基于機(jī)器視覺的換向器表面質(zhì)量自動(dòng)化檢測(cè)方法研究

的換向器表面質(zhì)量自動(dòng)化檢測(cè)方法研究畢業(yè)論文題目：基于機(jī)器視覺的換向器表面質(zhì)量（麻點(diǎn)）自動(dòng)化檢測(cè)方法研究作者：MLP畢業(yè)屆期：2011屆指導(dǎo)老師：院系：交通與工程系專業(yè)：交通運(yùn)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(shí)驗(yàn)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(xué)模型62.2彩色圖像72.2.1加權(quán)平均法72.3灰度圖像72.3.1灰度直方圖82.4二值圖像92.4.1灰度圖像二值化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(biāo)形式表示霍夫變換133.3霍夫變換原理的應(yīng)用方法153.3.1算法原理153.4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184.2.1圖像幾何校正基礎(chǔ)知識(shí)194.2.2圖像的旋轉(zhuǎn)校正194.2.3圖像的裁剪224.3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(biāo)記及面積計(jì)算255.3本章小結(jié)26第六章圖像的邊緣檢測(cè)與實(shí)驗(yàn)結(jié)果276.1換向片邊緣檢測(cè)與標(biāo)記276.2檢測(cè)結(jié)果計(jì)算296.2.1圖像單位距離計(jì)算296.2.2麻點(diǎn)實(shí)際面積計(jì)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(xiàn)33致謝34附錄35基于機(jī)器視覺的換向器表面質(zhì)量（麻點(diǎn)）自動(dòng)化檢測(cè)方法研究摘要究成果。算出麻點(diǎn)面積。論文首次應(yīng)用了機(jī)器視覺技術(shù)來檢測(cè)換向片表面質(zhì)量。用matlab語(yǔ)言進(jìn)行編程義。關(guān)鍵詞：換向器表面質(zhì)量邊緣檢測(cè)閾值分割麻點(diǎn)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(jī)的關(guān)鍵部件，其狀態(tài)好壞直接影響到電機(jī)的運(yùn)行性能。換向片對(duì)電機(jī)性能的影響主要取決于在一定條件下相對(duì)電刷高速滑動(dòng)時(shí)的電接檢測(cè)方法用于換向片表面麻點(diǎn)的檢測(cè)。有人工檢測(cè)所無法比擬的優(yōu)越性。1.2實(shí)驗(yàn)方案1）用照相機(jī)或是其他設(shè)備采集圖像，將電機(jī)換向器表面信息以數(shù)碼照片的形式傳遞給計(jì)算機(jī)。2片進(jìn)行灰度處理。3）對(duì)圖片進(jìn)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(jìn)行二值化，提取出麻點(diǎn)圖像，并對(duì)其進(jìn)行標(biāo)記和連通域面積計(jì)算。5）選擇合理的閾值進(jìn)行二值化，得到換向片邊緣分割圖像，應(yīng)用上邊緣檢測(cè)和霍夫變換方法標(biāo)記其上下邊緣線，并計(jì)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(shí)際寬度換算出麻點(diǎn)面積。實(shí)驗(yàn)流程如圖1-1所示。以上各過程均已在matlab7.6.0真結(jié)果表明該方法是有效可行的。1.3文章內(nèi)容結(jié)構(gòu)文章中所涉及到的實(shí)驗(yàn)進(jìn)行介紹。第二章對(duì)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(duì)數(shù)字圖像的各種基礎(chǔ)知識(shí)、基礎(chǔ)概念進(jìn)行了講解。第三章對(duì)霍夫變換數(shù)學(xué)原理進(jìn)行了詳細(xì)講解。理進(jìn)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(duì)換向片麻點(diǎn)圖像解了在基于閾值的圖像分割中，閾值的選取對(duì)分割結(jié)果的影響。第六章用上邊緣檢測(cè)和霍夫向片邊向片的實(shí)際寬度，求解出了麻點(diǎn)的實(shí)際面積大小。第七章對(duì)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(jìn)之處。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“DigitalImageProcessing”硬件，對(duì)從圖像信息轉(zhuǎn)換得來的電信號(hào)進(jìn)行某些數(shù)學(xué)運(yùn)算，以提高圖像的實(shí)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(jìn)處理軟件來優(yōu)化處理效果。它是在遙感和生物醫(yī)學(xué)圖片分析兩項(xiàng)應(yīng)用技術(shù)基礎(chǔ)上開拓出50定水平，人們開始利用計(jì)算機(jī)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(jī)技術(shù)的迅猛發(fā)展，給圖像處理提供了先進(jìn)的技術(shù)手段，圖像處理技術(shù)也就由信息處理、自動(dòng)控制系統(tǒng)理論、計(jì)算機(jī)科學(xué)、數(shù)據(jù)通信、電視技術(shù)等學(xué)科中脫穎而出，成長(zhǎng)為旨在研究圖像信息的獲取、傳輸、存儲(chǔ)、變換、顯示、理解與綜合利用的一門嶄新學(xué)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(yùn)算速度快、算法嚴(yán)密、可靠性強(qiáng)、集成度高、智能性強(qiáng)等特點(diǎn)的各種圖文系統(tǒng)在國(guó)民經(jīng)濟(jì)各部門得到廣泛的應(yīng)用，并在逐漸深入社會(huì)的各個(gè)方面。2.1圖像的數(shù)學(xué)模型,M*N個(gè)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：圖2-1這樣，就可以直接對(duì)圖像矩陣進(jìn)行數(shù)學(xué)運(yùn)算，來實(shí)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（RGB）三種顏色的光按不同的比例相配而成，這就是色度學(xué)中的三基色原理。RGB2-2所示，以三維矩陣將RGBRGB三種分量決定，而每個(gè)分量有2551600255*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(jìn)行處理。以加權(quán)平均法為主。圖2-22.2.1加權(quán)平均法根據(jù)重要性和其他指標(biāo)，將RGB三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。由于人眼對(duì)綠色的敏感度最高，加權(quán)值為0.59；對(duì)藍(lán)色的敏感度最低，加權(quán)值為0.112.1對(duì)ＲＧＢ三分量進(jìn)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(lán)色分量所對(duì)應(yīng)的矩陣。2.3灰度圖像8位表示，所以每個(gè)像素都是介于黑色和白色之間的256（=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(duì)應(yīng)的像素點(diǎn)的灰度級(jí)。圖2-32.3.1灰度直方圖P()=(k=0,1,2…L-1)（2.2）NkkL為灰度級(jí)數(shù)；P（）為該灰度級(jí)出現(xiàn)的相對(duì)頻數(shù)。圖2-4圖像直方圖2-4所示。圖2-5圖像灰度分布概率密度函數(shù)圖2-5（ab2-5(a)的大多數(shù)像素2-5（b）的圖像像素值集中在亮區(qū)，此副圖像整體較亮。2.4二值圖像個(gè)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(xué)表示。圖2-6二值圖像2.4.1灰度圖像二值化圖像二值化就是將圖像上的像素點(diǎn)的灰度值設(shè)為0或255，使整幅圖呈現(xiàn)出明顯小，能凸顯出感興趣目標(biāo)的輪廓。用。局部二值化算法，則是根據(jù)局部信息選擇一個(gè)閾值，該閾值對(duì)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(yùn)算方法如下：1=0其他或(2.3)1=02.5本章小結(jié)像數(shù)字化基本原理。第三章霍夫變換—優(yōu)點(diǎn)是受直線中的間隙和噪聲影響較小。本章將詳細(xì)講解霍夫變換的基本原理。3.1霍夫變換基本原理b

yb0m0x圖像空間霍夫空間m圖3-1圖像空間中的一條線對(duì)應(yīng)霍夫空間中的一個(gè)點(diǎn)將由直線的斜率m和直線與y軸截距b分別為橫坐標(biāo)軸和縱坐標(biāo)軸組成的直角坐標(biāo)系稱為霍夫空間，在霍夫空間中縱坐標(biāo)b與橫坐標(biāo)m的關(guān)系表示為：(3.1)如圖3-1間中的一條直線在霍夫空間中對(duì)應(yīng)一個(gè)點(diǎn)。來做霍夫空間的對(duì)應(yīng)圖像。因?yàn)檫^一點(diǎn)可以作無數(shù)條直線，所以可以認(rèn)為是連續(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(diǎn)對(duì)應(yīng)霍夫空間中的一條直線。ybbx0my0y0b0x0x圖像空間霍夫空間m圖3-2圖像空間中的一個(gè)點(diǎn)對(duì)應(yīng)Hough空間中的一條直線如圖3-3線的交點(diǎn)表示的是圖像空間中過給定兩點(diǎn)的直線。圖3-3由公式可以求出各點(diǎn)在霍夫空間對(duì)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(gè)直線圖3-4圖3-4霍夫空間中的直線為圖3-3兩點(diǎn)分別由三條直線相交組成，由式3.2不難判斷出，這兩個(gè)點(diǎn)分別是經(jīng)過點(diǎn)（1,12,14,11,02,13,2間中的表示。N個(gè)點(diǎn)排列在同一直線N個(gè)點(diǎn)在霍夫空間中相對(duì)應(yīng)的直線匯交于一點(diǎn)。在霍夫空間中匯交于一點(diǎn)的直線條數(shù)越多，則在圖像空間中排在同一直線上的點(diǎn)的數(shù)目越多。直于X軸的直線時(shí)，,沒有辦法用來表示，所以考慮到了用極坐標(biāo)的形式來表示直線。3.2極坐標(biāo)形式表示霍夫變換圖3-5極坐標(biāo)表示直線在圖3-5中：(3-3)所以可以得出垂線的斜率為(3.4)原直線的斜率為(3.5)在原直線上任意一點(diǎn)的斜率我們可以表示為：(3.6)結(jié)合式3.5可以得出：(3.7)通過上式結(jié)合圖3-5可以得出：只空間中N個(gè)點(diǎn)滿足……都滿足,則這N個(gè)點(diǎn)在同一直線上，并且這條直線由來確定。對(duì)于垂線，可以用極坐標(biāo)表示為x=rxr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(diǎn)映射為空間中的正弦曲線。如圖3-7所示：圖3-7而圖像空間中共線的點(diǎn)所對(duì)應(yīng)直線的的值正是空間中兩條正弦曲線的交點(diǎn)。3.3霍夫變換原理的應(yīng)用方法舉例講解用霍夫變換原理檢測(cè)換向片邊緣直線的方法。將圖像空間中的檢測(cè)直線的問題轉(zhuǎn)化為在極坐標(biāo)參數(shù)空間中找通過點(diǎn)的最多正目做統(tǒng)計(jì)，然后由多到少進(jìn)行檢索，根據(jù)需要，保存前N條直線的信息。3.3.1算法原理首先將值進(jìn)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的點(diǎn)。y43210x012341.首先選擇值，在本例中選擇=-45,0，45，902.點(diǎn)坐標(biāo)(x,y)值分別代入可以得出：(x,y)-45°0°45°90°(2,0)1.421.40(1,1)011.41(2,1)0.722.11(1,3)-1.412.83(2,3)-0.723.53(4,3)0.744.93(3,4)-0.734.94表3-13.由表3-1中的數(shù)據(jù)，對(duì)各點(diǎn)經(jīng)過的正弦數(shù)目進(jìn)行統(tǒng)計(jì)：可以看出，經(jīng)過點(diǎn)（2,0）的正弦數(shù)和經(jīng)過點(diǎn)（3，90）的正弦數(shù)最多，均為3個(gè)。通過計(jì)算可以得出對(duì)應(yīng)的直線。2=xcos0+ysin0x=23=xcos90+ysin90y=3最后將這兩條直線在原圖像中標(biāo)出。3.4總結(jié)原理檢測(cè)直線的具體方法。最后再次對(duì)霍夫變換的主要性質(zhì)做以總結(jié)：1.直角坐標(biāo)系中的一點(diǎn)對(duì)應(yīng)于極坐標(biāo)中的一條正弦曲線。2.變換域極坐標(biāo)系中一點(diǎn)對(duì)應(yīng)于直角坐標(biāo)系中的一條直線。3.直角坐標(biāo)系一條直線上的N個(gè)點(diǎn)對(duì)應(yīng)于極坐標(biāo)系中共點(diǎn)的N條曲線?；舴蜃儞Q方法進(jìn)行換向片上下邊直線的檢測(cè)。第四章圖像采集及幾何校正項(xiàng)，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圖像采集綜合考慮幾種采集方式的優(yōu)缺點(diǎn)，本文采用數(shù)碼相機(jī)進(jìn)行圖像的采集工作。用數(shù)碼相機(jī)進(jìn)行圖像采集的需注意事項(xiàng)有：1.必須將數(shù)碼相機(jī)固定，防止因人手顫動(dòng)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度，必須保證照相機(jī)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(shí)際采形狀等進(jìn)行改變，來實(shí)現(xiàn)圖像的校正。4.2.1圖像幾何校正基礎(chǔ)知識(shí)數(shù)組f(x,y)來表示，其中x,y表示2D空間xy中的一個(gè)坐標(biāo)點(diǎn)的位置，f（x,y）代表圖像在點(diǎn)（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(shí)f(x,y)2D空間的表示以水平向右為XY軸，如圖4-1所示。圖4-14.2.2圖像的旋轉(zhuǎn)校正都旋轉(zhuǎn)一個(gè)相同的角度。一、兩種坐標(biāo)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(jìn)行旋轉(zhuǎn)，必須將兩種坐標(biāo)系進(jìn)行轉(zhuǎn)換，如下圖所示：圖4-2如圖所示，設(shè)此圖像寬度為wh原點(diǎn)的位置移動(dòng)到新的原點(diǎn)。(4.1)將式4-1表示為矩陣形式如下：（4.2）相反的將坐標(biāo)系轉(zhuǎn)換為坐標(biāo)系可用下式表示：（4.3）轉(zhuǎn)換為矩陣形式為：（4.4）二、圖像的旋轉(zhuǎn)原理如圖4-3為，式中r為該點(diǎn)到原點(diǎn)的距離，為ｒ與ｘ軸之間的夾角，為旋轉(zhuǎn)的角度。圖4-3如圖4-3旋轉(zhuǎn)后的點(diǎn)的坐標(biāo)表示為：(4.5)以矩陣形式表示為：(4.6)根據(jù)式4.2、4.4、4.6可以將圖像中像素點(diǎn)的旋轉(zhuǎn)分為三個(gè)步驟來完成：1、將坐標(biāo)；2、將該點(diǎn)旋轉(zhuǎn)角；3、將坐標(biāo)。用數(shù)學(xué)方法可表達(dá)如下：(4.7)式中的分別表示坐標(biāo)系與坐標(biāo)系中的圖像的高與寬。X軸保持大致平行，旋轉(zhuǎn)結(jié)果如下圖所示。圖4-44.2.3圖像的裁剪由于硬件條件的光不均勻產(chǎn)生的過亮除，這就是圖像的裁剪。形成一個(gè)新的圖像矩陣。下面舉一個(gè)簡(jiǎn)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具體實(shí)現(xiàn)方法如下：(4.8)值，以及所需圖像的高h(yuǎn)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)了基礎(chǔ)。幾個(gè)實(shí)驗(yàn)都比較成功，達(dá)到了預(yù)期效果。第五章圖像的分割像中的麻點(diǎn)圖像，并進(jìn)行標(biāo)記和面積計(jì)算。5.1基于閾值的圖像分割的圖像分割方法。的選取閾值，就可以實(shí)現(xiàn)對(duì)灰度圖像的分割。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5-160與1300-60,60-130,130-255三部分，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(jìn)行分割，分割后圖像如下圖：圖5-2如圖5-2可以看a)化后不是130步實(shí)驗(yàn)，以找到最合理閾值。圖5-3(a)閾值127(c)閾值138(d)閾值140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(biāo)記及面積計(jì)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(gè)或多個(gè)區(qū)域，提取出這些區(qū)域一般通過連通域標(biāo)記來實(shí)現(xiàn)。圖5-45-3是經(jīng)過二值分割后的麻點(diǎn)圖像的標(biāo)記結(jié)果，圖中的數(shù)字10是背景。如果換向片上有多個(gè)麻點(diǎn)，可用數(shù)字1,2,3…來依次進(jìn)行標(biāo)記。圖像的連通域標(biāo)等干擾信息。級(jí)之和，計(jì)算公式如下：（5-1）式中：M、N分別為圖像區(qū)域的長(zhǎng)和寬。對(duì)于二值圖像，若用1表示目標(biāo)，用0表示背景，其面積就是統(tǒng)計(jì)的個(gè)數(shù)。5.3本章小結(jié)過多次實(shí)驗(yàn)，找到了較合理閾值，分別提取到了換向片表面麻點(diǎn)圖像和換向片、槽的分割圖像。對(duì)分割后的連通域進(jìn)行標(biāo)記，求解出了其像素計(jì)數(shù)面積。第六章圖像的邊緣檢測(cè)與實(shí)驗(yàn)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(qiáng)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，寬度推算出麻點(diǎn)的實(shí)際面積。6.1換向片邊緣檢測(cè)與標(biāo)記電機(jī)換向片邊緣檢測(cè)的步驟如下：一、圖像的反轉(zhuǎn)01來表示目轉(zhuǎn)過程如下圖：圖6-1圖像翻轉(zhuǎn)二、用上邊緣檢測(cè)法進(jìn)行邊緣檢測(cè)干擾，并且使換向片云母槽圖像細(xì)化為單像素點(diǎn)，簡(jiǎn)化了邊緣的提取。上邊緣檢測(cè)的實(shí)現(xiàn)較為簡(jiǎn)單。如果一個(gè)像素點(diǎn)的值為1，并且它正上方像素點(diǎn)的值為010matlab來實(shí)現(xiàn)，程序如下：------------------------------------------------functionY=EdgeTop(X)[row,col]=size(X);Y=zeros(row,col);Y=logical(Y);forj=2:1:col-1,fori=2:1:row-1,if((X(i,j)==1)&(X(i-1,j)==0)),Y(i,j)=1;endendend------------------------------------------------程序運(yùn)行的效果見圖6-2，右圖為上邊緣檢測(cè)后的圖像。圖6-2上邊緣檢測(cè)三、用霍夫變換檢測(cè)出兩條邊緣線并進(jìn)行標(biāo)記，運(yùn)行結(jié)果如下圖。(a)霍夫變換效果圖6-3以上圖(a)是原圖像中的像素點(diǎn)映射到坐標(biāo)系上的一簇曲線；圖(b)是用霍夫變(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(diǎn)、終點(diǎn)、值與值，根據(jù)公式：可以得出兩條直線函數(shù)。6.2檢測(cè)結(jié)果計(jì)算6.2.1圖像單位距離計(jì)算離，方法如下：圖6-4設(shè)兩條平行線函數(shù)分別為Y6-4間的距離為：可得（6.1）根據(jù)測(cè)得的換相片的實(shí)際寬度與L值可計(jì)算出圖像的單位距離。6.2.2麻點(diǎn)實(shí)際面積計(jì)算個(gè)小方塊的邊長(zhǎng)，即水平或垂直方向相鄰像素點(diǎn)間的距離。因此換向片表面麻點(diǎn)的實(shí)際面積為:（6.2）式中S為麻點(diǎn)的實(shí)際面積，A是麻點(diǎn)的像素計(jì)數(shù)面積，l是測(cè)得換向片的實(shí)際寬度。6.3本章小結(jié)質(zhì)量的檢測(cè)，均達(dá)到了預(yù)期的效果。第七章結(jié)論等基礎(chǔ)上，提出了將機(jī)器視覺技術(shù)用于對(duì)電機(jī)換向器表面質(zhì)量的檢測(cè)。論文以某汽車電機(jī)換向器為檢測(cè)對(duì)象，對(duì)所提出的檢測(cè)方法進(jìn)行仿真實(shí)驗(yàn)，取得了較好的效果。仿真實(shí)驗(yàn)驗(yàn)證，該方法切實(shí)可行。7.1本論文所取得的成果1.首次提出將機(jī)器視覺技術(shù)應(yīng)用于對(duì)換向器表面質(zhì)量的檢測(cè)。2.提出了一套完整的基于機(jī)器視覺的換向器表面質(zhì)量檢測(cè)方案，并經(jīng)過仿真實(shí)驗(yàn)，得到較滿意效果。3.文中應(yīng)用非常簡(jiǎn)單的算法及邏輯方式解決的換向片表面麻點(diǎn)實(shí)際面積的計(jì)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(shí)現(xiàn)。4.7.2展望單的敘述：1.文章以基于機(jī)器視覺的電機(jī)換向器表面質(zhì)量自動(dòng)化檢測(cè)方法的探索研究為主，法離實(shí)際應(yīng)用還有很大的一步路要走。這也是今后研究和發(fā)展的一個(gè)主要方向。2.使用數(shù)碼相機(jī)進(jìn)行圖像的采集，這將成為圖像的自動(dòng)采集和傳輸實(shí)現(xiàn)的限制集卡、CCD相機(jī)相結(jié)合的采集方式。3.復(fù)雜情況下圖像的處理，并進(jìn)一步擴(kuò)展算法的功能。信隨著理論算法的不斷提出和改進(jìn)及工業(yè)的發(fā)展，此項(xiàng)技術(shù)定會(huì)走向成熟。參考文獻(xiàn)[1]張建輝，宋平崗.基于圖像識(shí)別技術(shù)的電機(jī)換向片自動(dòng)檢測(cè)系統(tǒng)的研制.電工電能新技術(shù).2005-10.[2]阮秋琦.數(shù)字圖像處理學(xué).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(xué)出版社，1997:125-210.[4]蔡健榮，周小軍，李玉良，范軍.基于機(jī)器視覺自然場(chǎng)景下成熟柑橘識(shí)別.農(nóng)業(yè)工程學(xué)報(bào).2008-1.[5]楊帆.數(shù)字圖像處理與分析（第二版）[M].北京航空航天出版社.2010.7

[6]岳曉峰，趙敏等.計(jì)算機(jī)視覺技術(shù)在發(fā)動(dòng)機(jī)缺陷檢測(cè)系統(tǒng)中的應(yīng)用.計(jì)算機(jī)測(cè)量與控

制.2005.[7]李良.圖像分割技術(shù)在金相晶體檢測(cè)中的應(yīng)用.武漢科技大學(xué)碩士學(xué)位論文.2009.05

[8]徐臨洪，張桂梅，陳少平.基于機(jī)器視覺的發(fā)動(dòng)機(jī)表面缺陷檢測(cè)技術(shù).計(jì)算機(jī)與現(xiàn)代化.2010.04.[9]張曉波.基于圖像處理技術(shù)的表面缺陷自動(dòng)檢測(cè)系統(tǒng)的研究.天津大學(xué)碩士學(xué)位論文.2004.12.[10]PETROUM著.賴劍煌，馮國(guó)燦，等譯.數(shù)字圖像處理疑難解析[M].2005.[11]劉超.基于機(jī)器視覺的微小型零件自動(dòng)測(cè)量與裝配.大連理工大學(xué)碩士學(xué)位論文.2009.12.[12]周平，趙春江，王紀(jì)華等.基于機(jī)器視覺的雞蛋體積與表面積計(jì)算方法.農(nóng)業(yè)機(jī)械學(xué)報(bào).2010.05.[13]劉兆祥，陳艷等.基于機(jī)器視覺的農(nóng)業(yè)車輛路徑跟蹤.農(nóng)業(yè)機(jī)械學(xué)報(bào).2009.09.[14]張少軍，茍中魁等.利用數(shù)字圖像處理技術(shù)測(cè)量直尺圓柱齒輪幾何尺寸.光學(xué)精密工程.2004.12.[15]圖宏斌，周新建.基于機(jī)器視覺的鐵路貨車滾動(dòng)軸承表面缺陷檢測(cè).電子測(cè)量技術(shù).2006.12.[16]張建輝，宋平崗.基于計(jì)算機(jī)視覺的電機(jī)換向片檢測(cè)系統(tǒng)的研究.機(jī)械設(shè)計(jì)與制造.2006.02.[17]劉衛(wèi)國(guó).MATLAB程序設(shè)計(jì)與應(yīng)用（第二版）[M].高等教育出版社.2002.06.致謝向指導(dǎo)老師表示最衷心的感謝！同時(shí)感謝青海深捷電子科技有限公司夏冰總經(jīng)理，對(duì)我提供了相關(guān)的實(shí)驗(yàn)設(shè)備。感謝在論文創(chuàng)作過程中幫助過我的同學(xué)！感謝在百忙之中評(píng)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');figure(1),imshow(I);Ig=rgb2gray(I);%轉(zhuǎn)換為灰度圖像figure(2),imshow(Ig);title('灰度圖像')'%----------------------------對(duì)圖像進(jìn)行裁剪---------------------------------------------------Icrp=imcrop(Ig,[100907080]);figure(3),imshow(Icrp);title('裁剪后的圖像');%----------------------------基于閾值的圖像分割---------------------------------------------BW1=im2bw(Icrp,0.49);%二值化處理figure(4),imshow(BW1);title('二值化處理后的圖像閾值0.49');%----------------------標(biāo)記聯(lián)通域---------------------------------------------------------------[LMapLnum]=bwlabel(BW1,4);%標(biāo)記連通區(qū)域S=regionprops(LMap,'Area','Centroid','BoundingBox','FilledImage');%獲取各連通區(qū)域的各種屬性Reg_Area(1)=S(1).Area;%麻點(diǎn)的面積大小%---------------------------圖像分割、反轉(zhuǎn)----------------------------------------------------BW2=im2bw(Icrp,0.2);figure(5),imshow(BW2);BW3=not(BW2);figure(6),imshow(BW3);title('反轉(zhuǎn)后的圖像');%-----------------------------上邊緣檢測(cè)、霍夫變換---------------------------------------Y=EdgeTop(BW3);figure(7),imshow(Y);title('上邊緣檢測(cè)效果圖');[H,T,R]=霍夫(Y);figure(8),imshow(H);title('霍夫變換效果');%-----------------------霍夫