計(jì)算機(jī)視覺(jué)-一元硬幣直徑尺寸的測(cè)量課程設(shè)計(jì)

1、<p>　　課 程 設(shè) 計(jì) 說(shuō) 明 書(shū)</p><p>　　題目： 一元硬幣直徑尺寸的測(cè)量 </p><p>　　學(xué)院（系）： 電氣工程學(xué)院 </p><p>　　年級(jí)專業(yè)： 12級(jí)精密儀器及機(jī)械 </p><p>　　學(xué) 號(hào)： </p><p&g

2、t;　　電氣工程學(xué)院《課程設(shè)計(jì)》任務(wù)書(shū)</p><p>　　課程名稱： 計(jì)算機(jī)視覺(jué) </p><p>　　基層教學(xué)單位：儀器科學(xué)與工程系 指導(dǎo)教師： </p><p>　　說(shuō)明：1、此表一式四份，系、指導(dǎo)教師、學(xué)生各一份，報(bào)送院教務(wù)科一份。</p>&

3、lt;p>　　2、學(xué)生那份任務(wù)書(shū)要求裝訂到課程設(shè)計(jì)報(bào)告前面。</p><p><b>　　電氣工程學(xué)院 教務(wù)</b></p><p><b>　　摘要</b></p><p>　　這些年來(lái)，基于計(jì)算機(jī)視覺(jué)的尺寸測(cè)量方法技術(shù)已經(jīng)深入到各行各業(yè)，實(shí)現(xiàn)了高精度測(cè)量，及微小物體測(cè)量。它融入了各個(gè)學(xué)科的能源技術(shù)，成為了一門(mén)綜合

4、性的現(xiàn)代測(cè)量技術(shù)學(xué)科。將物體看作是一幅圖像來(lái)獲得物體的尺寸信息，依靠視覺(jué)來(lái)采集圖像信息是基于計(jì)算機(jī)視覺(jué)的尺寸測(cè)量主要研究的過(guò)程。本設(shè)計(jì)主要以“一元硬幣”圖像為實(shí)例進(jìn)行視覺(jué)測(cè)量，并且通過(guò)圖像灰度化、二值化以及圖像邊緣檢測(cè)來(lái)獲取一元硬幣直徑的實(shí)際尺寸。</p><p>　　基于計(jì)算機(jī)視覺(jué)的尺寸測(cè)量，關(guān)鍵步驟是對(duì)圖像的數(shù)字化處理，本文通過(guò)Matlab程序計(jì)算，完成對(duì)指定圖像的處理。主要研究?jī)?nèi)容有一元硬幣直徑尺寸測(cè)量的應(yīng)

5、用價(jià)值、算法原理和程序流程，較系統(tǒng)的闡述并完成了一元硬幣的直徑尺寸測(cè)量。通過(guò)對(duì)圖像處理算法的分析，利用Matlab程序，實(shí)現(xiàn)圖像預(yù)處理和像素邊緣檢測(cè)。深入分析圖像數(shù)據(jù)處理技術(shù)，提高計(jì)算速度和計(jì)算精度。</p><p>　　關(guān)鍵詞：計(jì)算機(jī)視覺(jué)尺寸測(cè)量圖像處理邊緣檢測(cè)</p><p><b>　　目錄</b></p><p><b>

6、;　　摘要1</b></p><p><b>　　目錄2</b></p><p><b>　　第1章 緒論3</b></p><p>　　1.1研究背景及意義3</p><p><b>　　1.2應(yīng)用價(jià)值3</b></p><p>

7、<b>　　1.3課程概述3</b></p><p>　　第2章 尺寸測(cè)量方案4</p><p>　　2.1測(cè)量流程設(shè)計(jì)4</p><p>　　2.2軟件開(kāi)發(fā)工具4</p><p>　　2.3圖像獲取及預(yù)處理4</p><p>　　第3章 圖像預(yù)處理5</p><p

8、>　　3.1圖像的灰度轉(zhuǎn)換5</p><p>　　1.直接灰度變換5</p><p><b>　　2.灰度直方圖6</b></p><p>　　3.圖像的二值化7</p><p>　　3.2圖像的濾波去噪；7</p><p><b>　　1.均值濾波器7</b&g

9、t;</p><p>　　2.自適應(yīng)維納濾波器8</p><p><b>　　3.中值濾波器8</b></p><p><b>　　4.小波去噪9</b></p><p>　　3.4圖像的邊緣檢測(cè)；10</p><p>　　3.5基于Hough變換的圓檢測(cè)算法11&

10、lt;/p><p>　　第4章 實(shí)驗(yàn)結(jié)果與分析12</p><p>　　4.1測(cè)量系統(tǒng)的標(biāo)定12</p><p>　　4.2尺寸測(cè)量的數(shù)據(jù)與分析13</p><p>　　4.3尺寸測(cè)量的誤差分析13</p><p>　　4.3減小誤差的方法13</p><p><b>　　第5章

11、 總結(jié)14</b></p><p><b>　　參考文獻(xiàn)：14</b></p><p><b>　　附錄：15</b></p><p><b>　　緒論</b></p><p>　　1.1研究背景及意義</p><p>　　硬幣，是世界

12、范圍內(nèi)最常用的流通貨幣之一，它以其堅(jiān)固耐磨損、便于交易、攜帶方便和成本低等優(yōu)點(diǎn)，廣泛應(yīng)用在公共交通、商業(yè)及其他各種投幣自動(dòng)售貨機(jī)。同時(shí)，在經(jīng)濟(jì)較為發(fā)達(dá)的國(guó)家和地區(qū)，小面額硬幣化已是今后的發(fā)展趨勢(shì)。因此如何將硬幣進(jìn)行快速有效的區(qū)分識(shí)別，已經(jīng)成為國(guó)內(nèi)外急需解決的問(wèn)題。</p><p>　　目前，計(jì)算機(jī)視覺(jué)方式已經(jīng)成為實(shí)現(xiàn)產(chǎn)品準(zhǔn)確測(cè)定的最佳選擇，具有十分廣闊的市場(chǎng)前景。它在測(cè)定的過(guò)程中，不需要與被測(cè)產(chǎn)品進(jìn)行接觸，有著無(wú)

13、與倫比的優(yōu)勢(shì)。該方法不致于使被測(cè)產(chǎn)品出現(xiàn)絲毫的損害，無(wú)接觸，時(shí)效性強(qiáng)、受外界影響小，精確性好，可大規(guī)模進(jìn)行等。因此，基于計(jì)算機(jī)視覺(jué)的硬幣識(shí)別，實(shí)現(xiàn)硬幣的自動(dòng)快速分揀技術(shù)已是是研究的一大熱點(diǎn)。國(guó)內(nèi)關(guān)于硬幣清分的研究也處于試驗(yàn)階段，開(kāi)發(fā)出有效的硬幣區(qū)分識(shí)別設(shè)備，不僅會(huì)帶來(lái)可觀的經(jīng)濟(jì)效益和產(chǎn)生很好的社會(huì)效益，還可能提高硬幣清分的國(guó)際競(jìng)爭(zhēng)力。</p><p><b>　　1.2應(yīng)用價(jià)值</b><

14、;/p><p>　　雖然對(duì)于計(jì)算機(jī)視覺(jué)這一技術(shù)的探討從六十年代就已經(jīng)開(kāi)始，然而，直至幾十年后，這一技術(shù)才真正地步入迅猛發(fā)展的階段，并逐步得到科研領(lǐng)域的重視，成為眾人爭(zhēng)相探究的熱門(mén)領(lǐng)域。實(shí)現(xiàn)尺寸測(cè)量的方法很多，但大多數(shù)測(cè)量重復(fù)性、高效性和魯棒性不高。事實(shí)表明，基于計(jì)算機(jī)視覺(jué)技術(shù)的尺寸測(cè)量具有良好的連續(xù)性和高精度，大大提高了工業(yè)在線測(cè)量的實(shí)時(shí)性和準(zhǔn)確性，同時(shí)生產(chǎn)效率和產(chǎn)品質(zhì)量控制也得到明顯提升。 </p&

15、gt;<p><b>　　1.3課程概述</b></p><p>　　計(jì)算機(jī)視覺(jué)系統(tǒng)具有測(cè)量功能，能夠自動(dòng)測(cè)量產(chǎn)品的外觀尺寸，比如外形輪廓、孔徑、高度、面積等尺寸的測(cè)量。尺寸測(cè)量無(wú)論是在產(chǎn)品的生產(chǎn)過(guò)程中，還是產(chǎn)品生產(chǎn)完成后的質(zhì)量檢驗(yàn)中都是必不可少的步驟，而計(jì)算機(jī)視覺(jué)在尺寸測(cè)量方面有其獨(dú)特的技術(shù)優(yōu)勢(shì)。 </p><p>　　以計(jì)算機(jī)視覺(jué)為依托的尺

16、寸測(cè)量方法中比較關(guān)鍵的環(huán)節(jié)是對(duì)圖像的處理。在這個(gè)環(huán)節(jié)中，因?yàn)椴杉O(shè)備或者傳導(dǎo)媒介等方面存在的不足，會(huì)產(chǎn)生不同程度的噪音問(wèn)題，使得所得的圖像丟掉了關(guān)鍵的信息，進(jìn)而影響圖像的呈現(xiàn)效果。因此，對(duì)收集到的產(chǎn)品圖像做進(jìn)一步的優(yōu)化，是這種方法中最為關(guān)鍵的一個(gè)步驟。</p><p><b>　　尺寸測(cè)量方案</b></p><p><b>　　2.1測(cè)量流程設(shè)計(jì)</

17、b></p><p>　　尺寸測(cè)量大體包括產(chǎn)品的圖像收集、圖像預(yù)處理以及尺寸測(cè)量3個(gè)步驟，其中比較關(guān)鍵的環(huán)節(jié)是對(duì)圖像的處理。對(duì)收集到的產(chǎn)品圖像做進(jìn)一步的優(yōu)化，提取圖片中的關(guān)鍵數(shù)據(jù)，然后經(jīng)過(guò)簡(jiǎn)單處理得到預(yù)期結(jié)果。本文用較為專業(yè)的工程軟件Matlab來(lái)進(jìn)行圖像處理，圖像預(yù)處理的大體流程可簡(jiǎn)化為：</p><p><b>　　灰度轉(zhuǎn)化；</b></p>

18、<p><b>　　濾波去噪；</b></p><p><b>　　二值化處理；</b></p><p><b>　　邊緣檢測(cè)。</b></p><p>　　圖像經(jīng)過(guò)數(shù)字化處理后，只能得到一個(gè)像素值，找到真實(shí)尺寸值與像素值之間的一個(gè)比例關(guān)系，把以像素為單位的尺寸轉(zhuǎn)換為以毫米為單位的尺寸，即為

19、系統(tǒng)標(biāo)定過(guò)程。</p><p><b>　　2.2軟件開(kāi)發(fā)工具</b></p><p>　　Matlab也叫作矩陣實(shí)驗(yàn)室，是Math works企業(yè)生產(chǎn)的一款高性能的可視化科學(xué)計(jì)算軟件，其包含圖像處理、訊息傳導(dǎo)、系統(tǒng)鑒定、歸納計(jì)算等三十多種有著不同特性的工具箱，均是業(yè)內(nèi)高權(quán)威人士親自參與設(shè)計(jì)的，不用依賴于任何的程序，就能夠方便快捷地使用。此外，工具箱里的函數(shù)源程序都不

20、是保密的，大部分為M類型的文件，用戶只需根據(jù)相應(yīng)文件的代碼就可以進(jìn)行更改。</p><p>　　Matlab有著卓越的數(shù)據(jù)處理能力，它是一種用于矩陣計(jì)算、算法研究、數(shù)據(jù)剖析以及圖像處理的高級(jí)計(jì)算機(jī)語(yǔ)言。其內(nèi)部存在著覆蓋全面的函數(shù)公式，和便捷的與其他軟件間進(jìn)行數(shù)據(jù)交換的功能。本文研究利用了MATLAB中的圖像處理、工程計(jì)算以及數(shù)據(jù)歸納等，對(duì)實(shí)際測(cè)定工作中得到的產(chǎn)品圖像加以處理，從而產(chǎn)生優(yōu)質(zhì)的圖像。進(jìn)而得到實(shí)驗(yàn)所要求

21、的數(shù)據(jù)，并對(duì)這些數(shù)據(jù)進(jìn)行分析處理。</p><p>　　2.3圖像獲取及預(yù)處理</p><p>　　根據(jù)課設(shè)要求及現(xiàn)有條件，圖像是預(yù)先拍攝好的不同的“一元硬幣”圖像，然后利用Matlab軟件進(jìn)行處理，最終得出一元硬幣的直徑尺寸。提前拍攝的圖像如下：</p><p>　　根據(jù)設(shè)計(jì)要求，因基于計(jì)算機(jī)視覺(jué)的尺寸測(cè)量需要系統(tǒng)標(biāo)定，因此在拍攝圖像時(shí)加入了標(biāo)準(zhǔn)件ID卡，在處理圖

22、像時(shí)先進(jìn)行分割進(jìn)行局部處理，ID卡的標(biāo)準(zhǔn)規(guī)格是。</p><p><b>　　圖像預(yù)處理</b></p><p>　　3.1圖像的灰度轉(zhuǎn)換</p><p>　　圖像灰度變換的目的是為了改善畫(huà)質(zhì)，有選擇地突出圖像中感興趣的特征或者抑制圖像中某些不需要的特征，使圖像顯示效果更加清晰，與視覺(jué)響應(yīng)特性相匹配?；叶绒D(zhuǎn)換過(guò)程是把初始圖像里的各個(gè)像素的灰度值

23、，依據(jù)特定的轉(zhuǎn)換原理，變?yōu)椴煌幕叶戎祩魉停瑥亩鴮?shí)現(xiàn)顯化圖像的效果。</p><p>　　用公式表示從像素到像素的變換為：</p><p>　　其中f()稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系。</p><p><b>　　1.直接灰度變換</b></p><p>　　直接灰度變換屬于所有圖像增強(qiáng)

24、技術(shù)中最簡(jiǎn)單的一類，最常用的方法有以下幾種：圖像求反，對(duì)數(shù)變換，灰度切割，位圖切割和灰度的線性變換。</p><p><b>　　2.灰度直方圖</b></p><p><b>　　3.圖像的二值化</b></p><p>　　在圖像分析中，從圖像中將某個(gè)特定區(qū)域與其他部分進(jìn)行分離并提取出來(lái)的處理過(guò)程就是圖像分割，又被稱為

25、圖像的二值化。它的原理是通過(guò)選擇合理的閾值，掃描整個(gè)圖像的所有像素，將像素的灰度值與該閾值作比較，像素灰度大于閾值的，則該像素標(biāo)記為1(或0)，否則標(biāo)記為0(或1)，掃描完整個(gè)圖像后，就得到了一幅僅含有0和1兩種值的圖像，這就是二值圖像。分別對(duì)經(jīng)過(guò)不同灰度變換的上文圖像進(jìn)行自動(dòng)閥值二值化，效果如下，經(jīng)過(guò)對(duì)比，經(jīng)過(guò)對(duì)數(shù)變換的圖像再進(jìn)行自動(dòng)閥值二值化效果更好。</p><p>　　3.2圖像的濾波去噪；</p&

26、gt;<p>　　圖像去噪是數(shù)字圖像處理中的重要環(huán)節(jié)和步驟。去噪效果的好壞直接影響到后續(xù)的圖像處理工作。圖像信號(hào)在產(chǎn)生、傳輸過(guò)程中都可能會(huì)受到噪聲的污染，一般數(shù)字圖像系統(tǒng)中的常見(jiàn)噪聲主要有：</p><p>　　椒鹽噪音：指的是偶然產(chǎn)生的黑白亮度值，是實(shí)際操作中最常遇到的一類噪音；</p><p>　　高斯噪音：指的是產(chǎn)生的亮度符合高斯分布或者是正態(tài)分布的噪音；</p&

27、gt;<p>　　斑點(diǎn)噪聲：指的是僅包括偶然產(chǎn)生的白亮度值或是黑亮度值，在圖像上表現(xiàn)為信號(hào)相關(guān)的小斑點(diǎn)。</p><p>　　目前比較經(jīng)典的圖像去噪算法主要有以下三種：均值濾波，中值濾波和Wiener維納濾波。</p><p><b>　　1.均值濾波器</b></p><p>　　也稱線性濾波，主要思想為鄰域平均法，即用幾個(gè)像素

28、灰度的平均值來(lái)代替每個(gè)像素的灰度，適用于去除通過(guò)掃描得到的圖像中的顆粒噪聲。領(lǐng)域平均法由于平均會(huì)引起模糊現(xiàn)象，模糊程度與領(lǐng)域半徑成正比。</p><p>　　幾何均值濾波器所達(dá)到的平滑度可以與算術(shù)均值濾波器相比，但在濾波過(guò)程中會(huì)丟失更少的圖象細(xì)節(jié)。諧波均值濾波器對(duì)“鹽”噪聲效果更好，但是不適用于“胡椒”噪聲。它善于處理像高斯噪聲那樣的其他噪聲。先以領(lǐng)域大小為變量對(duì)圖像進(jìn)行除燥，效果如下：</p>&

29、lt;p>　　2.自適應(yīng)維納濾波器</p><p>　　Wiener維納濾波使原始圖像和其恢復(fù)圖像之間的均方誤差最小的復(fù)原方法，是一種自適應(yīng)濾波器，根據(jù)局部方差來(lái)調(diào)整濾波器效果。對(duì)于去除高斯噪聲效果明顯。</p><p>　　它能根據(jù)圖象的局部方差來(lái)調(diào)整濾波器的輸出，局部方差越大，濾波器的平滑作用越強(qiáng)。該方法的濾波效果比均值濾波器效果要好，對(duì)保留圖像的邊緣和其他高頻部分很有用，不過(guò)計(jì)

30、算量較大。維納濾波器對(duì)具有白噪聲的圖象濾波效果最佳。</p><p><b>　　3.中值濾波器</b></p><p>　　它是一種常用的非線性平滑濾波器，其基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)領(lǐng)域中各點(diǎn)值的中值代換其主要功能是讓周圍象素灰度值的差比較大的像素改取與周圍的像素值接近的值，從而可以消除孤立的噪聲點(diǎn)，所以中值濾波對(duì)于濾除圖像的椒鹽噪聲非常

31、有效。中值濾波器可以做到既去除噪聲又能保護(hù)圖像的邊緣，從而獲得較滿意的復(fù)原效果，而且，在實(shí)際運(yùn)算過(guò)程中不需要圖象的統(tǒng)計(jì)特性，這也帶來(lái)不少方便，但對(duì)一些細(xì)節(jié)多，特別是點(diǎn)、線、尖頂細(xì)節(jié)較多的圖象不宜采用中值濾波的方法。</p><p><b>　　4.小波去噪</b></p><p>　　這種方法保留了大部分包含信號(hào)的小波系數(shù)，因此可以較好地保持圖象細(xì)節(jié)。小波去噪方法包括

32、三個(gè)基本的步驟：對(duì)含噪聲信號(hào)進(jìn)行小波變換；對(duì)變換得到的小波系數(shù)進(jìn)行某種處理，以去除其中包含的噪聲；對(duì)處理后的小波系數(shù)進(jìn)行小波逆變換，得到去噪后的信號(hào)。小波去噪方法的不同之處集中在第一步。</p><p>　　常規(guī)濾波算法的仿真對(duì)比如下，經(jīng)過(guò)對(duì)比，中值濾波的方法，對(duì)存在類似椒鹽噪聲的灰度處理后圖像效果更好。</p><p>　　3.4圖像的邊緣檢測(cè)；</p><p>

33、　　圖像的邊緣是圖像的基本特征之一，也是硬幣直徑尺寸測(cè)量的依據(jù)，其邊緣檢測(cè)的精確程度直接影響尺寸測(cè)量的精度。由于邊緣是圖像中所要提取的背景和目標(biāo)的分界線，所以只有提取出了邊緣才能將背景和目標(biāo)區(qū)分開(kāi)來(lái)。因此，圖像的邊緣檢測(cè)是一種很重要的圖像預(yù)處理。</p><p>　　邊緣檢測(cè)主要包括五種方法，分別是羅伯特（Roberts）邊緣算子，索貝爾（Sobel）邊緣算子，Prewitt邊緣算子，高斯-拉普拉斯（LoG）邊緣

34、算子和Canny邊緣算子。下面分別介紹這幾種傳統(tǒng)的邊緣檢測(cè)方式。</p><p>　　Roberts邊緣確定方法操作過(guò)程方便，邊界檢測(cè)的可信度很好，然而很容易受到噪音的影響，這種方法比較擅長(zhǎng)于邊界比較明確的或者噪音所占比重比較小的圖像噪聲少的圖像邊界的確定。</p><p>　　Sobel邊界確定方法可以在一定程度上削減噪音的影響，從而得到可信度比較高的邊界確定結(jié)果。然而，這種方法雖然有效

35、抵制噪音的影響，也使得操作的過(guò)程更復(fù)雜，此外還可能鎖定虛假的邊界，降低準(zhǔn)確性。若是對(duì)邊界確定的工作不需要特別的準(zhǔn)確，就能夠采取Sobel方式。</p><p>　　Prewitt邊界測(cè)定方式可以有效的削減噪音的干擾，然而邊界確定的可信度較低，圖像的一些重要的邊界訊號(hào)經(jīng)常會(huì)丟失掉。Prewitt方式受外界環(huán)境的影響一般比較小，然而，不足之處在于其邊界檢測(cè)的準(zhǔn)確性沒(méi)有Roberts方式好。</p>&l

36、t;p>　　LoG邊界確定方式所能感知的邊界信息更全面，可信度更高，然而常常會(huì)受到噪音的影響，最終導(dǎo)致非真實(shí)邊界的混入。</p><p>　　Canny邊緣檢測(cè)算子是基于最優(yōu)化思想提出的邊緣檢測(cè)算子，它利用高斯函數(shù)對(duì)圖像進(jìn)行平滑處理，因此具有較強(qiáng)的抑制噪聲能力。而且Canny算子的邊緣定位也比較精確，而且還能濾除較多的虛假邊緣，從而很好的保留圖像的邊緣信息。但是，該算子的計(jì)算時(shí)間較長(zhǎng)，實(shí)時(shí)性差，它也會(huì)將一些

37、高頻邊緣平滑掉，造成邊緣丟失。</p><p>　　因此，本次設(shè)計(jì)針對(duì)所具有的圖像，采用Roberts邊緣檢測(cè)算法。</p><p>　　3.5基于Hough變換的圓檢測(cè)算法</p><p>　　Hough轉(zhuǎn)化的核心理念是把圖形概念轉(zhuǎn)化為規(guī)格概念，根據(jù)多數(shù)邊界點(diǎn)普遍符合的規(guī)格特征去確定圖形里的曲線。然后利用累加儀加以處理，算出的峰值所代表的點(diǎn)即為目標(biāo)的訊息。<

38、/p><p>　　圓進(jìn)行了Hough轉(zhuǎn)化之后在規(guī)格背景下是立體的，所以要在規(guī)格背景下產(chǎn)生一組立體的累加數(shù)A(a， b， r)，將圖形背景下所有的邊界坐標(biāo)計(jì)算后把A加以累積。規(guī)范的Hough轉(zhuǎn)化確定圓的操作過(guò)程是：</p><p>　　1)在規(guī)格背景下產(chǎn)生一組立體的累加儀數(shù)值，其中的任意坐標(biāo) (a，b，r)代表了規(guī)格離散值。</p><p>　　2)對(duì)圖形背景下的圓邊界經(jīng)

39、過(guò)確定，依靠臨界值得到邊緣。然后計(jì)算和邊界上的任意點(diǎn)像素相距r的全部坐標(biāo)(a，b)，在把(a，b，r)的累加儀加一。換用不同的r再進(jìn)行該步驟，最終將所有邊界坐標(biāo)進(jìn)行轉(zhuǎn)化。</p><p>　　3)將立體數(shù)組的所有累加儀的值加以測(cè)定，所得峰值代表了圖形背景下圓的半徑以及中心。</p><p>　　以上過(guò)程是以Hough轉(zhuǎn)化為依據(jù)的圓的確定方式，因此測(cè)定結(jié)果的可信度非常高，然而規(guī)范的Hough

40、轉(zhuǎn)化的圓的確定方式工作量太過(guò)繁重，所有邊界坐標(biāo)代表了規(guī)格背景下的相應(yīng)曲面，因?yàn)橛成涞哪Ｊ绞且粚?duì)多，所需的存儲(chǔ)面積會(huì)很多。</p><p>　　經(jīng)Hough變換后得到上圖標(biāo)定圖像，測(cè)得的圓半徑為：68像素值。</p><p><b>　　實(shí)驗(yàn)結(jié)果與分析</b></p><p>　　4.1測(cè)量系統(tǒng)的標(biāo)定</p><p>　　

41、基于計(jì)算機(jī)視覺(jué)的測(cè)量系統(tǒng)，完成圖像采集、圖像處理及尺寸測(cè)量后還需要進(jìn)行系統(tǒng)的標(biāo)定。因?yàn)橛?jì)算出的的尺寸值，并非真實(shí)的毫米制的實(shí)際尺寸，而只是一個(gè)像素值。所以需要對(duì)計(jì)算機(jī)視覺(jué)系統(tǒng)進(jìn)行標(biāo)定，找到真實(shí)尺寸值與像素值之間的一個(gè)比例關(guān)系，把以像素為單位的尺寸轉(zhuǎn)換為以毫米為單位的尺寸。</p><p>　　計(jì)算機(jī)視覺(jué)系統(tǒng)的標(biāo)定具體的步驟如下：</p><p>　　選取一個(gè)尺寸己知的標(biāo)準(zhǔn)物體作為標(biāo)定工件，

42、并測(cè)量其實(shí)際尺寸。本文選用圓環(huán)，測(cè)量得圓環(huán)的尺寸為（以毫米為單位）。</p><p>　　將標(biāo)定工件放置于測(cè)量系統(tǒng)上進(jìn)行測(cè)量，在測(cè)量系統(tǒng)處于正常的工作狀態(tài)下測(cè)量其以像素為單位的尺寸。即物體與相機(jī)的相對(duì)位置保持不變的情況下，測(cè)量得圓環(huán)的尺寸為 （以像素為單位）。</p><p>　　按照公式 來(lái)計(jì)算系統(tǒng)的標(biāo)定系數(shù)。則物體的實(shí)際尺寸=物體的像素個(gè)數(shù)*標(biāo)定系數(shù)，即： 。</p>

43、<p>　　按照系統(tǒng)標(biāo)定的步驟，先對(duì)標(biāo)準(zhǔn)件進(jìn)行圖像預(yù)處理，得到濾波后的二值化圖像，如下圖。</p><p>　　然后對(duì)二值化圖像每行求和得到一個(gè)與圖像行數(shù)相同的一維數(shù)組，找出其中最大的100個(gè)數(shù)求平均數(shù)，得到標(biāo)準(zhǔn)件寬度的像素尺寸292.6600。由已知標(biāo)準(zhǔn)ID卡的長(zhǎng)*寬尺寸為：85.60mm*53.98mm，可求出標(biāo)定系數(shù)為n=0.1844。</p><p>　　4.2尺寸測(cè)量的

44、數(shù)據(jù)</p><p>　　在進(jìn)行系統(tǒng)的標(biāo)定以后，為了檢驗(yàn)該尺寸測(cè)量的準(zhǔn)確度，本文對(duì)“一元硬幣”進(jìn)行了多組測(cè)量。數(shù)據(jù)如表所示：</p><p>　　4.3尺寸測(cè)量的誤差分析</p><p>　　根據(jù)上文的研究計(jì)算，雖然測(cè)量誤差己經(jīng)減小到幾乎可以忽略的程度，但仍是無(wú)法完全消除的。所以應(yīng)深入分析誤差產(chǎn)生的原因和研究改進(jìn)的辦法，以此提高測(cè)量水平和測(cè)量精度。經(jīng)過(guò)分析，一元硬幣

45、直徑尺寸的測(cè)量誤差主要有機(jī)械誤差和環(huán)境誤差。</p><p>　　機(jī)械誤差：由于攝像機(jī)的制造和設(shè)計(jì)水平所限制，透鏡對(duì)入射光線的折射誤差等因素都會(huì)引起幾何失真，使理論像點(diǎn)與目標(biāo)像點(diǎn)之間存在多種類型的幾何畸變。若在圖像拍攝時(shí)存在不垂直的情況，則會(huì)引入人為誤差。而且在選取器件時(shí)，應(yīng)盡量選取高質(zhì)量的器件。</p><p><b>　　環(huán)境誤差</b></p>&

46、lt;p>　　1）振動(dòng)的影響。攝像機(jī)和被測(cè)物體的微小振動(dòng)，都可能使圖像失真，從而引起大的誤差。因此，該測(cè)量系統(tǒng)要在較為安靜的環(huán)境下進(jìn)行測(cè)量，以減弱外界振動(dòng)的影響。</p><p>　　2）溫度的影響。由于攝像設(shè)備主要由電子器件構(gòu)成，則溫度的變化對(duì)系統(tǒng)的性能也有較大的影響。因此，應(yīng)采取一定的措施保證周圍溫度的恒定。</p><p>　　3）照明光源的發(fā)光不穩(wěn)定的影響。由于照明光源（如陽(yáng)

47、光、燈光等）的發(fā)光不穩(wěn)定，可能會(huì)引起輸入信號(hào)的改變，因此，可采用遮光罩等辦法來(lái)減少發(fā)光不穩(wěn)定的照明光源的影響。</p><p>　　4）測(cè)量系統(tǒng)的周圍工作環(huán)境下的空氣濕度、磁場(chǎng)、電場(chǎng)等對(duì)該系統(tǒng)的影響雖然存在，但可忽略不計(jì)。</p><p>　　4.3減小誤差的方法</p><p>　　1）減震隔離方法。如可將硬幣放置于氣動(dòng)隔震平臺(tái)上，以減小外界的振動(dòng)對(duì)測(cè)量的影響。&

48、lt;/p><p>　　2）選用具有良好的溫度特性的攝像機(jī)，以保證系統(tǒng)在較恒定的環(huán)境溫度下進(jìn)行測(cè)量，并使零件在同一溫度下進(jìn)行系統(tǒng)標(biāo)定和測(cè)量，以減小溫度不均衡對(duì)測(cè)量的影響。</p><p>　　3）選用高分辨率的攝像機(jī)，以提高測(cè)量系統(tǒng)的測(cè)量精度，以減小器件在安裝調(diào)整時(shí)造成的機(jī)械誤差。而且選用高調(diào)節(jié)精度的工作臺(tái)也有利于減小誤差。</p><p>　　4）因鏡頭畸變而導(dǎo)致的圖

49、像非線性畸變?？梢酝ㄟ^(guò)在圖像坐標(biāo)系中建立非線性畸變模型，來(lái)減小誤差。</p><p>　　5）對(duì)硬幣的前期處理。應(yīng)注意硬幣的放置和清潔，避免因零件的放置不正和清潔不當(dāng)而產(chǎn)生誤差。</p><p><b>　　總結(jié)</b></p><p>　　伴隨著我國(guó)工業(yè)制造行業(yè)的飛速發(fā)展，以計(jì)算機(jī)視覺(jué)為依據(jù)的測(cè)量方式已受到各界研究者的青睞。它以其能夠進(jìn)行在線

50、測(cè)定，工作效率高，可信度也很好，并且不容易受到外界因素的影響等優(yōu)點(diǎn)，使得產(chǎn)品測(cè)定的過(guò)程更加方便快捷，最大限度的降低誤差，避免人工測(cè)量的速度以及測(cè)量位置的局限。</p><p>　　計(jì)算機(jī)視覺(jué)測(cè)量方法對(duì)圖像的效果有嚴(yán)格的標(biāo)準(zhǔn)，闡述了計(jì)算機(jī)視覺(jué)測(cè)量過(guò)程中的數(shù)字圖像處理方式，主要涵蓋了灰度轉(zhuǎn)化、圖像濾波、圖像邊界測(cè)定方法等。本文以Matlab為背景，介紹了圖像加工以及尺寸測(cè)量的具體細(xì)節(jié)，得到了相應(yīng)的測(cè)定數(shù)據(jù)。雖然已經(jīng)達(dá)

51、到了預(yù)期的目的，能夠較好的完成硬幣直徑的尺寸測(cè)量，但還存在以下幾個(gè)方面的問(wèn)題有待進(jìn)一步解決：</p><p>　　在一幅圖像中，只能對(duì)單一的圓的特征進(jìn)行測(cè)定；</p><p>　　不能完全滿足實(shí)時(shí)在線的測(cè)量，需要先獲取圖像，再導(dǎo)入到matlab中進(jìn)行處理。</p><p>　　基于計(jì)算機(jī)視覺(jué)的硬幣直徑測(cè)量方式還存在著較大的提升空間，應(yīng)該創(chuàng)立覆蓋全面的計(jì)算機(jī)視覺(jué)函數(shù)集

52、，優(yōu)化該系統(tǒng)的軟件裝置。</p><p><b>　　參考文獻(xiàn)：</b></p><p>　　1 陳垚光 等著·《精通Matlab GUI設(shè)計(jì)》·（第三版）·電子工業(yè)出版社，2013.8；</p><p>　　2 Rafael C. Gonzalez著·《數(shù)字圖像處理》·阮秋琦等譯·（

53、Matlab版）電子工業(yè)出版社，2005；</p><p><b>　　附錄：</b></p><p><b>　　灰度變換</b></p><p>　　function[]=huidu()</p><p>　　I=imread('C:\Users\suiyinli\Desktop\計(jì)算機(jī)視

54、覺(jué)\硬幣9.jpg');</p><p>　　I0 = rgb2gray(I);</p><p>　　I1=histeq(I0);%均衡化</p><p>　　subplot(1，4，1)，imshow(I0);title('原始圖像');</p><p>　　subplot(1，4，2)，imshow(I1);tit

55、le('均衡化后圖像');</p><p>　　subplot(1，4，3)，imhist(I0，64);title('原始圖像直方圖');</p><p>　　subplot(1，4，4)，imhist(I1，64);title('均衡化后直方圖');</p><p>　　I2=mat2gray(I);</p&

56、gt;<p>　　I3=log(I2+1);%對(duì)數(shù)變換</p><p>　　I4=imcomplement(I2);%反色變換</p><p><b>　　figure</b></p><p>　　subplot(1，3，1);imshow(I2);title('原始圖像');</p><p&g

57、t;　　subplot(1，3，2);imshow(I3);title('對(duì)數(shù)變換后的圖像')</p><p>　　subplot(1，3，3);imshow(I4);title('反色變換后的圖像')</p><p>　　figure%二值化</p><p>　　subplot(1，4，1);imshow(im2bw(I0，0.5)

58、);title('原始圖像二值化');</p><p>　　subplot(1，4，2);imshow(im2bw(I1，0.5));title('均衡化后二值化');</p><p>　　subplot(1，4，3);imshow(im2bw(I4，0.5));title('反色變換后二值化');</p><p>　

59、　subplot(1，4，4);imshow(im2bw(I3，0.5));title('對(duì)數(shù)變換后二值化');</p><p>　　imwrite(im2bw(I3，0.5)，'C:\Users\suiyinli\Desktop\計(jì)算機(jī)視覺(jué)\灰度變換后圖像.jpg');</p><p><b>　　濾波去噪</b></p>

60、<p>　　function[]=LBzaosheng()</p><p>　　I=imread('C:\Users\suiyinli\Desktop\計(jì)算機(jī)視覺(jué)\灰度變換后圖像.jpg');</p><p>　　I2=filter2(fspecial('average'，3)，I)/255;%均值濾波</p><p>

61、　　I3= medfilt2(I);%中值濾波</p><p>　　I4=wiener2(I，[3 3]);%維納濾波</p><p>　　[thr，sorh，keepapp] = ddencmp('den'，'wv'，im2double(I));%產(chǎn)生圖像的默認(rèn)閾值</p><p>　　I5 = wdencmp('gbl&#

62、39;，im2double(I)，'sym2'，2，thr，sorh，keepapp);%對(duì)圖像進(jìn)行小波去噪</p><p><b>　　figure</b></p><p>　　subplot(1，5，1);imshow(I);title('原始圖像');</p><p>　　subplot(1，5，3);im

63、show(I2);title('均值濾波后的圖像');</p><p>　　subplot(1，5，4);imshow(I3);title('中值濾波后的圖像');</p><p>　　subplot(1，5，5);imshow(I4);title('維納濾波后的圖像');</p><p>　　subplot(1，5，

64、2);imshow(I5);title('小波去噪后的圖像');</p><p>　　imwrite(I3，'C:\Users\suiyinli\Desktop\計(jì)算機(jī)視覺(jué)\濾波去噪后圖像.jpg');</p><p><b>　　邊緣檢測(cè)</b></p><p>　　function[]=bianyuan()&

65、lt;/p><p>　　I=imread('C:\Users\suiyinli\Desktop\計(jì)算機(jī)視覺(jué)\濾波去噪后圖像.jpg');</p><p><b>　　figure</b></p><p>　　subplot(2，3，1);imshow(I);title('原始圖像');</p><

66、p>　　BW1=edge(I，'Canny');</p><p>　　subplot(2，3，2);imshow(BW1);title('Canny');</p><p>　　BW2=edge(I，'log');</p><p>　　subplot(2，3，3);imshow(BW2);title('lo

67、g');</p><p>　　BW3=edge(I，'sobel');</p><p>　　subplot(2，3，4);imshow(BW3);title('sobel');</p><p>　　BW4=edge(I，'roberts');</p><p>　　subplot(2，3，

68、5);imshow(BW4);title('roberts');</p><p>　　BW5=edge(I，'prewitt');</p><p>　　subplot(2，3，6);imshow(BW5);title('prewitt');</p><p>　　imwrite(BW4，'C:\Users\sui

69、yinli\Desktop\計(jì)算機(jī)視覺(jué)\邊緣檢測(cè)后圖像.jpg');</p><p><b>　　4、Hough變換</b></p><p>　　function[]=Hough()</p><p><b>　　close all</b></p><p>　　I=imread('C:

70、\Users\suiyinli\Desktop\計(jì)算機(jī)視覺(jué)\邊緣檢測(cè)后圖像.jpg');</p><p>　　[r，c]=size(I);</p><p>　　rmax=90;%為簡(jiǎn)化運(yùn)算限定區(qū)域</p><p><b>　　rmin=50;</b></p><p>　　PL=zeros(r，c，rmax-rmi

71、n+1);</p><p>　　for rad=rmin:rmax</p><p><b>　　k=1; </b></p><p>　　for theta=1:360</p><p>　　x=rad*cosd(theta);</p><p>　　y=rad*sind(theta);</p&g

72、t;<p>　　X(k)=floor(x+.5);</p><p>　　Y(k)=floor(y+.5);</p><p><b>　　k=k+1;</b></p><p><b>　　end</b></p><p>　　for i=1:3:r</p><p>

73、　　for j=1:3:c</p><p>　　if(I(i，j)==1)</p><p><b>　　Xi=X+i;</b></p><p><b>　　Yj=Y+j;</b></p><p>　　index=find((Xi>=rad)&(Yj>=rad)&(Xi&l

74、t;=r-rad)&(Yj<=c-rad));</p><p>　　[~，cc]=size(index);</p><p>　　P1=false(r，c);</p><p>　　for l=1:cc</p><p>　　P1(Xi(index(l))，Yj(index(l)))=1;</p><p>&l

75、t;b>　　end</b></p><p>　　PL(:，:，rad-rmin+1)=PL(:，:，rad-rmin+1)+P1(:，:);</p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　end<

76、/b></p><p><b>　　end</b></p><p>　　ma=max(max(max(PL)));</p><p>　　[r，c1，p]=find(PL==ma);</p><p>　　pag=floor(c1/c);</p><p>　　ac=c1-(c*pag);<

77、/p><p>　　I1=false(size(I));</p><p>　　nrad=pag+rmin</p><p>　　center(1)=r(1);</p><p>　　center(2)=ac(1);</p><p>　　for theta=1:.2:360</p><p>　　x=nrad

78、(1)*cosd(theta);</p><p>　　y=nrad(1)*sind(theta);</p><p>　　Xn=r(1)+floor(x+.5);</p><p>　　Yn=ac(1)+floor(y+.5);</p><p>　　I1(Xn，Yn)=1;</p><p><b>　　end&l

79、t;/b></p><p><b>　　figure</b></p><p>　　subplot(1，2，1);imshow(I);title('圖像預(yù)處理后');</p><p>　　subplot(1，2，2);imshow(I1);title('Hugh變換后');</p><p&

80、gt;　　imwrite(I1，'C:\Users\suiyinli\Desktop\計(jì)算機(jī)視覺(jué)\Hugh變換后圖像.jpg');</p><p><b>　　計(jì)算</b></p><p>　　I=imread('C:\Users\suiyinli\Desktop\計(jì)算機(jī)視覺(jué)\硬幣90.jpg');</p><p&g

81、t;　　I0=rgb2gray(I);</p><p>　　I1=im2bw(I0，0.5);</p><p>　　I2=medfilt2(I1，[7 7]);</p><p>　　a=sum(I2');</p><p>　　b=sort(a);</p><p>　　c=sum(b(end-99:end))/1