机械视觉类型软件范例-文档.pptVIP

研究背景與動機;本研究的實際效能;研究方法及範圍;微粒墊片自動檢測之基本架構;生產線上硬體架構圖;實際光罩圖;影像分析程式方塊圖;區別遮罩設計;群化概念;;使用區別函數;閥值選擇範圍;;;;閥值=137;區別遮罩的大小與準確度的關係;使用4×4區別遮罩的結果;使用15×15區別遮罩的結果;計數遮罩;膨脹遮罩;膨脹方式;;區別遮罩實驗結果;;計數與膨脹遮罩實驗;;組合;;固化.小切割 ; 灌液晶;;封口.固化;清洗.目檢.電測.清洗;貼偏光片.終檢包裝.入庫;結論;參考文獻;影像處理應用於細微表面微粒之自動評估系統;光碟母模版 --瑕疵檢測 液晶顯示板夾層 --微粒計數 無塵室灰塵 --微粒分析;研究內容;系統硬體架構;系統功能設計;微粒影像分析;1.空間濾波之平滑濾波器;灰階亮度統計圖(Histogram);自動閥值擷取 作法：利用機率統計的原理來找出最佳的閥值 分辨標準量測(discriminant criterion measures)來討論;分別是群集中(within-class)變異數、群集間(between-class)變異數及總(total)變異數。;灰階分佈圖 ; 自動閥值擷取 threshold=126.;目的 單獨處理;微粒計數 方法 區域成長 演算法;演算法中採用八鄰接點搜尋 1.演算法開始，令標記Label=1。 2.自左向右、由上至下掃瞄影像，找尋其值為1的種子點，設定種子點標記=Label。假如找不到種子點，則結束整個標記演算法 3.對於種子點周圍同值之像素點做下述操作： 由x軸方向 (a)自左向右逐點掃瞄影像，若f(x,y)標記為Label，則令f(x,y)八鄰接點中，值為1的像素點標記=Label。 (b)自右向左逐點掃瞄影像，若f(x,y)標記為Label，則令f(x,y)八鄰接點中，值為1的像素點標記=Label。 改y軸方向 (c)由上往下逐點掃瞄影像，若f(x,y)標記為Label，則令f(x,y)八鄰接點中，值為1的像素點標記=Label。 (d)由下往上逐點掃瞄影像，若f(x,y)標記為Label，則令f(x,y)八鄰接點中，值為1的像素點標記=Lable。 4.經過四個方向掃瞄後，標記為L之微粒被完整取出。指定新的標記Label++，重複步驟2，直到標記完所有微粒。 ;目的： 填補洞穴 ; 除去突出物 方法： 利用八鄰接點做膨脹與收縮 ;方法 ：利用拉普拉辛遮罩(laplacian);6.微粒之度量;特定微粒辨認之影像幾何正規化;二值化影像;網???低層單元架構;系統發展與實驗結果;Scan 掃描影像畫面 Save 儲存影像畫面 Load 載入影像畫面 Histogram 灰階亮度統計圖 Graylevel 滑鼠灰階顯示 Convolution 空間迴旋積分 Low pass 影像低通處理 High pass 影像高通處理 Thresholding 自動二值化處理 Inverse 影像反轉處理 Pixelize 格子點化處理 Erode 微粒收縮處理 Dilate 微粒膨脹處理;刻度校準;微粒計數實驗;(a);;Table 1 皮屑狀微粒;Table 3 立方狀微粒;纖維狀與皮屑狀：25.8845x+10.2238y-753.3984=0 皮屑狀與立方狀：1.12x+1.399y-16.7270=0 立方狀與纖維狀：27.0045x+11.6228y-770.1254=0;識別神經網路辨認實驗;訓練樣本;結論與未來研究方向;;;;;;;;The prototype of an optical eye-tracking device光學式瞳位追蹤器研製;感谢您的关注