文档介绍：VisualDetectionAlgorithmsBasedonSubpixelEdgeA Thesis Submitted to Chongqing Universityin Partial Fulfillment of the Requirement for theDegree of Master of EngineeringByPei LeiSupervised by Associate HaoMajor: Electrical EngineeringCollege of Electrical Engineeringof 、Chongqing University,Chongqing, ChinaMay,2011中文摘要I摘要基于机器视觉方法的检测技术近年来在非接触检测领域发挥着越来越大的作用,它综合运用了电子学、光电探测、图像处理和计算机技术,实现对被检测物体几何尺寸的测量和空间方位的确定,具有非接触、速度快、柔性好等突出优点。影响机器视觉检测结果的关键因素为检测精度与检测速度。为了保证检测结果的有效性,检测精度必须满足一定要求;为了提高检测效率,检测速度也成为重要指标之一。本文分别针对以上两个关键因素,提出了改进的方案。在对目标物体进行测量之前,首先要对采集到的图像进行预处理,文中介绍了图像滤波,图像分割处理的常用技术。在对边缘进行像素级检测时,分别对简单图像、加入高斯噪声的图像以及复杂图像使用常用的一阶、二阶微分算子,对比检测结果及检测时间,分析算子的检测能力。在基于机器视觉的检测系统中,图像边缘检测的精度决定了被测物体实际尺寸的精度,为了提高边缘检测的能力,本文提出了改进的基于Zernike矩的快速亚像素边缘检测算法。虽然传统的Zernike矩边缘检测算法将边缘精度提升到了亚像素级,并以阶跃灰度作为边缘判别条件之一,但在选择阈值时,需要人工手动反复调节,不断的重复检测过程直到达到较好的检测效果,不仅效率不高,还极易误判而影响检测精度。针对这一不足,改进算法将Otsu自适应阈值法与传统算法相结,首先利用传统的Zernike法计算出图像的阶跃灰度矩阵,再将该矩阵作为计算对象,由Otsu法直接得到最优的阶跃灰度阈值进行边缘判别。改进后的快速算法不需要重复检测,一次即可同时完成最优阈值自动选择与亚像素级边缘检测过程,既避免了错误选择阈值而导致的误判,也避免了重复检测而导致的低效率。本文分析了原算法中存在的两种偏差,即由于模板效应带来的原理偏差以及由于理想阶跃边缘与实际边缘不同而导致的模型偏差,计算出了误差校正函数并对边缘距离进行补偿。分析对比四组实验结果,验证了改进后的算法检测效果良好,抗干扰能力强,避免了人工盲目选择阈值导致的误判,同时提高了检测精度与检测速度,为实际应用带来了更高的操作效率。摄像机定标是视觉测量系统中的一项最基本,最重要的工作,标定的精度直接影响到系统测量的精度,本文主要标定出了以下三类数据:摄像机内部参数、摄像机外部参数、摄像机镜头畸变系数。首先介绍了机器视觉测量系统的线性成像模型及标定方法,在考虑三次径向畸变与两次切向畸变的情况下,对非线性模型进行标定,进一步提高了检查精度。文章最后一章建立了基于机器视觉的检测系统,介绍了系统软件、硬件组成及重庆大学硕士学位论文II测量原理。以玻璃瓶和工业零件为测量对象,实现了亚像素级边缘检测,并使用不同的方法对玻璃瓶及工业零件进行测量。用最小二乘法拟合玻璃瓶瓶口与瓶底在数字图像中所形成的椭圆,采用标准件法对系统进行标定并最终计算出玻璃瓶的实际尺寸。利用自制标定板对照相机进行非线性模型的标定,计算照相机的内外部参数及畸变参数,实现对工业零件的实际尺寸的测量。关键词:Zernike矩,Otsu自适应阈值法,亚像素边缘检测,误差补偿,标定英文摘要IIIABSTRACTIn recent years, detection technologies based on machine vision play an increasing role in the field of non-contact inspectionsystem. Thesetechnologies make the measurement of the geometric dimensions and the determination of spatial e biningthe usesof electronics, photoelectric detection, imageprocessing and computer inspectionsystemhas the outstanding benefits of