基于機(jī)器視覺(jué)的型材表面缺陷圖像處理
發(fā)布時(shí)間:2021-10-09 19:00
針對(duì)傳統(tǒng)型材表面缺陷檢測(cè)存在測(cè)量精度低、穩(wěn)定性差和費(fèi)時(shí)等問(wèn)題,提出了基于機(jī)器視覺(jué)的型材表面缺陷圖像處理方法。為了提高型材表面缺陷檢測(cè)的精度和效率,采用面陣相機(jī)、鏡頭和光源等,建立了基于機(jī)器視覺(jué)的型材表面缺陷檢測(cè)系統(tǒng)。采用HALCON圖像處理軟件對(duì)獲取的型材圖像進(jìn)行預(yù)處理、灰度值調(diào)整、形態(tài)學(xué)操作和提取缺陷特征。試驗(yàn)結(jié)果表明:文中所提出的型材表面缺陷圖像處理方法可快速、準(zhǔn)確識(shí)別缺陷特征,為型材表面缺陷檢測(cè)提供了一種方法。
【文章來(lái)源】:機(jī)械設(shè)計(jì). 2020,37(S1)北大核心CSCD
【文章頁(yè)數(shù)】:3 頁(yè)
【部分圖文】:
帶表面缺陷的型材圖像
圖像預(yù)處理操作的作用是在盡量保持圖像原始數(shù)據(jù)的情況下,對(duì)圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)變換,突出有用的特征,如缺陷特征;抑制無(wú)用特征,如背景特征。由于所采集的型材原始圖像存在較多噪聲,因此先對(duì)圖像進(jìn)行灰度處理,再采用中值濾波進(jìn)行去噪。中值濾波是以排序統(tǒng)計(jì)理論為數(shù)學(xué)基礎(chǔ),主要用于去除噪聲的非線性信號(hào)。其算法為:首先確定一個(gè)鄰域,如方形鄰域、圓形鄰域或十字形鄰域等,將鄰域中各像素的灰度值進(jìn)行排序,取其中間值作為中心像素灰度的新值,領(lǐng)域被稱為窗口,當(dāng)窗口移動(dòng)時(shí),即可對(duì)指定圖像進(jìn)行平滑處理。采用中值濾波算法的時(shí)間復(fù)雜度低,濾波效果明顯,圖2為中值濾波后的圖像。3.2 圖像分割與缺陷定位
缺陷定位
本文編號(hào):3426836
【文章來(lái)源】:機(jī)械設(shè)計(jì). 2020,37(S1)北大核心CSCD
【文章頁(yè)數(shù)】:3 頁(yè)
【部分圖文】:
帶表面缺陷的型材圖像
圖像預(yù)處理操作的作用是在盡量保持圖像原始數(shù)據(jù)的情況下,對(duì)圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)變換,突出有用的特征,如缺陷特征;抑制無(wú)用特征,如背景特征。由于所采集的型材原始圖像存在較多噪聲,因此先對(duì)圖像進(jìn)行灰度處理,再采用中值濾波進(jìn)行去噪。中值濾波是以排序統(tǒng)計(jì)理論為數(shù)學(xué)基礎(chǔ),主要用于去除噪聲的非線性信號(hào)。其算法為:首先確定一個(gè)鄰域,如方形鄰域、圓形鄰域或十字形鄰域等,將鄰域中各像素的灰度值進(jìn)行排序,取其中間值作為中心像素灰度的新值,領(lǐng)域被稱為窗口,當(dāng)窗口移動(dòng)時(shí),即可對(duì)指定圖像進(jìn)行平滑處理。采用中值濾波算法的時(shí)間復(fù)雜度低,濾波效果明顯,圖2為中值濾波后的圖像。3.2 圖像分割與缺陷定位
缺陷定位
本文編號(hào):3426836
本文鏈接:http://www.sikaile.net/kejilunwen/jinshugongy/3426836.html
最近更新
教材專(zhuān)著