基于Windows Mobile嵌入式系统的图像处理研究及其应用

摘要

在现在的工业生产中，对生产后库存或销售过程中的钢管进行计数是一项繁重而低效率的工作。目前在国内被采用最多的计数方法就是人工计数。由于技术工人的熟练度，身体和情绪状态等多方面因素的影响，计数结果的准确性无法保持稳定。由此可见，在市场需求推动下，借助图像处理技术和嵌入式平台的便携性优势，开发出钢管的计数系统以减轻相关从业人员的劳动强度，成为一个值得研究的问题。
　　 介绍Windows Mobile嵌入式系统及软件环境与搭建。通过手持式设备的摄像头采集钢管的横截面图像，对图像进行预处理，目标识别与计数。
　　 本文以钢管横截面图像中的椭圆形的识别与计数作为研究的目的，并且结合基于Windows Mobile嵌入式系统的智能手机平台进行椭圆形钢管识别计数系统的研究和开发。
　　 在图像预处理环节，完成图像格式的转换、灰度化与噪声的去除，并且引入边缘检测流程，对灰度值阶跃部分进行检测，以突出目标物体的边缘，对下一步进行的阈值分割创造有利条件，降低阈值分割时阈值选取的复杂度，提升整个Windows Mobile嵌入式操作系统的效率。最后对阈值分割后的二值图像进行细化处理，把目标从背景中较为完整的提取出来。
　　 按照随机Hough变换(RHT)方法来检测椭圆时，需要对五个随机点进行采样来确定椭圆的参数，这样会导致无效采样，浪费系统资源。本文根据现有的两点采样法随机Hough变换进行算法流程上的改进与优化，在保持识别效率的前提下，系统的目标识别速度获得提高。
　　 本文提出图像处理技术与嵌入式系统相结合的方法，并对其具体实现过程进行综合研究。实验表明，应用本论文中的改进流程进行数目统计具有一定的准确性和应用价值。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景和意义

1.2钢管识别计数技术的发展及研究现状分析

1.2.1钢管识别计数技术的发展

1.2.2钢管识别计数技术的研究现状分析

1.3主要研究工作与论文结构

第2章Windows Mobile嵌入式操作系统

2.1 Windows Mobile操作系统环境与结构特点

2.2 Windows Mobile程序与桌面Windows程序的差异

2.3本章小结

第3章Windows Mobile平台上钢管截面图像的采集与预处理

3.1截面图像的灰度化

3.2 Windows Mobile平台图像增强算法的选择

3.3 Windows Mobile平台图像边缘检测算法的选择

3.4 Windows Mobile平台图像阈值分割算法的选择

3.4.1灰度阈值分割算法

3.4.2阈值分割实验对比

3.5 Windows Mobile平台二值图像细化算法的选择

3.5.1二值图像的细化算法

3.5.2二值图像的细化效果

3.6本章小节

第4章Windows Mobile平台椭圆Hough变换改进算法的研究

4.1基于标准Hough变换的椭圆识别

4.2改进的两步法Hough变换进行椭圆检测

4.2.1算法步骤及流程改进

4.2.2重点算法步骤分析

4.2.3实验结果与分析

4.2.4多个椭圆计数方法

4.3本章小节

第5章 Windows Mobile平台上钢管识别与计数系统的设计与实现

5.1系统的设计

5.2开发环境搭建与配置

5.3系统的实现

5.4实验结果分析

5.5本章小节

结论与展望

致谢

参考文献

攻读硕士期间完成的论文