最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件

機器視覺技術(shù)的應(yīng)用機械表面損傷檢測機器視覺技術(shù)的應(yīng)用機械表面損傷檢測機器視覺技術(shù)又稱計算機視覺，一般是由CCD攝像機、圖像采集卡、帶有圖像處理軟件的計算機、光照系統(tǒng)組成。機器視覺技術(shù)又稱計算機視覺，一般是由C2最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件3最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件4最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件5最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件6最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件7最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件8損壞區(qū)域檢測邊緣提取物體的邊緣是由灰度不連續(xù)所反映的，常見的邊緣是階躍性邊緣，兩邊的灰度值有顯著不同。采用閾值處理方法無法將色彩不同的壞損與非壞損區(qū)域分開。損壞區(qū)域檢測邊緣提取9灰度閾值選取與(1)波峰間的間隔、(2)噪聲內(nèi)容、(3)光源的均勻性等有關(guān)。而本例中Y值變化平緩，不適用與閾值處理的方法?；叶乳撝颠x取與(1)波峰間的間隔、(2)噪聲內(nèi)10基于梯度的邊緣檢測邊緣可以理解為沿某一特定方向上，局部灰度的顯著變化，這一變化越強烈，越說明這一位置存在邊緣。從圖形剖面圖的灰度一維函數(shù)f(x)可以看出，邊緣的灰度值會有明顯的局部變化。它的一階導(dǎo)數(shù)則會在邊緣處達到一個極大值?；谔荻鹊倪吘墮z測邊緣可以理解為沿某一特定方向上，局部灰11最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件12邊緣檢測算子為了在圖像中找到邊緣的強度和方向，選擇梯度作為工具。大小為邊緣檢測算子為了在圖像中找到邊緣的強度和方向，選擇13方向（對于x軸的角度）為利用邊緣算子可以計算圖像中某一像素的灰度值的梯度，由于梯度向量的方向與邊緣的方向垂直，即可描述圖像的邊緣。方向（對于x軸的角度）為14最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件15文章采用Sobel算子，其模板如下：即將像素下邊一行灰度值乘以算子下邊一行加上像素上邊一行灰度值乘以算子上邊一行所得和值即為gx。同理求gy。文章采用Sobel算子，其模板如下：16區(qū)域生長主要思想是將事先選中的種子點周圍符合某種相似特征判斷的像素點集合起來以構(gòu)成區(qū)域。

然后以新合并點為中心，繼續(xù)檢查周圍區(qū)域，合并符合特征的區(qū)域，摒棄不符合的區(qū)域，以此循環(huán)。區(qū)域生長主要思想是將事先選中的種子點周圍符17具體算法1.對圖像逐行掃描，需找R亮度及G亮度同時發(fā)生變化的點，若是則做標(biāo)記，繼續(xù)向后尋找。2.對圖像每個可疑損點，尋找其2×2平方毫米領(lǐng)域內(nèi)是否有其他損點存在，若沒有則說明此點是噪聲點，恢復(fù)原值；若小于7點，且不與其他區(qū)域相連，則由于所求面積太小，可以忽略不計，認(rèn)為此點不是損點，否則認(rèn)為此區(qū)域很可能是點蝕區(qū)域，則把周圍全部標(biāo)記為壞損區(qū)域。具體算法1.對圖像逐行掃描，需找R亮度及G亮度同時183.求得所有損壞像素點的數(shù)目，根據(jù)每像素點所代表的面積，計算壞損區(qū)域的總面積。3.求得所有損壞像素點的數(shù)目，根據(jù)每像素點所代表的面積，計算19結(jié)論

將機器視覺引入機械故障診斷系統(tǒng)，通過實例論證了其應(yīng)用的可行。引進并論證了利用壞損和非壞損區(qū)域不同的色彩特征實現(xiàn)零件損傷部位的確定。參考文獻結(jié)論將機器視覺引入機械故障診斷系統(tǒng)，通20參考文獻《基于機器視覺技術(shù)的機械零件表面損傷檢測》阮寶科《數(shù)字圖像處理（第三版）》[美]RafaelC.Gonzalez,RichardE.Woods《數(shù)字圖像處理Java語言算法描述》[德]WilhelmBurger,MarkJ.Burge參考文獻《基于機器視覺技術(shù)的機械零件表面損傷檢21最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件22機器視覺技術(shù)的應(yīng)用機械表面損傷檢測機器視覺技術(shù)的應(yīng)用機械表面損傷檢測機器視覺技術(shù)又稱計算機視覺，一般是由CCD攝像機、圖像采集卡、帶有圖像處理軟件的計算機、光照系統(tǒng)組成。機器視覺技術(shù)又稱計算機視覺，一般是由C24最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件25最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件26最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件27最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件28最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件29最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件30損壞區(qū)域檢測邊緣提取物體的邊緣是由灰度不連續(xù)所反映的，常見的邊緣是階躍性邊緣，兩邊的灰度值有顯著不同。采用閾值處理方法無法將色彩不同的壞損與非壞損區(qū)域分開。損壞區(qū)域檢測邊緣提取31灰度閾值選取與(1)波峰間的間隔、(2)噪聲內(nèi)容、(3)光源的均勻性等有關(guān)。而本例中Y值變化平緩，不適用與閾值處理的方法?；叶乳撝颠x取與(1)波峰間的間隔、(2)噪聲內(nèi)32基于梯度的邊緣檢測邊緣可以理解為沿某一特定方向上，局部灰度的顯著變化，這一變化越強烈，越說明這一位置存在邊緣。從圖形剖面圖的灰度一維函數(shù)f(x)可以看出，邊緣的灰度值會有明顯的局部變化。它的一階導(dǎo)數(shù)則會在邊緣處達到一個極大值?；谔荻鹊倪吘墮z測邊緣可以理解為沿某一特定方向上，局部灰33最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件34邊緣檢測算子為了在圖像中找到邊緣的強度和方向，選擇梯度作為工具。大小為邊緣檢測算子為了在圖像中找到邊緣的強度和方向，選擇35方向（對于x軸的角度）為利用邊緣算子可以計算圖像中某一像素的灰度值的梯度，由于梯度向量的方向與邊緣的方向垂直，即可描述圖像的邊緣。方向（對于x軸的角度）為36最新機器視覺技術(shù)的應(yīng)用機械表面損傷檢測課件37文章采用Sobel算子，其模板如下：即將像素下邊一行灰度值乘以算子下邊一行加上像素上邊一行灰度值乘以算子上邊一行所得和值即為gx。同理求gy。文章采用Sobel算子，其模板如下：38區(qū)域生長主要思想是將事先選中的種子點周圍符合某種相似特征判斷的像素點集合起來以構(gòu)成區(qū)域。

然后以新合并點為中心，繼續(xù)檢查周圍區(qū)域，合并符合特征的區(qū)域，摒棄不符合的區(qū)域，以此循環(huán)。區(qū)域生長主要思想是將事先選中的種子點周圍符39具體算法1.對圖像逐行掃描，需找R亮度及G亮度同時發(fā)生變化的點，若是則做標(biāo)記，繼續(xù)向后尋找。2.對圖像每個可疑損點，尋找其2×2平方毫米領(lǐng)域內(nèi)是否有其他損點存在，若沒有則說明此點是噪聲點，恢復(fù)原值；若小于7點，且不與其他區(qū)域相連，則由于所求面積太小，可以忽略不計，認(rèn)為此點不是損點，否則認(rèn)為此區(qū)域很可能是點蝕區(qū)域，則把周圍全部標(biāo)記為壞損區(qū)域。具體算法1.對圖像逐行掃描，需找R亮度及G亮度同時403.求得所有損壞像素點的數(shù)目，根據(jù)每像素點所代表的面積，計算壞損區(qū)域的總面積。3.求得所有損壞像素點的數(shù)目，根據(jù)每像素點所代表的面積，計算41結(jié)論

將機器視覺引入機械故障診斷系統(tǒng)，通過實例論證了其應(yīng)用的可行。引進并論證了利用壞損和非壞損區(qū)域不同的色彩特征實現(xiàn)零件損傷部位的確定。參考文獻結(jié)論將機器視覺引入機械故障診斷系統(tǒng)，通42參考文獻《基于機器視覺技術(shù)的機械零件表面損傷檢測》阮