基于小波多尺度分析的图像边缘检测

提出了小波多尺度分析的图像边缘检测方法,给出了该边缘检测方法的算法步骤及流程,解决了第一代多尺度边缘检测所存在的"边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择"问题.应用小波变换在不同尺度和同一尺度下呈现的规律性,对轴类零件图像进行边缘检测实验,获得了清晰且精度较高的图像边缘检测效果.     

基于自适应阈值“双K算法”的零件缺陷边缘检测

针对传统边缘检测方法难以实现边缘信息的准确检测问题,提出了一种零件缺陷边缘检测的新方法.首先对采集到的零件缺陷图像进行灰度化和Wiener滤波,以减少噪声等因素对后期检测的影响;然后,以kalman算法预估图像分割阈值作为Krisch算法的初始阈值;在此基础上,进行零件缺陷边缘检测,以提高零件缺陷检测的准确性.最后,利用MATLAB软件对零件缺陷图像进行仿真试验,验证边缘检测算法的检测效果.实验结果表明,推荐算法检测的平均准确率达到94.38%,能够有效实现零件缺陷边缘信息的检测.     

多孔零件二维几何量高精检测系统的研究

为了提高工业零件检测效率和测量精度,研究了基于图像检测技术的多孔零件二维几何量的测量问题.先对CCD获取的零件图像进行分析处理以改善图像的可识别性,采用基于二次曲线拟合的快速亚像素边缘定位算法快速提取零件的精确边缘,从而提高系统的测量精度,并运用Hough变换计算被测零件的几何参数.实测结果表明,该系统的测量精度和准确度高,边缘定位精度达0.1 pixel,检测精度达101μm,最大相对误差为0.4%.     

小波去噪与Blob算法在零件位置识别中的应用

本文以工业制造自动生产线中的零件位置识别为研究主题,采用图像处理等方法来自动智能识别零件位置.首先使用二维单目的方式,采集数据集中的零件图像,然后对图像进行均衡化处理、灰度化与小波去噪算法等一系列预处理,使用基于区域算法与最优化算子Canny边缘检测方法的图像分割模型,对同一空间中的两个不同零件进行分割,得到的两个零件的图像分别作为基于Blob算法的零件位置识别模型的输入,从而识别出附件中两个不同零件的位置坐标.     

基于亚像素特征点提取的螺纹检测粗糙聚类算法

本文研究了一种应用于高速图像检测的基于亚像素特征点提取的螺纹检测粗糙聚类算法。其基本思想是:采用分阶段的高精度亚像素特征点提取方法,将图像边缘特征离散为亚像素级特征点,利用粗糙集中的不可分辨概念和近似集合概念,对图像亚像素级特征点进行粗糙聚类,以便区分图像中多个螺纹零件,确定螺纹小径不可分辨类。在此基础上,给出了螺纹几何参数测量的步骤和计算规则,根据计算结果对螺纹零件进行基于图像特征的判别和处理。这种基于亚像素特征点提取的螺纹检测粗糙聚类方法具有较高的检测精度。     

改进的精密机械加工零件表面缺陷检测算法

对加工表面纹理缺陷进行可靠的检测分析可以有效提高机械加工零件表面精加工的水平。基于计算机视觉技术对机械加工零件表面实现自动缺陷检测,由于机械加工零件表面纹理的特殊性,常用的灰度图像分割方法对机械加工零件表面缺陷的检测不适用;且其表面的缺陷信息无法预先得知,其图像分割是一个非监督纹理分割问题,对此提出了一种改进的模糊聚类缺陷检测算法,实现了对机械加工零件表面缺陷的自动化检测,实验结果证明了该算法的可行性。     

基于视觉显著性的零件缺陷检测

为了提高零件缺陷检测的准确率,提出了一种基于视觉显著性算法的零件缺陷检测方法。首先将采集零件缺陷图像进行高斯差分滤波,以最大程度消除背景信息的干扰。然后对高斯差分滤波后的零件缺陷图像进行超像素分割,并利用全局图像对比方法构建超像素图像显著图,从而有效的提高缺陷的显著性。最后,采用最大类间方差法分割缺陷。试验表明该方法能提高零件缺陷的检测准确率。     

图像处理在零件检测中的应用

介绍了一种依据图像处理技术检测机械零件的测量方法.以面阵CCD为图像传感器,通过图像采集卡将机械零件的二维图像输入到计算机中.在对原始输入图像进行直方图校正和边缘保持滤波处理后,时得到的较为平滑的零件图像进行边缘检测,提取目标曲线,并据此计算出零件的各参数值.最后通过MATLAB进行仿真.论证了该方法的高效准确.实用的优点.此种测量方法非常适合于微小的接触测量难以准确测量的机械零件的参数检测.具有广阔的应用前景.     

一种零件表面点云数据的获取方法

零件表面的点云数据可用于零件表面的缺陷检测,零件表面缺陷是造成零件生产损失的主要原因之一,因此提出一种基于线激光扫描的零件表面点云数据获取方法.首先对相机进行标定,可用于对相机采集到的图像进行矫正,同时得到相机的内外参数,用于后续图像处理的坐标转换;再利用图像采集系统采集图像,对图像依次进行高斯滤波、图像差分、高斯平滑、条纹中心线提取、坐标转换,得到零件表面的三维点云数据.零件表面的点云数据可用于判断零件表面是否有缺陷存在,从而减少由于缺陷而造成的损失.     

基于优化RANSAC算法的二次元快速稳定配准

针对检测零件缺陷的二次元光电检测仪的速度和稳定性要求,提出了一种加入预匹配的快速稳定的RASNSAC匹配方法.首先对零件图像轮廓区域矩分析以及轮廓多边形逼近以及对其CAD标准档进行解析计算得到图像轮廓和CAD图的重心、主轴方向以及特征点集,然后通过重心和主轴对零件图像和CAD图进行预匹配,最后利用RANSAC对预匹配后的特征点集进行快速匹配.实验结果表明,此改进算法显著地提高了图像的匹配速度和稳定性.