基于特征的圖像瑕疵檢測(cè)算法研究與應(yīng)用.pdf

1、隨著生產(chǎn)和工藝的進(jìn)步，人們對(duì)產(chǎn)品的質(zhì)量要求越來(lái)越高，基于機(jī)器視覺的檢測(cè)系統(tǒng)成為一種重要的質(zhì)量控制手段。隨著機(jī)器視覺的快速發(fā)展，檢測(cè)系統(tǒng)的精度和速度成為機(jī)器視覺發(fā)展瓶頸。為了克服這個(gè)困難，提出基于特征的圖像瑕疵檢測(cè)算法。
　　 為了提高特征檢測(cè)算法的穩(wěn)定性，提出了兩種預(yù)處理的改進(jìn)算法。針對(duì)常規(guī)圖像增強(qiáng)方法的適應(yīng)性不足的缺點(diǎn)，提出了一種動(dòng)態(tài)圖像快速增強(qiáng)算法，根據(jù)灰度的分布區(qū)域，自動(dòng)將圖像灰度拉伸到理想位置，圖像原最大灰階像素的拉伸到

2、255，而圖像原最小灰階像素縮小到0，其他灰階按照原圖灰度分布等比例變化。算法實(shí)驗(yàn)選用四種典型實(shí)驗(yàn)用圖，并分別對(duì)低亮度和高亮度圖像進(jìn)行增強(qiáng)，實(shí)驗(yàn)結(jié)果表明，對(duì)不同亮度和不同類型的圖像增強(qiáng)效果都比較理想，和常規(guī)的增強(qiáng)方法相比，適應(yīng)性較強(qiáng)。
　　 針對(duì)常規(guī)圖像去噪方法易導(dǎo)致圖像模糊的缺點(diǎn)，提出了智能濾波算法，根據(jù)某個(gè)像素與該像素鄰域之間的差值是否在某個(gè)閾值范圍內(nèi)，決定是否對(duì)該像素進(jìn)行濾波處理。該法能在去除噪點(diǎn)的同時(shí)，保留圖像的邊緣。算

3、法實(shí)驗(yàn)選用常見的中值濾波、高斯濾波與智能濾波算法對(duì)邊緣信息豐富的圖像進(jìn)行濾波處理，實(shí)驗(yàn)結(jié)果表明，和常規(guī)的濾波方法相比，智能濾波算法邊緣保留能力比較理想，時(shí)間復(fù)雜度也不高，實(shí)用性較強(qiáng)
　　 針對(duì)常規(guī)圖像檢測(cè)方法不能分辨圖像瑕疵類型的缺點(diǎn)，提出一種基于特征的檢測(cè)方法。根據(jù)待測(cè)圖像的瑕疵分類，選擇和提取待測(cè)圖的檢測(cè)特征集合，逐個(gè)分析和比較檢測(cè)特征集合是否完全匹配，來(lái)對(duì)待測(cè)圖進(jìn)行瑕疵檢測(cè)。由于只比較少量的特征數(shù)據(jù)，所以實(shí)現(xiàn)了快速和精確檢