机器视觉实验报告.docxVIP

机器视觉实验报告

4.4实验结果记录与分析

1.记录不同预处理步骤后的图像效果，对比分析各算法对图像质量的改善作用。

2.观察缺陷检测结果，统计检测准确率（如：成功检测出的缺陷数量/实际缺陷数量）。

3.分析漏检或误检的原因，例如：图像质量不佳、光照不均、阈值选择不当、噪声干扰、缺陷特征不明显等。

五、实验结果与分析

5.1图像预处理结果

实验中，原始彩色图像经灰度化处理后，数据量显著减少，便于后续计算。针对采集图像中存在的轻微椒盐噪声，采用3x3核的中值滤波能有效去除，同时较好地保留了边缘信息。与高斯滤波相比，中值滤波在本次实验场景下对特定噪声的抑制效果更为明显。

直方图均衡化后，图像的灰度动态范围得到扩展，工件表面与背景的对比度有所提升，使得后续的阈值分割更容易进行。

5.2缺陷检测结果

通过Otsus自适应阈值分割，大部分工件区域与背景能够有效分离。结合形态学开运算和闭运算，进一步消除了分割后图像中的小噪声点和孔洞，使目标区域更加完整。

在轮廓检测阶段，通过设定合理的面积阈值，成功过滤掉了大部分由噪声引起的伪轮廓。最终，对于明显的划痕和较大面积的污渍，系统能够实现较为准确的识别和定位，并在原始图像上用红色矩形框标记出来。

5.3结果分析与讨论

1.成功之处：

*整个预处理流程能够有效提升图像质量，为缺陷检测提供了良好基础。

*对于对比度明显