《《基于DSP的密封圈表面瑕疵检测算法设计》-公开DOC·毕业论文》由会员分享，可在线阅读，更多相关《《基于DSP的密封圈表面瑕疵检测算法设计》-公开DOC·毕业论文（33页珍藏版）》请在金锄头文库上搜索。
1、基于DSP的密封圈表面瑕疵检测算法设计专业 电子信息工程年级 2008 级姓名 毌丘晓东教师 叶良文【摘要】为了能让密封圈与密封部件之间实现完全的黏合，因此工业用的石墨密封圈表面必须平整光滑，严禁出现裂缝、模影、暗纹等瑕疵。本文就是为了解决密封圈表面图像在机器视觉下呈现出的光照不均匀、瑕疵对比度低、噪声大等种种不利因素，经过现场实验，利用DSP捕捉到图像，对图像特点进行分析，综合了中值滤波、二值化、图像缩小、哈弗圆检测法、区域生长等一系列图像算法找得到了一个新的密封圈瑕疵识别算法。能够识别密封圈表面的裂缝、模影、暗纹等瑕疵。该方案主要利用TMS320DM6437嵌入式主板、相机、光源、触摸屏、
2、PLC等硬件平台搭建。用适合的光源照射密封圈，将图像通过相机传入到主板中。利用CCS3.3软件编写算法检测程序。对图像进行检测后，检测结果通过PLC来向执行机构发送信息，以达到密封圈好坏分类的目的。【关键词】数字图像处理；瑕疵检测；哈弗圆检测；区域生长；【Abstract】In order to make the sealing ring and the sealing member to achieve complete bonding, the surface of sealing ring used in industrial must be flat and smooth. Crack
3、, mold, dark lines and other defects are banned. In order to solve the problem of poor image caused by uneven lighting, low flaw contrast and big noise, image captured by DSP was analyzed through field experiments. a new sealing ring defect recognition algorithm including median filter, binaryzation
4、, image reduction, hough transform, region growing and so on was proposed,. the seal surface cracks, die shadow, dark lines and other defects can be identified . The hardware platform including TMS320DM6437 embedded mainboard, cameras, lamp-house, touch screens and PLC was build. The image was trans
5、mitted to the mainboard through the camera which on the uniform illumination. Use CCS3.3 software to write the algorithm testing program. After testing the image, the result of testing will be dilivered to the actuator through PLC to achieve the goal of sorting the good gasket ring from the bad one.
6、【Key words】Digital image processing; Flaw detection; Houghtransform; Region growing第1章 概述1.1 图像处理的背景随着图像处理领域的发展，越来越多的处理算法被提出，图像识别技术已经能应对不少复杂的情况。在农业上，颗粒图像识别技术应用于对粮种品质测定和计数1；在工业上，图像识别跟踪技术应用于焊接时焊枪行进过程中与焊缝的时刻校准2；在交通上，图像字符识别技术应用于对车牌的识别3；在防暴上，人脸识别、指纹识别等技术仍旧依靠图像处理得以实现。可以说现阶段图像处理在各个领域都开始融入，都开始进入起步阶段。为以后的无人工
7、厂，无人农场的发展提供了方向。1.2 系统设计的目的与意义工业技术的不断发展，人们对工业设备智能化的要求越来越高。机器视觉在这一领域占据了重要的位置。在工业设备上加入机器视觉技术，则可以取代一些本应需要人工肉眼检测的岗位。能够节省人力，加快无人化工厂的建设。机器视觉的核心是算法的设计。较好的算法具有更好的抗外部干扰能力，更快的识别定位速度，能为工厂带来更高的效益。本系统设计的是基于DSP的密封圈表面瑕疵识别算法。可以识别工业用密封圈上的瑕疵，判断出瑕疵的种类，解决了密封圈瑕疵在普通光源下成像对比度不明显的问题。1.3 国内外图像处理技术的现状图像识别是人工智能的一个重要方面，在现代自动控制技术
8、及第五代电子计算机中都占有极重要的地位。它创始于五十年代后期，在六十年代初开始崛起，仅仅二十多年已受到许多学科的广泛重视，并在科研与工业生产中得到了应用。其含义是利用计算机对图像进行加工处理，以得到某些预期的效果，并从中提取有用信息，实现人对事物或现象的分析、描述、判断和识别4。图像识别的发展经历了三个历史阶段:文字识别，图像信息处理和识别及物体识别。国外的神经网络图像识别技术起步较早，目前已经能够走出实验室，并在图像信息处理中得到了应用。特别是一些著名的集成电路制造公司，如Intel，Motorola及松下、日立等均已推出自己的神经网络芯片，这给神经网络图像识别应用的发展以极大的推动5。国内
9、对神经网络图像识别技术研究起步比较晚。1990 年中国科技大学的吴健康等人开始研究神经网络在图像识别中的应用，他们利用Hopfield 网络完成对简单图像的匹配识别。该方法在收敛性方面不够理想，而且对有尺度变化的图像不能进行正确匹配6。黎倩等人提出基于双Hopfield 神经网络假设检验的图像匹配方法对其改进，实现了对工件图的位移、旋转、尺度变化的不变识别。由于神经网络图像识别存在样本训练时输入和输出要一一对应、识别速度不如模糊系统快等缺点，神经网络技术与模糊理论、证据理论、贝叶斯决策理论等技术相结合进行图像识别己成为神经网络图像识别技术的发展趋势。1.4 当前图像处理面临的问题首先，完成一幅
10、图像的识别一般需要经过许多不同的处理过程，图像识别正是这些过程综合作用的结果。然而，至今还没有一个普遍的原理来指导这些过程在完成特定任务时应该如何组织和搭配。其次，现有的各种图像识别算法或多或少的带有一定的局限性，即便是有一定通用性，效果较好的算法也存在着计算量大，难以实时应用的缺点。图像识别所面临的挑战除了要求解决大数量模式类的识别和复杂畸变不变性识别的传统难题，同时开始了更复杂的带有感情色彩的识别，如运动员训练及姿势矫正、由人走路的姿势识别人、对人的嘴形变化甚至面部表情的识别等等。1.5 本文工作1) 捕捉源图像捕捉源图像过程就是把图像信息从外部采集到系统内存中的过程，对应于本系统上，捕捉
11、源图像过程就是相机采集到图像并利用传输线将图像传到视频信号采集模块TVP5146的过程。2) 预处理由于硬件环境的限制，图像在传输的采集过程中总会产生噪声，所以在正式处理图像前要将这些噪声去掉。这一系列过程就是图像的预处理。3) 二值化图像二值化又称图像分割。采集的图像除了我们需要的目标项外，往往还会带有许多与目标项无关的背景，为了后续处理，必须要去掉这些背景。较好的二值化处理就能够去掉图像里的无关背景。对应于本系统上，二值化的目的就是要去掉密封圈以外的背景部分。4) 目标提取目标提取就是在目标项上要精确的找到需要检测的部位的图像信息，比如在本系统上，目标提取就是要找到密封圈上的瑕疵。5) 目
12、标特征参数计算这一过程是计算目标提取出的图像信息的特征参数，比如提取的目标图像的像素面积，长和宽等。在本系统上，该步骤就是计算瑕疵的面积，长和宽，并判断是否超出阈值要求。第2章 图像处理算法2.1 图像滤波在图像的采集过程中，图像中不可避免的会存在大量的噪声。所以，首先要对数字图像进行去噪处理。目前图像噪声一般指的是在成像和传输过程中产生的随机噪声中的高斯噪声和脉冲噪声，高斯噪声的特点是在乎坦的区域出现幅值较小的噪声。而脉冲噪声点分布比较孤立，灰度值突变，且与相邻像素点无相关性传统的图像滤波法有均值滤波和中值滤波法，两者都是构建一个二维的滑动窗口，其中的大小为的窗口（为大于0的整数）。对于其窗
13、口的中心点为的像素值求计算。前者取窗口里所有像素的平均值后者对窗口里所有像素进行排序，取序列的最中间值。下面列出两种滤波方法详细的算法过程：如图 2.1 中值滤波示意图所示，构造一个二维滑动窗口，的大小为，中心点为，即图中红色部分。窗口内像素位置用表示。分别统计二维滑动窗口中的灰度分布7。图 2.1 中值滤波示意图中值滤波算法是：对窗口内的灰度成员进行从小到大的排序，让中心点的灰度值用窗口内灰度成员排序的中间值来代替。假设排序如下： 公式 (2.1)则最后输出： 公式 (2.2)则便是中心点的灰度值。而均值滤波算法：对窗口内的灰度成员进行求和取平均，让中心点的灰度值用窗口内灰度成员的平均值代替
14、。则最后输出： 公式 (2.3)则便是中心点的灰度值。对于均值滤波和中值滤波这些经典方法确实不同程度的减少了噪声干扰，但是这些方法也存在一些问题，可以看到这些方法都是一种非线性的平滑滤波法。由于密封圈上的裂缝边缘具有一定的突变特征，这与噪声的特点非常相似，用这2种普通的滤波法就不能全面适用于图像中的每条裂缝的形状和走向，结果会导致在进行去噪的过程中模糊了裂缝的边缘。这不利于对裂缝的识别。因此要克服这个问题，对这两种经典方法进行了改进，把这种干扰降到最低。2.2 图像二值化图像二值化是从图像处理到图像分析的关键步骤，只有在图像二值化的基础上才能实现对目标对象的信息提取、分析和应用。二值化阈值选取
15、的精确度甚至决定着图像分析的精确度。可以说，图像二值化结果的好坏直接影响对图像的理解。图像二值化的方法和种类很多，但到目前为止，还没有一种或几种完善的二值化方法能按照人们意愿准确分割出目标图像。比较著名的是最大类间方差阈值分割，这是由日本学者大津提出的一种自适应阈值确定方法，简称OTSU法。其原理是统计出图片内的灰度直方图，根据直方图的波谷位置分布来确定合适的阈值。OTSU阈值分割算法简单、处理速度快，是一种较好的图像二值方法。但由于在密封圈表面图像上瑕疵相对于背景像素所占的比例非常小，所以OSTU在计算阈值的过程中，瑕疵元素影响很小。所以可以增添人工选出瑕疵区域的功能，使得算法应用在这个区域中，这样可以避免瑕疵比例小的问题。可以编程绘制灰度直方图，来描述图像中灰度值所对应的像素个数，其横坐标表示像素的灰度级别，纵坐标表示该灰度出现的像素个数，通过人工观察输入阈值的方法，来实现阈值分割图像的目的8。2.3 哈弗圆检测法找圆图 2.2为哈弗圆检测法找圆：设圆上的坐标为，圆心坐标为，外圆半径为，则根据圆方程可得： 公式 (2.4)遍历二值图上的点，假设每一个当前遍历点为圆心，则向外搜索满足如下圆方程的点：
