焊接机器人计算机视觉软件的快速开发方法

在研究VC 与Matlab混合编程的基础上,采用了VC 调用Matlab引擎的方法对焊接机器人计算机视觉系统数字图像处理的快速开发方法的进行了研究。本方法避免了VC 开发环境中编制图像处理函数过于复杂、效率很低的缺点,直接应用Matlab开发环境中的图像处理工具箱中的图像处理函数,大大提高编程效率,缩短图像处理方法的开发时间。     

基于Matlab起重机吊钩表面缺陷检测图像处理

针对起重机重要零部件通常采用人工抽样检测的弊端,以图像处理技术为基础,进行基于Matlab的吊钩表面缺陷图像处理及缺陷识别算法的开发。缺陷识别算法采用了小波阈值去噪处理方法去除噪声、Canny算子进行边缘检测,最后进行图像特征分割实现最终的识别。该方法可以较好地检测起重机重要零部件表面缺陷,检测速度快,且准确率较高。     

基于Matlab图像处理的磨削表面粗糙度的检验

针对磨削表面粗糙度难于测量的特点,利用Matlab图像处理和图像捕获工具箱,提出用图像处理来检验磨削表面粗糙度的新方法,并将计算结果与针测式检验结果进行比对,证明计算方法的可行性.     

VC与Matlab混合编程实现成组图像边缘的连续提取

使用Matlab函数调用图像处理工具箱的功能,通过VC调用其导出的COM接口,并对返回结果进行后续处理,在充分利用成熟函数库加快开发的同时,保证了友好的用户界面和性能。程序打包后可以脱离Matlab环境运行。程序实现了输入一组DICOM图像,获得设定阈值下的二维边界信息。     

Matlab在多分辨金字塔式图像融合技术中的应用

在对图像进行融合过程中,多分辨率金字塔式方法是经常用到的技术之一.Matlab具有突出的数学运算功能,是图像处理的一种有效工具.在编程研究多分辨率金字塔式图像融合技术的基础上,总结了MATLAB在其中的应用.为了证明Matlab的高效性,给出了一个基于拉普拉斯金字塔式实现图像融合的函数式M程序实例和融合结果,得到了很好的融合效果.     

基于Matlab的铸造件表面缺陷图像预处理

针对铸造件的表面缺陷检测问题,采用机器视觉检测技术,通过CCD摄像头获取铸件的表面缺陷图像,Matlab读取该图像并通过图像处理函数对其进行图像预处理。本文对图像预处理的步骤包括图像去噪、阙值处理以及边缘检测,经过Matalb仿真分析得出,图像去噪采用均值滤波平滑,阙值的值为80,边缘检测采用canny算子。通过对铸件缺陷图像的预处理我们发现,Matlab图像处理能取得较好的效果,为后续的图像特征提取、缺陷识别打下坚实的基础,同时也为其他零件的表面缺陷图像处理带来实际的借鉴价值。     

一种基于Sobel算子的新型边缘提取技术

边缘检测和提取是机器视觉中必须要解决的问题,广泛应用于图像分割和模式识别等领域,由于其处理过程中经常会出现边缘不连续的情况,很多情况下并不能满足相应的工业标准。对此,根据图像处理的相关理论,结合Sobel算子,在Matlab环境中实现了对整个对象完整边缘的连续提取,并通过新算子与原有算子的边缘检测和提取的实例,最后得到了满足要求的完整边缘,验证了新算法的可行性与有效性。     

基于图像处理的对掘进机截齿磨损率的研究

为了研究截齿的磨损率,利用图像处理技术进行截齿磨损试验研究。用CCD摄像机获得完好截齿和磨损截齿的视频段,然后用Matlab读取图像并对其处理,利用统计学的方法,快速计算出两个截齿的平均面积,从而得到截齿的磨损率。该方法具有简单、准确、方便、快捷的特点,这对工作过程中及时采集截齿信息及改进截齿有重要的现实意义。     

轴类零件的高精度形状误差检测方法研究

总结了国内外检测技术的发展及研究现状,提出了以CCD摄像方式来获取轴类零件检测信息的方法。对采集到的轴类零件图片进行图像处理,得到零件各处的特征信息,从而精确快速地检测出需要的轴类零件各个位置的几何尺寸和形位公差,判断出被测零件是否为合格产品。     

基于数学形态学的磁环线圈数图像识别方法研究

针对绕线机产品检测中存在的问题,在Matlab平台上对绕线产品进行了图像处理,以辨别产品是否合格.利用基于Matlab编写的程序对磁环图像进行了分析,并提取出了磁环的线圈数.将拍摄的磁环图像读入程序以后,采用了格式转换、灰度转换等方法对图像进行了预处理,接着采用阈值分割图像、数学形态学处理、识别计数等方法,实现了数据自动化检测统计,为自动化产品检测提供了参考.研究结果表明:在Matlab平台上,绕线产品图像的线圈识别率达到了99％.