM VS1300視覺(jué)測(cè)控系統(tǒng)平臺(tái) 通過(guò)其軟硬件系統(tǒng)的實(shí)現(xiàn) 充分展示基于機(jī)器視覺(jué)測(cè)控技術(shù)在工業(yè)測(cè)控領(lǐng)域的迅速發(fā)展和廣泛應(yīng)用 5 4典型應(yīng)用 5 4 1電子槍扭彎曲特性智能檢測(cè)系統(tǒng) 電子槍與其基座通過(guò)焊接連成一個(gè)整體 但是 在焊接時(shí)不可避免地會(huì)出現(xiàn)誤差 表現(xiàn)為基座中心與電子槍中心不在同一垂直線(xiàn)上 出現(xiàn)彎曲誤差 電子槍與其基座將產(chǎn)生一定的旋轉(zhuǎn)角度 這就是扭曲誤差 電子槍扭曲 彎曲檢測(cè)原理 5 4 1電子槍扭彎曲特性智能檢測(cè)系統(tǒng) 圖像采集與圖像處理結(jié)構(gòu)圖 5 4 1電子槍扭彎曲特性智能檢測(cè)系統(tǒng) 扭彎曲檢測(cè)圖像處理算法圖像預(yù)處理基于改進(jìn)遺傳算法的圖像分割M H算子簡(jiǎn)化的中軸變換算法改進(jìn)的Hough算法 5 4 1電子槍扭彎曲特性智能檢測(cè)系統(tǒng) 軟件技術(shù)系統(tǒng)應(yīng)用軟件主界面系統(tǒng)實(shí)物圖 5 4 1電子槍扭彎曲特性智能檢測(cè)系統(tǒng) 系統(tǒng)工作原理圖 5 4 2背投電視會(huì)聚特性視覺(jué)檢測(cè)測(cè)控系統(tǒng) 圖像處理 測(cè)控結(jié)果圖1圖2 5 4 2背投電視會(huì)聚特性視覺(jué)檢測(cè)測(cè)控系統(tǒng) 系統(tǒng)工作原理ZM VS1300平臺(tái)簡(jiǎn)介應(yīng)用領(lǐng)域圖像處理功能庫(kù)系統(tǒng)操作 5 4 3ZM VS1300視覺(jué)智能測(cè)控系統(tǒng)平臺(tái) HALCON是德國(guó)MVtec公司推出的圖像處理軟件 是世界公認(rèn)具有最佳效能的機(jī)器視覺(jué)軟件 實(shí)際上是一套圖像處理庫(kù) 由1000多個(gè)各自獨(dú)立的函數(shù) 以及底層的數(shù)據(jù)管理核心構(gòu)成 5 5HALCON簡(jiǎn)介 5 5 1HALCON的基本結(jié)構(gòu) 5 5 4利用HALCON進(jìn)行應(yīng)用開(kāi)發(fā) C下列的程序代碼說(shuō)明了如何讀取一幅圖像 并且將其顯示在圖形視窗中 read image 5 5 5在程序語(yǔ)言中使用HALCON C 下列的程序代碼說(shuō)明了如何讀取一幅圖像 將其顯示在圖形視窗中 并且進(jìn)行一些基本的blob分析 HImageMandrill monkey HWindoww 0 0 512 512 Mandrill Display w HRegionBright Mandrill 128 HRegionArrayConn Bright Connection HRegionArrayLarge Conn SelectShape area and 500 90000 5 5 5在程序語(yǔ)言中使用HALCON VisualBasic下列程序碼說(shuō)明了如何讀取一幅圖像 并且進(jìn)行一些基本的blob分析DimimageAsNewHimageXDimregionAsHregionXCallimage ReadImage monkey Setregion image Threshold 128 255 5 5 5在程序語(yǔ)言中使用HALCON C 下列代碼以C 的語(yǔ)法重寫(xiě)了VisualBasic中的那個(gè)例子 HimageXimage newHimageX HRegionXregion Image ReadImage monkey region image Threshold 128 255 5 5 5在程序語(yǔ)言中使用HALCON 尺寸測(cè)量 返回 返回 返回 返回 返回 返回 返回 END