基于机器视觉的表面缺陷检验系统标准设计.doc

编号

本科生毕业设计

基于机器视觉表面缺点检测系统设计

Surface defect detection system design based on machine vision

学 生 姓 名

专 业
电子信息工程
学 号

指 导 教 师

学 院
电子信息工程学院

二〇一三年六月

毕业设计（论文）原创承诺书

1．本人承诺：所呈交毕业设计（论文）《 基于机器视觉表面缺点检测系统设计》，是认真学习了解学校《长春理工大学本科毕业设计（论文）工作条例》后，在老师指导下，保质保量独立地完成了任务书中要求容，不弄虚作假，不剽窃她人工作内容。
2．本人在毕业设计（论文）中引用她人见解和研究结果，均在文中加以注释或以参考文件形式列出，对本文研究工作做出关键贡献个人和集体均已在文中注明。
3．在毕业设计（论文）中对侵犯任何方面知识产权行为，由本人负担对应法律责任。
4．本人完全了解学校相关保留、使用毕业设计（论文）要求，即：根据学校要求提交论文和相关材料印刷本和电子版本；同意学校保留毕业设计（论文）复印件和电子版本，许可被查阅和借阅；学校能够采取影印、缩印或其它复制手段保留毕业设计（论文），能够公布其中全部或部分内容。

以上承诺法律结果将完全由本人负担！

作 者 签 名： 年 月 日

汉字摘要
为了不停提升产品质量和生产效率，金属工件表面缺点在线自动检测技术在生产过程中显得日益关键。针对金属工件表面多个缺点，本文设计了一套基于机器视觉能够实现对金属工件表面缺点进行实时在线、无损伤自动检测系统。该系统采取面阵CCD和多通道图像采集卡作为图像采集部分，提升了检测系统速度并降低了对CCD性能要求，使系统在现有条件下比较轻易实现实时在线检测；采取自动选择图像分割阈值，依据实际应用阈值把工件信息从图像中提取出来并扫描工件图像中信息，实现了系统自动测量；依据扫描得到工件信息去除掉工件边缘光圈，利用自动选择阈值对金属工件表面图像进行二值化分割，从而实现多种缺点自动提取及识别。

关键词：机器视觉 表面缺点 CCD 图像处理 缺点检测
Abstract
In order to continually promote the quality of product and efficiency of production, the on-line automatic inspection technology of surface defect of metal workpiece has become more and more important in the process of production. This paper designs an automatic system based on machine vision, which can inspect surface defect of metal workpiece timely without any damage on it.
Firstly, using CCD and multi-channel image acquisition card to acquire images, the system has accelerated the inspection speed and reduced the requirements of CCD on the performance to do the timely on-line inspection more easily under the current condition; secondly, according to the practical application of threshold, the system has used the segmentation threshold of selecting an image automatically to select the workpiece information from images and scan that information to realize the automatic measurement of the system; finally, the system has removed the aperture on the edge of workpiece in accordance with the workpiece information of scan and conducted the binarization segmentation on the image of the metal workpiece surface by using the automatic selection threshold to automatically select and identify varied defects.

Keywords: machine vision; surface defect; CCD; image processing; defect inspecting

目 录
汉字摘要 I
Abstract II
第1章 引言 1
1.1研究背景及意义 1
1.2中国外研究现实状况 1
第2章 图像技术及机器视觉介绍 3
2.1图像处理技术 3
2.1.1图像和数字图像 3
2.1.2图像技术和图像工程 3
2.2数字图像处理系统 4
2.2.1图像处理和分析系统 4
2.2.2图像采集模块 4
2.2.3图像数据编码和传输 5
2.3机器视觉技术 5
2.3.1机器视觉技术介绍 5
2.3.2机器视觉系统概念、组成及特点 6
2.4机器视觉系统应用及发展动向 7
2.4.1机器视觉检测应用 7
2.4.2机器视觉系统发展动向 7
第3章 系统总体设计 9
3. 1 CCD摄像头 9
3. 2图像采集卡 9
3.2.1视频输入信号及采样频率 10
3.2.2视频输入窗口和显示窗口 10
3. 3软件设计 10
第4章 缺点检测软件设计 11
4. 1图像实时采集模块 11
4. 2图像预处理模块 11
4. 3阈值选择模块 12
4. 4图像测量模块 12
4. 5缺点检测模块 19
4.5.1二值图像区域标识 21
4.5.2二值图像小区域消除 22
4. 6缺点识别模块 22
第5章 试验结果及分析 25
5.1试验数据 25
5.2试验分析 26
全文总结 29
参考文件 30
致 谢 32

第1章 引言
1.1研究背景及意义
传统产品表面质量检测关键采取人工检测方法。人工检测不仅工作量大，而且易受检测人员主观原因影响，轻易对产品表面缺点造成漏检，尤其是变形较小、畸变不大夹杂缺点漏检，极大降低了产品表面质量，从而不能够确保检测效率和精度。多年来，快速发展以图像处理技术为基础机器视觉技术恰恰能够处理这一问题。机器视觉关键是采取计算机来模拟人视觉功效，从客观事物图像中提取信息，进行处理并加以了解，最终用于实际检测、测量和控制。基于机器视觉技术缺点检测系统，因为其非接触检测测量，含有较高正确度、较宽光谱响应范围，可长时间稳定工作，节省大量劳动力资源，极大地提升了工作效率。可对工件表面斑点、凹坑、划痕、色差、缺损等缺点进行检测。所以，人工检测难以达成降低消耗、提升产品质量目标，采取机器视觉表面缺点检测成为迫切需要。
针对这种现实状况，课题组决定自行开发工件表面缺点在线检测系统，确保各类缺点立即正确检出，从根本上处理人工检测效率低、精度低问题，同时，还能够降低原材料消耗、能耗和人力成本，该课题还能够推广到其它需要表面质量检测行业中，如印刷、包装等行业，所以含相关键实际应用价值和现实意义。
然而,本课题要对多种形状、不一样大小金属片在线检测,肯定对检测方法和处理速度有很高要求,图像处理和模式识别领域中很多新算法现在极难应用到实际工程项目中。所以,机器视觉技术在这类在线检测任务中应用,仍然是一个难题。本论文目标就是以己有图像处理理论为基础,经过大量实际试验,设计适合本产品表面缺点检测算法。
1.2中国外研究现实状况
在国外，机器视觉应用关键表现在半导体及电子行业，其中大约40%-50%全部集中在半导体行业。具体如PCB印刷电路：各类生产印刷电路板组装技术、设备，单、双面、多层线路板，覆铜板及所需材料及辅料；辅助设施和耗材、油墨、药水药剂、配件；电子封装技术和设备；丝网印刷设备及丝网周围材料等。再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备：电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测各个方面已经得到了广泛应用，而且其产品在应用中占据着举足轻重地位。除此之外，机器视觉还用于其它各个领域。
而在中国，以上行业本身就属于新兴领域，再加之机器视觉产品技术普及不够，造成以上各行业应用几乎空白，即便是有，也只是低端方面应用。现在在中国伴随配套基础建设完善，技术、资金积累、各行各业对采取图像和机器视觉技术工业自动化、智能化需求开始广泛出现，中国相关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了主动思索和大胆尝试，逐步开始了工业现场应用。其关键应用于制药、印刷、矿泉水瓶盖检测等领域。真正高端应用还极少，所以，以上相关行业应用空间还比较大。当然，其它领域如指纹检测等等领域也有着很好发展空间。

第2章 图像技术及机器视觉介绍
2.1图像处理技术
机器视觉系统中，视觉信息处理技术关键依靠于图像处理方法，它包含图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别和了解等内容。经过这些处理后，输出图像质量得到相当程度改善，既改善了图像视觉效果，又便于计算机对图像进行分析、处理和识别。
2.1.1图像和数字图像
从广义上说，图像是自然界景物客观反应，是人类认识世界和人类本身关键源泉。图像对我们并不陌生。它是用多种观察系统以不一样形式和手段观察客观世界而取得，能够直接或间接作用于人眼并进而产生视知觉实体。人视觉系统就是一个观察系统，经过它得到图像就是客观景物在人眼中形成影像。图像信息不仅包含光通量分布，而且也还包含人类视觉主观感受。伴随计算机技术快速发展，大家还能够人为地发明出色彩斑斓、千姿百态多种图像。
客观世界在空间上是三维(3-D)，但通常从客观景物得到图像是二维(2-D)。一幅图像能够用一个2-D数组ƒ（x，y）来表示，这里x和y表示2-D空间XY中一个坐标点位置，而ƒ代表图像在点(x，y)某种性质F数值。比如常见图像通常是灰度图，这时ƒ表示灰度值，它常对应客观景物被观察到亮度值。
常见图像是连续定义，即ƒ、x、y值能够是任意实数。为了能用数字计算机对图像进行加工处理，需要把连续图像在坐标空间XY和性质空间F全部进行离散化。这种离散化了图像就是数字图像，能够用I(r，c)来表示。这里I代表离散化后ƒ，(r，c)代表离散化后(x，y)，这里I、e、r值全部是整数。本文以后关键讨论数字图象，依据我们习常见ƒ(x，y)代表数字图像，ƒ、x、y全部在整数集合中取值。
2.1.2图像技术和图像工程
图像技术在广义上是多种和图像相关技术总称。现在大家关键研究是数字图象，关键应用是计算机图像技术。这包含利用计算机和其它电子设备进行和完成一系列工作，例图像采集、获取、编码、存放和传输，图像合成和产生，图像显示和输出，图像变换、增强、恢复（复原）和重建，图像分割，目标检测、表示和描述，特征提取和测量，序列图像校正，3-D景物重建复原，图像数据库建立、索引和抽取，图像分类、表示和识别，图像模型建立和匹配，图像和场景解释和了解，和基于它们判定决议和行为计划等等。另外，图像技术还可包含为完成上述功效而进行硬件设计及制作等方面技术
因为图像技术多年来得到极大重视和长足进展，出现了很多新理论、新方法、新算法、新手段、新设备。图像工作者普遍认为需对图像和图像处理技术进行综合研究和应用，这个工作框架就形成了图像工程。图像工程学科是将数学、光学等基础科学原理，结合在图像应用中积累技术经验而发展起来。
图像工程内容很丰富，依据抽象程度和研究方法等不一样可分为三个层次：图象处理、图象分析和图像了解。图象处理着重强调在图像之间进行变换。图象分析则关键是对图像中感爱好目标进行检测和测量，以取得它们客观信息从而建立对图像描述。图像了解关键是在图象分析基础上，深入研究图像中各目标性质和它们之间相互联络，并得出对图像内容含义了解和对原来客观场景解释，从而指导和计划行为。
由上所述，图象处理、图象分析和图像了解是处于三个抽象程度和数据量各有特点不一样层次上。图象处理是比较低层操作，它关键在图像像素等级上进行处理，处理数据量很大。图象分析则进入了中层，分割和特征提取把原来以像素描述图像转变成比较简练非图形式描述。图像了解关键是高层操作，基础上是对从描述抽象出来符号进行运算，其处理过程和方法和人类思维推理能够有很多类似之处。
2.2数字图像处理系统
2.2.1图像处理和分析系统
一个基础图像（处理和分析）系统组成各模块全部有特定功效，分别是采集、显示、存放、通信、处理和分析。为完成各自功效每个模块全部需部分特定设备。图像采集可采取CCD摄影机、带有视像管视频摄像机和扫描仪等。图象显示可用电视显示器、随机读取阴极射线管和多种打印机等。图像存放可采取磁带、磁盘、光盘和磁光盘等。图像通信可借助综合业务网、计算机局网，甚至一般电话网等。最终，图象处理和分析关键是运算，所使用设备关键是计算机。以下对各模块介绍。
2.2.2图像采集模块
采集数字图象需要两种装置。一个是对某个电磁能量谱波段敏感物理器件，它能产生和所接收到电磁能量成正比模拟电信号。另一个称为数字化器，它能将上述模拟电信号转化为数字离散形式。下面介绍这两种装置常见器件。
固态阵列是由称为感光基元离散硅成像元素组成。这么感光基元能产生和所接收输入光强成正比输出电压。固态阵列中关键元件是电荷藕合器件CCD。这个传感器由一行感光基元，两个定时将感光基元中内容传给传输寄存器传输门，和一个定时将传输寄存器中内容传给放大器输出门组成。放大器输出电压信号和感光基元行内容成百分比。电荷藕合平面阵列工作原理和线阵相同，但感光基元排列成一个矩阵形式并由传输门和平面扫描图像显示模块结果关键用于显示给人看。对图象分析来说，分析结果也能够解析系统关键显示设备是电视显示器。输入显示器图象也能够经过硬拷控制。在每个偏转位置，电子枪束强度一个简便方法是利用标准输寄存器隔开。先将奇数列感光基元内容次序送进垂直传输寄存器，然后再送进水平传输寄存器。把水平传输寄存器内容送进放大器就得到1帧隔行视频信号。对偶数列感光基元反复以上过程就可得到另1帧隔行视频信号。将2帧合起来就得到隔行扫描电视1场(ƒ)。现在常见线扫描CCD通常有512到4096个象素或更多，而4096 X 4096个象素扫描CCD也已在使用。
2.2.3图像数据编码和传输
数字图像数据量是相当庞大，一幅512 X 512个像素数字图像数据量为256K字节，若假设每秒传输25帧图像，则传输信道速率为52.4M比特/秒。高信道速率意味着投资高普及难度。所以，传输过程中，对图像数据进行压缩显得很关键。数据压缩关键经过图像数据编码和变换压缩完成。
图像数据编码通常采取估计编码，立即图像数据空间改变规律和序列改变规律用一个估计公式表示，假如知道了某一像素前面各相邻像素值以后，能够用公式估计该像素值。采取估计编码，通常只需传输图像数据起始值和估计误差，所以可将8比特/像素压缩到2比特/像素。
变换压缩方法是将整幅图像分成一个个小(取8 X 8或16 X 16)数据块，再将这些数据块分类、变换、量化，从而组成自适应变换压缩系统。该方法可将一幅图像数据压缩到为数不多几十个特传输，在接收端再变换回去即可。
对图像处理和分析通常可用算法形式描述，而大多数算法能够用软件实现，只有在为了提升速度或克服通用计算机限制情况下才用特制硬件。进入90年代尤其是二十一世纪后，大家设计了多种和工业标准总线兼容能够插入微机或工作站图像卡。这不仅降低了成本，也促进了图象处理和分析专用软件发展。这些图像卡包含用于图象数字化和临时存放图像采集卡，用于以视频速度进行算术和逻辑运算算术逻辑单元，和前面提到帧缓存。图象处理和分析中一个关键事实是对特殊问题需要特殊处理方法。
2.3机器视觉技术
2.3.1机器视觉技术介绍
机器视觉是一个相当新兴研究领域。机器视觉发展到现在已经有历史。机器视觉作为一个应用系统，其功效特点是伴随工业自动化发展而逐步完善和发展。大家从20世纪50年代开始研究二维图像统计模式识别，60年代Roberts始进行三维机器视觉研究，70年代中，MIT人工智能试验室正式开设机器视觉课程，80年代开始，开始了全球性研究热潮，机器视觉取得了蓬勃发展，新概念、新理论不停涌现。
2.3.2机器视觉系统概念、组成及特点
机器视觉是将图像处理、计算机图形学、模式识别、计算机技术、人工智能等众多学科高度集成和有机结合，而形成一门综合性技术。通常地说，机器视觉是研究计算机或其它处理器模拟生物宏观视觉功效科学和技术，也就是用机器替换人眼来做测量和判定。
机器视觉系统组成图2-1。有照明部分、图像获取部分、图像显示部分和图像处理部分。通常采取CCD摄像头摄取检测图像并转化为数字信号，再对图像数字信号进行处理，从而得到所需要多种目标图像特征值，并由此实现模式识别、坐标计算、灰度分布图等多个功效。然后再依据其结果显示图像，输出数据，发出指令，配合实施机构完成位置调整，好坏筛选，数据统计等自动化步骤。
成像系统
光源
主机
视觉系统
场景
图像
描述
反馈

图2-1 机器视觉系统组成
机器视觉系统特点是提升生产柔性和自动化程度。在部分不适合于人工作业危险工作环境或人工视觉难以满足要求场所，常见机器视觉来替换人工视觉；同时在大批量工业生产过程中，用人工视觉检验产品质量效率低且精度不高，用机器视觉检测方法能够大大提升生产效率和生产自动化程度。而且机器视易于实现信息集成，是实现计算机集成制造基础技术。所以，在现代自动化生产过程中，大家将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。
有不少学科研究目标和机器视觉相近或相关，这些学科中包含图像处理、模式识别或图像识别、图像了解等。因为历史发展或领域本身特点，这些学科有某种程度相互重合。不过，机器视觉和其它学科又有着一定区分，其特点是：
1、综合技术
机器视觉是一项综合技术，其中包含数字图像处理技术、机械工程技术、控制技术、电光源照明技术、光学成像技术、传感器技术、模拟和数字视频技术、计算机软硬件技术人机接口技术等。这些技术在机器视觉中是并列关系，相互协调应用才能组成一个成功工业机器视觉应用系统
2、强调工业可靠性
机器视觉强调工业现场环境下可靠性，要求能够适应工业生产中恶劣环境，有较高容错能力和安全性，不会破坏工业产品。
3、强调实用性
机器视觉强调实用性，要求有合理性价比，要有通用工业接口，能够由一般工作来操作，必需有较强通用性和可移植性。
4、要求高速度和高精度
因为机器视觉通常要求高速度和高精度，数字图像处理中很多新算法现在还难以应用。所以，机器视觉技术在工业生产中实际应用速度远远滞后于图像处理理论发展速度。
2.4机器视觉系统应用及发展动向
2.4.1机器视觉检测应用
机器视觉系统在高速、细微和反复制造过程中显得很可靠，所以被广泛用于加工制造企业，完成大批量生产过程中反复性检测任务。机器视觉在质量检测方面应用占整个工业应用近80%，其中最大应用行业为：汽车、制药、电子和电气、制造、包装、食品、饮料等。机器视觉检测是非接触无损检测，和传统检测手段相比，它含有不可替换优越性，所以得到了广泛应用。利用线阵CCD配合包装盒一维运动获取目标图像，然后由计算机对图像进行处理，能够检测日期编号等信息遗漏和正确是否；以频闪光作为照明光源，利用面阵或线阵CDC作为螺纹钢外形轮廓尺寸探测器件，实现热轧螺纹钢几何参数在线测量；在多种产品表面缺点检测方面应用也很多。
2.4.2机器视觉系统发展动向
多年来计算机视觉(即机器视觉)发展大致表现在以下三个方面：
1、基于几何方法计算机视觉计算理论体系已臻于完整计算机视觉研究目标之一是使机器能感知三维环境中物体几何信息，包含它形状、位置、姿态、运动等。20世纪90年代中期以来，计算机视觉界将对应和射影几何、仿射几何、欧几里得几何描述，系统地引进视觉计算方法中，比较完美地对应为视觉系统中对物体由粗到细描述，在计算机视觉系统中降低了对摄像系统参数了解要求，提升了系统对噪声鲁棒性。
2、机器学习方法受到越来越多关注模式识别全部领域一直存在基于结构和基于统计两大分支。假如说基于几何计算机视觉关键经过几何，描述物体及其运动三维结构，属于结构方法，已得到较系统研究；而在计算机视觉中统计方法除很好地用于图像底层处理外，一直显得不完善更不用说系统化了。
3、针对众多特定领域应用研究不停深入，较大规模应用系统逐步走向商业化伴随目前计算机性能价格比飞速提升，众多特定领域计算机实时应用系统商业化已成为可能。如利用指纹、虹膜、人脸、语音等识别技术、行为识别技术和运动跟踪技术、多摄像机融合技术组成视觉监测系统，用于信息安全、智能交通、反恐防盗、身份判别等。

第3章 系统总体设计
本系统是由CCD摄像头、照明系统、图像采集卡、机械装置、主控计算机等部件组成，图3-1为系统结构图。其工作过程是：首先将工件送到CCD摄像头视场内；然后由成像系统和图像采集卡将图像采集到计算机内部；利用图像处理技术对采集到原始图像进行预处理以改善图像质量，从中提取感爱好特征量；最终利用模式识别技术对取到得特征量进行分类整理以完成系统检测。下面分别介绍系统各部分组成及工作原理。
1 2 3 4

5
6 1、CCD摄像头及照明系统 2、图像采集卡 3、主控计算
机4、分类机构 5、工件 6、传送装置

图3-1 机器视觉系统结构图
3. 1 CCD摄像头
CCD是一个半导体成像器件，含有灵敏度高、抗强光、畸变小、体积小、寿命长，抗震动等优点。本系统采取是国产MTV-1881EX型号黑白摄像头，它工作方法是将被摄物体图像经过镜头聚焦到CCD芯片上，CCD依据光强弱积累对应百分比电荷，各个像素积累电荷在视频时序控制下，逐点外移，经视频捕捉卡滤波、放大处理，A/D转换后形成视频信号输出。
3. 2图像采集卡
本系统采取是大恒PCI-XR视频捕捉卡，含有高品质视频采集性能，含有高速PCI总线，采集频率为3D帧/秒，显示画面流畅不间断；显示分辨率640X480。动态捕捉影像以静态图像方法存盘提供BMP，JPG，TIP，TGA等多个存盘格式。其工作原理图3-2所表示：
复合视频输入4

复合视频输入1
复合视频输入2

复合视频输入3

多路开关
多路开关
滤波
滤波

A/D
A/D
缓存
缓存
PCI
总线

VGA显示卡
系统内存

图3-2 VIDEO-PCI-XR图像采集片工作原理
四路复合视频输入经多路开关，软件选择其中一路作为目前输入，输出到A/D进行模/数变换，数字化图像信号经多种图像处理后，利用PCI总线，传到VAG卡显示或计算机内存存放。因为要检测工件两个表面，所以需要在硬件上使用两路视频输入，每路采集不一样表面图像。采样频率在一定范围内可调，满足不一样场所需求。
3.2.1视频输入信号及采样频率
凡符合PAL制式(625行，50场/秒)和NTSC制式(525行，60场/秒)视频设备输出图像信号均可作为该视频捕捉卡输入源。在通常情况下，摄像机、
录像机等视频设备均满足上述标准。采样频率在一定范围内可调，满足不一样场所需求。
3.2.2视频输入窗口和显示窗口
视频输入窗口是指数字化后输入图像尺寸。在PAL制式，输入窗口最大尺寸为768 X 576。在NTCS制式为64 X 480。图像显示窗口是指在VAG显示器上显示图像尺寸，其最大值不能超出输入图像窗口。当图像显示窗口小于视频输入窗口时，有两种方法能够采取。一个方法是降低视频输入窗口大小，即重新设置起始行、终止行、起始列、终止列。使视频输入窗口和图像显示窗口相匹配。处理后结果显示仅是全部输入图像一个局部，这种方法称为裁剪。另一个方法是采取对视频输入窗口采取抽点和抽行方法降低其大小，即依据视频输入窗口和图像显示窗口相对大小设置缩小百分比系数，处理后结果显示是缩小全部输入图像，这种方法称为百分比缩小。也能够将两种方法结合起来，达成所需要结果。
3. 3软件设计
本课题中图像处理算法均采取Matlab程序语言实现模拟，Matlab提供一个高度集成、集科学计算、程序设计和可视化归于一身。
为了设计出实用有效软件，必需根据软件工程理论，进行充足分阶段分析和设计。采取模块化结构设计，其特点为：
1)可修改性。对模块内部修改，对模块外部没有影响；增加或删除多个模块，不影响整个程序；
2)可读性。每个模块意义和职责明确，模块间接口关系清楚，便于用户和设计人员进行系统代码维护；
3)验证性。独立于其它模块，可单独验证一个模块正确性，便于进行调试。采取模块化原理使软件结构清楚，轻易阅读了解和维护。本系统中，根据算法要求设计了各子程序。

第4章 缺点检测软件设计
因为本系统是一个完整、实时缺点检测系统，需要系统从原始图像采集到图像预处理、阈值选择、分割，再到模式识别最终到缺点种类分选整套过程有一个全方面、整体设计。系统关键有以下多个模块：图像实时采集模块、图像预处理模块、阈值选择模块、图像测量模块、缺点检测模块、缺点识别模块，其过程图4-1所表示。
图像实时采集模块
缺点识别模块
图像预处理模块
缺点检测模块
阈值选择模块
图像测量模块

图4-1 缺点检测过程
4. 1图像实时采集模块
为了正确、立即取得图像目前状态，需要不停地经过图像采集卡将CCD摄像系统图像信息直接读取到计算机内存，在计算机内存中进行其它后续处理，如：图像滤波、图像测量、缺点检测等等。
4. 2图像预处理模块
为去掉噪声对图像于扰，要将刚采集图像数据进行预处理，如：去除孤立点、平滑、滤波等；同时，还要对图像进行灰度调整，增加对比度，为后续图像处理工作做准备，图4-2所表示。

图4-2 原始图像及灰度调整后图像
经过预处理后，图像对比度增加，拉伸了图像灰度，表现在灰度直方图上就是峰和峰之间距离加大，便于选择分割阈值及后续图像分割，图4-3所表示。

0 50 100 150 200 250
直方图
直方图
像素值
3000
2500

1500
1000
500
0
0 50 100 150 200 250
像素值
3000
2500

1500
1000
500
0

图4-3 灰度调整前及灰度调整后图像直方图
4. 3阈值选择模块
阈值选择对于分割图像、提取缺点信息至关关键，其方法也很多，本系统采取利用图像灰度直方图来选择阈值，图4-4所表示。
灰度值
直方图
0 50 100 150 200 250
0 50 100 150 200 250
直方图
像素值
6000
5000
4000
3000

1000
0
像素值
6000
5000
4000
3000

1000
0
灰度值

图4-4 滤波前及滤波后灰度直方图
4. 4图像测量模块
（1）工件尺寸和位置测量
依据阈值选择模块所计算阈值分割图像，将图像二值化处理，便于图像整体信息扫描，图4-5所表示。

图4-5 图像位置信息扫描

图4-6 扫描示意图
由图4-6所表示，可列：

那么，可得到工件圆心坐标，其曲线分别图5-7所表示。
0 100 200 300 400 500 600 700 800
图像宽（Y）
图像数据
图像高（X）
600
500
400
300
200
100
0
0 100 200 300 400 500 600 700 800
图像数据
图像宽（Y）
图像高（X）
600
500
400
300
200
100
0

图4-7 x坐标数据曲线和y坐标数据曲线
因为在实际图像中存在噪声或其它干扰，图像背景并不是理想那种单纯灰度级，所以在对整幅图像进行逐一像素扫描时，所检测到图像信息也会存在干扰信息，即存在粗大误差，在图4-7中能够比较直观地显现一旦发觉含有粗大误差测量值，应将其从测量结果中剔出。设被测量真值为，一系列测得值为，则测量列中随机误差为

式中
正态分布分布密度为：

式中 —— 标准差（或均方根误差）；
-1 -0.5 0 0.5 1
2.5
2
1.5
1
0.5
0
-0.5
—— 自然对数底，值为2.7182…。

图4-8 随机误差分布曲线
由此可知：值愈小，则指数绝对值愈大，所以减小得愈快，即曲线变陡。而值愈小，在前面系数值变大，即对应于误差为零（=0）纵坐标也大，曲线变高。反之，愈大，减小愈慢，曲线平坦，同时对应于误差为零纵坐标也小，曲线变低。图4-8中三个测量列所得分布曲线不一样，其标准差也不相同，且。
在等精度测量列中，单次测量标准差按下式计算：

式中 —— 测量次数(应充足大)；
—— 测得值和被测量真值之差；
—— 测得值；
—— 测得值残余误差(简称残差)；
—— 测得值平均值。
为了把扫描到粗大误差去除掉，采取3准则来判定每个检测数据是否是存在误差。即
>3
0 100 200 300 400 500 600 700 800
图像数据
图像宽（X）
图像高（Y）
600
500
400
300
200
100
0
图像宽（X）
0 100 200 300 400 500 600 700 800
图像数据
图像高（Y）
600
500
400
300
200
100
0
若满足上式，应于剔出。下面图4-9是经过剔出粗大误差以后工件圆心x坐标和y坐标曲线图，能够显著地看出经过处理数据已经比较统一。

图4-9 经过剔出误差后x坐标数据曲线和y坐标数据曲线

图4-10 半径计算
由圆心坐标，再结合去除粗大误差后扫描数据就能够计算工件半径大小，
图4-10所表示、
在x方向上

其中，为图像高度，为个数；
在方向上

图像高
0 100 200 300 400 500 600 700 800
X方向计算半径大小
半径大小
600
500
400
300
200
100
0

图像高
0 100 200 300 400 500 600 700 800
Y方向计算半径大小
半径大小
600
500
400
300
200
100
0

其中，为图像宽度，为个数。

图4-11 x方向和y方向上半径数据曲线
图4-11中数据曲线就是x方向和y方向上半径数据线，两个方向上半径大小基础一致，假如有一定相差，需要立即调整摄像头，使摄像角度垂直工件表面。
（2）圆环和圆片判定
图像宽（X）
0 100 200 300 400 500 600 700 800
经过圆心扫描原始图像数据
灰度值
300
250
200
150
100
50
0

图像宽（X）
0 100 200 300 400 500 600 700 800
经过阈值分割以后
灰度值
600
500
400
300
200
100
0

在确定工件圆心位置和半径大小后，就需要判定该工件时圆环还是圆片。圆环和圆片区分就是：圆环中心是空心，也是就说所采集工件图像中心数据为背景信息；而圆片中心为实心，所采集工件图像中心数据为工件表面信息。

图4-12 圆环

图像宽（X）
0 100 200 300 400 500 600 700 800
经过圆心扫描原始图像数据
灰度值
300
250
200

150
100
50
0

图像宽（X）
0 100 200 300 400 500 600 700 800
经过阈值分割以后
灰度值
600
500
400
300
200
100
0

图4-13 圆片
图4-12是圆环形工件经过圆心水平扫描原始图像数据和阈值分割后图像数据；图4-13是圆片形工件经过圆心水平扫描原始图像数据和阈值分割后图像数据。从图4-12和图4-1能够看出，假如所检测工件是圆环形，则在圆心左右会有显著间断；假如是圆片形，则在圆心左右没有显著间断。图4-14所表示，具体检测过程以下：

图4-14 扫描示意图
首先，图4-14所表示，以工件圆心为极坐标系原点伴随极半径和极角从小到大逐一扫描每个像素点，极半径范围是从到工件外径，极角范围是从到；扫描时，因为图像相当于一个矩阵，需要将极坐标系转化为直角坐标系，其转换公式为

在转化到图像矩阵中，为

其中，和分别是工件圆心横坐标和纵坐标。
其次，当逐一扫描每个像素碰到灰度突变时，统计极半径产大小和极角角度：
按弧度计算内圆半径大小
0 20 40 60 80 100
弧度
按弧度计算内圆半径大小
半径大小
200
180