作為非接觸式檢測的重要手段之一,基于圖像處理的缺陷檢測技術(shù)被廣泛地應(yīng)用于工業(yè)領(lǐng)域之中。本論文將軸承圖像作為研究對象,以數(shù)字圖像處理技術(shù)為基礎(chǔ),研究合適的防塵蓋表面缺陷檢測算法,研究內(nèi)容主要包括以下幾個方面: 1.針對軸承本身的形狀特點及工業(yè)標(biāo)準(zhǔn),提出了一種基于最小二乘法的快速提取軸承防塵蓋區(qū)域的算法。通過粗略二值化、輪廓提取與輪廓跟蹤獲得軸承的外圓輪廓,再采用最小二乘法進行圓心定位及半徑計算,最終根據(jù)軸承型號參數(shù)等先驗知識分離出以軸承圓心為中心的防塵蓋圓環(huán)。 2.針對原始圖像設(shè)計了適當(dāng)?shù)念A(yù)處理算法,采用基于OTSU閾值分割的算法進行缺陷提取,并提出了對輸出圖像進行修正的后處理算法。將灰度變換、中值濾波、高斯平滑與拉普拉斯銳化這幾種常規(guī)圖像處理算法進行組合,使得預(yù)處理后的圖像在質(zhì)量上得到比較大的提升。使用OTSU法對圖像進行閾值分割之后,采用基于區(qū)域生長的雜點濾除算法對分割后的圖像進行后處理。 3.針對閾值分割算法難以區(qū)分較淺缺陷與紋理的問題,提出了一種基于小波變換及紋理特征量的Canny算子邊緣檢測算法。對預(yù)處理后的圖像進行一層快速小波分解以削弱防塵蓋區(qū)域的隨機紋理,對分解后得到的低頻...

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2一l工業(yè)相機與鏡頭組合圖

視視場角角20.1x15.1””濾濾光鏡鏡25.5n甘nnn工業(yè)相機與鏡頭的組合如圖2一1所示:圖2一l工業(yè)相機與鏡頭組合圖2.3光源的選取光源的選取是影響軸承防塵蓋表面缺陷檢測的一個非常重要的因素，光照的強度、光源的位置以及光源的形式都將對檢測效果產(chǎn)生....

圖2一2本系統(tǒng)所采用的紅色同軸光源

因此選用其來解決光照問題。圖2一2本系統(tǒng)所采用的紅色同軸光源圖2一2為本系統(tǒng)所采用的紅色同軸光源，經(jīng)過多種光源的對比測試后，發(fā)現(xiàn)在該光源下拍攝所獲得的效果最好。2.4圖像采集環(huán)境的整體結(jié)構(gòu)整個圖像采集環(huán)境的結(jié)構(gòu)如圖2一3所示:1.攝象機2.鏡頭3.同軸光源4.工業(yè)相機支架5.光源....

圖2一4中三個不同軸承原始圖像的直方圖

的表面屬于金屬材質(zhì)，反光性較好，而背景則為純黑絨布，基本不反光，所以兩者在采集到的圖像上會有比較明顯的灰度區(qū)別。圖3一1為圖2一4中3個不同軸承的直方圖。直方圖是多種空間域圖像處理技術(shù)的基礎(chǔ)�；叶燃墳樘锕ひ籰]范圍內(nèi)的圖像的直方圖是離散函數(shù)h(乓)=氣，其中乓是第k級灰度，n、是....

圖4一3加椒鹽噪聲后分別進行均值濾波與中值濾波

在噪聲點分布比較孤立而不是成團聚集的情況下，中值濾波可以克服線性濾波器如均值濾波(以鄰域內(nèi)灰度均值替代原值)所帶來的圖像細節(jié)模糊的問題，而且對濾除椒鹽噪聲非常有效，如圖4一3所示�？梢钥吹剑兄禐V波在去除椒鹽噪聲的同時又能保留圖像的邊緣細節(jié)，而均值濾波則不僅細節(jié)模糊，且降噪有限，....

本文編號：3930604