基于Matrox Iris P系列智能相机图像处理.pptVIP

基于Matrox Iris P系列智能相机图像处理软件的设计 本课题的研究意义 智能相机出现解决了大工业生产对于质量控制、自动装配等工作自动化的需要。基于相机的图像处理技术的发展，为产品质量检测提供了新的手段，图像视觉检测系统可以根据各种不同的产品缺陷特征，对其研究图像缺陷特征，并设计其图像缺陷识别算法，从而达到对各种产品的质量检测 。 智能相机及图像处理发展状况的简介 智能相机的安装 图像处理算法的设计 1.灰度线性变换 智能相机的组成 智能相机的组成 本课题选用的智能相机 Matrox Iris P系列智能相机的特点 Matrox Iris P系列是一套完全可以通过编程控制的设备。其特点有： 强有力的嵌入式Intel构架处理器； 在Microsoft Windows CE. NET实时操作系统下运行用熟悉的Microsoft 开发环境和Matrox Imaging Library(MIL)； 基于网络的配置与监控； 高保真黑白或彩色CCD芯片； 外触发或内部控制电子快门； 网络接口； RS-232串口通讯； 辅助数字I/O； 坚固的单或双片工业设计 智能相机的安装 我们采用网线方式将相机与计算机相连： Matrox Iris P系列智能相机的应用开发示意图 本课题的设计思想 Matrox Iris P系列智能相机预装了Microsoft Windows CE .NET这一实时操作系统，我们将智能相机和计算机相连，在Embeded Visual C++4.0的软件条件下，结合相机自带的MIL图像库进行图像处理算法的编译，下载到智能相机的嵌入式系统中，并对智能相机获取的图像进行处理，最后将图像处理的结果显示在计算机上。 灰度线性变换 灰度线性变换就是将图像的像素值通过指定的线性函数进行变换，以此增强或者减弱图像的灰度，从而达到图像增强的目的。灰度线性变换的公式就是常见的一维线性函数： g(x, y)=kf(x, y)+d 图像反色 最简单的是图像反色。此时， k=-1，d=255 线性变换 对图像进行灰度线性变换，参数设置及结果如图所示： 傅立叶变换 付氏变换使人们从空间域(或时域)与频率域两个不同的角度来看待信号或图像的问题。有时在时域无法解决的问题，在频域却是显而易见的。对于一幅图像f(x，y)，二维付氏变换定义为: F(u，v) = 傅立叶变换 图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。傅立叶频谱图上我们看到的明暗不一的亮点，实际上图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小 。 离散余弦变换DCT 离散余弦变换是与傅里叶变换相关的一种变换，它类似于离散傅里叶变换，但是只使用实数，它相当于一个长度大概是它两倍的离散傅里叶变换。公式如下： 离散余弦变换DCT 离散余弦变换具有很强的“能量集中”特性,因此离散余弦变换，经常被信号处理和图像处理使用，用于对信号和图像(包括静止图像和运动图像)进行有损数据压缩。 边缘检测 边缘是指图像周围像素灰度有阶跃变化或屋顶状变化的那些像素的集合。边缘检测是所有基于边界分割方法的最基本的处理，边缘的确定与提取对于整个图像场景的识别与理解是非常重要的。 1. Sobel算子 2. Prewitt算子 3. Kirsch算子 Sobel算子 Sobel边缘算子由两个卷积核Sx和Sy构成，图像中的每个点都用这两个核做卷积，通常一个核对垂直边缘响应最大，另一个对水平边缘响应最大。Sobel算子利用像素点上下、左右相邻点的灰度加权算法，根据在边缘点处达到极值这一现象进行边缘检测，因此对噪声具有平滑作用，提供较为精确的边缘方向信息。 Sobel算子 Sobel算子美中不足的是没有基于图像灰度进行处理，由于Sobel算子没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。 Prewitt算子 Prewitt算子与Sobel算子的方程相同，只是常量C=1。由于常量C的不同，这一算子与Sobel算子不同的地方在于没有把重点放在接近模板中心的像素点。当用两个掩模板(卷积算子)组成边缘检测器时，通常取较大的幅度作为输出值，这使得它们对边缘的走向有些敏感。其卷积模板如下 : Prewitt算子 Prewitt算子的优点是操作简单，处理速度快，且得到的边缘连续，对噪声有抑制作用。 Kirsch算子 Kirsch算子使用8个模板来确定梯度的幅值和方向，故又称为方向算子，通过采用8个模板对图像上的每一个像素点进行卷积求导数 ，取其中最大值作为边缘强度，而将与之对应的方向作为边缘的方向。 Kirsch算子 运算中取所有8个方