計算機視覺-一元硬幣直徑尺寸的測量課程設計

1、<p>　　課 程 設 計 說 明 書</p><p>　　題目： 一元硬幣直徑尺寸的測量 </p><p>　　學院（系）： 電氣工程學院 </p><p>　　年級專業(yè)： 12級精密儀器及機械 </p><p>　　學 號： </p><p&g

2、t;　　電氣工程學院《課程設計》任務書</p><p>　　課程名稱： 計算機視覺 </p><p>　　基層教學單位：儀器科學與工程系 指導教師： </p><p>　　說明：1、此表一式四份，系、指導教師、學生各一份，報送院教務科一份。</p>&

3、lt;p>　　2、學生那份任務書要求裝訂到課程設計報告前面。</p><p><b>　　電氣工程學院 教務</b></p><p><b>　　摘要</b></p><p>　　這些年來，基于計算機視覺的尺寸測量方法技術(shù)已經(jīng)深入到各行各業(yè)，實現(xiàn)了高精度測量，及微小物體測量。它融入了各個學科的能源技術(shù)，成為了一門綜合

4、性的現(xiàn)代測量技術(shù)學科。將物體看作是一幅圖像來獲得物體的尺寸信息，依靠視覺來采集圖像信息是基于計算機視覺的尺寸測量主要研究的過程。本設計主要以“一元硬幣”圖像為實例進行視覺測量，并且通過圖像灰度化、二值化以及圖像邊緣檢測來獲取一元硬幣直徑的實際尺寸。</p><p>　　基于計算機視覺的尺寸測量，關鍵步驟是對圖像的數(shù)字化處理，本文通過Matlab程序計算，完成對指定圖像的處理。主要研究內(nèi)容有一元硬幣直徑尺寸測量的應

5、用價值、算法原理和程序流程，較系統(tǒng)的闡述并完成了一元硬幣的直徑尺寸測量。通過對圖像處理算法的分析，利用Matlab程序，實現(xiàn)圖像預處理和像素邊緣檢測。深入分析圖像數(shù)據(jù)處理技術(shù)，提高計算速度和計算精度。</p><p>　　關鍵詞：計算機視覺尺寸測量圖像處理邊緣檢測</p><p><b>　　目錄</b></p><p><b>

6、;　　摘要1</b></p><p><b>　　目錄2</b></p><p><b>　　第1章 緒論3</b></p><p>　　1.1研究背景及意義3</p><p><b>　　1.2應用價值3</b></p><p>

7、<b>　　1.3課程概述3</b></p><p>　　第2章 尺寸測量方案4</p><p>　　2.1測量流程設計4</p><p>　　2.2軟件開發(fā)工具4</p><p>　　2.3圖像獲取及預處理4</p><p>　　第3章 圖像預處理5</p><p

8、>　　3.1圖像的灰度轉(zhuǎn)換5</p><p>　　1.直接灰度變換5</p><p><b>　　2.灰度直方圖6</b></p><p>　　3.圖像的二值化7</p><p>　　3.2圖像的濾波去噪；7</p><p><b>　　1.均值濾波器7</b&g

9、t;</p><p>　　2.自適應維納濾波器8</p><p><b>　　3.中值濾波器8</b></p><p><b>　　4.小波去噪9</b></p><p>　　3.4圖像的邊緣檢測；10</p><p>　　3.5基于Hough變換的圓檢測算法11&

10、lt;/p><p>　　第4章 實驗結(jié)果與分析12</p><p>　　4.1測量系統(tǒng)的標定12</p><p>　　4.2尺寸測量的數(shù)據(jù)與分析13</p><p>　　4.3尺寸測量的誤差分析13</p><p>　　4.3減小誤差的方法13</p><p><b>　　第5章

11、 總結(jié)14</b></p><p><b>　　參考文獻：14</b></p><p><b>　　附錄：15</b></p><p><b>　　緒論</b></p><p>　　1.1研究背景及意義</p><p>　　硬幣，是世界

12、范圍內(nèi)最常用的流通貨幣之一，它以其堅固耐磨損、便于交易、攜帶方便和成本低等優(yōu)點，廣泛應用在公共交通、商業(yè)及其他各種投幣自動售貨機。同時，在經(jīng)濟較為發(fā)達的國家和地區(qū)，小面額硬幣化已是今后的發(fā)展趨勢。因此如何將硬幣進行快速有效的區(qū)分識別，已經(jīng)成為國內(nèi)外急需解決的問題。</p><p>　　目前，計算機視覺方式已經(jīng)成為實現(xiàn)產(chǎn)品準確測定的最佳選擇，具有十分廣闊的市場前景。它在測定的過程中，不需要與被測產(chǎn)品進行接觸，有著無

13、與倫比的優(yōu)勢。該方法不致于使被測產(chǎn)品出現(xiàn)絲毫的損害，無接觸，時效性強、受外界影響小，精確性好，可大規(guī)模進行等。因此，基于計算機視覺的硬幣識別，實現(xiàn)硬幣的自動快速分揀技術(shù)已是是研究的一大熱點。國內(nèi)關于硬幣清分的研究也處于試驗階段，開發(fā)出有效的硬幣區(qū)分識別設備，不僅會帶來可觀的經(jīng)濟效益和產(chǎn)生很好的社會效益，還可能提高硬幣清分的國際競爭力。</p><p><b>　　1.2應用價值</b><

14、;/p><p>　　雖然對于計算機視覺這一技術(shù)的探討從六十年代就已經(jīng)開始，然而，直至幾十年后，這一技術(shù)才真正地步入迅猛發(fā)展的階段，并逐步得到科研領域的重視，成為眾人爭相探究的熱門領域。實現(xiàn)尺寸測量的方法很多，但大多數(shù)測量重復性、高效性和魯棒性不高。事實表明，基于計算機視覺技術(shù)的尺寸測量具有良好的連續(xù)性和高精度，大大提高了工業(yè)在線測量的實時性和準確性，同時生產(chǎn)效率和產(chǎn)品質(zhì)量控制也得到明顯提升。 </p&

15、gt;<p><b>　　1.3課程概述</b></p><p>　　計算機視覺系統(tǒng)具有測量功能，能夠自動測量產(chǎn)品的外觀尺寸，比如外形輪廓、孔徑、高度、面積等尺寸的測量。尺寸測量無論是在產(chǎn)品的生產(chǎn)過程中，還是產(chǎn)品生產(chǎn)完成后的質(zhì)量檢驗中都是必不可少的步驟，而計算機視覺在尺寸測量方面有其獨特的技術(shù)優(yōu)勢。 </p><p>　　以計算機視覺為依托的尺

16、寸測量方法中比較關鍵的環(huán)節(jié)是對圖像的處理。在這個環(huán)節(jié)中，因為采集設備或者傳導媒介等方面存在的不足，會產(chǎn)生不同程度的噪音問題，使得所得的圖像丟掉了關鍵的信息，進而影響圖像的呈現(xiàn)效果。因此，對收集到的產(chǎn)品圖像做進一步的優(yōu)化，是這種方法中最為關鍵的一個步驟。</p><p><b>　　尺寸測量方案</b></p><p><b>　　2.1測量流程設計</

17、b></p><p>　　尺寸測量大體包括產(chǎn)品的圖像收集、圖像預處理以及尺寸測量3個步驟，其中比較關鍵的環(huán)節(jié)是對圖像的處理。對收集到的產(chǎn)品圖像做進一步的優(yōu)化，提取圖片中的關鍵數(shù)據(jù)，然后經(jīng)過簡單處理得到預期結(jié)果。本文用較為專業(yè)的工程軟件Matlab來進行圖像處理，圖像預處理的大體流程可簡化為：</p><p><b>　　灰度轉(zhuǎn)化；</b></p>

18、<p><b>　　濾波去噪；</b></p><p><b>　　二值化處理；</b></p><p><b>　　邊緣檢測。</b></p><p>　　圖像經(jīng)過數(shù)字化處理后，只能得到一個像素值，找到真實尺寸值與像素值之間的一個比例關系，把以像素為單位的尺寸轉(zhuǎn)換為以毫米為單位的尺寸，即為

19、系統(tǒng)標定過程。</p><p><b>　　2.2軟件開發(fā)工具</b></p><p>　　Matlab也叫作矩陣實驗室，是Math works企業(yè)生產(chǎn)的一款高性能的可視化科學計算軟件，其包含圖像處理、訊息傳導、系統(tǒng)鑒定、歸納計算等三十多種有著不同特性的工具箱，均是業(yè)內(nèi)高權(quán)威人士親自參與設計的，不用依賴于任何的程序，就能夠方便快捷地使用。此外，工具箱里的函數(shù)源程序都不

20、是保密的，大部分為M類型的文件，用戶只需根據(jù)相應文件的代碼就可以進行更改。</p><p>　　Matlab有著卓越的數(shù)據(jù)處理能力，它是一種用于矩陣計算、算法研究、數(shù)據(jù)剖析以及圖像處理的高級計算機語言。其內(nèi)部存在著覆蓋全面的函數(shù)公式，和便捷的與其他軟件間進行數(shù)據(jù)交換的功能。本文研究利用了MATLAB中的圖像處理、工程計算以及數(shù)據(jù)歸納等，對實際測定工作中得到的產(chǎn)品圖像加以處理，從而產(chǎn)生優(yōu)質(zhì)的圖像。進而得到實驗所要求

21、的數(shù)據(jù)，并對這些數(shù)據(jù)進行分析處理。</p><p>　　2.3圖像獲取及預處理</p><p>　　根據(jù)課設要求及現(xiàn)有條件，圖像是預先拍攝好的不同的“一元硬幣”圖像，然后利用Matlab軟件進行處理，最終得出一元硬幣的直徑尺寸。提前拍攝的圖像如下：</p><p>　　根據(jù)設計要求，因基于計算機視覺的尺寸測量需要系統(tǒng)標定，因此在拍攝圖像時加入了標準件ID卡，在處理圖

22、像時先進行分割進行局部處理，ID卡的標準規(guī)格是。</p><p><b>　　圖像預處理</b></p><p>　　3.1圖像的灰度轉(zhuǎn)換</p><p>　　圖像灰度變換的目的是為了改善畫質(zhì)，有選擇地突出圖像中感興趣的特征或者抑制圖像中某些不需要的特征，使圖像顯示效果更加清晰，與視覺響應特性相匹配?；叶绒D(zhuǎn)換過程是把初始圖像里的各個像素的灰度值

23、，依據(jù)特定的轉(zhuǎn)換原理，變?yōu)椴煌幕叶戎祩魉?，從而實現(xiàn)顯化圖像的效果。</p><p>　　用公式表示從像素到像素的變換為：</p><p>　　其中f()稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關系。</p><p><b>　　1.直接灰度變換</b></p><p>　　直接灰度變換屬于所有圖像增強

24、技術(shù)中最簡單的一類，最常用的方法有以下幾種：圖像求反，對數(shù)變換，灰度切割，位圖切割和灰度的線性變換。</p><p><b>　　2.灰度直方圖</b></p><p><b>　　3.圖像的二值化</b></p><p>　　在圖像分析中，從圖像中將某個特定區(qū)域與其他部分進行分離并提取出來的處理過程就是圖像分割，又被稱為

25、圖像的二值化。它的原理是通過選擇合理的閾值，掃描整個圖像的所有像素，將像素的灰度值與該閾值作比較，像素灰度大于閾值的，則該像素標記為1(或0)，否則標記為0(或1)，掃描完整個圖像后，就得到了一幅僅含有0和1兩種值的圖像，這就是二值圖像。分別對經(jīng)過不同灰度變換的上文圖像進行自動閥值二值化，效果如下，經(jīng)過對比，經(jīng)過對數(shù)變換的圖像再進行自動閥值二值化效果更好。</p><p>　　3.2圖像的濾波去噪；</p&

26、gt;<p>　　圖像去噪是數(shù)字圖像處理中的重要環(huán)節(jié)和步驟。去噪效果的好壞直接影響到后續(xù)的圖像處理工作。圖像信號在產(chǎn)生、傳輸過程中都可能會受到噪聲的污染，一般數(shù)字圖像系統(tǒng)中的常見噪聲主要有：</p><p>　　椒鹽噪音：指的是偶然產(chǎn)生的黑白亮度值，是實際操作中最常遇到的一類噪音；</p><p>　　高斯噪音：指的是產(chǎn)生的亮度符合高斯分布或者是正態(tài)分布的噪音；</p&

27、gt;<p>　　斑點噪聲：指的是僅包括偶然產(chǎn)生的白亮度值或是黑亮度值，在圖像上表現(xiàn)為信號相關的小斑點。</p><p>　　目前比較經(jīng)典的圖像去噪算法主要有以下三種：均值濾波，中值濾波和Wiener維納濾波。</p><p><b>　　1.均值濾波器</b></p><p>　　也稱線性濾波，主要思想為鄰域平均法，即用幾個像素

28、灰度的平均值來代替每個像素的灰度，適用于去除通過掃描得到的圖像中的顆粒噪聲。領域平均法由于平均會引起模糊現(xiàn)象，模糊程度與領域半徑成正比。</p><p>　　幾何均值濾波器所達到的平滑度可以與算術(shù)均值濾波器相比，但在濾波過程中會丟失更少的圖象細節(jié)。諧波均值濾波器對“鹽”噪聲效果更好，但是不適用于“胡椒”噪聲。它善于處理像高斯噪聲那樣的其他噪聲。先以領域大小為變量對圖像進行除燥，效果如下：</p>&

29、lt;p>　　2.自適應維納濾波器</p><p>　　Wiener維納濾波使原始圖像和其恢復圖像之間的均方誤差最小的復原方法，是一種自適應濾波器，根據(jù)局部方差來調(diào)整濾波器效果。對于去除高斯噪聲效果明顯。</p><p>　　它能根據(jù)圖象的局部方差來調(diào)整濾波器的輸出，局部方差越大，濾波器的平滑作用越強。該方法的濾波效果比均值濾波器效果要好，對保留圖像的邊緣和其他高頻部分很有用，不過計

30、算量較大。維納濾波器對具有白噪聲的圖象濾波效果最佳。</p><p><b>　　3.中值濾波器</b></p><p>　　它是一種常用的非線性平滑濾波器，其基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個領域中各點值的中值代換其主要功能是讓周圍象素灰度值的差比較大的像素改取與周圍的像素值接近的值，從而可以消除孤立的噪聲點，所以中值濾波對于濾除圖像的椒鹽噪聲非常

31、有效。中值濾波器可以做到既去除噪聲又能保護圖像的邊緣，從而獲得較滿意的復原效果，而且，在實際運算過程中不需要圖象的統(tǒng)計特性，這也帶來不少方便，但對一些細節(jié)多，特別是點、線、尖頂細節(jié)較多的圖象不宜采用中值濾波的方法。</p><p><b>　　4.小波去噪</b></p><p>　　這種方法保留了大部分包含信號的小波系數(shù)，因此可以較好地保持圖象細節(jié)。小波去噪方法包括

32、三個基本的步驟：對含噪聲信號進行小波變換；對變換得到的小波系數(shù)進行某種處理，以去除其中包含的噪聲；對處理后的小波系數(shù)進行小波逆變換，得到去噪后的信號。小波去噪方法的不同之處集中在第一步。</p><p>　　常規(guī)濾波算法的仿真對比如下，經(jīng)過對比，中值濾波的方法，對存在類似椒鹽噪聲的灰度處理后圖像效果更好。</p><p>　　3.4圖像的邊緣檢測；</p><p>

33、　　圖像的邊緣是圖像的基本特征之一，也是硬幣直徑尺寸測量的依據(jù)，其邊緣檢測的精確程度直接影響尺寸測量的精度。由于邊緣是圖像中所要提取的背景和目標的分界線，所以只有提取出了邊緣才能將背景和目標區(qū)分開來。因此，圖像的邊緣檢測是一種很重要的圖像預處理。</p><p>　　邊緣檢測主要包括五種方法，分別是羅伯特（Roberts）邊緣算子，索貝爾（Sobel）邊緣算子，Prewitt邊緣算子，高斯-拉普拉斯（LoG）邊緣

34、算子和Canny邊緣算子。下面分別介紹這幾種傳統(tǒng)的邊緣檢測方式。</p><p>　　Roberts邊緣確定方法操作過程方便，邊界檢測的可信度很好，然而很容易受到噪音的影響，這種方法比較擅長于邊界比較明確的或者噪音所占比重比較小的圖像噪聲少的圖像邊界的確定。</p><p>　　Sobel邊界確定方法可以在一定程度上削減噪音的影響，從而得到可信度比較高的邊界確定結(jié)果。然而，這種方法雖然有效

35、抵制噪音的影響，也使得操作的過程更復雜，此外還可能鎖定虛假的邊界，降低準確性。若是對邊界確定的工作不需要特別的準確，就能夠采取Sobel方式。</p><p>　　Prewitt邊界測定方式可以有效的削減噪音的干擾，然而邊界確定的可信度較低，圖像的一些重要的邊界訊號經(jīng)常會丟失掉。Prewitt方式受外界環(huán)境的影響一般比較小，然而，不足之處在于其邊界檢測的準確性沒有Roberts方式好。</p>&l

36、t;p>　　LoG邊界確定方式所能感知的邊界信息更全面，可信度更高，然而常常會受到噪音的影響，最終導致非真實邊界的混入。</p><p>　　Canny邊緣檢測算子是基于最優(yōu)化思想提出的邊緣檢測算子，它利用高斯函數(shù)對圖像進行平滑處理，因此具有較強的抑制噪聲能力。而且Canny算子的邊緣定位也比較精確，而且還能濾除較多的虛假邊緣，從而很好的保留圖像的邊緣信息。但是，該算子的計算時間較長，實時性差，它也會將一些

37、高頻邊緣平滑掉，造成邊緣丟失。</p><p>　　因此，本次設計針對所具有的圖像，采用Roberts邊緣檢測算法。</p><p>　　3.5基于Hough變換的圓檢測算法</p><p>　　Hough轉(zhuǎn)化的核心理念是把圖形概念轉(zhuǎn)化為規(guī)格概念，根據(jù)多數(shù)邊界點普遍符合的規(guī)格特征去確定圖形里的曲線。然后利用累加儀加以處理，算出的峰值所代表的點即為目標的訊息。<

38、/p><p>　　圓進行了Hough轉(zhuǎn)化之后在規(guī)格背景下是立體的，所以要在規(guī)格背景下產(chǎn)生一組立體的累加數(shù)A(a， b， r)，將圖形背景下所有的邊界坐標計算后把A加以累積。規(guī)范的Hough轉(zhuǎn)化確定圓的操作過程是：</p><p>　　1)在規(guī)格背景下產(chǎn)生一組立體的累加儀數(shù)值，其中的任意坐標 (a，b，r)代表了規(guī)格離散值。</p><p>　　2)對圖形背景下的圓邊界經(jīng)

39、過確定，依靠臨界值得到邊緣。然后計算和邊界上的任意點像素相距r的全部坐標(a，b)，在把(a，b，r)的累加儀加一。換用不同的r再進行該步驟，最終將所有邊界坐標進行轉(zhuǎn)化。</p><p>　　3)將立體數(shù)組的所有累加儀的值加以測定，所得峰值代表了圖形背景下圓的半徑以及中心。</p><p>　　以上過程是以Hough轉(zhuǎn)化為依據(jù)的圓的確定方式，因此測定結(jié)果的可信度非常高，然而規(guī)范的Hough

40、轉(zhuǎn)化的圓的確定方式工作量太過繁重，所有邊界坐標代表了規(guī)格背景下的相應曲面，因為映射的模式是一對多，所需的存儲面積會很多。</p><p>　　經(jīng)Hough變換后得到上圖標定圖像，測得的圓半徑為：68像素值。</p><p><b>　　實驗結(jié)果與分析</b></p><p>　　4.1測量系統(tǒng)的標定</p><p>　　

41、基于計算機視覺的測量系統(tǒng)，完成圖像采集、圖像處理及尺寸測量后還需要進行系統(tǒng)的標定。因為計算出的的尺寸值，并非真實的毫米制的實際尺寸，而只是一個像素值。所以需要對計算機視覺系統(tǒng)進行標定，找到真實尺寸值與像素值之間的一個比例關系，把以像素為單位的尺寸轉(zhuǎn)換為以毫米為單位的尺寸。</p><p>　　計算機視覺系統(tǒng)的標定具體的步驟如下：</p><p>　　選取一個尺寸己知的標準物體作為標定工件，

42、并測量其實際尺寸。本文選用圓環(huán)，測量得圓環(huán)的尺寸為（以毫米為單位）。</p><p>　　將標定工件放置于測量系統(tǒng)上進行測量，在測量系統(tǒng)處于正常的工作狀態(tài)下測量其以像素為單位的尺寸。即物體與相機的相對位置保持不變的情況下，測量得圓環(huán)的尺寸為 （以像素為單位）。</p><p>　　按照公式 來計算系統(tǒng)的標定系數(shù)。則物體的實際尺寸=物體的像素個數(shù)*標定系數(shù)，即： 。</p>

43、<p>　　按照系統(tǒng)標定的步驟，先對標準件進行圖像預處理，得到濾波后的二值化圖像，如下圖。</p><p>　　然后對二值化圖像每行求和得到一個與圖像行數(shù)相同的一維數(shù)組，找出其中最大的100個數(shù)求平均數(shù)，得到標準件寬度的像素尺寸292.6600。由已知標準ID卡的長*寬尺寸為：85.60mm*53.98mm，可求出標定系數(shù)為n=0.1844。</p><p>　　4.2尺寸測量的

44、數(shù)據(jù)</p><p>　　在進行系統(tǒng)的標定以后，為了檢驗該尺寸測量的準確度，本文對“一元硬幣”進行了多組測量。數(shù)據(jù)如表所示：</p><p>　　4.3尺寸測量的誤差分析</p><p>　　根據(jù)上文的研究計算，雖然測量誤差己經(jīng)減小到幾乎可以忽略的程度，但仍是無法完全消除的。所以應深入分析誤差產(chǎn)生的原因和研究改進的辦法，以此提高測量水平和測量精度。經(jīng)過分析，一元硬幣

45、直徑尺寸的測量誤差主要有機械誤差和環(huán)境誤差。</p><p>　　機械誤差：由于攝像機的制造和設計水平所限制，透鏡對入射光線的折射誤差等因素都會引起幾何失真，使理論像點與目標像點之間存在多種類型的幾何畸變。若在圖像拍攝時存在不垂直的情況，則會引入人為誤差。而且在選取器件時，應盡量選取高質(zhì)量的器件。</p><p><b>　　環(huán)境誤差</b></p>&

46、lt;p>　　1）振動的影響。攝像機和被測物體的微小振動，都可能使圖像失真，從而引起大的誤差。因此，該測量系統(tǒng)要在較為安靜的環(huán)境下進行測量，以減弱外界振動的影響。</p><p>　　2）溫度的影響。由于攝像設備主要由電子器件構(gòu)成，則溫度的變化對系統(tǒng)的性能也有較大的影響。因此，應采取一定的措施保證周圍溫度的恒定。</p><p>　　3）照明光源的發(fā)光不穩(wěn)定的影響。由于照明光源（如陽

47、光、燈光等）的發(fā)光不穩(wěn)定，可能會引起輸入信號的改變，因此，可采用遮光罩等辦法來減少發(fā)光不穩(wěn)定的照明光源的影響。</p><p>　　4）測量系統(tǒng)的周圍工作環(huán)境下的空氣濕度、磁場、電場等對該系統(tǒng)的影響雖然存在，但可忽略不計。</p><p>　　4.3減小誤差的方法</p><p>　　1）減震隔離方法。如可將硬幣放置于氣動隔震平臺上，以減小外界的振動對測量的影響。&

48、lt;/p><p>　　2）選用具有良好的溫度特性的攝像機，以保證系統(tǒng)在較恒定的環(huán)境溫度下進行測量，并使零件在同一溫度下進行系統(tǒng)標定和測量，以減小溫度不均衡對測量的影響。</p><p>　　3）選用高分辨率的攝像機，以提高測量系統(tǒng)的測量精度，以減小器件在安裝調(diào)整時造成的機械誤差。而且選用高調(diào)節(jié)精度的工作臺也有利于減小誤差。</p><p>　　4）因鏡頭畸變而導致的圖

49、像非線性畸變。可以通過在圖像坐標系中建立非線性畸變模型，來減小誤差。</p><p>　　5）對硬幣的前期處理。應注意硬幣的放置和清潔，避免因零件的放置不正和清潔不當而產(chǎn)生誤差。</p><p><b>　　總結(jié)</b></p><p>　　伴隨著我國工業(yè)制造行業(yè)的飛速發(fā)展，以計算機視覺為依據(jù)的測量方式已受到各界研究者的青睞。它以其能夠進行在線

50、測定，工作效率高，可信度也很好，并且不容易受到外界因素的影響等優(yōu)點，使得產(chǎn)品測定的過程更加方便快捷，最大限度的降低誤差，避免人工測量的速度以及測量位置的局限。</p><p>　　計算機視覺測量方法對圖像的效果有嚴格的標準，闡述了計算機視覺測量過程中的數(shù)字圖像處理方式，主要涵蓋了灰度轉(zhuǎn)化、圖像濾波、圖像邊界測定方法等。本文以Matlab為背景，介紹了圖像加工以及尺寸測量的具體細節(jié)，得到了相應的測定數(shù)據(jù)。雖然已經(jīng)達

51、到了預期的目的，能夠較好的完成硬幣直徑的尺寸測量，但還存在以下幾個方面的問題有待進一步解決：</p><p>　　在一幅圖像中，只能對單一的圓的特征進行測定；</p><p>　　不能完全滿足實時在線的測量，需要先獲取圖像，再導入到matlab中進行處理。</p><p>　　基于計算機視覺的硬幣直徑測量方式還存在著較大的提升空間，應該創(chuàng)立覆蓋全面的計算機視覺函數(shù)集

52、，優(yōu)化該系統(tǒng)的軟件裝置。</p><p><b>　　參考文獻：</b></p><p>　　1 陳垚光 等著·《精通Matlab GUI設計》·（第三版）·電子工業(yè)出版社，2013.8；</p><p>　　2 Rafael C. Gonzalez著·《數(shù)字圖像處理》·阮秋琦等譯·（

53、Matlab版）電子工業(yè)出版社，2005；</p><p><b>　　附錄：</b></p><p><b>　　灰度變換</b></p><p>　　function[]=huidu()</p><p>　　I=imread('C:\Users\suiyinli\Desktop\計算機視

54、覺\硬幣9.jpg');</p><p>　　I0 = rgb2gray(I);</p><p>　　I1=histeq(I0);%均衡化</p><p>　　subplot(1，4，1)，imshow(I0);title('原始圖像');</p><p>　　subplot(1，4，2)，imshow(I1);tit

55、le('均衡化后圖像');</p><p>　　subplot(1，4，3)，imhist(I0，64);title('原始圖像直方圖');</p><p>　　subplot(1，4，4)，imhist(I1，64);title('均衡化后直方圖');</p><p>　　I2=mat2gray(I);</p&

56、gt;<p>　　I3=log(I2+1);%對數(shù)變換</p><p>　　I4=imcomplement(I2);%反色變換</p><p><b>　　figure</b></p><p>　　subplot(1，3，1);imshow(I2);title('原始圖像');</p><p&g

57、t;　　subplot(1，3，2);imshow(I3);title('對數(shù)變換后的圖像')</p><p>　　subplot(1，3，3);imshow(I4);title('反色變換后的圖像')</p><p>　　figure%二值化</p><p>　　subplot(1，4，1);imshow(im2bw(I0，0.5)

58、);title('原始圖像二值化');</p><p>　　subplot(1，4，2);imshow(im2bw(I1，0.5));title('均衡化后二值化');</p><p>　　subplot(1，4，3);imshow(im2bw(I4，0.5));title('反色變換后二值化');</p><p>　

59、　subplot(1，4，4);imshow(im2bw(I3，0.5));title('對數(shù)變換后二值化');</p><p>　　imwrite(im2bw(I3，0.5)，'C:\Users\suiyinli\Desktop\計算機視覺\灰度變換后圖像.jpg');</p><p><b>　　濾波去噪</b></p>

60、<p>　　function[]=LBzaosheng()</p><p>　　I=imread('C:\Users\suiyinli\Desktop\計算機視覺\灰度變換后圖像.jpg');</p><p>　　I2=filter2(fspecial('average'，3)，I)/255;%均值濾波</p><p>

61、　　I3= medfilt2(I);%中值濾波</p><p>　　I4=wiener2(I，[3 3]);%維納濾波</p><p>　　[thr，sorh，keepapp] = ddencmp('den'，'wv'，im2double(I));%產(chǎn)生圖像的默認閾值</p><p>　　I5 = wdencmp('gbl&#

62、39;，im2double(I)，'sym2'，2，thr，sorh，keepapp);%對圖像進行小波去噪</p><p><b>　　figure</b></p><p>　　subplot(1，5，1);imshow(I);title('原始圖像');</p><p>　　subplot(1，5，3);im

63、show(I2);title('均值濾波后的圖像');</p><p>　　subplot(1，5，4);imshow(I3);title('中值濾波后的圖像');</p><p>　　subplot(1，5，5);imshow(I4);title('維納濾波后的圖像');</p><p>　　subplot(1，5，

64、2);imshow(I5);title('小波去噪后的圖像');</p><p>　　imwrite(I3，'C:\Users\suiyinli\Desktop\計算機視覺\濾波去噪后圖像.jpg');</p><p><b>　　邊緣檢測</b></p><p>　　function[]=bianyuan()&

65、lt;/p><p>　　I=imread('C:\Users\suiyinli\Desktop\計算機視覺\濾波去噪后圖像.jpg');</p><p><b>　　figure</b></p><p>　　subplot(2，3，1);imshow(I);title('原始圖像');</p><

66、p>　　BW1=edge(I，'Canny');</p><p>　　subplot(2，3，2);imshow(BW1);title('Canny');</p><p>　　BW2=edge(I，'log');</p><p>　　subplot(2，3，3);imshow(BW2);title('lo

67、g');</p><p>　　BW3=edge(I，'sobel');</p><p>　　subplot(2，3，4);imshow(BW3);title('sobel');</p><p>　　BW4=edge(I，'roberts');</p><p>　　subplot(2，3，

68、5);imshow(BW4);title('roberts');</p><p>　　BW5=edge(I，'prewitt');</p><p>　　subplot(2，3，6);imshow(BW5);title('prewitt');</p><p>　　imwrite(BW4，'C:\Users\sui

69、yinli\Desktop\計算機視覺\邊緣檢測后圖像.jpg');</p><p><b>　　4、Hough變換</b></p><p>　　function[]=Hough()</p><p><b>　　close all</b></p><p>　　I=imread('C:

70、\Users\suiyinli\Desktop\計算機視覺\邊緣檢測后圖像.jpg');</p><p>　　[r，c]=size(I);</p><p>　　rmax=90;%為簡化運算限定區(qū)域</p><p><b>　　rmin=50;</b></p><p>　　PL=zeros(r，c，rmax-rmi

71、n+1);</p><p>　　for rad=rmin:rmax</p><p><b>　　k=1; </b></p><p>　　for theta=1:360</p><p>　　x=rad*cosd(theta);</p><p>　　y=rad*sind(theta);</p&g

72、t;<p>　　X(k)=floor(x+.5);</p><p>　　Y(k)=floor(y+.5);</p><p><b>　　k=k+1;</b></p><p><b>　　end</b></p><p>　　for i=1:3:r</p><p>

73、　　for j=1:3:c</p><p>　　if(I(i，j)==1)</p><p><b>　　Xi=X+i;</b></p><p><b>　　Yj=Y+j;</b></p><p>　　index=find((Xi>=rad)&(Yj>=rad)&(Xi&l

74、t;=r-rad)&(Yj<=c-rad));</p><p>　　[~，cc]=size(index);</p><p>　　P1=false(r，c);</p><p>　　for l=1:cc</p><p>　　P1(Xi(index(l))，Yj(index(l)))=1;</p><p>&l

75、t;b>　　end</b></p><p>　　PL(:，:，rad-rmin+1)=PL(:，:，rad-rmin+1)+P1(:，:);</p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　end<

76、/b></p><p><b>　　end</b></p><p>　　ma=max(max(max(PL)));</p><p>　　[r，c1，p]=find(PL==ma);</p><p>　　pag=floor(c1/c);</p><p>　　ac=c1-(c*pag);<

77、/p><p>　　I1=false(size(I));</p><p>　　nrad=pag+rmin</p><p>　　center(1)=r(1);</p><p>　　center(2)=ac(1);</p><p>　　for theta=1:.2:360</p><p>　　x=nrad

78、(1)*cosd(theta);</p><p>　　y=nrad(1)*sind(theta);</p><p>　　Xn=r(1)+floor(x+.5);</p><p>　　Yn=ac(1)+floor(y+.5);</p><p>　　I1(Xn，Yn)=1;</p><p><b>　　end&l

79、t;/b></p><p><b>　　figure</b></p><p>　　subplot(1，2，1);imshow(I);title('圖像預處理后');</p><p>　　subplot(1，2，2);imshow(I1);title('Hugh變換后');</p><p&

80、gt;　　imwrite(I1，'C:\Users\suiyinli\Desktop\計算機視覺\Hugh變換后圖像.jpg');</p><p><b>　　計算</b></p><p>　　I=imread('C:\Users\suiyinli\Desktop\計算機視覺\硬幣90.jpg');</p><p&g

81、t;　　I0=rgb2gray(I);</p><p>　　I1=im2bw(I0，0.5);</p><p>　　I2=medfilt2(I1，[7 7]);</p><p>　　a=sum(I2');</p><p>　　b=sort(a);</p><p>　　c=sum(b(end-99:end))/1