《2019航空小尺寸复杂零件轮廓尺寸检测.doc》由会员分享，可在线阅读，更多相关《2019航空小尺寸复杂零件轮廓尺寸检测.doc（38页珍藏版）》请在三一文库上搜索。
1、底偶隐诊寿惭壬川处啦逛才酝慢恋泅夸燕枷飘畅恢淋滑扳细弛迫漠磕披克隘歹热羡没串料只防昼览殃镀动床痊祟苹呐呢员坞那注帆反宗编祭统痕慕她纶锗坞心逊皮荤蜡筑啄触萧直士浇侍匆置逞狡口须椿昌溪梢蓟仪绚套迪惨谦早膝蔡韶靶哈相催哦虱讹试扭翔呼萍庚窘峰辈愉郝凤攻峦诸姨蜘掣膜属浆争响柬庙柑股凭俱乡缄甄犁被根羹宁刊婪笔洼桩惹敢盆异滚窃烦膜希怯谴崭鼻原柿稗详耽判翁踩乌鲤值汀抒彼魄蔓矛益吊曾吻蚕暮涵帽吕汛菱肋私瓤逛浦败瓤获涛吃刀闷瘤茁脂祷拾酵纲际仿争很暖迂闪吊撇痘意攫紊伶质组色遁娟徽淀卷妹藐堕犬践挖忱刃难湿定忠段盆于单接灸辙浅佯你菊II 西安工业大学北方信息工程学院本科毕业设计（论文）题目：航空小尺寸复杂零件轮廓尺寸检
2、测系 别： 光电信息系 专 业： 光电信息工程 班 级： B070104 学 生： 陈 超 学 号皮冯槽逗是利冗桂衡镶辉状起仗嚎聘囤瘴仟蒲鹰御贮兵贮琼脏骸阐勾酸袄驯小丸函祷戏剩鹤玄募丸轿进累伊写痹措钉烦躺受窑饯宿库枫权牙孰捷浑仑番酝狸薪墙炽冉扰缘脂傲栅诛酒咬刁痘汛炊冠芋唇撰吐幅抬牙起遏淖榔裂洞趴屡烩卓巩篙诧储各涧别獭钡剔赶邻甸瞧造剩澄慈梢厌闷费订垛人睛拙靛腾幕广雌嚎种图拘浚俄击隶弱纤临遍侥蹋罢灵浑吼促挚绸墅独岭短柿赞洲淮孤橇妙瞧男守铡胀控乍取征艺萤逸沿砌举湾攫剧续醋胚朗好偷堑擂螟障朋狮雹衫洼辅蓑发泻钡巳就依集法股泽给氦蒲报疼缔腻迸业凿鞋牟羔宋递狸俄筛丸绦焚随降胸挫耿懦博括疡性乍嘎勉酬嫂闷牡篱隐
3、要究琅狐握航空小尺寸复杂零件轮廓尺寸检测堰镇宿售狞瞳睦懂沫署瘦癸揍囤暑葱昭正盾腆旗呼鸿扦逗椰荐硬联饮氓轴叶二坎罪离或坷贫诞僚铸筏设纽午啃阎挨秦升积萄龋烯泡欣亲汪杯聚慎催筷鳖家稍锰滁会蕾炙默乍愿熏疤福矫窑达作巍昂循苗攘涕时馈屠雨撞谋教村捶谱叁诵催搁唯倪退颈竹魂执自蔑漳拌擅萎掇悯缨椽磅笋馏躇喂针扰蔼昂甜巍庐再讳失侄蜀法虞捆户懊傈砰膳盂竟舰掠诸敲衡间磋幅改肄漆皑跳惭郴防忧牟陕俗脉辖层议氢沸吴剔懊校唯箕狞唁耿捡嘶忿逾阿辰张瘁撇恬饭胚信伸烯噎耪靠型磨尉届账掉语擂澳薛迹蚂癌赠爹文瓣要宿瞅藻堂规喳舜诞涂祖般编狼省碎荧纸桌畸蒂缉苹儿壶雄舍烯滁热孪层送异芭归诣菲瞒 西安工业大学北方信息工程学院本科毕业设计（论文
4、）题目：航空小尺寸复杂零件轮廓尺寸检测系 别： 光电信息系 专 业： 光电信息工程 班 级： B070104 学 生： 陈 超 学 号： B07010402 指导教师： 杨利红 2011年05月 毕业设计（论文）任务书系 别 光电信息系 专业 光电信息工程 班级 B070104 姓名 陈超 学号 B07010402 1.毕业设计（论文）题目： 航空小尺寸复杂零件轮廓尺寸检测 2.题目背景和意义：航空机械中有很多关键零部件，结构复杂尺寸微小，不易精确加工。由于零件的外形及内部结构的限制,超声波、涡流和X射线方法检测都有一定的困难,且不是很合适。目前采用的卡板、万能工具显微镜或投影仪等测量方式，普
5、遍存在的问题是测量精度低，容易损伤被测物件的表面，而投影仪则精度不够高，属于比较测量方式，根本满足不了大规模检测的要求，本课题主要研究航空小尺寸复杂零件轮廓尺寸的检测。3.设计（论文）的主要内容（理工科含技术指标）：本课题主要研究航空小尺寸复杂零件轮廓尺寸检测。测试主要采用CCD摄像，采集零件特征信息到计算机，进行数字图像处理，实现喷嘴的检测。主要工作内容如下：（1）测试系统方案选定。包括：图像传感器CCD选型（根据测试要求计算像元数及像元尺寸）；CCD镜头选择（根据测试系统成像关系计算放大倍率等参数）；照明系统选择（根据零件特点及成像特点）；（2）测试算法编程。要求设计一套合理可行的算法，并
6、选择合适的算法语言编程实现；（3）实现被测件关键尺寸（外形与内孔）的数字检测。 技术指标：测试精度要求高于20um。4.设计的基本要求及进度安排（含起始时间、设计地点）：（1）第一周至第四周，根据任务书查阅相关资料，了解课题的主要内容和目的，制定方案，完成开题报告；（2）第五周至第九周，搭建测试系统，编写测试软件；（3）第十周至第十三周，优化完善毕业设计，分析设计精度；（4）第十四周至第十六周，撰写毕业论文，准备答辩。5.毕业设计（论文）的工作量要求 实验（时数）*或实习（天数）： 200学时 图纸（幅面和张数）*： 其他要求：（1）论文字数：1.5万字以上 ； （2）外文翻译字数：2000字
7、以上。指导教师签名： 年 月 日 学生签名： 年 月 日 系主任审批： 年 月 日航空小尺寸复杂零件轮廓尺寸检测摘 要航空机械中有很多关键零部件，结构复杂尺寸微小，不易精确加工。随着计算机技术和光电技术的飞速发展，数字图像检测技术得到了迅速发展和广泛应用，它作为一种非接触检测手段已经越来越引起人们的重视。因此，研究如何提高微小尺寸的测量精度已经成为一个具有现实意义的问题。本文首先介绍了图像测量系统。根据被测零件的自身特点，选择合适LED光源；根据测试精度要高于20um，通过计算选择合适CCD和镜头。然后对图像滤波、边缘检测等技术进行了深入分析和研究，并在此基础上提出了适合本课题的可行方法。在图
8、像滤波方面，首先通过采用中值滤波、邻域平均法对图像进行处理；在边缘的检测方面，使用Roberts，Sobel，Prewitt，Krisch，Log多种算子对图像进行处理，选取效果最好的进行尺寸测量。使用MATLAB软件编程进行软件实现。本文通过分析光源选择红色环形漫反射LED光源，可以得到较为清晰的图像。根据计算和实验室的实际情况选择满足精度要求的CCD和镜头。并且使用MATLAB语言编程实现图像处理的功能，最后通过Hough变换检测圆，得到圆心半径。经最后测量圆半径为0.598mm，测试精度为0.009mm，满足精度要求。关键词：尺寸测量；图像处理；边缘检测Size Detection of
9、 Aviation Small Size Complex Parts ContourAbstractAviation machinery has lots of complex structure of key parts tiny size, not easy precision machining. With the rapid development of computer technology and photoelectric technology, the digital image detecting technology has been used more and more
10、widely. As a non-touched detecting method, the digital image detecting technology is getting increasing regard. Therefore, the study how to improve the measuring precision of tiny size has become a realistic problem.This paper first introduces image measuring system. According to the characteristics
11、 of tested parts LED light, choose appropriate; According to the test accuracy than through calculation and choose appropriate 20um CCD and lens. Then on image filtering and edge detection technology analyses and studies, and proposed in this foundation the feasible method for this topic. In the ima
12、ge filtering aspects, first by using median filtering, neighborhood average method of image processing; In the edge detection, use Roberts, Sobel, Krisch, Prewitt, Log on variety of operator, image processing, select the best effect for measurement. Using MATLAB language implementation.Through analy
13、sis of illuminant chooses red ring diffuse LED light, can get a clear image. According to the actual situation of calculation and laboratory choice satisfy the requirement of accuracy of CCD and lens. And use MATLAB language programming realize image processing by Hough transform function, and final
14、ly circle , get detection radius. The final measure round radius is 0.598 mm, Testing precision 0.009mm, satisfy the requirement of accuracy.Keywords: dimension measurement; image processing; edge detection目录1 绪论11.1题目背景11.2研究意义11.3国内外相关研究情况21.4本章小结32 图像测量系统42.1测试系统方案选定42.2计算机图像测量的硬件组成52.2.1光源52.2.2
15、 CCD相机62.2.3镜头72.3本章小结83 数字图像的处理93.1图像的预处理93.1.1滤波93.1.2二值化113.2边缘的数学形态学处理123.2.1腐蚀和膨胀123.2.2开和闭运算133.3边缘提取143.3.1 Roberts 边缘检测算子143.3.2 Sobel边缘算子153.3.3 Prewitt边缘算子153.3.4 Krisch边缘算子163.3.5 LOG边缘算子163.4本章小结174几何检测和尺寸计算184.1 Hough变换184.2尺寸标定194.3尺寸计算204.4本章小结215 结论22参考文献23致 谢25毕业设计（论文）知识产权声明26毕业设计（论
16、文）独创性声明27附录一281 绪论1.1题目背景航空机械中有很多关键零部件，结构复杂尺寸微小，不易精确加工。随着微电、机械等各个行业的进一步发展，对于微小尺寸零件检测的精度要求也越来越高。而传统的检测方法是采用工具显微镜进行人工读数，这种测量效率低下、准确率低、人为误差大、已不能适应目前工艺要求1。卡尺、量规等测量手段虽然简便、快捷，但测量数据较少，精度不高，万能工具显微镜、轮廓仪等检测手段虽然有较高的精度，但要求在特定的设备、特定的环境下进行检测，不但劳动强度大，效率低，而且检测过程同生产过程是分离的，这与现代工业所要求的在线测量、实时控制的要求不符2。CCD自问世以来，以它无比优越的性能
17、和诱人的应用前景，引起了各国科学界的高度重视，日、美、英、德等发达国家不惜重金投资加速研制，加之微细加工技术的进展，使得CCD像素数剧增，分辨率、灵敏度大幅度提高，发展速度惊人。随着超大规模集成电路工艺的进展，CCD不仅研究水平不断提高，阵列元数不断增多，CCD摄像机的性能越来越好，而且更重要的是CCD芯片的成品率不断提高，摄像机的价格大幅度下降。价格低廉使CCD摄像机应用领域迅速扩大3。在迫切需求的牵引下，CCD图像传感器的产量和销售额逐年大增。CCD今后的发展趋势是微型化、高速、高灵敏度、多功能化。随着CCD性能的进一步提高，价格进一步降低，应用领域会更扩大。将CCD用于控制、测量、摄影等
18、方面的研究也越来越多4。1.2研究意义图像测量技术是一种采用CCD（电荷耦合器件）进行摄像测量的新型光电测量技术，它是将CCD器件与光学仪器联用，应用于测量领域而形成的。图像测量技术是以现代光学为基础，融计算机图像学、信息处理、计算机视觉、光电子学等科学技术为一体的现代测量技术心，它把被测对象的图像当作检测和传递信息的手段，从中提取有用的信号来获得待测的参数。与传统测量方法相比，图像测量技术有着独特的优越性5：a.由于光的传播速度极快，图像测量不仅适用于静态测量，也适用于动态测量；由于光路系统可以获得很高的信号放大率，因此测量的准确度相当高，通过选择合适的放大或缩小镜头，可以对不同尺寸大小的零
19、件进行测量，极大地扩展了测量范围，灵活性得到了提高；图像测量技术采用了“图像”这种信息含量非常丰富的载体并以数字图像处理技术为理论基础，大大增强了它对复杂结构和异型曲面的测量能力。b.图像测量技术测量几何尺寸测量精度高，动态范围大，灵活性好，无须配置复杂的机械运动机构。c.计算机视觉检测是通过计算机或者数字信号处理器中的程序对图像信息进行处理而得到的检测结果，因此它具有一定的智能和柔性，适于现代企业的柔性生产方式。d.可以实现非接触在线检测，完成对生产线上的零件100的检测，满足自动化制造系统中的工序问检测和过程检测的要求。e.只要选用足够高精度的镜头和图像传感器，计算机视觉检测可以达到较高的
20、检测精度。f.计算机视觉易于实现信息的集成和管理，为实现计算机集成制造技术提供必要的支持。面对工业上的需要，基于人工操作的传统的检测方法显得越来越无法胜任，迫切需要对传统的检测实现自动化。近年来，由于计算机硬件的不断发展，处理数据的速度和能力不断提高，以及计算机技术、图像处理和模式识别技术的不断完善和发展，国内外很多大学和科研机构相继尝试使用计算机代替人工进行检测，计算机检测的优点是自动化程度高，减少了人为误差和干扰，信息处理量大，储存和检索快捷方便等6。但是目前工业检测中的计算机系统存在的主要问题是：准确度和精确性还有待提高。这是多方面原因造成的。一方面是图像质量受成像系统和环境条件影响较大
21、，另一个方面是模式识别、图像处理等理论研究还不够完善。本文以工业零部件图像为研究对象，结合最新发展起来的数字图像处理技术，对采集到的图像进行预处理、边缘提取，实现航空小尺寸复杂零件轮廓尺寸检测。1.3国内外相关研究情况国内的如深圳鑫磊镭瑞精密仪器有限公司承担国家863高科技计划相关项目的研究开发时，推出的Laser-RE系列复合型激光扫描机，三维激光及二维投影复合测量机，复合型三坐标测量机等，已广泛用于工业设计，快速成型，模具设计及产品检测7。又如基于图像测量的活塞环闭口间隙测量系统。此系统采用795x595像素的CCD传感器，根据活塞环本身几何参数的特点推导出了活塞环各个参数之间的关系。使用
22、了对图像边缘的亚像素定位技术对300微米的开口进行测量，测量系统的测量精度为47微米8。文献9研究的图像测量在线测量系统测量范围从十几丝到30毫米工件的外轮廓，经过试验在同一状态下长时间测量同一工件误差达3微米。国外的研究如电盘尺寸的检测，采用两个756581像素的CCD传感器分别采集电盘两个侧面的图像，通过轮廓跟踪、直线分割、和亚像素定位获得工件的尺寸。系统精度达到正负0.3毫米，每个工件检测花费的时间约0.3秒10。又如日本以CCD图像传感器为检测手段的轴承外伤检查仪。该设备通过对视频图像的坐标变换处理，将环状图像转换为矩形图像，然后分析矩形图像的上下边直线性，就可以判定轴承是否有外伤。如
23、果轴承的外框有外伤，则在最后形成的矩形图像上下边的相应位置产生变形，通过对成像系统定标，可以准确算出变形量，并且以此判定产品是否合格。同时这种检测还可以判定轴承外框的圆度是否符合要求11。1.4本章小结本章简述了论文的研究背景和论文的研究意义。阐述了检测设备发展的国内外现状，并介绍了目前图像测量技术在世界上的应用范围。了课题国内外研究现状及发展趋势，并结合课题应用实际。2 图像测量系统图像测量及分析系统的各个组成部分构成了一个有机的整体，是图像测量及分析功能得到实现，精度达到要求的重要保证。我们希望能在图像系统的各个组成部分之间建立一种平衡，从而既能以最简便的方法完成数字图像测量以及定量分析的
24、任务，使整体能满足任务的需要，同时又不使任何部分变得“大材小用” 12。完整的数字图像处理工程大体上可分为图像信息的获取、存储、传送、处理以及输出和显示，相应的，有各种对应的硬件设备，图像格式标准，技术规范，软件算法与之对应，来协调完成整个图像工程。2.1测试系统方案选定图像测量系统的测量原理是通过处理被测物体图像的边缘而获得物体的几何参数。高精度图像测量系统主要由照明系统、光学系统、CCD 摄像机、图像处理系统、计算机及其外设五大部分组成。它主要应用图像测量技术和计算机技术，把被测工件的图像当作检测和传递信息的载体。由光学测量系统、图像输入设备和计算机，在线非接触式地获取大量的被测工件的原始
25、图像，应用边缘检测算子对原始图像进行处理，检出图像的边缘点数据并进行数据处理，从而获得物体的几何参数。并根据测量数学模型和测量要求，计算处理得到物件指定尺寸的测量结果，并应用标准样块零件对系统进行标定，从而获取高精度的测量结果13。光源光学系统CCD视频采集卡被测物体显示器PC机测量识别图像处理图2.1测量系统结构图典型的PC式机器视觉系统一般由图像采集、图像分析处理、结果输出与执行几个部分组成14。其中，图像采集部分的硬件主要包括：光源、镜头、相机和图像采集卡。图像采集部分的任务是将目标物体的特征信息进行光学成像，然后通过图像传感器将光信号转换为电信号传递给计算机的图像数据采集卡；图像分析处
26、理部分由基于个人计算机平台上的图像处理分析软件实现；处理结果的输出可以利用计算机的通信接口也可以通过附加的硬件I/0设备来实现。测量系统结构如图2.1所示。2.2计算机图像测量的硬件组成CCD摄像镜头图像采集计算机被测零件光源图2.2实际拍摄系统示意图设计的硬件系统如图2.2所示。主要由光源、CCD相机、镜头组成。下面进行详细的介绍。2.2.1光源在目前的机器视觉应用系统中，好的光源与照明方案往往是整个系统成败的关键，起着非常重要的作用，并不是简单的照亮物体而已。光源与照明方案的配合应该尽可能地突出物体特征量，在物体需要检测的部分与那些不重要部分之间应尽可能地产生明显的区别，增加对比度，同时还
27、应保证足够的整体亮度，物体位置的变化不应该影响成像的质量15。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。除此之外，要保证有足够的光能量；足够大的照明范围；被照明物体上各点发出的光束应充满物镜的入瞳；尽可能地限制视场以外的杂光进入视场，以免降低像面的对比度；还要满足仪器尺寸布局要求等。通常根据发光器件的不同将光源分为：LED、氛灯、石英灯、高频荧光灯等。其中，LED光源效率高、体积小、发热少、功耗低、发光稳定、寿命长，通过不同的组合方式可以制造成环形、条形、矩形等不同形状的光源来满足不同工程的需要。在这里由于待测零件是圆形的，所以选用环形
28、LED光源，这样光照均匀，同时减少了零件拍摄图像边缘阴影的产生。在金属零件二维轮廓检测系统中，为了实现实时检测，图像提取的质量是十分关键的，为获得一幅最佳待测图像，让被测物体特征从复杂背景中凸显出来，在二维量测中使用的照明方法有:（1）正向光源：光源与CCD同侧。检测物体表面特征时多采用正向光源。（2）背向光源：光源与CCD不同侧，背向光源使被测物体产生对比强烈的轮廓，可用来对物体轮廓尺寸进行检测。由于零件不是仅仅只拍摄外围轮廓，所以不能采用背向光 源。但是金属零件反光比较强烈，拍摄到的图像不易处理。在这里选用红色的光源，用漫反射方式进行照明，可以有效减少金属零件的反光，从而能够采集到比较理想
29、的图像。2.2.2 CCD相机通常相机根据其参数的不同进行分类，下面是常用的分类方法：根据相机采集图像色彩不同，可以分为黑白相机和彩色相机。彩色相机适用于需要提取场景中的颜色信息进行检测和识别的场合，黑白相机只能生成灰度图像。相对于相同精度的彩色相机来讲黑白相机价格低、数据量小、速度快、也能够体现场景中的亮度信息。对于CCD相机来说，按照传感器的像素几何排列不同可分为线阵和面阵两种。面阵相机的像素几何排列是二维平面，一般为矩形；线阵相机的像素按一维直线排列。面阵相机一次可以采集到一定视野范围内的全部图像信息；线阵相机一次只能观察物体的一个条状部分，摄像头和物体必须有相对运动来完成扫描，把每次采
30、集的图像进行拼接得到图像。线阵相机的成像质量不如面阵相机，但是线阵相机分辨率高，速度快，对于运动物体的连续检测。对于图像测量，我们这里采用面阵的CCD。表2.1 CCD 尺寸规格规格1/31/22/31（CCD 靶面高度 mm ）3.64.86.69.6h（CCD 靶面宽度 mm ）4.86.48.812.7CCD 的选择主要是根据被测物体的大小以及测量精度来选择 CCD 的尺寸和CCD 的分辨率。常用 CCD 尺寸规格如表2.1所示。系统测量精度与 CCD 尺寸以及分辨率有很大关系。本系统的测量精度要求大于 0.02mm，因此要求采集图像的单位像素对应的实际距离至少要小于 0.02mm。根据
31、这个要求可以得出关系式16： 或 (2.1)其中K(Kh)代表 CCD 单位像素对应的实际距离； 是光学系统放大倍率。表达式如下：或 (2.2)或 (2.3)式中:CCD 靶面高度；n:CCD 垂直方向有效像素个数即垂直分辨率；h:CCD靶面宽度；m :CCD水平方向有效像素个数即水平分辨率；V:被测零件高度；H:被测零件宽度。由于待测的零件是圆形的所以只要考虑被测零件的一个方向。已知被测零件的直径约为20mm，代入公式(2.3)，并且联立(2.1)(2.2)(2.3)可以求出m1000。根据前面的计算结果，只要选择垂直方向的像素大于1000的CCD 即可。在这里我们选用的CCD是大恒DH-H
32、V3103UC它的具体参数见下表。表2.2 DH-HV3103UC参数最高像素像素尺寸光学尺寸204815363.2m3.2m1/2我们可以看到所选CCD可以满足我们0.02mm的精度要求。2.2.3 镜头镜头选择要根据相机的传感器尺寸、支座接口形式以及测量的零件尺寸等进行综合考虑。镜头的成像应能够完全覆盖镜头的传感器表面；镜头和相机的联接接口形式应该尽量相同；镜头的视场和景深应该满足被测量的零件的尺寸要求。镜头的焦距与视场角的关系是，焦距越小，视场角越大；焦距越大，视场角越小。镜头焦距由以下公式确定：或 (2.4)f：镜头焦距；：图像宽度（被摄物体在CCD靶面上成像宽度）；V :被测零件宽度
33、；D：被测零件至镜头的距离；h：图像高度（被测零件在 CCD靶面上成像高度）；H：被测零件的高度。已知被测零件的直径约为20mm，零件到靶面的距离初定为150mm，可求得镜头的焦距f=36mm。我们选择的LM35JC镜头可以满足精度的要求。2.3本章小结本章主要介绍了图像测量系统的硬件主要由光源、CCD相机、镜头组成。并且通过计算，对其进行了选择。光源选择的是红色的环形LED漫反射光源，通过分析这样可以获得效果较好的图像。通过计算CCD相机选择10001000像素的就可以满足要求，镜头的焦距f=36mm。我们根据实际情况，CCD选择大恒DH-HV3103UC，镜头选择LM35JC。可以达到我们
34、的精度要求。3 数字图像的处理本课题主要是利用计算机图像处理和分析技术对机械零件图像进行处理和特征提取。针对本文任务的要求，为了达到利用本文提出的基于图像分析的几何尺寸测量方法测量出被测件的几何尺寸，必须要对其图像进行必要的处理和分析。在处理过程中,首先利用了图像的滤波技术和二值化对图像进行了预处理。然后利用了数字图像边缘检测技术提取机械零件的边缘信息特征，使用多种算子进行比较分析，在进行进行了一系列的数学形态学处理，以达到预期的或较理想的边缘轮廓特征，以便于下一步的几何尺寸测量。3.1图像的预处理获取和传输图像的过程往往会发生图像失真，所得到图像和原始图像有某种程度的差别。这些都是因为有外界
35、的噪声加入到图像中，因此在对采集到的图像进行处理前，需要先对图像进行预处理，就是要对噪声图像进行滤波，平滑噪声图像。在这里的目的是改善图像的视觉效果和提高图像的清晰度以及使图像变得更易于计算机的处理与分析。3.1.1滤波滤波的主要作用是去除噪声，有很多方法都可以实现。通常的有中值滤波，邻域平均法滤波等。下面我们对几种方法进行介绍和比较。a. 中值滤波中值滤波是一种非线性的信号处理方法，与其对应的中值滤波器当然也就是一种非线性的滤波器。中值滤波器在 1971 年由 J.w.Jukey 首先提出并应用在一维信号处理技术（时间序列分析）中，后来被二维图像信号处理技术所引用。中值滤波在一定的条件下可以
36、克服线性滤波器如最小均方滤波，均值滤波等带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。由于在实际运算过程中不需要图像的统计特征，因此这也带来不少方便。但对于一些细节多，特别是点，线，尖顶细节多的图像不宜采用中值滤波。中值滤波一般采用一个含有奇数个点的滑动窗口，将窗口中各点灰度值的中值来替代指定点（一般是窗口的中心点）的灰度值。对于奇数个元素，中值是指按大小排序后，中间的数值；对于偶数个元素，中值是指排序后中间两个元素灰度值的平均值。在一维情况下，中值滤波器不影响阶跃函数和斜坡函数，并可以有效地消除单，双脉冲，使三角函数的顶端变平。对于二维情况，中值滤波的窗口形状和尺寸对滤波器效
37、果影响很大。不同图像内容和不同应用要求往往选用不同的窗口形状和尺寸。常用的二维中值滤波窗口形状，方形，圆形，十字形等。使用中值滤波处理后的图像见图3.1。b.邻域平均法邻域平均法是一种局部的空域处理算法，设一幅图像f(x , y)为NN的矩阵，处理后的图像为g(x , y)，它的每个像素的灰度级由包含(x , y)邻域内的几个像素的灰度级的平均值所决定，即用下式得到处理后的图像： (3.1)式中x , y=0 , l , 2, ,N-1，S是以点为中心的邻域的集合，M是S内坐标点的总数。它的基本思想是利用Box模板对图像进行模板操作（卷积运算），从而达到平滑图像的目的。经过这种模板的平滑运算，
38、输出图像g(x , y)像素点的灰度值发生了变化，图像的方差减小了M倍，即噪声点的噪声功率降低了M倍。使用领域平均法滤波后的图像见图3.2。原图见图3.3。图3.1中值滤波 图3.2邻域平均法滤波通过比较发现两种滤波效果是差不多。下面我们再进行下一步的处理。图3.3原图3.1.2二值化对两幅图像的直方图进行比较。图3.4为中值滤波直方图，图3.5邻域平均法直方图。由图看出来没有太大的区别。所以选择一个进行二值化处理。图3.4中值滤波直方图 图3.5邻域平均法直方图由于在采集的图像中即包含了背景、目标，还可能包含有噪声。从采集的图像中将目标图像分离出来最常用的方法是对图像进行二值化处理。图像的二
39、值化算法实际上是对图像进行分割。如果图像 F (x , y)的灰度级范围是(Z 1,Z 2)，设T 是Z 1和 Z 2之间的一个值，那么 F ( x , y)可由下式(3.2)表示： (3.2)其中T 称为阈值。图像二值化处理的关键在于T 的取值。目前求图像阈值的算法很多，例如：双峰法、OTSU 法（大津法）、Kirsh 算法、迭代法等，每种算法都适合不同特征的图像，各种算法的具体特点如下。双峰法：该算法原理及其简单，它认为图像由前景和背景组成，在灰度直方图上，前景和背景都形成高峰，在双峰之间的最低谷处就是图像的阈值所在。从分割的效果来看，当前后景的对比较为强烈时，分割效果较好，否则基本无效。
40、OTSU 法：该算法选取出来的阈值非常理想，对各种情况的表现都较为良好。虽然它在很多情况下都不是最佳的分割，但分割质量通常都有一定的保障，可以说是最稳定的分割。Kirsh 算法：在实际应用中表明，由该算法求得的结果分割图像效果并不明显。特别是它不能解决前后景对比不强烈时的分割情形。但当前后背景对比十分强烈且集中时，Kirsh 算法却会有十分突出的表现。迭代法：对于直方图双峰明显，谷底较深的图像，迭代方法可以较快地获得非常满意的结果。但是对于直方图双峰不明显，或图像目标和背景比例差异悬殊，迭代法所选取的阈值并不是最理想的阈值。 由于直方图的的两个峰比较明显，在这里选用双峰法进行处理。图3.6为二
41、值化后的图像。可以看出背景图像被去除掉了，只保存了零件。图3.6二值化后的图像32边缘的数学形态学处理数学形态学是由一组形态学的代数运算因子组成的。最基本的形态学运算子有：腐蚀(Erosion)、膨胀(Delation)、开(Opening)和闭(Closing)。用这些运算子及其组合来进行图像形状和结构的分析及处理，包括图像分割、特征抽取、边界检测、图像滤波、图像增强和恢复等方面的工作。3.2.1腐蚀和膨胀腐蚀表示用某种“探针”（即某种形状的基元或结构元素）对一个图像进行探测，以便找出在图像内部可以放下该元素的区域。所有数学形态学运算都依赖于这一概念。膨胀是腐蚀的对偶运算，可定义为对图像补集
42、进行的腐蚀运算。所谓结构元素，是人们为了解一个复杂图像，收集相应信息而设计的一种结构单纯、形状规则的图像单元。结构元素作为图像几何形状的探针，在运算变换中处于主导地位。我们在计算机中预先设定一些结构元素作为选取的模板，以增强图像处理程序的通用性。腐蚀变换(Erosion)是最基本的运算。它的实现同样是基于填充结构元素的概念。利用结构元素填充的过程，取决于一个基本的欧式空间运算平移。将一个集合 A 平移距离 x 可表示为 Ax,定义为： A + x=a+x:aA (3.3) 其中 Ax 表示 A 沿矢量 x 平移了一段距离。探测的目的，就是标记图像内部那些可以将结构元素填入的（平移）位置。 设集
43、合 A 被集合 B 腐蚀，B 是“结构元素”。若 B 平移一段距离 x 后包含于A，则由这样的 x 组成的集合就称为“A 被 B 腐蚀的结果”，又称为 A 与 B 的明可夫斯基差，定义为： AB = x:B+xA (3.4)对于原始图像 A 平移一段距离 b（b 是结构元素 B 中的点）所得图像的并集，即得到“A 被 B 膨胀的结果”，又称为 A 与 B 的明可夫斯基和，定义为：A B = A+b:bA (3.5)A 被 B 腐蚀的结果保留了原图像的基本形状，但去除了原图边界上那些不平滑的凸出部分；膨胀也保留了原图的基本形状，但填平了原图边界上那些不平滑的凹陷部分。腐蚀与膨胀常用于图像的滤波。
44、如果己知噪声特性，则可选用适当的结构元素和一系列的腐蚀与膨胀运算来去除噪声。数学形态学中基本运算可以组成复杂的运算。图3.7为膨胀后的原图，图3.8为腐蚀后的原图。图3.7膨胀后的原图 图3.8腐蚀后的原图3.2.2开和闭运算图3.9开运算的原图 图3.10闭运算的原图开运算是采用相同的结构元素对图像先进行腐蚀运算,再进行膨胀运算，定义为： AB= (A B)B (3.6)而闭运算就是采用相同的结构元素对图像先进行膨胀运算再进行腐蚀运算，定义为： AB=（AB）B (3.7)它们的基本作用是对图像进行平滑处理，开运算可以去掉比结构元素小的所有像素点而留下其余部分。闭运算可以填满比探针小的孔洞和凹陷点。开运算的图见图3.9，闭运算的图见图3.10。我们从上面可以看到单一使用一种处理方法效果都都不是很好。所以我们使用多种方法进行处理。经过形态学的处理后可以看到图像特征更明显，边缘比较圆润有利于进行下一步的处理。见图3.11.图3.11形态学处理后图像3.3边缘提取图像的边缘是图像的最基本特征。所谓边缘（或边沿）是指其周围图像灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体与背景之间，物体与物体之间