当前位置:文档之家› 基于机器视觉的测控技术

基于机器视觉的测控技术

图像阈值化处理的变换函数表达式为:
f x, y T 0 g x, y 255 f x, y T
阈值的选取

间接阈值法 多阈值法 p尾法确定阈值
5.2.3 图像分割
阈值的选取 间接阈值法 多阈值法 p尾法确定阈值 最大类间方差确定阈值
假定图像的灰度区间为,设以灰度k为阈值将图像分为两 个区域,灰度为1~k的像素和灰度为k+1~L的像素分别属 于区域A和B,则区域A和B的概率分别为:
域。

由于噪声影响或者按照四叉树划分区域边缘未对准,进 行上述操作后可能仍存在大量的小的区域,为了消除这 些影响,可以将它们按照相似性准则归入邻近的大区域 内。
5.2.4 特征提取
线提取
Hough变换原理
在图像空间XY里,设所有过点(x,y)的直线都满足方程:
y px q
式中,p为直线的斜率,q为直线的截距。也可以写成:
同带宽的高斯曲面之差(DOG)来近似 。
5.2.2 边缘检测
Marr-Hildreth边缘检测算子
x2 y2 x2 y2 1 DOG 1 , 2 exp exp 2 2 2 1 2 2 2 1 2 2 1
其中为全图的平均灰度:

i p
i 1
A A B B
两个区域的方差为:
2 c1 f i, j t 像素数为 w1,灰度平均值为 m1,方差为 1 2 c f i , j t 像素数为 w ,灰度平均值为 m ,方差为 2 2 2 2
1 0 -1
(a)Roberts
(b)Prewitt
(c)Sobel
5.2.2 边缘检测
拉普拉斯算子
对一个连续函数,它在位置处的拉普拉斯值定义
如下:
2 f
2 f x
2

2 f y
2
5.2.2 边缘检测
拉普拉斯算子
计算函数的拉普拉斯值也可以借助各种模板实现,它要 求模板的中心像素系数应该是正的,而对应中心像素的邻 近像素的系数应是负的,且它们之和应该是零 。
5.1 机器视觉测控系统
本节从机器视觉测控系统的基本概念出发,综合机器视 觉测控系统原理、技术和应用进行介绍 。 典型的视觉检测系统的构成:
4
5.1.1 机器视觉检测系统硬件
光源
照度要适中 亮度要均匀 亮度要稳定
不应产生阴影
照度可调
5.1.1 机器视觉检测系统硬件
图像传感器
5.2.2 边缘检测
Canny边缘检测法

Canny算子的算法实现
( 1 )对要处理的图像 I 作高斯光滑,则新的图像
I 为 f G *,其次对求的方向导数
f x (G * I ) x ,
f y (G * I ) y
(2)细化M中所有的边 (3)双阈值操作
5.2.3 图像分割
灰度阈值法
5.2.1 平滑和滤波
空域滤波实现
R k 0 s 0 k1 s1 k 8 s8
5.2.2 边缘检测
梯度算子
f x, y G x
T

Gy

T
f x
f y
实际操作中,用下面式子取代微分:
x f x, y f x, y f x 1, y
G Gn nG n
5.2.2 边缘检测
Canny边缘检测法

当一个像素满足以下三个条件时,则被认为是图像的 边缘点: (1)该点的边缘强度大于沿该点梯度方向的两个相邻 像素的边缘强度; (2)与该点梯度方向上相邻两点的方向差小于 45°; (3)以该点为中心3×3的邻域中的边缘强度极大值小 于某个闭值。
2 exp 2 2
2 h1 K 1 2
2 h2 K exp 2 2
5.2.2 边缘检测
Canny边缘检测法


Canny给出了评价边缘检测性能优劣的三个指标 (1)低失误概率 (2)高定位精度 (3)对单一边缘仅有唯一响应 设n为任意方向,Gaussian函数在这个方向上的一 阶导数为:
5.1.3 视觉检测系统应用

缺陷检测 尺寸测量 PCB焊点检测与分类
5.2 数字图像处理
数字图像处理技术是一门跨学科的前沿高科技,是在信号
处理、计算机科学、自动控制理论及其他应用领域基础上
发展起来的边缘学科,是认识世界、改造世界的重要手段
。目前图像处理与识别技术已应用于许多领域,成为21世 纪信息时代的一门重要的高新科学技术。
考虑到M-H算子的对称性,可采用分解的方法来提高运 算速度。即把一个二维滤波器分解为独立的行、列滤波 器。
5.2.2 边缘检测
将方程改写为
其中 :
2 G H12 x, y H 21 x, y
H 12 x , y h1 x h2 y
H 21 x , y h2 x h1 y
选择或确定1组能正确代表所需区域的种子像素; 确定在生长过程中能将相邻像素包括进来的准则; 制定使生长停止的条件或规则。


5.2.3 图像分割
区域生长
实现步骤

对图像进行光栅扫描,求出不属于任何区域的像素。
当寻找不到这样的像素时结束操作。 把这个像素灰度同其周围(4-邻域或8-邻域)不属 于其他区域的像素进行比较,若灰度差值小于阈值, 则合并到同一区域,并对合并的像素赋予标记。
A pi , B
i 1 k i k 1
p
L
i
5.2.3 图像分割

最大类间方差确定阈值
区域A和B的平均灰度为:
A
1
A
L

i
k i pi k i 1
k
B
1
B
i k 1

L
i pi
k 1 k
0 -1 0 -1 4 -1 0 -1 0 -1 -1 -1 -1 8 -1 -1 -1 -1
5.2.2 边缘检测
Marr-Hildreth边缘检测算子
2 1 r 1 2 Gr 2 4 2
2 2 e
r2
此算子有无限长拖尾,在具体实现卷积时,应取一个N×N 的窗口 。同时,为了减小卷积运算的计算量,可用两个不
图像采集卡: 将视频图像以模拟电信号方式输出
标准视频信号:黑白视频(RS-170、 RS-330、RS343、CCIR)、复合视 频(NTSC、PALSECAM 制
式)、分量 模拟视频、S-Video等。
非标准视频信号:非标准RGB信号、线扫描信号、
逐行扫描信号。
5.1.1 机器视觉检测系统硬件
第5章 基于机器视觉的测控技术
主要内容

机器视觉测控系统
数字图像处理
图像融合技术
典型应用
HALCON简介
第5章 基于机器视觉的测控技术
介绍机器视觉测控系统、数字图像处理方法以及图像 信息融合术,简要介绍应用作者研制的ZM-VS1300视觉智 能测控系统平台研制开发自己专用视觉测控系统方案,最 后给出了作者研制的机器视觉测控系统典型应用案例。
5.2.3 图像分割

最大类间方差确定阈值
按照最大类间方差的准则:组间方差越大,则两组
的差别越大。即k值越大,表明分割效果越好。从1至L
改变k,并计算类间方差,使式最大的k,即是区域分割 的阈值。

最佳熵自动阈值法 峰谷法
5.2.3 图像分割
区域生长
在实际应用区域生长法时需要解决3个问题:


5.2.3 图像分割

从新合并的像素开始,反复进行步骤②的操作。


反复进行步骤②、③的操作,直至不能再合并。
返回步骤①的操作,寻找新区域出发点的像素。
1 1 0 2 2 0 0 1 0 2 4 4 5 5 5 7 7 5 6 6 5 7 5 5 4 1 1 1 1 1 1 1 1 1 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 1 2 2 1 1 1 1 2 5 5 5 5 5 7 7 5 5 5 5 7 5 5 5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
y f x, y f x, y f x, y 1
5.2.2 边缘检测
梯度算子
用标准的模板来计算梯度:
-1 1 0 0 -1 0 -1 1 -1 0 -1
0 0 0
-1 -1 -1
1 0 -1
1 0 -1
1 0 -1
-1 -2 -1
0 -1 0
1 2 2
1 0 -1
2 0 -2

CCD电荷耦合器件摄像机(Charge Coupled Device):感光像 元在接收输入光后,产生电荷转移,形成输出电压。分为线 阵和面阵两种。性价比高,受到广泛应用。

CMOS摄像机(Complementary Metal Oxide Semiconductor):
体积小、耗电少、价格低,在光学分辨率、感光度、信噪比
和高速成像等已超过CCD。
5.1.1 机器视觉检测系统硬件
图像传感器

其他:飞点扫描器(Flying Point Scanner)、扫描鼓、扫 描仪、显微光密度计等。

遥感图像获取设备: 光学摄影:摄像机、多光谱摄像机等;
红外摄影:红外辐射计、红外摄像仪、多通道红外扫描仪
相关主题