一种基于数学形态学的齿轮边缘检测方法研究

针对传统的边缘检测算法在提取齿轮边缘过程中存在的抗噪性较差的问题,对图像边缘检测中算法的抗噪性、边缘检测连续性和细节保留能力进行了研究,在对数学形态学的边缘检测算法进行归纳的基础上,提出了一种基于数学形态学的齿轮边缘检测方法。针对采集到的图片,利用最基本形态学操作组合,对齿轮锯齿边缘和内部圆环部分,分别使用了形态学填充和形态学连通域去噪,然后使用形态学边缘检测算子提取了边缘,最后将两部分边缘边缘相加,得到了最终齿轮边缘检测图;再对采集的齿轮图片加入了椒盐噪声,重复进行了边缘检测试验。研究结果表明:该算法能够检测出较好的齿轮边缘,在抗噪性、边缘检测连续性、细节信息保留等方面都有较大的提高。     

0603型绿色贴片LED方向检测算法研究

针对全自动编带机编带过程中0603型绿色贴片LED的方向检测,提出了利用MeanShift图像分割法首先对芯片进行图像分割,然后利用Krisch边缘检测算法、Prewitt边缘检测算法和高斯拉普拉斯边缘检测算法分别对芯片进行边缘检测,提取芯片的轮廓特征。实验对比表明,能够通过采用MeanShift图像分割法对芯片进行分割,再利用高斯拉普拉斯边缘检测算法提取芯片的轮廓特征的方法,判别0603型绿色贴片LED的方向。     

基于RANSAC的圆拟合算法在螺纹孔检测中的应用

在视觉检测过程中,针对多残缺、多噪声圆周的拟合精度不佳的问题,提出了一种基于RANSAC的圆拟合算法。首先对图像进行边缘检测,使用基于Scharr算子的Canny算法可获得高质量的边缘分布图;使用霍夫梯度法在边缘分布图中对目标圆弧进行粗定位,并提取包含目标圆弧的点集;提取到的点集中含有大量无关边缘像素点,使用RANSAC算法剔除点集中的异常数据,得到有效样本数据构成的待拟合圆周点集;最后采用LIN算法对待拟合圆周点集进行拟合,得出最终的拟合结果。算法在椒盐噪声和曲线噪声抗干扰实验中表现优异,有着较强的抗干扰能力。已经成功应用到了螺纹孔圆周的拟合,精度和实时性均可满足实际生产要求。     

一种新的边缘检测算法在图像处理中的应用

介绍了一种新的边缘检测方法,首先通过高斯-拉普拉斯边缘检测算法对图像进行边缘检测,再结合轮廓提取对提取到的边缘进一步进行跟踪处理.实验表明,与传统的边缘检测算法相比,这种算法能更好的提取图像中目标物体的边缘,减少检测边缘断裂现象,具有很好的应用价值.     

评价边缘检测质量的模拟图像生成方法研究

针对评价边缘检测算法精度时没有合适的评定标准的问题,首先根据方形孔径采样定理,详细说明了椭圆形状边缘灰度的求取方法,然后以真实拍摄图片为标准,对图像进行了高斯模糊和噪声的添加,形成最终的模拟图像.通过编程实现了模拟图片的生成,给出了模拟图像和真实图像的对比,并利用模拟图像对边缘检测中常用的3种算法作了简要分析.结果表明,模拟图片能很好地模拟真实拍摄图片,可方便地用于边缘检测算法的精度评价.     

评价边缘检测质量的模拟图像生成方法研究

针对评价边缘检测算法精度时没有合适的评定标准的问题,首先根据方形孔径采样定理,详细说明了椭圆形状边缘灰度的求取方法,然后以真实拍摄图片为标准,对图像进行了高斯模糊和噪声的添加,形成最终的模拟图像.通过编程实现了模拟图片的生成,给出了模拟图像和真实图像的对比,并利用模拟图像对边缘检测中常用的3种算法作了简要分析.结果表明,模拟图片能很好地模拟真实拍摄图片,可方便地用于边缘检测算法的精度评价.     

基于改进Hough变换的圆形零件尺寸测量研究

分析了直方图均衡化图像预处理技术,针对标准Hough变换的不足,提出了一种结合圆的几何特性改进Hough变换的方法。该方法根据圆周上各点连线的垂直平分线交点通过圆心这一圆的几何特性,沿边缘方向进行梯度搜索,找出圆心并求解半径,有效解决了含噪声图像圆形零件边缘检测的难题。通过对轴承零件内、外径和尺寸的测量应用研究,验证了改进Hough变换圆形零件测量技术的有效性和准确性。     

改进Canny算法检测直缝焊管焊缝位置

针对传统Canny算法在识别直缝焊管焊缝边缘时易受噪声干扰、强弱边缘连接不佳等问题,通过分析直缝焊管图像特点,提出一种改进的Canny算法检测直缝焊管焊缝位置方法。首先在进行非极大值抑制中引入了梯度方向局部均值偏差;其次对非极大值抑制之后的点利用大津法计算阈值;最后通过实际采集焊管图片强弱边缘分布特点将强边缘边界所连边界作为附加连接条件。通过实验验证改进的非极大值相对于传统方法抑制能够有效的抑制噪声点并保留边缘信息,在直缝焊管焊缝边缘位置识别中改进的Canny算法相对于传统边缘检测算法能够抑制噪声干扰,保留更多的焊管边缘与焊缝边缘,因此较好的满足实际使用需求。     

基于SIFT-SUSAN算法的零件图像特征提取研究

把SIFT-SUSAN算法应用在零件图像的特征提取上,检测图像的特征极值点。首先对采集的图像进行均值滤波和Laplace锐化预处理,以此增强图像的边缘响应;利用高斯卷积和高斯差分建立尺度空间域;再利用SIFT算法提取空间极值点,并引入SUSAN算子检测空间角点;计算两种特征点的位置,生成特征描述子,实现零件图像的匹配。通过对垫片、螺母和轴承盖零件分别采用SIFT算法和SIFT-SUSAN算法进行对比试验,实验表明:SIFT-SUSAN算法结合了图像区域和边缘角点特征,得到更多的匹配点,提高了图片匹配的正确率。     

基于边缘检测的零件轮廓识别系统开发

针对工业流水线检测中存在的成本大、检测效率低的问题,将轮廓检测技术应用到工业流水线检测中,基于边缘检测方法的基本原理,提出了一种基于边缘检测的零件轮廓识别方法。该方法首先使用Canny边缘检测算法来提取出零件的边缘,并在此基础上进一步提取出零件轮廓的相关特征,最后通过与待检测的零件轮廓特征相比较,从而实现对零件的识别检测;为了验证设计方法的正确性,本文搭建了一套零件轮廓识别系统,并使用工业零件来测试该系统的性能。研究结果表明:该系统能够快速、准确地识别目标零件,满足工业流水线检测的需求。     

改进蚁群算法与Zernike矩细分的图像边缘测量方法

针对传统蚁群算法计算耗时、易受噪声影响等缺点,提出一种改进蚁群算法与Zernike矩细分的图像亚像素边缘测量方法。该算法采用二维灰度直方图求解聚类中心、拉普拉斯算子聚类、划分图像边缘点、目标点和噪声点等,利用全局自适应信息素更新方式提取图像边缘,进而通过Zernike矩快速算法细分图像亚像素级别边缘,提高了边缘分割精度。以SKF 32308J2/Q轴承为研究对象,采用该方法检测了轴承图像的内、外圈边缘,并通过最小二乘拟合,采用标准件进行轴承的坐标标定,测量了轴承内、外径等几何参数,将该测量方法与改进Hough变换的测量结果相比较,证明了该算法具有较高的测量精度。     

基于改进LOG算子的图像边缘检测方法

针对传统基于LOG算子的边缘检测算法中高斯系数σ不确定性的问题,提出了一种改进的LOG算子边缘检测方法,该算法通过引入极坐标参数θ,计算不同方向θ的1阶导数,并求得导数最大值所对应的θ,进而确定图像边缘点。研究结果表明,利用该改进算子对图像进行边缘检测时,边缘信息丰富,细节体现明显,伪边缘较少,相对传统LOG算子其具有更好的检测效果,同时与Prewitt算子、Canny算子等算法相比较,所提算法也具有明显的优越性。     

基于嵌入式视觉的零件状态检测系统开发

针对车床自动化上料零件的正反检测,提出一种基于多级模板匹配的零件检测方法,提取并生成一系列旋转模板图像库,利用图像增强算法提高边缘灰度的对比度,使用归一化互相关算法去除不均匀光照的影响,采用多级模板匹配方法提高计算速率和检测准确率。设计并实现了基于嵌入式视觉的零件状态检测系统,方便快速生成零件模板,完成视觉系统与控制设备的通信。测试结果表明,系统能进行多种零件的状态判别,具有低成本、模块化、高准确度等优点,适合工业现场使用。     

基于机器视觉的立铣刀磨损检测方法研究

针对传统立铣刀视觉检测流程中图像定位及利用圆弧拟合边缘不精确的问题,提出一种垂直分布的双镜头视觉检测方法,开发了一套加工中心立铣刀机器视觉检测系统。在自适应阈值分割及边缘检测算法的基础上,通过筛选及合并共线轮廓,拟合直线获取端面刀刃偏转角度,驱动电动机精确定位后采集铣刀侧面图像。基于立铣刀投影几何模型复原侧面轮廓,在侧面摄像头所获取的图像上拟合原轮廓曲线,结合区域求差算法计算出磨损参数及位置信息。实验表明,此检测方法可以精确拟合圆周刃轮廓,提取磨损缺陷区域,检测精度达到0.01 mm,实现了加工中心立铣刀在位检测。     

显微视场下微型零件亚像素边缘检测方法

为了提高微型零件在显微视场下的边缘检测精度, 提出了一种非正交二次B样条小波变换结合Zernike矩的亚像素边缘检测算法. 采用非正交二次B样条小波变换算法得到图像的像素级边缘, 利用Zernike矩算法的矩不变性对像素级边缘进行亚像素边缘细化. 为了实现算法的原理, 建立了一套微型零件的实时检测系统. 给出了系统的总体结构和工作原理, 完成了实时图像采集与检测, 分析了检测结果, 并对检测精度进行了评估. 实验结果表明: 该系统检测零件尺寸可以达到0.01~10 mm, 检测精度可以达到0.01%~0.1%, 可准确识别出微型零件的边缘, 将检测精度提高到亚像素级, 满足了在显微视场下微型零件检测的需要.     

结合Canny算法和Hough变换的轴类零件边缘提取

针对轴类零件的边缘提取存在易受噪声、表面质量和边界条件影响的缺点,提出了Canny边缘检测和Hough变换算法相结合的边缘提取方法。首先利用自适应中值滤波对图像去噪,在滤除图像噪声的同时保留了更多的图像边缘信息;然后在3×3的窗口模板内计算梯度幅值和方向,提高了算子的抗噪性能;再采用自适应双阈值算法求取高低阈值,实现边缘的检测和连接。最后利用Hough变换算法进行边缘拟合。实验结果表明,这种方法可以对不同直径的轴类零件图像进行边缘提取,能够获得比较完整而连续的边缘。     

一种改进自适应阈值的 Ｃａｎｎｙ算法

针对传统Canny算法在滤波时无差别平滑降噪、边缘信息丢失及模糊的现象,且人工选取梯度高低阈值存在局限性的问题,提出了综合考虑图像位置信息与亮度信息的双边滤波代替传统高斯滤波方法,结合最优化阈值分割法和Otsu法分别计算出图像高低阈值,采用边缘信噪比SNR函数对比验证边缘检测效果。改进后的Canny算法有效提高了边缘完整性,且伪边缘更少,对图像中相对较弱的边缘部分也有良好的提取效果,改进后的算法具有更高的信噪比。采用工业机械臂视觉采集零件边缘为背景,实验结果表明,改进后的Canny算法可以有效保留真实边缘信息,边缘更加连续且完整。     

基于改进SSD的多目标零件识别系统研究

在零件的装配、分拣、焊接等工业生产过程中,使用图像处理的方法对零件进行识别能够大大减少夹具的使用。在零件的图像识别领域中,提出一种基于多尺度融合的MDSSD零件识别系统,MDSSD网络以SSD网络为基础,通过针对特定的零件识别场景,特别是小目标零件,使用融合模块实现深层网络和浅层网络的跨层连接,并且实现类别的预测以及坐标的回归。在特定环境的螺钉、螺母、垫圈的测试数据集上,分别使用SSD网络和MDSSD网络对单张图片的单类零件和单张图片的多类零件进行检测操作。实验表明,使用MDSSD算法平均检测精度达到97.11%,检测速度达到32.00fps,MDSSD算法对比原来的SSD算法,平均检测精度提高了6.21%,能实时高精度地检测出零件,满足零件识别需求,可解决工业实际问题。     

面向回转类零件圆度的机器视觉测量方法与试验

针对工程应用中回转类零件的圆度测量精度不高、效率低等问题,提出了基于改进的Zernike矩亚像素边缘特征提取算法的回转类零件圆度视觉测量方法。建立了回转类零件轴截面图像的机器视觉测量系统,在分析零件轴截面图像特征的基础上,将传统的Zernike矩算法与最大类间方差法相结合得到改进的快速算法,提高了亚像素边缘点的定位精度。建立了轴截面圆度测量数学模型,应用标准量块对系统进行标定,实现了回转类零件直径与圆度的非接触式测量。试验结果表明,该方法不仅可使直径与圆度的测量达到亚像素级精度,还避免了传统测量方法造成的低效率与误判,实现了快速、准确、非接触式测量。     

机器视觉的薄片零件尺寸检测系统

对基于机器视觉的薄片零件尺寸检测系统进行研究。针对计算机硬盘弹性臂薄片零件的尺寸检测,采用线阵工业相机扫描获取待检零件图像,根据扫描特性提出了标定算法,同时提出了一种轮廓矢量化算法。将经过滤波、标定、二值化、边缘提取和细化的图像进行轮廓矢量化得到待检零件的尺寸参数,并与从设计图DXF文件中读取的零件的相应尺寸参数进行对比,判断零件制造质量。实测结果表明,检测系统的轮廓矢量化精度达到1 pixel,检测精度达到1 μm,平均每个零件的检测时间为1 s,该检测系统是可行的。