机器视觉测量中亚像素边缘检测算法的研究

摘要

机器视觉测量技术是依据计算机视觉原理，利用数字图像技术对待测量物体的图像进行分析、处理、获得物体的尺寸、位置、数量、外形轮廓等参数的方法。它具有非接触、精度高、速度快、易于实现自动化等特点，是一种新兴测量技术。本课题从工业生产中的实际需求出发，利用机器视觉测量技术解决工业生产中大批量、较大尺寸钢管内径测量的问题。由于钢管体积庞大，受现场环境限制，难以搭建固定的试验台，所以本文采用定标参照物的方法来测量钢管内径。
　　根据现场情况，本文采用定标标靶和图像处理的方法，先在钢管口位置放置标靶，采集图像，然后将图像输入计算机对钢管内径进行检测。首先利用灰度化，中值滤波，直方图均衡，对图像进行预处理。为了得到钢管的边缘，本文针对圆的基本特征，采用了一种分区域的Sobel算子对图像进行边缘检测，然后利用迭代阈值进行二值化。在二值图像的基础上先进行水平和垂直投影，确定内圆的位置区域，然后利用基于先验知识的霍夫变换进行内径检测，得到钢管内径位置信息。实验发现霍夫变换找到的不一定是真实边缘，有较大的误差，所以接下来在边缘附近取一个灰度区域进行分析。根据边缘区域的特点，先用最大类间方差的方法找到像素级边缘，但是边缘跳变较大，不准确。本文通过对常见的亚像素技术分析比较后，采用了曲线拟合的方法进行亚像素分析，得到边缘的亚像素位置，这时通过标靶图像的定标当量就可得到钢管内径的物理尺寸。最后，本文进行了实验验证，采用两种相机分别进行测试，用测量结果与游标卡尺所得结果进行对比，并做出误差分析，实验结果较为准确，基本可以满足实际需要。

目录

声明

摘要

1 绪论

1．1 课题背景及意义

1．2 机器视觉检测的发展现状

1．3 本文主要研究内容

2 系统测量原理及系统组成

2．1 系统测量原理

2．1．1 整体方案设计

2．1．2 系统测量原理

2．2 系统组成

2．2．1 硬件组成

2．2．2 软件组成

3 图像预处理及图像分割

3．1 图像预处理

3．1．1 灰度化

3．1．2 直方图均衡

3．1．3 图像去噪

3．2 边缘检测

3．2．1 常见的几种边缘检测算子

3．2．2 本文采用边缘检测方法

3．3 阈值分割

3．3．1 最大类间方差法

3．3．2 迭代法

4 钢管内径检测

4．1 图像的边界初定位

4．1．1 霍夫变换基本思想

4．1．2 常见的几种霍夫变换原理

4．1．3 本文所用霍夫变换方法

4．1．4 边缘细定位

4．2 亚像素边缘定位

4．2．1 拟合法

4．2．2 插值法

4．2．3 矩方法

4．2．4 本文所用方法

5 实验结果与误差分析

5．1 实验结果

5．1．1 实验数据

5．1．2 结论

5．2 误差分析

5．2．1 相机产生的误差

5．2．2 拍摄误差

5．2．3 算法误差

6 本文工作总结与展望

6．1 本文工作总结

6．2 下一步工作展望

致谢

参考文献