面向工业检测的图像快速去直线运动模糊方法

在基于机器视觉的工业检测中,由于受到传送带速度变化或曝光不足的影响,得到的图像有时会产生运动模糊,影响检测效果.为去除工业检测中的图像运动模糊,提出了基于R-L引导滤波的快速去直线运动模糊方法.首先对图像的模糊参数进行评估,使用图像的频谱图积分评估图像的模糊方向,使用微分自相关方法得到模糊图像尺寸;然后通过提出的R-L引导滤波方法快速去除运动模糊并抑制振铃效应,得到清晰图像.通过对工件图像去运动模糊的仿真,证明了模糊核估计的准确性;与TPKE和HQ比较,提出的去模糊方法在对噪声的鲁棒性和抑制振铃的效果更好.通过对不同速度、不同工件下实拍图像的去运动模糊实验,以及客观评价指标、去模糊前后尺寸测量的差异和运行速度证明了该方法在工业检测中的优势.实验结果表明:提出方法的R_(PSNR)和R_(SIMM)优于对比方法,在抑制振铃的同时保持了边缘的清晰;同时,提出方法对尺寸的测量影响也更小,在小尺寸的工件上具有优势,最大误差为0.31像素.     

基于改进PCNN的汽车油封尺寸检测方法

针对由于汽车油封固有的弹性给人工尺寸检测精度带来很大不确定性的现象,为满足于当前高效快速的现代化生产和汽车油封的高精度尺寸检测要求,提出一种汽车油封高精度尺寸检测方法.以PC NN模型为基础,为保留油封的真实边缘,将双边滤波和Canny算子的思想与PCNN算法相结合,利用Visual Studio 2015软件平台对油封图像进行边缘检测,获得清晰且连续的理想边缘图像.采用随机霍夫变换圆检测的优化算法对油封边缘点进行圆拟合,完成油封内径和外径的尺寸检测.将视觉检测结果与三坐标测量结果进行对比,结果证明,基于改进PCNN的汽车油封尺寸检测结果与三坐标测量结果的平均误差为0.017 6 mm,单个油封检测时间为2.17 s,满足油封尺寸高精度要求.由此说明,提出的基于改进PCNN的汽车油封尺寸检测方法是有效可行的.     

柱状喷射沉积坯图像处理法的精确检测

为保证检测精度,在柱状喷射沉积坯尺寸的实时检测中,采用了两个不同尺寸模板的Zernike矩亚像素边缘算子进行边缘检测,其中较小尺寸的3×3模板用于快速检测边缘,较大尺寸的7×7模板用于重新精确定位边缘.检测结果表明,边缘的厚度为1个像素,实际边缘厚度为小于1的亚像素精度.采用贝塞尔曲线对边缘突变、边缘不连续处进行了修补,最终获得了完整的柱状喷射沉积坯轮廓.验证结果表明,检测的沉积坯尺寸相对误差为0.94%,满足检测精度的要求.     

一种基于视觉测量技术的复杂工件检测系统

针对金属工件具有强反射性和工件形状复杂的特点,设计了一种基于视觉测量技术的复杂工件二维检测系统。采用一种改进的基于灰度矩的亚像素边缘定位算法对边缘进行了精确定位,随后根据边缘点数据拟合出圆心与直线,最终求出工件的各个尺寸参数。测量尺寸参数误差小于0．03mm,重复性误差±30σ±4．5μm,实验结果表明,系统具有实时、非接触、速度快、精度高以及抗干扰能力强等优点,可以满足复杂工件尺寸检测的需要。     

基于图像处理的纱线条干实时检测

将图像处理的方法用于纱线条干边缘的实时检测,运用VC++6.0中的VFM库函数实现纱线图像的实时获取.采用Sobel边缘检测算子对获取图像进行边缘处理.提取纱线边缘以直观反映纱线的粗细程度、毛羽等外观特征:并采用高斯函数进行滤波,使检测结果更加可靠.实验结果表明,采用该方法进行纱线条干实时检测,可提高检测效率与检测精度.     

一种黑片图像亚像素边缘检测方法

为了提高黑片图像边缘检测的精度,提出了利用亚像素边缘检测技术来检测黑片图像的边缘.针对Zernike矩的亚像素边缘检测算法存在计算量大和边缘定位精度低等不足,利用Sobel算子对图像进行像素级边缘提取,然后利用改进的Zernike矩算子来检测黑片图像的亚像素边缘,为了防止Sobel算子遗漏可能的亚像素点,增加了一个搜索算法来提高检测的精度.实验结果表明,该方法测量精度高,定位精确,能够应用于黑片的在线检测.     

图像边缘检测Laplace算子的改进

目的改进原有Laplace算子在检测图像边缘时的精度和清晰度,进一步准确地研究图像的基本特征.方法通过将原有的模板从3×3矩阵形式扩展成7×7矩阵形式.除了对特殊方向的边缘进行检测外,增加对非特殊方向边缘的检测.同时根据各点与中心点的距离远近设置合理的权系数,以提高边缘检测的效果.结果通过比较原有算子和改进算子的实验效果图表明,运用改进的Laplace算子进行边缘检测,边缘更加连续、准确和清晰,有效避免了伪边缘的出现.同时检测出一些原有的Laplace算子检测不出来的边缘,弥补了原有的Laplace算子的缺陷,取得了较好的效果.结论对Laplace算子的改进,提高了图像边缘检测的效果,较好的保持边缘的连通性,准确地检测图像的边缘.     

常用的数字图像边缘检测算法分析

随着计算机视觉技术的发展,数字图像处理技术被广泛应用到各个行业中,并展现出广阔的发展空间.边缘提取技术是计算机视觉技术的一个基本的核心技术,因为边缘包含着图像的重要信息,边缘提取的效果在一定程度上也影响着进一步处理的精度和性能.介绍了基础边缘性质的检测算子、二阶倒数过零点的边缘检测方法,并对各算法的性能进行了分析比较,指出了各种算法的优缺点和应用领域.     

基于曲线拟和的亚像素边缘检测

提出了一种高精度零件尺寸测量的亚像素边缘检测算法,采用改进的Sobel算子去掉局部非极大值点获得像素级边缘,在梯度方向上进行高斯曲线拟合,可实现图像边缘亚像素精确定位,提高测量系统的精度。     

基于中值滤波与Sobel、Canny算子的图像边缘检测研究

提出一种在噪声条件下将中值滤波与Sobel、Canny算子相结合进行图像边缘检测的方法。首先,采用中值滤波对图像进行平滑处理,再利用Sobel、Canny算子检测图像边缘。仿真实验表明,该方法对图像边缘检测精度较高,抗噪声性能强,可提高图像边缘检测效果。     

基于图像的小尺寸零件圆参数亚像素定位算法

亚像素软件处理技术可以在一定程度上补偿图像测量系统由硬件限制引起的边缘定位误差,针对工业中的小尺寸圆形零件参数检测,提出了一种基于Zernike矩、二次多项式插值和最小二乘法拟合的圆参数亚像素定位算法。首先根据Zernike正交复数矩建立圆物体边缘点与边缘参数之间的映射关系,并提取边缘点;然后利用二次多项式插值在梯度方向上对提取出的边缘点进行进一步定位;最后利用最小二乘法拟合插值后的边缘点,得到亚像素精度的圆参数。通过小尺寸圆形惯性器件图像边缘提取实验,对该算法的有效性和检测精度进行了研究,给出了惯性器件的实测尺寸对比结果。实验结果表明:提出的圆参数亚像素定位算法比传统算子具有更高的检测定位精度,可满足图像目标高精度实时在线测量的要求。     

基于图像边缘检测的图像识别算法

在图像识别问题中,基于Haar特征的图像识别算法已经十分普遍,并且得到了广泛的应用。但是,目前此类算法还存在有时间复杂度高、对图像亮度、尺寸变化敏感、图像识别精度差等缺点。为了提高图像识别的精度,提出了一种新的边缘检测图像识别算法。这种算法首先使用Canny算子将图像的边缘像素识别出来,然后计算每一个有效像素的梯度。通过得到的像素梯度序列建立归一化直方图,对归一化直方图分析后得到最优识别。基于边缘检测的图像识别算法使匹配图像效率得到了提高,图像识别流程得到优化。     

基于改进Zernike矩的玻璃瓶亚像素边缘检测算法

图像的边缘检测精度决定了实际尺寸的测量精度,为了提高测量精度,提出了一种基于改进的Zernike矩的测量玻璃瓶实际尺寸的算法。将传统的Zernnike矩算法与Otsu自适应阈值法相结合,得到改进的快速算法;利用该快速算法对采集的玻璃瓶图像进行亚像素级边缘检测;运用最小二乘法根据亚像素坐标对瓶口与瓶底所形成的椭圆进行拟合;应用标准块规对系统进行标定并得到玻璃瓶实际的测量尺寸。实验结果表明,该方法不仅可使边缘检测达到亚像素级精度,还避免了人工反复选择阈值而造成的低效率与误判,实现了快速、准确、无接触测量实际尺寸的功能。     

改进的模糊竞争边缘检测方法

广义模糊增强的主要功能是增强图像的区域对比度,减少灰度层次;而具有竞争性质的模糊边缘检测方法希望待处理图像的区域对比度大.所以将广义模糊增强算法用于对图像作区域对比度增强处理,然后对增强后的图像再施以具有竞争性质的模糊边缘检测方法,便可以提高图像边缘的提取精度.     

二维几何尺寸非接触测量的边缘检测

主要分析了边缘检测的一些典型算法在二维几何尺寸非接触测量应用中的优劣，并得出经Robert边缘检测算子处理后的图像最适宜用于二维几休尺寸的非接触测量。在此基础上又给出了一种二维尺寸非接触测量的三镒平均数据处理方法。方法有铲地消除了拾取边界点时带来的误差，同时在拍摄被测物的图像时，在被测物的横断面内对被测物的旋转定位没有要求。方法对二维几何尺寸CCD非接触测量具有一定的通用性。     

一种新的堆积颗粒图像边缘检测方法

提出了一种应用混合神经网络进行颗粒图像边缘检测的方法,混合神经网络由用于对边缘侯选图像的二值输入模式进行聚类特征提取的自组织竞争子网络（ASCSNN）和用于获取颗粒图像边缘矢量信息的BP子网络（BPSNN）组成,边缘侯选图像是通过采用基于灰度极小值算法提取边缘倏选像素获得,神经网络以边缘倏选图像中的边缘侯选像素及其邻域像素的二值模式作为训练样本,对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性较好、边缘描述真实、抗能力较强、适用于颗粒图像的边缘检测。     

噪声对边缘定位精度的影响

针对噪声对图像边缘检测等过程带来的极大干扰严重地影响了图像质量的问题,研究图像中所混有的白噪声对边缘定位精度的影响。采用一维灰度矩法与高斯拟合法这两种亚像素边缘定位法进行比较、分析,分别讨论了两种算法在偏移量不变、不同信噪比情况下,噪声对边缘定位精度的影响。实验结果表明,在对受噪声影响的图像进行边缘检测时,采用高斯拟合法能够有效地抑制噪声,提高检测精度,在信噪比SNR≥30dB时的分辨率精度能达到0.02个像素,而一维灰度矩亚像素边缘法无法达到该精度。     

CCD尺寸检测装置中采用远心光路的实验分析

本文介绍了一种以新型光电转换器件 CCD 为象传感器的光电式工件外径尺寸检测装置。给出了该检测装置的基本原理和组成。对检测装置中光学系统进行了较为详细地讨论。实验表明,该装置可以有效地保证检测精度,并找出了不同直径工件为保证精度所允许的移动量。     

基于边缘检测的焊缝图像的区域分割

为了检测焊缝图像中焊缝区的缺陷,根据射线检测焊缝图像的特点,首先对图像进行对比度增强、二值化处理和物体边缘轮廓的细化和收缩处理,检测出图像焊缝区与缺陷区的边缘.最后用Hough变换对图像进行缺陷区边缘检测.仿真与实际运行结果表明,该方法检测精确度高,且有效提高了检测速度.     

红外图像增强方法的研究

为解决对比度差、边缘细节模糊等问题,提出了用分段增强法提高红外图像对比度.分段小波增强算法能有效地同时增强红外图像对比度及边缘细节,并抑制噪声.建立了表征图像边缘的特征向量.根据红外图像边缘的特征,准确提取红外图像的边缘.通过神经网络边缘检测法对样本集训练,使网络具有依据边缘特征向量求解场景中物理边缘的能力.实验结果表明神经网络边缘检测算法的精度优于其他算法,抗噪声能力强、边缘定位能力强、检测精度高.