基于圖像處理的胎面糾偏技術研究.pdf

1、本文以輪胎生產過程中的半成品,胎面輸送系統(tǒng)中的胎面圖像作為研究對象。胎面圖像通過固定在皮帶上方的CCD攝取所得,該圖像信號經過圖像采集卡送入PC機,對該圖像信號進行一系列處理之后,計算出胎面的偏移角度。利用胎面圖像的偏移角度作為反饋信號,通過控制器對系統(tǒng)進行控制,相應的調整糾偏皮帶,保證膠帶無偏移的輸送。在對圖像去噪及怎樣提取胎面邊緣和機架邊緣兩條直線方面進行了比較深入的研究;在前人研究的基礎上,應用閾值分割和邊緣檢測對胎面圖像進行處理

2、。
　　首先,在胎面圖像去噪方面對閾值法、平移不變量及系數放大法進行深入的研究,在此基礎上對系數放大法進行了改進,該改進算法與常用的軟閾值法和硬閾值法相比,提高了峰值信噪比(PSNR),降低了均方誤差(MSE)且改善了圖像的視覺效果。另外結合平移不變量、系數放大法及Huresure規(guī)則對圖像進行去噪,該結合算法與單獨的平移不變量方法或單獨的系數放大法相比,改善了圖像的視覺效果,提高了峰值信噪比(PSNR),降低了均方誤差(MSE)

3、。
　　其次,在前人研究的基礎上對胎面圖像進行閾值分割。研究了Otsu的類間方差法、最優(yōu)閾值分割算法及迭代閾值分割算法。本文的胎面圖像分割是為了下一步進行目標特征提取作準備。經過多次實驗發(fā)現,最優(yōu)閾值分割算法對本文的胎面圖像最為有效,因此本文采用最優(yōu)閾值分割算法。
　　然后,應用邊緣檢測算子對胎面圖像進行邊緣檢測。對常用的Roberts算子、Sobel算子、Prewitt算子、拉普拉斯算子、Log算子及Canny算子進行了深

4、入的學習。經過實驗發(fā)現,Roberts算子檢測的結果最有利于本文提取胎面邊緣和機架邊緣。
　　最后,對邊緣檢測后的胎面圖像進行特征提取。胎面邊緣和機架邊緣是本文的目標物體,本人對怎樣提取出胎面邊緣和機架邊緣進行了深入研究,并對提取出的目標物體進行后處理。由于灰度值不同出現了斷線、細線和細點,為了下一步計算出胎面邊緣和機架邊緣之間的夾角,必須去除作為干擾的細點和細線,把胎面邊緣的斷線和機架邊緣的斷線連接成直線。編程計算出胎面邊緣和機