生物电子与影像术报告.docVIP

《生物电子与影像技术》 课程报告 姓 名： 马蕊香 学 号： 100210313 班 级： 1002103 2013年9月 一、问题和目的 本次课程设计任务是完成零件表面缺陷的机器视觉检测。 产品质量检测是现代生产中必不可少的重要环节。在零件生产线上总是会由于原材料，压制设备及加工工艺等多方面的原因造成新出厂零件质量参差不齐，如有砂眼，划痕和裂纹等缺陷。出售后会用户使用时会因为个别的产品不合格而整批退货，给厂商带来很大的损失。零件表面缺陷的机器视觉检测能更高精度的实时检测零件表面是否有划痕及异物，及检测零件表面的光滑度，降低企业工人的劳动强度，提高产品检测精度，提高产品合格率，增加企业的经济效益，让企业走向自动化。 二、总体方案设计 1.图像处理部分。 2.后续处理部分 计算缺陷部分面积，设定阈值判断产品是否合格。 三、具体实验与分析 1.获取图像 （1）读取零件图像并将彩色图像转化为灰度图像 转化为灰度图像，便于对图像进行处理。因为HALCON中很多操作都是针对灰度图像的。 （2）对图像进行滤波，去除噪声 由于拍摄环境的原因，图像中总是会出现各种噪声，如果不滤除噪声则会使检测的结果出现误差。 2.分割图像 （1）将零件图像与背景图像进行分割 由于零件图像比较亮，而背景基本呈黑色，比较暗，可以用灰度值直接将零件图像与背景分割开来。 （2）进行形态学处理 方案1：对图像分别进行X,Y方向微分，再将微分后图像的绝对值相加。 可以看出缺陷特征的图像并不明显 方案2：直接对图像进行增强，转换为缺陷与背景灰度值差别比较大的图像 方案1与方案2相比较，方案2更容易看出缺陷部分，便于后续处理。因此选择方案2 3．提取特征 （1）提取出缺陷区域 由于使用图像增强的方法已经将图像转换为缺陷与背景灰度值差别比较大图像，可以直接进行分割，分割后的图像为：（缺陷部分单独标出） 可看出分割后图像含有边缘，应该去掉边缘 （2）去除图像边缘 方案1：直接进行腐蚀操作 如果直接用腐蚀操作，边缘全部腐蚀掉时，缺陷图像也基本被腐蚀。则不能检测出零件缺陷。 方案2：先用膨胀操作，在用腐蚀操作。 可以发现当零件边缘图像被去除时，基本不会影响缺陷部分的大小，所以选用方案2. 4.显示处理结果 （1）计算缺陷部分的面积 （2）设定阈值，判定零件是否合格 由于拍摄光线的原因，这种检测可能有一定的误差，对于缺陷面积小于某一阈值的图像，可以认为是因为误差引起，只有缺陷面积超过这一阈值的零件认为是零件本身缺陷。 如下图可以看出零件表面缺陷的位置及其零件是否合格。 （3）对不合格的零件进行统计。 为了方便检测零件合格率，我们可以对不合格零件进行统计。 四、结论 应用这种处理方法处理光照强度基本相同的同种零件图像，可以检测出去表面缺陷并明显的显示出来。在用于实验检测的4幅零件图片中，可以检测到其中有三幅不合格的产品。而且零件表面的铁锈，划痕等可以用红色显示出来，可以明显的看出。 五、总结与体会 在这次课程设计中，学会了halcon软件基本使用方法，并且对《生物电子与影像》这门课程有了进一步的了解，实际应用了课程中彩色图像转化为灰度图像，滤波，图像分割，图像增强，形态学图像处理等一系列知识，收获很大。也体会到了图像处理的应用领域之广泛和图像处理的应用之广泛。 在灵活应用图像处理方法解决实际问题的方面还存在缺陷，面对问题时，在解决方法的选择上有缺陷，以后应该多进行实际应用，以熟悉各种方法的优劣，从而使应用更加灵活。 参考文献 《生物电子与影像技术课件》 马立勇 附录 dev_clear_window() NumImages := 5 wrongnum:=0 for I:= 1 to NumImages by 1 read_image (Image, E:/新建文件夹/a+I$00d) rgb1_to_gray (Image, GrayImage) dev_close_window() dev_open_window_fit_image (ImageSub, 0, 0, 600, 1000, WindowHandle) dev_display (GrayImage) erosion_circle (RegionDilation, RegionErosion, 5.5) area_center_gray (RegionErosion, ImageSub, Area, Row, Column) if (Area150000) wrongnum:=wrongnum+1