一种轴套类零件尺寸高精度图像检测方法的研究

在采用图像检测技术对轴套类零件尺寸进行高精度检测中，提出了一种高精度零件尺寸图像检测方法，在获取零件图像后，采用Prewitt算子完成对图像边缘的初步定位，在此基础上，通过对图像边缘灰度变化的离散值作最小二乘曲线拟合，并对该拟合曲线求极值，得到边缘位置；为了减少干扰对测量值的影响，采用误差数据处理方法筛选出有一定精度的检测数据，然后对这些检测数据求平均值，获得精确的边缘位置，由此计算出精确的零件尺寸。实验表明，该方法能有效地提高检测精度，在检测分辨率为1000DPI情况下，检测精度可达到13μm。     

基于改进亚像素算法的弹簧内外径尺寸检测

针对传统像素级边缘检测算法Canny算法进行改进,将高斯滤波换成了引导滤波,在降噪平滑的基础上更好的保留了边缘的清晰度,同时设计算法自适应获得适合图片的高低阈值。提出了一种改进的基于反正切函数模型的亚像素边缘检测方法,根据反正切函数中心对称的特性,通过面积相等的理论计算亚像素边缘位置,相比传统方法极大的减小了计算量及计算时间。通过对弹簧顶部图片进行3次最小二乘法拟合圆,快速、同步获得弹簧的内径、外径尺寸信息。实验结果表明:与传统反正切亚像素拟合方法相比,该方法在保证检测精度的同时,将平均计算时间缩减到1.7%以下。     

基于运动目标尺寸检测的实时图像处理与显示

运动目标尺寸实时检测与显示是运动图像检测和应用视觉研究领域的一个重要课题,而图像处理则是其核心内容;文章针对采集到的图像进行一系列的处理,最终实时显示图像并获得运动目标的尺寸等信息;首先针对采集图像时电子设备的不稳定性和检测模块的不一致性,进行中值滤波和增益校正同时将处理图像实时显示出来;然后对其整体图像进行分割与二值化、角点检测和边缘拟合处理,获得目标的尺寸信息;最后利用VC++将整体处理图像及尺寸信息显示出来,以便于图像理解和模式识别;实验证明,文章提出的算法、软件的设计很好地滤除不相关的目标,保存感兴趣目标,具有良好的实时性、精确性,能够满足当代工业检测设备中的要求。     

基于机器视觉的西林瓶尺寸检测

在西林瓶生产过程中,尺寸是一项重要的产品质量判断标准,与传统的西林瓶尺寸人工检测方法相比,基于机器视觉的自动检测具有巨大优越性。为实现西林瓶尺寸的检测,提出了一种基于机器视觉的西林瓶尺寸检测方案,设计了系统的图像采集和背光源照明方案,通过中值滤波对图像进行去噪,利用对图像像素点的运算算法,对图像的灰度进行了校正变换,增强图像的对比度,采用Canny算子成功提取西林瓶边缘,在HALCON平台下实现了西林瓶尺寸测量。设定系统标定方法并选取15个2mL样品西林瓶进行测试,结果表明,该方法对西林瓶尺寸检测快速准确,边缘量化精度达到了亚像素级别,检测精度为0.02mm,满足西林瓶生产的参数测量精度要求,为工业生产产品尺寸的自动检测提供了一种有效的新途径。     

基于深度优先遍历的图像边缘检测方法

图像边缘识别是图像处理的重要组成。提出一种基于深度优先遍历的梯度分割算法,这种算法首先构造像素点的数据结构,然后从图像任意点出发,估算该点附近的像素点并获取梯度值,如果该点满足边缘点的特征,则从该点出发深度遍历寻找垂直于梯度方向上的边缘点,并标记访问过的点。如果该方向上没有满足条件的点则回退,从某个具有仅次于最大梯度值的方向继续遍历,并标记开始遍历的点为角点,直至遍历全图。该算法将图像的边缘点和角点明显地分割出来,便于识别,对带有不同类型的噪声图像进行处理也可取得较满意效果。     

图像边缘检测方法研究综述

图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。图像分析和理解的第一步常常是边缘检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息,是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。对一些传统的边缘检测方法和近年来广泛收到关注的边缘检测算法进行了简单介绍。综述中只涉及到检测方面,而没有讨论滤波、边缘定位、算法的复杂程度和边缘检测器性能的评价。     

数据区对最小二乘法拟合函数系数偏差的影响

一、问题提出在许多问题的研究中需要对实验结果作出理论解释。提出理论模型,用最小二乘法进行测量数据拟合,以此来验证理论模型的正确性。在组合测量的数据处理过程中,同时给出各拟合参量(系数)的估计偏差。拟合结果有时是曲线与实验点符合很好,而有些参量的估计偏差却很大,怎样解释这些大偏差呢?     

基于Facet模型的闪光图像边缘检测

针对闪光图像的特点,对经典边缘检测算子进行了分析,发现存在检测出的边缘粗和对噪声的干扰比较敏感的缺点,提出了一种基于Facet模型的爆轰实验图像边缘检测算法。该方法吸取了其它同类方法的优点,引进了正交基简化了运算,用离散正交多项式对图像每个像素的邻域作最佳曲面拟合,在此基础上使用整体梯度算子寻求二阶方向导数的零交叉点,最终提取边缘点。结果表明:该方法检测出的边缘细,并且光滑连续,对图像噪声干扰有较强的抑制能力,对于孤立的边缘能够给出较精确的定位。     

基于Facet模型的闪光图像边缘检测

针对闪光图像的特点,对经典边缘检测算子进行了分析,发现存在检测出的边缘粗和对噪声的干扰比较敏感的缺点,提出了一种基于Facet模型的爆轰实验图像边缘检测算法。该方法吸取了其它同类方法的优点,引进了正交基简化了运算,用离散正交多项式对图像每个像素的邻域作最佳曲面拟合,在此基础上使用整体梯度算子寻求二阶方向导数的零交叉点,最终提取边缘点。结果表明：该方法检测出的边缘细,并且光滑连续,对图像噪声干扰有较强的抑制能力,对于孤立的边缘能够给出较精确的定位。     

数字图像相关中基于位移场局部最小二乘拟合的全场应变测量

为了从含噪声的位移场中计算得到可靠的应变场,提出一种基于位移场局部最小二乘拟合的全场应变求解方法。介绍了数字图像相关方法的原理,阐述了基于位移场局部最小二乘拟合的全场应变求解方法,并讨论了计算区域边界、孔洞及裂纹附近区域等情况下的应变计算。对均匀变形和中心带圆孔的薄铝板拉伸实验的计算结果表明,该方法能有效地从原始位移场数据中提取全场应变信息。在均匀变形情况下应选择大的应变计算窗口,计算结果更逼近真值;在非均匀变形情况下,如果位移场中包含较强的噪声,则应选择较大的应变计算窗口,而位移场精度很高时可选择更小的应变计算窗口。     

基于数字图像处理方法的焦距测量技术研究

介绍了基于数字图像处理方法测量透镜焦距的玻罗板分划线快速自动甄别法。该图像处理方法鲁棒性好,采用Canny法进行分划线边缘检测。用重心法计算所有线条的重心,从重心往两边搜索线条,判断选取间隔大的刻划线对,可以提高测量精度。实验数据表明该方法的相对测量不确定度能达到8.5×10-4。为实现以数字图象处理为基础的焦距客观测量提供了一种可行的技术途径。     

基于色彩空间非线性变换的彩色图像边缘检测

为了在边缘检测中有效的利用图像的色彩信息,提出了基于色彩空间非线性变换的彩色图像边缘检测算法。该算法利用了ιαβ空间信道相关性低的优点,采用基于Sobel算子的色度差算子进行边缘检测。实验结果表明:该算法不但可以检测出亮度变化剧烈区域内的物体边缘,而且还可以检测出在光线很暗的区域内不同颜色物体的边缘。因而可以极大的提高图像边缘的检测效果。     

基于图像处理的高精度透镜包边方法研究

提出了一种基于图像处理的透镜包边方法,根据待包边透镜的特点确定了光路中各参数,由面阵CMOS器件接收透镜反射的十字叉丝像,并通过图像处理的方法计算透镜的中心偏,以此为依据调整透镜位置,达到误差允许范围,然后加工金属外圆,完成包边。对测量系统、电机控制和软件实现作了详细说明,给出了实验结果。实验结果表明,该方法操作简单、测量精度高,可有效减小透镜中心偏。     

基于数字图像处理技术的人脸检测算法研究

为了提高人脸检测的准确性及检测速度,需要对基于数字图像处理技术的人脸检测算法进行研究。使用当前方法进行人脸检测时,需要提取脸部特征数目较多、检测速度过慢,降低人脸检测效率。为此,提出一种基于数字图像处理技术的人脸检测算法。该方法首先获取人脸数字图像,通过拉开数字图像的灰度间距,使数字图像灰度均匀分布,进而提高数字图像对比度,使图像更加清晰,再通过Wiener维纳滤算法对处理后的数字图像进行图像平滑去噪,在此基础上使用Robert边缘检测算子方法对数字图像人脸边缘每个像素点检测,得到数字图像中人脸边缘的基本图像,将其输入到计算机数字图像处理系统中进行识别检测。实验仿真证明,所提算法在检测速度及准确性等方面具有明显的优势。     

光学图像中的抛物线目标特征检测方法研究

针对光学图像中的抛物线目标特征检测问题,提出一种基于最小二乘法的抛物线检测方法。采用Canny边缘检测算子进行边缘提取,对提取到的边缘点采用最小二乘法确定抛物线方程的系数,通过对二次曲线施加抛物线约束,使得算法不需要经过迭代就能得到最优解,并对抛物线方程进行坐标变换推导,计算出抛物线的参数。仿真数据实验和实际图像的实验表明:该算法能够检测到光学图像中的抛物线目标特征,各个参数的计算精度均在98%以上。     

基于数字图像处理技术的树脂眼镜镜片缺陷检测研究

通过设计的镜片自动检测光学硬件系统,给出了树脂镜片精细杂质图像处理措施,将图像差分法应用于镜片图像边缘的去除;同时解决了镜片检测灰尘影响的问题;另外运用改进型的归一法解决杂质计数问题,为自动化分级分拣系统的研发提供重要的数据支持,为镜片缺陷检测系统的后续分级分拣的数字控制模块提供了可操作性。该检测系统检测精度为0.03 mm、速度为1片/s,检测误差控制在5%。