基于机器视觉的换向器表面质量自动化检测方法研究样本.doc

毕 业 论 文题 目： 基于机器视觉换向器表面质量（麻点）自动化检测办法研究 作 者： M L P 毕业届期： 2 0 1 1 届 指引教师： 院 系： 交通与工程系 专 业： 交 通 运 输 5月15日目录摘要2第一章 绪论31.1选题目及意义31.2实验方案31.3文章内容构造4第二章 数字化图像基本62.1 图像数学模型62.2 彩色图像72.2.1加权平均法72.3 灰度图像72.3.1 灰度直方图82.4 二值图像92.4.1 灰度图像二值化92.5 本章小结10第三章 霍夫变换113.1霍夫变换基本原理113.2 极坐标形式表达霍夫变换133.3 霍夫变换原理应用办法153.3.1 算法原理153.4 总结17第四章 图像采集及几何校正184.1图像采集184.2 图像几何校正184.2.1 图像几何校正基本知识194.2.2 图像旋转校正194.2.3图像裁剪224.3 本章总结23第五章 图像分割245.1基于阈值图像分割245.2 连通域标记及面积计算255.3 本章小结26第六章 图像边沿检测与实验成果276.1换向片边沿检测与标记276.2 检测成果计算296.2.1图像单位距离计算296.2.2 麻点实际面积计算296.3 本章小结30第七章 结论317.1本论文所获得成果317.2展望31参照文献33道谢34附录35基于机器视觉换向器表面质量（麻点）自动化检测办法研究摘要换向片作为直流电机核心部件，其表面质量好坏直接影响到电机运营性能。换向片表面麻点存在，会使电刷和换向器接触稳定性受到破坏，加大电刷与换向器接触面火花和电弧产生倾向，严重影响电机运营稳定性和使用寿命。然而当前国内对换向片表面质量检测仍旧停留在人工检测阶段，技术落后，效率低，工作强度大。依照权威期刊数据库检索成果可知，国内尚无此方面研究成果。论文将机器视觉技术应用于换向片表面质量检测，通过计算换向片表面麻点面积来实现。采用基于阈值图像分割技术提取出麻点图像，对其进行标记和连通域面积计算；针对换向片边沿轮廓形状特性，应用上边沿检测和霍夫变换办法，标记换向片上下边沿并计算两条边沿线间距离，然后根据其实际距离可推算出麻点面积。论文初次应用了机器视觉技术来检测换向片表面质量。用matlab语言进行编程实验，仿真成果良好，表白文中提出办法是有效可行。不但成功地解决了换向器表面质量检测问题，同步对其她产品上同类问题解决具备一定借鉴意义。 核心词： 换向器表面质量 边沿检测 阈值分割 麻点 霍夫变换第一章 绪论1.1选题目及意义换向片作为直流电机核心部件，其状态好坏直接影响到电机运营性能。换向片对电机性能影响重要取决于在一定条件下相对电刷高速滑动时电接触行为。在电刷和换向器接触面上，如果可以实现均匀、平滑接触，就能实现平稳换向；但因表面麻点存在，电刷和换向器接触稳定性受到破坏，加大电刷与换向器接触面火花和电弧产生倾向，严重影响电机运营稳定性和使用寿命。因此无论是电机生产还是使用中，换向片质量检测都是很核心。特别是对某些交通工具原动机而言，这一点显得尤为重要。而当前对电机换向片表面质量检测以人为定期检测为主，技术落后，效率低，工作强度大。依照权威期刊数据库检索成果可知，国内尚无此方面研究成果。因此本文将机器视觉检测办法用于换向片表面麻点检测。运用机器视觉进行检测不但可以排除主观因素干扰，减少劳动强度，提高生产效率，对这些指标进行定量描述，对缺陷形态、类型进行鉴别和记录，具备人工检测所无法比拟优越性。1.2实验方案1）用照相机或是其她设备采集图像，将电机换向器表面信息以数码照片形式传递给计算机。 2）对图像进行初步判断分析，挑选质量较高，可以反映换向器实际状况照片进行灰度解决。3）对图片进行裁剪，滤除图像背景等不必要干扰信息，以减少图像解决难度。4）依照图像灰度直方图，选取合理阈值进行二值化，提取出麻点图像，并对其进行标记和连通域面积计算。5）选取合理阈值进行二值化，得到换向片边沿分割图像，应用上边沿检测和霍夫变换办法标记其上下边沿线，并计算上下边沿线间距离。6）依照连通域面积和换向片上下边实际宽度换算出麻点面积。实验流程如图1-1所示。以上各过程均已在matlab7.6.0环境中进行仿真，得到了比较好效果，仿真成果表白该办法是有效可行。1.3文章内容构造第一章简介了本文选题背景、目及意义，概述了本文重要内容及构造，对文章中所涉及到实验进行简介。第二章对数字图像解决技术作了全面概述，简介了数字图像解决概念和发展，对数字图像各种基本知识、基本概念进行理解说。第三章对霍夫变换数学原理进行了详细解说。第四章以图像几何校正为主，对实验中所涉及到图片裁剪、旋转基本原理进行解说，是图像后续解决基本。第五章采用基于阈值图像分割办法对换向片麻点图像进行提取。通过实验理解了在基于阈值图像分割中，阈值选用对分割成果影响。第六章用上边沿检测和霍夫变换办法，标记出了换向片边沿信息，并由此结合换向片实际宽度，求解出了麻点实际面积大小。第七章对全文作了总结，提出了文中采用办法存在问题和需改进之处。 图1-1 实验流程第二章 数字化图像基本数字图像解决英文名称是“Digital Image Processing”。所谓数字图像解决就是运用计算机或者其数字硬件，对从图像信息转换得来电信号进行某些数学运算，以提高图像实用性。数字图像解决技术解决精度比较高，并且还可以通过改进解决软件来优化解决效果。它是在遥感和生物医学图片分析两项应用技术基本上开拓出来新领域。这项技术最早浮现于50年代，当时数字计算机己经发展到一定水平，人们开始运用计算机来解决图形和图像信息。70年代末以来，由于数字技术和微机技术迅猛发展，给图像解决提供了先进技术手段，图像解决技术也就由信息解决、自动控制系统理论、计算机科学、数据通信、电视技术等学科中脱颖而出，成长为旨在研究图像信息获取、传播、存储、变换、显示、理解与综合运用一门崭新学科问。随着图像解决技术基本理论发展，具备数据量大、运算速度快、算法严密、可靠性强、集成度高、智能性强等特点各种图文系统在国民经济各部门得到广泛应用，并在逐渐进一步社会各个方面。2.1 图像数学模型 在计算机中，图像像素灰度值用整数表达,如图，一副M * N个像素数字图像，其像素灰度值可以用M行、N列矩阵F（i ，j） 表达： 图2-1 这样，就可以直接对图像矩阵进行数学运算，来实现数字图像解决。2.2 彩色图像 自然界常用光，都可由红（R）、绿（G）、蓝（B）三种颜色光按不同比例相配而成，这就是色度学中三基色原理。 将由红、绿、蓝这三种基色构成颜色模型称为RGB颜色空间。如图2-2所示，以三维矩阵将RGB图像存储，图像中每个像素点颜色由R、G、B三种分量决定，而每个分量有255个也许取值。这样每个像素点可以有1600多万（255*255*255）种变化范畴 。因此，在图像解决中普通将彩色图像转换为灰度图像进行解决。图像灰度化解决惯用有三种办法：加权平均法、平均值法和最大值法。普通以加权平均法为主。 图 2-22.2.1加权平均法依照重要性和其她指标，将R、G、B三个分量以不同权值进行加权平均。由于人眼对绿色敏感度最高，加权值为0.59；对蓝色敏感度最低，加权值为0.11；因而，可以用式2.1对三分量进行加权平均得到较合理灰度图像。F(i ，j) = 0.30R(i ,j)+0.59G(i ，j)+0.11B(i ,j) （2.1） 式中F（i，j）为得到灰度图像矩阵；R(i，j)，G（i，j）,B(i，j)分别为彩色图像三维矩阵中红色、绿色和蓝色分量所相应矩阵。 2.3 灰度图像 在灰度图像中，像素灰度级用8位表达，因此每个像素都是介于黑色和白色之间256（=256）种灰度中一种，灰度图像只有灰度颜色而没有彩色。如图2-3所示，每一数字都表达与其相相应像素点灰度级。图2-32.3.1 灰度直方图图像直方图是图像重要记录特性，是表达数字图像中每一灰度级与该灰度级浮现频数间记录关系，即图像中某一灰度级像素数目。灰度直方图定义为： P()= (k = 0,1,2L-1)（2.2）式中：N为一幅图像总像素数；为第k级灰度像素数；为第k级个灰度级；L为灰度级数；P（）为该灰度级浮现相对频数。灰度值 图2-4 图像直方图直方图用横坐标轴代表灰度值，纵坐标代表像素数（产生概率、对整个画面上像素数比率），如图2-4所示。（a）灰度值集中在较暗区域（b）灰度值集中在较亮区域01r01r图2-5图像灰度分布概率密度函数图2-5（a）和（b）为两个相相应灰度密度分布函数。图2-5(a)大多数像素灰度值分布在较暗区域，因此此图像整体较暗；而图2-5（b）图像像素值集中在亮区，此副图像整体较亮。2.4 二值图像二值图像每个像素不是黑就是白，其像素灰度值没有中间过渡。二值图像中每个像素值只能是0或1，如图2-5所示，是一副二值图像数学表达。 图2-6 二值图像2.4.1 灰度图像二值化图像二值化就是将图像上像素点灰度值设为0或255，使整幅图呈现出明显黑白效果。图像二值化有助于图像进一步解决，使图像变得简朴，数据量减小，能凸显出感兴趣目的轮廓。二值化作为一种图像分割技术，由于其再工程应用中发挥着重要作用，长期以来吸引了大量工程技术人员对其进行研究。二值化办法普通分为两类：全局二值化算法和局部二值化算法，全局二值化算法，选取单一阈值，该阈值对全局合用。局部二值化算法，则是依照局部信息选取一种阈值，该阈值对局部合用。 设一副灰度图像，通过二值化将其转化为二值图像，运算办法如下：1 =0 其她 或 (2.3)1 =0 2.5 本章小结 本章简介了数字化图像技术某些基本知识。一方面简朴简介了数字化图像技术及其发展历史，接着分别解说了彩色图像、灰度图像、二值图像数学模型；以加权平均法为主解说了彩色图像灰度化解决办法；简介了灰度直方图和灰度图像二值化办法。通过本章可以使咱们对图像数字化技术有浅薄结识，理解图像数字化基本原理。第三章 霍夫变换 霍夫变换是一种线描述办法，它可以将图像空间中用直角坐标表达直线变换为极坐标空间中点。普通将霍夫变换称为线点变换。霍夫变换提取直线重要长处是受直线中间隙和噪声影响较小。本章将详细解说霍夫变换基本原理。3.1霍夫变换基本原理xymbm0b0图像空间霍夫空间图3-1图像空间中一条线相应霍夫空间中一种点 将由直线斜率m和直线与y轴截距b分别为横坐标轴和纵坐标轴构成直角坐标系称为霍夫空间，在霍夫空间中纵坐标b与横坐标m关系表达为： (3.1)如图3-1所示，直线都可用函数来表达，每条直线和都是唯一，因此，图像空间中一条直线在霍夫空间中相应一种点。假设在图像空间中一簇直线相交于一点（）， 用公式来做霍夫空间相应图像。由于过一点可以作无数条直线，因此可以以为是持续变化，这样可以做出一条直线，如图3-2右图所示。因而图像空间中一点相应霍夫空间中一条直线。xymbx0b0图像空间霍夫空间图3-2 图像空间中一种点相应Hough空间中一条直线y0如图3-3所示，图像空间中两点在霍夫空间表达为两条相交直线，而两条直线交点表达是图像空间中过给定两点直线。图像空间图3-3 由公式 可以求出各点在霍夫空间相应直线如下：(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个直线 图 3-4 图3-4霍夫空间中直线为图3-3图像空间中各点在霍夫空间中表达，其中有两点分别由三条直线相交构成，由式3.2不难判断出，这两个点分别是通过点（1,1），（2,1），（4,1）直线和通过点（1,0），（2,1），（3,2）直线在霍夫空间中表达。由以上判断可以得出这样结论：在图像空间中如果有N个点排列在同始终线上，则这N个点在霍夫空间中相相应直线汇交于一点。在霍夫空间中汇交于一点直线条数越多，则在图像空间中排在同始终线上点数目越多。以上是霍夫变换基本原理，但是尚有一种问题存在，当图像空间中直线为垂直于X轴直线时，,没有办法用来表达，因此考虑到了用极坐标形式来表达直线。3.2 极坐标形式表达霍夫变换 图3-5 极坐标表达直线在图3-5中： (3-3) 因此可以得出垂线斜率为 (3.4) 原直线斜率为 (3.5) 在原直线上任意一点斜率咱们可以表达为： (3.6) 结合式3.5可以得出： (3.7) 通过上式结合图3-5可以得出：只空间中N个点满足都满足,则这N个点在同始终线上，并且这条直线由来拟定。 对于垂线，可以用极坐标表达为 x = r 图 3-6通过以上结论，应用霍夫原理，可以将图像空间中点映射为空间中正弦曲线。如图3-7所示：Xy图 3-7 而图像空间中共线点所相应直线值正是空间中两条正弦曲线交点。3.3 霍夫变换原理应用办法前面两节重要简介了霍夫变换基本原理和霍夫变换极坐标表达形式。本节将举例解说用霍夫变换原理检测换向片边沿直线办法。将图像空间中检测直线问题转化为在极坐标参数空间中找通过点最多正弦曲线数问题。在极坐标空间中，通过某一点正弦曲线数目越多，则在图像空间中这一值所相应直线上点数目越多。对每一点上通过正弦曲线数目做记录，然后由多到少进行检索，依照需要，保存前N条直线信息。3.3.1 算法原理一方面将值进行离散化解决，然后裔入。例如：-90，-89.5，-80，-79.5或是-90,-80，-70等。如图3-8所示，图像空间中几种点，用霍夫变换原理找出图像中在同始终线上点。 图 3-8 1.一方面选取值，在本例中选取=-45,0，45，90 2.点坐标(x,y)值分别代入可以得出： (x,y)-4504590(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 3-1 3.由表 3-1中数据，对各点通过正弦数目进行记录：可以看出，通过点（2,0。）正弦数和通过点（3，90。）正弦数最多，均为3个。通过计算可以得出相应直线。 2 = xcos0 + ysin0 x= 2 3 = xcos90 + ysin90 y = 3最后将这两条直线在原图像中标出。3.4 总结 本章详细简介了霍夫变换原理和用极坐标表达霍夫变换办法，以及用霍夫变换原理检测直线详细办法。最后再次对霍夫变换重要性质做以总结： 1. 直角坐标系中一点相应于极坐标中一条正弦曲线。 2. 变换域极坐标系中一点相应于直角坐标系中一条直线。 3. 直角坐标系一条直线上N个点相应于极坐标系中共点N条曲线。由于霍夫变换受直线间隙和图像中噪声影响较小，因此在本文背面内容中将用霍夫变换办法进行换向片上下边直线检测。 第四章 图像采集及几何校正 图像在生成和传送过程中，很也许会产生畸变，例如：偏色、模糊、几何倾斜等，这将严重影响到图像解决效果。因此图像摄取过程和图像几何校正都是图像解决中非常核心环节。本章将简介电机换向片图像采集过程中注意事项，以及换向片图像裁剪和旋转两种几何校正办法基本原理。4.1图像采集 图像输入方式有图像采集卡输入、扫描仪输入、数码相机等几种采集方式，综合考虑几种采集方式优缺陷，本文采用数码相机进行图像采集工作。用数码相机进行图像采集需注意事项有：1. 必要将数码相机固定，防止因人手颤抖而使图像模糊，增长图像解决困难。2. 为了使采集图像有足够清晰度，必要保证照相机镜头与物体间距离。3. 必要保证物体表面光照均匀，在必要状况下可使用外部灯光。采集换向器图像如图4-1。 图 4-14.2 图像几何校正实际采集到图像由于各种客观因素影响，也许产生畸变，无法直接进行实验研究，这就需要几何校正。图像几何校正就是用数学建模办法对图像位置、大小、形状等进行变化，来实现图像校正。4.2.1 图像几何校正基本知识数字图像是把持续图像在坐标空间和性质空间离散化了图像。例如用一组二维数组f(x,y)来表达，其中x,y表达2D空间xy中一种坐标点位置，f（x,y）代表图像在点（x,y）某种性质数值。如果解决是一幅灰度图像，这时f(x,y)表达灰度值。因此普通几何变换可以通过与之相应矩阵线性变换来实现。需要注意是图像在2D空间表达以水平向右为X轴，以垂直向下为Y轴，如图 4-1所示。图 4-14.2.2 图像旋转校正 图像旋转普通做法是：以图像中心为圆心进行旋转，将图像上所有像素点都旋转一种相似角度。一、两种坐标系转换 前面已经提及图像在2D空间中表达以水平向右为横轴，以垂直向下为竖轴。如果以图像中心为圆心进行旋转，必要将两种坐标系进行转换，如下图所示： xy 图 4-2如图所示，设此图像宽度为w，高度为h，分别为两种坐标系原点，现将原点位置移动到新原点。 (4.1) 将式4-1表达为矩阵形式如下： （4.2） 相反将坐标系转换为坐标系可用下式表达： （4.3） 转换为矩阵形式为： （4.4）二、图像旋转原理 如图4-3，将点移动到点位置，由于旋转量以角度为原则，因此将分别表达为，式中r为该点到原点距离，为与轴之间夹角，为旋转角度。xy 图 4-3如图 4-3旋转后点坐标表达为： (4.5)以矩阵形式表达为： (4.6)依照式4.2、4.4、4.6可以将图像中像素点旋转分为三个环节来完毕： 1、将坐标； 2、将该点旋转角； 3、将坐标。用数学办法可表达如下： (4.7)式中分别表达坐标系与坐标系中图像高与宽。图像旋转一种核心因素是旋转角度大小，普通可用霍夫变换来求得旋转角度。本文中为了以便换向片边沿检测必要对图像进行旋转，使换向片与X轴保持大体平行，旋转成果如下图所示。图 4-44.2.3图像裁剪由于硬件条件制约，在实验图像摄取中难免会有受光不均匀产生过亮或过暗某些及某些无用背景，这些将成为干扰图像解决与分析重要因素。用几何变换办法对图像中干扰信息进行滤除，这就是图像裁剪。图像裁剪办法非常简朴，就是将图像矩阵中需要像素点数据提取出来，形成一种新图像矩阵。下面举一种简朴例子来阐明图像裁剪原理。假设原图像矩阵为F，需要图像矩阵为T 详细实现办法如下： (4.8)由上可以看出，只要拟定所需图像原点，即上式中点在原图像中坐标值，以及所需图像高h和宽度w，就可以从原图像中截取所需图像。如图4-5所示是通过裁剪后换向片图像。图 4-5 裁剪后图像 4.3 本章总结本章重要解说了图片摄取几种途径及注意事项，以及对图像旋转、裁剪等几何校正办法、原理进行了阐明，为背面图像分割，标记和面积计算等奠定了基本。几种实验都比较成功，达到了预期效果。 第五章 图像分割 在对图像研究和应用中，人们往往仅对图像中某些某些感兴趣。这些某些常称为目的或前景，它们普通相应图像中特定、具备独特性质区域，为了对目的进一步解决，需要把它们提取出来。图像分割就是指把图像提成各具特性区域并提取出感兴趣目的技术和过程。本章应用图像分割技术提取电机换向片图像中麻点图像，并进行标记和面积计算。 5.1基于阈值图像分割阈值图像分割又称为门限图像分割，其原理简朴、易于实现，是一类被广泛应用图像分割办法。阈值分割办法基于如下假设：对于灰度图像，目的与背景之间像素灰度值差别较大，而目的或背景内部像素值在灰度直方图上体现为比较集中。在这样假设前提下，对灰度图像进行分割，只需要在直方图中目的与背景两个峰值之间恰当选用阈值，就可以实现对灰度图像分割。 图5-1 换向片图像直方图本文中通过几何校正换向片灰度直方图如图5-1所示，从图中可以找到两个分割阈值，即60与130，那么可以将图像以灰度值提成0-60,60-130,130-255三某些，但并不懂得每一某些在原图中意义，用阈值60与130将图像进行分割，分割后图像如下图：(b) 阈值60 (a) 二值化后图像 阈值130图 5-2如图5-2阈值分割出分别是麻点图像与换向器片槽图像。从分割出麻点图像可以看出，所选阈值并不是最抱负，图像中有太多干扰信息，必要对图像进一步实验，以找到最合理阈值。(b) 阈值135(a) 阈值127 (c) 阈值138(d) 阈值140(e) 阈值50图5-3 将以上各图进行比较，可以看出：选取阈值过小，分割后图像噪音点太多，无法精确标记所需图像；如果选取阈值过大，会使目的图像信息缺失，精确性减少。本文中换向片图像最佳分割阈值为140和60。5.2 连通域标记及面积计算 无论是二值分割成果还是多值分割成果，分割得到图像包括一种或各种区域，提取出这些区域普通通过连通域标记来实现。 图 5-4 图像连通域标记办法是：将二值分割后各种区域用不同数字来表达，如图5-3是通过二值分割后麻点图像标记成果，图中数字1为麻点，0是背景。如果换向片上有各种麻点，可用数字1,2,3来依次进行标记。图像连通域标记以便了图像特性提取，也可以通过计算各连通域面积来滤除图像中噪声等干扰信息。对某个图像区域，其面积就是记录中边界内部（也涉及边界上）像素点灰度级之和，计算公式如下： （5-1）式中：M、N分别为图像区域长和宽。对于二值图像，若用1表达目的，用0表达背景，其面积就是记录个数。5.3 本章小结本章以灰度图像直方图为根据，对电机换向片图像进行基于阈值图像分割，通过多次实验，找到了较合理阈值，分别提取到了换向片表面麻点图像和换向片、槽分割图像。对分割后连通域进行标记，求解出了其像素计数面积。第六章 图像边沿检测与实验成果图像边沿是图像最基本特性，可以被定义为在局部区域内图像特性差别，它总是以强度突变形式浮现，重要体现为图像局部特性上不持续性，如灰度突变、纹理构造突变、颜色突变等。对于换向器图像，能否成功检测出换向片边沿，将决定换向器表面质量检测精确性。本章要解决问题是：提取出图像中换向片边沿信息，计算出换向片宽度，并依照测量换向片实际宽度推算出麻点实际面积。6.1换向片边沿检测与标记电机换向片边沿检测环节如下：一、 图像反转在数字图像解决中，为了以便，普通以0来表达图像背景，以1来表达目的图像。因此与之相反图像可以通过反转来进行校正。本文中电机换向片反转过程如下图：图 6-1 图像翻转二、用上边沿检测法进行边沿检测数字图像解决办法中，边沿检测算法较多，但是对于本文，用上边沿检测法来检测电机换向片边沿，有着明显优越性。它不但可以消除竖向边沿信息对检测干扰，并且使换向片云母槽图像细化为单像素点，简化了边沿提取。上边沿检测实现较为简朴。如果一种像素点值为1，并且它正上方像素点值为0，则将该像素点赋值为1；如果不符合此条件，则该点赋值为0。用matlab来实现，程序如下：-function Y=EdgeTop(X)row,col = size(X);Y=zeros(row,col);Y=logical(Y);for j=2:1:col-1,for i=2:1:row-1, if(X(i,j)=1)&(X(i-1,j)=0), Y(i,j)=1; end endend-程序运营效果见图6-2，右图为上边沿检测后图像。图6-2 上边沿检测三、用霍夫变换检测出两条边沿线并进行标记，运营成果如下图。(b) 霍夫变换标记出直线(a) 霍夫变换效果 (c) 霍夫变换成果 图 6-3以上图(a)是原图像中像素点映射到坐标系上一簇曲线；图(b)是用霍夫变换检测出边沿直线在原图上标记；图(c)是霍夫变换返回数据。可以看出霍夫变换返回数据中包括直线始点、终点、值与值，依照公式： 可以得出两条直线函数。6.2 检测成果计算6.2.1图像单位距离计算 通过实验得出了两条互相平行直线函数，依照直线函数可计算出平行线间距离，办法如下： 图 6-4 设两条平行线函数分别为，则它们在Y轴上截距分别为，如图6-4所示。两条平行线间距离为： 可得 （6.1） 依照测得换相片实际宽度与L值可计算出图像单位距离。6.2.2 麻点实际面积计算 将像素点看作单位面积小方块，则由图像坐标系可知，图像单位距离就是每个小方块边长，即水平或垂直方向相邻像素点间距离。 因而换向片表面麻点实际面积为: （6.2） 式中S为麻点实际面积，A是麻点像素计数面积，l是测得换向片实际宽度。6.3 本章小结 本章应用上边沿检测和霍夫变换两种算法，求解出了换向片宽度，再依照其实际测得宽度推算出了麻点实际面积。实验表白，采用算法合用于对换向片表面质量检测，均达到了预期效果。第七章 结论论文研究工作重要以基于机器视觉电机换向片表面质量（麻点）自动化检测为重要内容，参照国内外文献资料，理解基于机器视觉检测办法在其她领域和其她工农业产品上应用，在系统研究其发呈现状、可行性，以及工程需要等基本上，提出了将机器视觉技术用于对电机换向器表面质量检测。论文以某汽车电机换向器为检测对象，对所提出检测办法进行仿真实验，获得了较好效果。仿真实验验证，该办法切实可行。7.1本论文所获得成果1. 初次提出将机器视觉技术应用于对换向器表面质量检测。2. 提出了一套完整基于机器视觉换向器表面质量检测方案，并通过仿真实验，得到较满意效果。3. 文中应用非常简朴算法及逻辑方式解决换向片表面麻点实际面积计算问题。使得此办法易于在其她开发环境中编译，有助于工业应用实现。4. 提出检测办法可为机器视觉技术在其她工农业产品中应用提供参照、借鉴。7.2展望本文所阐课题具备很强实用性，但由于客观环境和本人主观上局限性，使得整个办法尚有许多有待完善地方，下面就对这些缺陷和将来研究工作作简朴论述： 1. 文章以基于机器视觉电机换向器表面质量自动化检测办法摸索研究为主，只提出了一套检测办法和详细算法，而没有做出一种完整检测系统，使得此办法离实际应用尚有很大一步路要走。这也是此后研究和发展一种重要方向。2. 使用数码相机进行图像采集，这将成为图像自动采集和传播实现限制因素。因此要实现完全自动化检测，必要进行调节，采用计算机软件、图像采集卡、CCD相机相结合采集方式。3. 此后要开发更有效算法，使此办法合用于受运动、光照局限性等因素干扰复 杂状况下图像解决，并进一步扩展算法功能。总之，电机换向器表面质量自动化检测是一种先进复杂技术，具备一定难度。要想使其真正应用于工业之中，这不是一种课题可以解决。但是相信随着理论算法不断提出和改进及工业发展，此项技术定会走向成熟。参照文献1张建辉，宋平岗.基于图像辨认技术电机换向片自动检测系统研制.电工电能新技术.-10.2阮秋琦.数字图像解决学.北京：电子工业出版社，:21-37.3夏德深,傅德胜.当代图像解决技术与应用M.南京：东南大学出版社，1997:125-210.4蔡健荣，周小军，李玉良，范军.基于机器视觉自然场景下成熟柑橘辨认.农业工程学报.-1.5杨帆.数字图像解决与分析（第二版）M.北京航空航天出版社.76岳晓峰，赵敏等.计算机视觉技术在发动机缺陷检测系统中应用.计算机测量与控制.7李良. 图像分割技术在金相晶体检测中应用.武汉科技大学研究生学位论文.058徐临洪，张桂梅，陈少平.基于机器视觉发动机表面缺陷检测技术.计算机与当代化.04.9张晓波. 基于图像解决技术表面缺陷自动检测系统研究.天津大学研究生学位论文.12.10PETROU M 著.赖剑煌，冯国灿，等译.数字图像解决疑难解析M.北京：机械工业出版社，.11刘超.基于机器视觉微小型零件自动测量与装配.大连理工大学研究生学位论文.12.12周平，赵春江，王纪华等.基于机器视觉鸡蛋体积与表面积计算办法.农业机械学报.05.13刘兆祥，陈艳等.基于机器视觉农业车辆途径跟踪.农业机械学报.09.14张少军，苟中魁等.运用数字图像解决技术测量直尺圆柱齿轮几何尺寸.光学精密工程.12.15图宏斌，周新建.基于机器视觉铁路货车滚动轴承表面缺陷检测.电子测量技术.12.16张建辉，宋平岗.基于计算机视觉电机换向片检测系统研究.机械设计与制造.02.17刘卫国.MATLAB程序设计与应用（第二版）M.高等教诲出版社.06. 道谢本论文是在指引教师悉心指引下完毕。从论文选题开始，就始终对我进行细心指引，涉及选题方向和设计重点，进行了单独分析和单独指引。在此，向指引教师表达最衷心感谢！同步感谢青海深捷电子科技有限公司夏冰总经理，对我提供了有关实验设备。感谢在论文创作过程中协助过我同窗！感谢在百忙之中评阅论文和参加答辩各位教师！附录%-读入图片-