1、山东大学硕士学位论文基于机器视觉的零件平面尺寸自动测量姓名：马文娟申请学位级别：硕士专业：模式识别和智能系统指导教师：李歧强20060522山东大学硕士论文 ，摘要零件尺寸的检测是机械行业中最常见的工作之一。目前国内的零件尺寸检测以人工检测为主，这既增加了工人的劳动强度，又难以保证零件的加工质量，尤其对于形位误差这种复杂检测，靠人力特别费时，检测精度也不高。近年来，随着机器视觉在工业检测中的应用，运用计算机技术对零件尺寸进行检测，是进行现代化生产的必然趋势本文应用机器视觉理论，研究了零件尺寸自动检测系统，包括摄像机、图像采集卡、个人计算机及软件系统，可实现零件部分形位尺寸(直线度、平行度、圆度
2、和同心度)的自动测量。本文的工作主要有三部分：图像采集、图像处理及尺寸测量。图像采集部分主要是为了获得零件的图像信息以进行后续的图像处理，后两部分是本文研究的重点。图像处理分为图像预处理、边缘提取与特征检测三步，其中边缘提取是整个检测系统的关键，其方法的好坏直接影响系统的速度和准确度。本文通过对传统的边缘检测方法进行比较研究，采用了阈值分割法和数学形态学方法，得到连续单像素边缘，不仅运算量小，定位精度也较高。 本文主要研究直线度、平行度、圆度和同心度的检测方法，因此需要检测的特征为直线和圆对于直线的检测，本文基于变分辨率图像金字塔的策略，用多级霍夫变换法与线性回归法相结合的方法检测直线特征。该
3、方法在保证精度不变的前提下减少了传统霍夫变换法的存储量和计算量，其适用范围较广，可以检测任意直线，但仍然需要较多计算时间，为此本文又提出了基于随机霍夫变换法的搜索方法该方法计算量小，比较适用于检测图像边缘的直线特征。对于圆的检测，常用的方法仍然是霍夫变换法及其改进算法。本文在随机霍夫变换法的基础上运用圆的性质对算法做了改进，减少了计算量。应用该方法可以提取复杂图像中的圆。尺寸测量部分是在检测出形位特征后，根据各形位公差带的定义，分别进行了各形位误差的计算。论文最后通过具体实验验证了本文的方法，并对误差做了具体分析。 关键词；零件尺寸测量；机器视觉；随机霍夫变换；形位误差阈值分割；边缘提取；特征
4、检测；山东大学硕士论文ABSTRACTDimension detection of parts is one of ordinary jobs of mechanicalindustryAt present，the detection of partsdimensions is donemanually，which not only increases the workerslabouring intension，but also is difficult to guarantee the quality of partsEspecially for themanual detection o
5、f formposition error,it takes much time and theprecision is not highIn the recent years，with the application ofmachine vision in industry detection，it is a necessary trend of modernmanufacture to apply computer technology to detect partsdimensionsBased on the theory of machine vision，this paper pres
6、ents asystem of automatic detection of partsform-position dimensions，which includes vidicon，image collecting clip，Personal Computer andsoftware systemIt can realize the automatic measurement of someformposition dimensions of partsThis paper is composed of threeparts：image collecting，image processing
7、 and dimension measuringImage collecting is to get images of the parts for the following imageprocessing，the last two parts are the keystones of this paperImage processing has three steps：pretreatment of images，edgeextraction and character detectionAs a key step，edge extractionaffects the processing
8、 speed and precision of the whole systemBycomparing the traditional methods of edge detection，this paper appliesthresholding method for image segmentation and mathematicalmorphology for edge extraction to process the images and getcontinuous and singlepixet edgesThis method has less calculationand h
9、igh location precisionThe detecting methods of straightness，parallelism，roundness andconcentric degree are studied in this paper，SO we need to detectbeeline and circleFor the detection of beeline，based on the tactic ofchanged distinguishing rate，this paper applies Multi-level Houghn山东大学硕士论文Transform
10、 and combines it with linear regression to detect the beelines，which not only ensures the detection precision，but also decreases thestorage and calculation compared with traditional Hough TransformThis method can be used broadly to detect all beelines，but it stillneeds much timeSo this paper brings
11、forward a searching algorithmwhich is based on Randomized Hough TransformThis method has lesscalculation and is fitter for the detection of beelines On the edgesForthe detection of circle，the common methods are still Hough Transformand its improved algorithmsBased on Randomized Hough Transform，this
12、paper uses the properties of circle to improve the method，whichdecreases calculation quantity and can extract circles in compleximagesAfter detecting the formposition characters，this paper computesthe formposition errors based on their definitionsFinally，validity ofall the methods proposed are demon
13、strated by delicated experimentsand its errors analysisKey words：Dimension measurement of parts；Machine vision；Thresholding method for image segmentation；Edge extraction；Character detection；Randomized Hough Transform；Formpositionerrorm原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含
14、任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：堡叁笃 日期：塑垒!里砣回关于学位论文使用授权的声明本人完全了解山东大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阿；本人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文。(保密论文在解密后应遵守此规定)论文作者签名：j啤导师签每粗互兰舀期：坦垒皇璺哆q山东大学硕士论文第一章绪论11机器视觉111机器视觉
15、原理机器视觉主要研究用计算机来模拟人的视觉功能从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控Nt典型的视觉系统一般包括如下部分：光源、镜头、摄像机、图像处理单元(或图像采集卡)、图像处理软件、监视器、通讯输入输出单元等。视觉系统首先采用摄像机将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；然后，图像系统对这些信号进行各种运算来抽取目标的特征，如面积、长度、数量、位置等；最后，根据预设的容许度和其他条件输出结果，如：尺寸、角度、偏移量、个数、合格不合格、有无等 机器视觉的特点是自动化、客观、非接触和高精度，与一般
16、意义上的图象处理系统相比，机器视觉强调的是精度和速度，以及工业现场环境下的可靠性。机器视觉极适用于大批量生产过程中的测量、检查和辨识，如零件装配完整性，装配尺寸精度、零件加工精度、位置，角度测量、零件识别、特性，字符识别等。112机器视觉的发展与意义机器视觉21是一个相当新且发展十分迅速的研究领域。人们从20世纪50年代开始研究二维图像的统计模式识别60年代Roberts开始进行三维机器视觉的研究，C-11zmail在图像理解中首先广泛利用启发式知识。机器视觉系统的发展始于70年代，美国最初的机器视觉系统采用了32K字节存储器的计算机和有128X 128像素的摄像机。1973年，美国自然科学基
17、金会制定了19731982发展视觉系统和机器人的计划，并在斯坦福、普度等大学率先展开研究。在日本，同期也展开了研究，并成功的将计算机视觉系统用于印刷电路板的质量检测。80年代以后，开始了全球性的研究热潮，机器视觉获得了蓬勃发展，新概念、新理论不断涌现。90年代，机器视觉在工业山东大学硕士论文生产中得以应用【31。现在，机器视觉仍然是一个非常活跃的研究领域，与之相关的学科涉及：图像处理、计算机图形学、模式识别、人工智能、神经网络等。机器视觉被称为自动化的眼睛，在国民经济、科学研究及国防建设等领域都有着广泛的应用。首先，机器视觉最大的优点是与被观测的对象无接触，从而对观测与被观测者都不会产生任何损
18、伤，十分安全可靠，这是其他感觉方式无法比拟的。其次，机器视觉所能检测的对象范围十分广泛，可以说是对对象不加选择。理论上，人眼观察不到的范围机器视觉也可以观察到，例如红外线、微波、超声波等人类就观察不到，而机器视觉则可以利用这方面的敏感器件形成红外线、微波、超声波等图像，因此可以说是扩展了人类的视觉范围。第三，人无法长时间地观察对象，机器视觉则可以不知疲劳、始终如一地观测，所以机器视觉被广泛地用于长时间恶劣的工作环境。目前已取得的一些应用成果如下：1)农业上的应用【4】检测农产品的外形尺寸并对其进行分级；检测农产品表面颜色以反映其品质，如将饱和度作为特征参数识别胚芽和胚乳；农产品表面缺陷和损伤的
19、自动检测、分类；动物产品的品质检测，如牡蛎肉的尺寸检测与分级、检测牛奶的品质及肉牛的脂肪厚度等：在农业生产领域中的研究，如在分析小麦生长特征的技术上，用小麦叶片和茎杆之间的叉点数来检测叶片，用色相表示小麦叶片的颜色，对小麦叶片的色机值进行检测。2)工业上的应用5-91。生产线上部件安装、自动焊接、切割加工；大规模集成电路生产线上自动连接引线、对准芯片和封装；在纺织、印染业进行自动分色配色、其它辅助设计等。在各类检测、监视中的应用，如检查印刷底版的裂痕、短路及不合格的连接部，检查标签文字标记，玻璃产品的裂痕和气泡，零件质量检测等。3)商业上的应用。自动巡视商店或其他重要场所的门廊，自动跟踪可疑的
20、人并及时报警。4)遥感方面的应用。自动制图，卫星图像与地形图对准，自动测绘地图；国土资源管理，如森林、水面、土壤的管理等；还可以对环境、火警自动监测。5)医学方面的应用。对染色体切片、癌细胞切片、X射线图像、超声波图像的自动检查，进而自动诊断等。 山东大学硕士论文6)军事方面的应用。自动监视军事目标，自动发现、跟踪运动目标，自动巡航、捕获目标和确定距离113机器视觉在工业尺寸检测中的应用工业检测是指在工业生产中运用一定的测试技术和手段对生产环境、工况、产品进行测试和检验，其检测结果是对生产过程进行控制的重要指标，直接影响着生产效率和质量形状尺寸检测是工业检测中的一部分，其内容包括结构尺寸、形状
21、误差检测等。传统的形状尺寸检测手段有卡尺、量规、万能工具显微镜、轮廓仪、x射线等，这些检测手段要么精度不高(卡尺、量规等检测手段)，要么检测劳动强度大、效率低(万能工具显微镜、轮廓仪等检测手段)。随着现代工业的发展和进步，特别是在一些高精产业，传统的检测手段已经不能满足生产的需要。随着机器视觉技术的发展，已经出现了一种新的检测技术基于机器视觉的图像检测技术110d4】，它是把被测目标的图像当作检测和传递信息的手段，它是以现代光学为基础，融光电子学、计算机图像学、信息处理、计算机视觉等科学技术为一体的现代检测技术。该检测技术同传统的形状尺寸检测技术相比，具备在线检测、实时分析、实时控制的能力，还
22、有高效、经济、灵活等优点。该技术在微尺寸12,13l、大尺寸、复杂结构尺寸和异型曲面尺寸检测中具有更明显的优点，下面进行具体论述。(1)随着科学技术与制造业的发展，对微小尺寸的测量要求越来越迫切。如：制导系统的毫米级大小的轴承，机械加工中的小孔、细丝、小球面；光学加工中的镀层厚度；计算机中磁头磁盘间的微小间隙等等传统的方法采用万能工具显微镜或者激光衍射法，前者容易受测头形状、大小以及测力的影响，后者对测量环境要求苛刻，同时只能测量较简单的结构尺寸(如细丝直径、薄带宽度等)，对于较复杂的微结构尺寸以及像光纤等透明、易变形的目标，二者均无能为力。而基于机器视觉的图像检测技术，具有非接触的特点，图像
23、检测的精度和测量范围主要是由摄像系统的分辨率和放大倍数决定的，调节摄像系统的放大倍数就很容易实现大范围测量(如从微米量级到毫米量级)，同时保证较高的测量精度。(2)对于大型结构尺寸，传统测量方法主要有两种：一是直接法，这种方法需要大尺寸导轨或标准件，成本高，精度低；二是间接法，如弓高弦山东大学硕士论文长法，滚子法等，这类方法本身存在测量原理误差，并且测量可靠性不高。现代工业大型零件加工，不但检测精度要求较高，而且要求在线检测，保证加工精度，传统检测技术难以满足要求，而基于机器视觉的图像检测技术可以对零件的不同部位进行拍摄，得到多幅局部重叠的图像，然后利用图像之间的信息冗余进行图像拼接得到零件的
24、完整图像，对拼接后的图像进行分析可以得到零件的完整结构尺寸，这种检测方法不仅简单、经济，同时能够达到较高的精度。(3)对于复杂结构零件(如齿轮、螺纹、凸轮等)，形状复杂、参数繁多，用常规通用仪器检测的精度和效率都比较低，通常采用专用测量仪器。有些专用仪器，如301型万能齿轮测量机，能够实现自动、连续测量，且测量精度较高，但只能在专用的测试台上测量，并且其成本非常昂贵，测量过程非常复杂。对于像汽车生产这样大型的流水生产线来说，采用专用仪器，不仅不能保证在线检测，检测效率也显得低下对于齿轮、螺纹等具有复杂轮廓的零件，基于机器视觉的图像检测技术由于采用了“图像”这种信息含量非常丰富的载体，表现出较大
25、优势，它只需要一幅或多幅图像就可以获得复杂结构的轮廓信息。(4)异形曲面也称作空间自由曲面，通常是指无法确切用解析几何的方法描述的曲面，如火箭、飞机、汽车、家用电器等的复杂外观造型。异形曲面的高精度检测技术，近年来成为人们研究的热点。异形曲面传统的检测方法有：手工测量法、机器人测量法、三坐标机测量法、经纬仪组合测量法等。手工测量法成本高、速度慢，要求重复调整，在实践中己被逐渐淘汰。机器入测量法是在机器人手中装载一探头，控制机器人手的运动轨迹完成被测量线上点的坐标测量。该方法适用范围广、速度快，但精度不高。三坐标机测量法，至今为止，仍是高精度测量异形曲面的重要手段，但该方法需要将工件置于工作台上
26、，工件的大小及重量受到限制。经纬仪组合测量法，测量系统组成灵活，可实现大型零部件的在线非接触高精度测量，但该方法需要人工瞄准，工作强度非常大以上方法与现代工业在线检测的要求都存在一定的差距。如果将图像检测技术和结构光应用于异型曲面检测，其测量速度、工作强度均优于以上方法，并且测量精度与三坐标机测量法相当。其原理是将一定类型的结构光(光点、光条或光面)投射到曲面上，由摄像机得到结构光的图像，结构光在图像中的位置反映了曲面轮廓信息，对结构光图像山东大学硕士论文进行分析，就可以得到异型曲面的轮廓信息。总之，基于机器视觉的图像检测技术在工业检测中存在着很大的优势，正越来越多地应用于实际生产中。12机器
27、视觉系统的关键技术机器视觉的核心内容是图像的处理和识别。视觉系统要完成对物体的识别，需要对摄取的物体图像进行一系列操作：预处理、分割、描述和识别等预处理的方法很多，主要解决图像的增强、平滑、尖锐化、滤波以及伪彩色处理问题，考虑计算机的运算速度和低成本的要求，根据具体情况选择具体的方法，为进一步图像处理做好铺垫。分割是将图像划分成若干有一定含义的部分的过程，它是视觉技术中关键的一步，常见的分割技术有灰度阈值法、边缘检测、匹配和拟合、区域跟踪以及运动分割等描述是为了识别而从物体中抽取特征的过程，即特征检测。识别是最终目的，完成对物体的分析。下面就本检测系统涉及到的关键技术的研究现状进行具体论述。1
28、21图像分割常用方法1211阈值分割法阙值分割法115-1“”最大的优点是速度快、实现简单。该算法实现步骤：首先确定一个处于图像灰度值范围中的灰度阈值；然后将图像中像素的灰度值与该阈值比较，从而将像素划分为大于阈值的一类和小于阙值的一类。算法的关键在于如何确定阙值，目前已提出的阈值处理技术有很多，根据算法所用特征或准则不同，可以将阈值化技术分成10类，包括直方图方法与直方图变换法、最大类间方差法、最小误差法与均匀化误差法、共生矩阵法、矩保持法、最大熵法、简单统计法、局部特性法、概率松弛法、模糊集法以及其他方法。目前公认较好的阈值选取方法有直方图法【lsl矩量保持法【191、类间方差法20】，最
29、大熵法【21】和最小误差法221等。这几种算法原理总结如下。(1)直方图法 直方图即灰度直方图，定义为统计图像中具有某种灰度的像素数目(或频率=某种灰度的像素数目图像中总的像素数目)的函数。灰度直方图概括了图像中各灰度级的含量。对于耳标与背景的灰度级有明显差别的图像，其山东大学硕士论文灰度直方图的分布呈双峰状，两个波峰分别与图像中的目标和背景相对应。当分割阈值位于谷底时，图像分割可取得最好的效果。对于灰度直方图中波峰不明显或呈单峰分布的图像，我们需要先对灰度直方图进行变换，使其具有明显的双峰，然后再利用该方法。(2)矩量保持法矩函数在图像分析中有着广泛的应用，亮度矩是其中的一种，它应用于图像阈
30、值分割中简单明了，计算量少。采用亮度矩进行两级阈值化的基本原理，就是保持阈值化前后的两个图像的亮度矩不变。(3)类间方差法类间方差法，又被称为Otsu法，是一种能自动确定阈值的阈值选取方法。基本思想是将图像中的像素根据阈值t分为两类，一类为灰度值大于t的像素，另一类为灰度值小于t的像素，计算两类的类间方差仃2(0，使该值达到最大的t值为最佳阈值T。(4)最大熵法最大熵法是把信息论中“熵”的概念用于图像分割，图像被阈值分成背景和物体两部分，分别计算其熵值并求和，结果最大时对应的阈值就是要求的阈值。这种方法最早是由Pun提出来的，Kaput对Pun提出的熵法进行了改进一般来讲，一维Kaput熵法优
31、于其它一维灰度直方图熵法，因此它得到了广泛的应用(5)最小误差法有的图像中目标和背景的灰度值有部分交错，这时如用全局阈值进行分割总会产生一定的误差，实际中常希望能尽可能减少误分割的概率，于是就产生了基于最小误差的阈值分割方法。该方法就是要选择一个阈值T，使得在决定图像中的像素是属于对象还是背景时的平均错误率降至最小。1212边缘检测法(1)检测算子法a)经典微分算子经典微分算子包括一阶微分算子和二阶微分算予。在图像处理中，一阶微分是通过梯度法来实现的，常用的一阶微分算子有Robert算子、Sobel算子、Prewitt算子等等，其中Robert算予最简单。一阶微分算子运算比较山东大学硕士论文简
32、单，但对噪声敏感，通常产生较粗的边缘，因此对边缘不能准确定位。二阶微分算子包括拉普拉斯算子和二阶方向导数，其中二阶方向导数算子在机器视觉中不常用。拉普拉斯算子比一阶微分算子产生的边缘要细得多，但对细节(如细线和孤立点)有较强的响应，因此对噪声更敏感。b)LoG算子由于利用二阶微分算子提取边缘的算法对噪声十分敏感，所以希望首先滤除噪声。为此，Mart和Hildreth将高斯滤波和拉普拉斯边缘检测结合在一起，形成了LoG算法，也称为拉普拉斯高斯算法该算法相对于微分算子抗噪能力增强，并且能够比较准确地定位边缘，但对于角、曲线的检测效果不好，同时也不能提供所检测边缘的方向信息【231。该算法在机器视觉
33、中也不常用。，c)Canny算子Canny算子是高斯函数的一阶导数，可以在抗噪声干扰和精确定位之间达到最佳折衷，因此该算子是对信噪比与定位乘积的最优化逼近算子在二维情况下，Canny算予的边缘定位性能比LoG算子要好，具有更好的抗噪性能，而且能产生边缘梯度方向和强度两个信息，为后续处理提供了方便但也存在不足之处：算法比较复杂，当滤波尺度较大时能得到较好的结果，然而导致了一些细节的丢失。一(2)数学形态学法数学形态学是在集合论的基础上发展起来的，它的运算由集合运算来定，义，所有的图像都必须以合理的方式转换为集合。数学形态学用具有一定结构和特征的结构元素去量度图像中的形态，进而解决问题。常用的基于
34、数学形态学的图像处理方法是针对二值图像的，即二值数学形态学。灰度数学形态学是二值数学形态学对灰度图像的自然扩展，在灰度形态学中，二值形态学所用到的交、并运算分别用最大、最小极值运算来代替。文献24介绍了数学形态学方法在图像处理中的应用进展，指出该方法可以用于边缘检测，算法并行快速，易于实现。文献25介绍了一种基于灰度形态学的边缘检测器，能有效检测被大量噪声污染的图像边缘。 (3)小波变换法小波变换【261是近年得到广泛应用的数学工具，与傅立叶变换不同，它基于一些小型波，具有变换的频率和有限的持续时间，因而能有效地从信号山东大学硕士论文中提取信息，它通过伸缩和平移等运算功能对函数或信号进行多尺度
35、细化分析，被誉为“数学显微镜”自Mall蚍【27,281首先将小波变换用于信号奇异点的检测后，小波变换被广泛应用于图像边缘检测中。文献291采用多进制小波来检测边缘；文献30】和31】分别采用正交小波和Hart小波来提取边缘。另外，B样条小波【32】也被应用于边缘检测中。(4)神经网络法人工神经网络是模式识别的一种重要工具和方法。近年来用神经网络检测边缘已成为一个新的研究方向。目前已有了很多基于BP网络的边缘检测算法33,34，但BP网络收敛速度很慢，容易收敛于局部极小点，且数值稳定性差，参数难以调整，很难满足实际应用的要求，于是出现了基于CP网络的算法351，该方法得到的图像边界连续性较好，
36、封闭性也较好，而且对于任何256级灰度图的检测都可以得到很好的效果。另外，Chua和Yang提出了细胞神经网络来检测图像边缘【3们，首先将图像映射为一个神经网络，每个像素点是一个神经元，然后通过动态方程引导神经元的状态向神经网络所定义的最低能量方向变化，来实现边缘提取；还有Hopfield网络37-391和模糊神经网络401在边缘检测中也得到了广泛应用。(5)模糊算子法由于按灰度级对图像进行分割和分类存在模糊性，因此可将其归纳为模糊子集的识别分类问题。八十年代中期，Pal和King等提出了一种图像边缘检测模糊算法141，首次将模糊理论引入到图像的边缘检测算法中，能有效地将物体从背景中分离出来，
37、并在模式识别和医疗图像处理中获得了良好的应用。该算法也存在一些缺陷，比如损失了一些低灰度值边缘信息，并且运算复杂。文献42】对Pal算法进行了改进，提高了抗噪能力，文献43】提出了一种快速模糊算法，提高了检测速度122特征检测常用方法Hough变换46】是目前应用最广的特征检测方法，其实质是将图像空间中具有一定关系的像元进行聚类，寻找能把这些像元用某二解析形式联系起来的参数空间对应累积点。Hough变换的优点主要在于该算法具有很好的鲁棒性，它对于图像中的噪声点不敏感，当被识别与检测的物体部分(甚至大部分)被其他物体遮挡时或者当物体发生旋转、平移、缩放变换时Hough山东大学硕士论文变换法仍能对
38、该物体进行参数检测和目标识别；其缺点是计算量和占用内存很大。针对传统Hough变换的缺点，出现了许多改进的Hough变换算法，对于直线特征的检测【47】有随机Hough交换法(Randomized Hough Transform，RHT)、基于计数器的Hough变换法(Countbased Hough Transform，CBHT)、快速增量Hough变换法(Fast Incremental Hough Transform，FIHT2)、(p，0)参数随机Hough变换法(，口)parametrized RHT,RTRHT)；对于圆特征的检测也有随机Hough变换法以及根据圆的性质改进的一些算
39、法48401。其中随机Hough变换法151,521运算速度较快，参数空间的峰值也比较可靠，本文将在下面的章节中进行详细阐述另外，搜索方法也可用于检测直线，文献【53】和【54介绍了两种不同的搜索方法13论文的主要内容由机器视觉应用到工业中的现状，我们知道目前应用视觉系统测量形位误差的研究还很少，因此本文就基于机器视觉的零件形位尺寸自动检测系统进行了初步研究，把涉及的关键技术作为研究的重点，其主要内容为：1介绍了检测系统的结构，包括硬件和软件。2图像预处理和边缘提取方法研究。首先对获取的图像进行预处理得到质量较好的图像，然后通过对传统边缘检测方法进行比较研究，采用有效的方法对图像处理，得到单像
40、素连续边缘。3特征检测方法研究本文对直线和圆特征进行了检测，在传统方法的基础上提出新的方法，不仅运算简单，而且检测精度也很高。4形位误差测量方法研究根据形位误差(直线度、平行度、圆度、同心度)的定义，研究了具体的评定方法。5实验验证和误差分析论文最后通过大量实验验证了所采用方法的有效性，并对误差进行了具体分析。山东大学硕士论文第二章零件尺寸自动检测系统21检测系统概述零件尺寸自动检测系统基于机器视觉理论，它包括硬件和软件两部分检测过程分为图像采集、图像处理和尺寸测量三个步骤。图像采集通过硬件部分来实现，首先驱动图像采集卡控制摄像机曝光以摄取零件图像，然后经图像采集卡将采集到的模拟信号转换为数字
41、信号并输入到主机内存中图像处理和尺寸测量属于检测系统的软件部分，首先采用有效的图像处理方法对采集的图像进行预处理和边缘检测，得到零件图像的边缘，然后通过特征检测、尺寸测量得到最终结果。本检测系统主要测量直线度、平行度、圆度和同心度四种形位尺寸，其总体框架如图21所示，系统软件框架图如图22所示图21检测系统总体框架l边缘锐化II阈值分割Il边缘提取II特征检测(直线和圆)1L形位尺寸测量图22系统软件框架图22检测系统硬件组成检测系统硬件部分主要实现图像采集与结果显示(1)摄像机电荷藕合器件图像传感器(Charge Coupled Device，CCD)是目前机器视觉中普遍采用的视觉传感器，它
42、是一种新型的固体成像器件，是在大规模硅集成电路工艺基础上研制而成的模拟集成电子芯片。它既具有光电转换的功能，又具有信号电荷的存储、转移和读出的功能。由于CCD传感器具有自扫描、高灵敏、低噪声、长寿命、低功耗和高可靠性等优点，因而一直受到人们的高度重视，发展十分迅速。CCD的像元尺寸小，几何精度高，配合适当的光学系统，可以获得很高的空间分辨率，特别适用于各种精密图像传感器和无接触工件尺寸的在线检测。由于CCD是以时间积分方式工作的，光积分时间可以在很宽的范围内调节，因而使用方便灵活，适应性强。CCD山东大学硕士论文输出信号易于数字化处理，容易与计算机连接组成实时自动化测量控制系统，便于扩大应用功
43、能和使用范围。本系统采用的是天津三星电子有限公司的SCC一101AP型彩色数码摄像机。它的主要性能指标包括：总像素单元数：752(水平)X 582(竖直)频率：15625KHz(水平) 50Hz(竖直)扫描类型：625行，交错率2：1最小目标照度：O5Lux分辨率：480TV行信噪比：50dB以上供电电压：Ac220v，240V(50Hz03Hz)功率消耗：约4w。工作温度；一lOoC一+50。C工作湿度：在90RH范围内 (2)图像采集卡图像采集卡通常要占用PC机总线的一个插槽，并带有外接的CCD摄像头、图像监视器、视频信号接口它完成的主要功能是把摄像机模拟的视频信号转换成为离散的数字量。图
44、像采集卡的工作过程：对摄像机输出的景物的视频信号进行实时采集。经AD转换后将数字图像存放在图像存储单元的一个或多个信道中，通过计算机发出指令，将某一帧图像静止在图像存储信道中，即采集或捕获了一帧图像，计算机对采集的图像进行处理。图像采集卡上的DA转换电路自动将图像实时显示在图像监视器上。本系统采用的是深圳图码电子有限公司生产的10Moous 2000 PlusSDK该采集卡提供4路视频输入，单路录像，可切换输入信号。提供变位流恒位流两种压缩格式提供M-JPEG压缩格式，可动态检测视频画面变化，支持一机多卡，可实现远程视频传输、监控等用途。还提供了录像的同时能实时回显的功能，并很好地解决录像过程
45、中音视频同步问题，且占用系统资源极小。(3)个人计算机个人计算机(Personal Computer，PC机)充当数据处理器，对摄得的山东大学硕士论文图像进行处理，得到测量结果。包括图像的存储、处理和结果输出。一般的存储器有内存、帧缓存和磁盘等，计算机内存是一种提供短期存储功能的存储器，帧缓存可存储多幅图像并能以视频速度读取，还可允许对图像进行缩放和翻转，而磁盘可以长久保存信息，图像数据就是以图像文件的形式存储在磁盘中的。结果输出是最后一个环节，经处理后的图像和数据在计算机的CRT显示器上显示。(4)光源光源和照明是机器视觉系统输入的重要因素，因为它直接影响输入数据的质量和最后处理结果的精确度
46、。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源选用包括两个方面的任务：光源本身的选用和照明的结构设计。光源包括可见光源和不可见光源，常见的可见光源有白炽灯、日光灯、水银灯和纳光灯、LED等，这种光源容易获得，价格低，并且便于操作，但有一个最大的缺点是光能不能保持稳定。不可见光源包括x射线、超声波等，这种光源能够完成要求高的检测任务，但不利于检测系统的操作，且价格较高，所以目前在实际应用中，仍多用可见光作为光源。本系统是短时操作，忽略光能下降的问题，因此选用自炽灯即可满足要求。照明系统按其照射方式可分为：背向照明、前向照明、扩散光照明和轴
47、线光照明。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。扩散光照明是通过一个光导向器使光源的光经几次反射后得到扩散光，这种光导向器可以设置成不同的几何形状以适应不同的应用，利用不同角度的扩散光使得到的图像更均衡。轴线光照明可以得到均匀的、高亮度的光，适合于检测反射比较严重的表面上的划痕。选用何种结构的照明系统，要根据检测任务的具体情况及环境的要求来设计选用前向照明比较适合零件测量，该照明方式如图23所示。为了减少周围环境光对零件的影响，我们用黑匣子将零件围住，可以得到质量较好的图像。山东大学硕士论文23检测
48、系统照明方式15-山东大学硕士论文第三章图像预处理和边缘提取31引言 ， ，机器视觉的核心内容是图像的处理和识别【”】。图像处理是对视觉系统硬件捕获的图像进行某些变换，从而达到适合机器识别的目的。数字图像处理技术发展至今，很多处理算法已趋于成熟，在开发机器视觉系统时有很多前人的理论算法可以借鉴，但是纯图像处理算法的研究往往追求的是图像处理的效果，并不一定适用于机器视觉系统中。机器视觉中的各种图像处理和识别，要考虑计算机运算速度和成本的要求，在算法精度满足要求的前提下，保证足够快的处理速度。这就要求人们根据实际情况选择和设计适合特定系统的处理算法。 ，本检测系统要测量零件形位尺寸，从而需要提取零
49、件的边缘特征。直接捕获的原始图像往往含有各种噪声和干扰，这就要求对图像进行滤波、增强，用各种变换手段改善图像的质量，以利于提取图像特征完成对图像的识别，也就是图像预处理的过程。本章首先对获取的图像进行预处理得到质量较好的图像，然后通过对传统边缘检测方法进行比较研究，采用比较有效的方法，即阈值分割法和数学形态学方法相结合对图像处理，得到单像素连续边缘。本章研究的内容是后面特征检测的前提，是必不可少的一部分。32图像预处理 预处理主要采用两种方法，一种是基于空域技术的方法，另一种是基于频域技术的方法。它主要解决图像的增强、平滑、尖锐化、滤波等处理。本课题采用彩色摄像机摄取零件图像，因此首先要对图像进行灰度化处理，然后去除图像摄取过程中引入的噪声。另外，由于本系统要获得零件图像的边缘，因此需要在滤除噪声后对边缘进行锐化处理。具体方法如下文所示。321灰度化在数字图像处理中，最通用的面向硬件的彩色模型是RGB(红、绿、蓝)模型，常用于彩色监视器和一大类
