毕业论文-砂纸生产中砂纸缺陷自动检测系统的设计.docx

砂纸生产中砂纸缺陷自动检测系统的设计砂纸生产中砂纸缺陷自动检测系统的设计摘要随着科技的发展进步，自动化的普及，砂纸作为一种生产过程中必备的研磨工具，已实现生产完全自动化。但是其质量检测仍然采用传统的目测法。这种方法成本高，效率低，受主观性影响，不确定性太大。因此需要一种低成本，高效率，精确的方法代替滞后的目测法。本文通过对国内外文献的研究，提出了基于机器视觉的砂纸缺陷自动检测系统的基本思路。砂纸缺陷在线检测是在合适的光源下，用摄像器材对砂纸进行图像采集，用计算机对采集到的图像进行图像处理，然后对缺陷自动识别。典型的砂纸缺陷有缺砂、堆砂、折痕、划痕、破损等。本文完成的主要工作如下：1、 简介机器视觉与无损检测的概念与研究现状。并说明无损检测技术在砂纸缺陷检测系统中的应用。2、 通过对系统中用来采集图像的摄像器材和光源进行分析，完成了试验设备的搭建。系统针对砂纸缺陷特征的复杂性，选用了漫反射作为照明方式。3、 通过对图像处理相关技术的学习和研究，对各种图像处理算法进行分析比较，本文采用迭代阈值分割算法，对采集到的缺陷图像阈值分割。实现对缺砂，堆沙，划痕的特征提取。4、 实验验证本文提出的适合砂纸的图像处理算法。经实验验证，该系统能够在特定情况下完成砂纸表面缺陷的检测。关键词：砂纸，缺陷检测，机器视觉，图像处理THE DESIGN OF AN AUTOMATIC DEFECT SYSTEM FOR DEFECTIONS OF SANDPAPER IN PRODUCTIONABSTRACT With the development of technology,sandpaper becoming as an fully automatedessential tool in the production.But the quality detection still adopts the traditional method.However,the traditional method is higher cost and lower efficiency which is also influenced by subjectivity feelings.So that we should find another method to instead of that method. An automatic defect detection system based on machine vision for sandpaper is introduced in this paper.CCD-camera is used to collect the images in suitable lighting. Then the defect detection system can be used to identify the defects automatically. The typical defects can be classified into sand lacking, sand accumulation, creases, nick, damage, etc. The concept and researching status about machine vision and non-destructive testing are introduced. Then the appliances of the non-destruction testing technique in the sandpaper defect detection system are illustrated.After that, based on the analysis of the image processing equipment and light source, a test equipment is built in this paper. Additionally, to tackle the complexity of the sandpaper defections, the diffuse reflection is utilized to light the system. Further, based on some corresponding technologies of image processing, the comparison of various image processing algorithms are completed. And in order to extract the features of the sandpaper defects, the iterative threshold segmentation algorithm is presented to cut the images collected.Finally, numerical experiment results are included to validate the proposed suitable image processing algorithms for sandpaper. The experiment results show that, by applying this system, the sandpaper surface defect detection can be completed in certain situations.Key words:Sandpaper, Defect Detection, Machine Vision, Image Procession目 录1. 绪论.1 1.1 引言.1 1.2 砂纸缺陷种类及检测现状.1 1.3 基于机器视觉的无损检测技术概述.21.3.1 机器视觉.21.3.2 无损检测.3 1.4 课题研究内容.42. 砂纸缺陷检测系统总体设计方案.6 2.1 图像采集设备.6 2.2 光源系统.6 2.3 系统硬件系统.73. 砂纸缺陷检测的图像处理.8 3.1图像预处理.8 3.1.1 RGB颜色空间.8 3.1.2彩色图像灰度转换.8 3.2图像增强.83.2.1 中值滤波.93.2.2 高斯滤波.103.2.3 圆形均值滤波.10 3.3图像分割.133.3.1 双峰法.143.3.2 迭代阈值分割.143.3.3 大津法.14 3.4图像的形态学运算.154. 软件部分仿真实验.21 4.1 软件概述.21 4.2软件系统总体框架.21 4.3 主要功能.225. 结论.25参考文献.27致谢.29附录.301 绪论1.1 引言砂纸，俗称砂皮，一种常用的磨具。常用来把金属、木材表面打磨光滑。根据砂纸表面使用砂粒的不同，将砂纸分为玻璃砂纸、金刚砂纸、人造金刚砂纸等。砂纸生产过程中，植砂是非常重要的环节，即将砂粒均匀的涂覆在原纸表面，在这个环节中非常容易出现砂纸缺陷。目前砂纸的生产制造完全实现自动化生产，但是产品的质量检测环节还是主要是依靠工人目测。这种低效率、低产能、高成本、高投入的滞后的检测技术长期得不到改善。为了在工业生产中实现高效，实时，准确的砂纸缺陷自动检测，许多国内外生产厂家和研发人员正在不断探索。1.2 砂纸缺陷种类及检测现状在实际生产过程中，任何产品都不会全部合格。砂纸也不例外，在生产中的任何环节都有可能使砂纸出现缺陷。常见砂纸缺陷及产生原因见表1-1：表1-1 砂纸缺陷种类及产生原因序号缺陷类别产生原因1表面锋利涂胶量过大；干燥时间短温度低未完全干燥；磨料质量差2脱砂涂胶量过小；干燥时间不够温度过低3柔软性差干燥时间过长温度过高；胺基清漆用量过大4缺胶缺砂涂胶混有脏物；胶面划道；砂箱堵塞5砂团胶团；纸面有疙瘩；磨料结团；漆皮及杂质；底胶太厚6粗粒磨料中混入粗料；植砂设备未打扫干净7折印原纸受潮起皱；生产时张紧力太大或太小；绕卷是过紧过松；干燥不均匀8透胶原纸耐水性不好松紧不一；浸渍厚度不够9花脸上砂不匀；预干燥不够，卷绕或复胶时脱砂严重在实际生产中，砂纸生产厂家都是通过具有一定工作经验的工人眼睛目测和钢尺测量的方法对砂纸质量进行检测的。在科技飞速发展的背景下，对效率、速度要求越来越高。这种落后的方法已不再适用。而且这这种方法受工人主观性影响，不同的工人可能检测出来不同的结果。无损检测替代人工检测成为必然的发展趋势。无损检测是未来检测技术的发展方向，使用智能的计算机视觉技术对砂纸表面缺陷进行检测具有高效性，快速性，准确性，经济型等优点。1.3基于机器视觉的无损检测技术概述 1.3.1 机器视觉机器视觉利用计算机的计算能力、处理能力来模拟的视觉功能、判断能力，从而完成对物体的识别、判断1。发展至今，机器视觉已有20多年的发展历史。在此期间新的理论和技术不断的涌现。在理论方面有模式识别，神经网络等。在技术方面有ARM，FPGA等，理论和技术不断的互相促进发展，使机器视觉在实际生产中应用越来越广泛2。目前,机器视觉检测技术广泛应用于工业、军事、国防、医学等各个领域3。在工业生产中，机器视觉主要应用于物体的识别、尺寸的检测和缺陷的检测等方面4。机器视觉系统的基本构成如图1-1所示，在一定光照条件下，将摄像器材采集到的关于被检测的物体的图像，传输给图像处理系统，再根据图像中所包含的信息如像素、亮度等，通过图像处理算法对这些信息进行处理，得到目标的特征，如面积、长度等，再根据预设的约束条件输出想要得到结果，如尺寸、角度、个数等，实现自动识别功能。图1-1 机器视觉的系统构成 1.3.2 无损检测无损检测（non-destructive testing NDT）也叫无损探伤(non-destructive examination NDE），顾名思义是指在不破坏被检测物体的前提下，根据声波、光线、磁场等对材料内部的异常或缺陷部位的反应，通过物理或化学方法，凭借现代化的技术和先进的设备器材，对试件内部或表面的纹理、结构、性质、数量、形状、位置、尺寸进行检查和测试的方法5。通过使用依靠激光、超声、电磁等原理的现代化仪器，可以在不损坏物体的前提下，对材料、产品进行缺陷检测，得到缺陷的特征信息。中国无损检测学术组织是中国机械工程学会无损检测学会，TC56是其标准化机构6。目前无损检测已被广泛应用于自动化生产,与传统的检测手段相比,无损检测具有不可替代的优点7。 1.3.2.1 无损检测国外研究现状1985年,日本的千叶厂和川崎厂首先将激光扫描技术应用于实际生产中,其图像采集设备的光学装置选用了会聚透镜和一个滤光面罩,增强了检测缺陷的能力8。1988年,德国SICK公司9将五套表面缺陷检测设备安装在在冷轧厂检测线上, 利用激光原理对钢板在自动生产过程中进行缺陷检测10。自上世纪90年代至今，线阵CCD技术逐渐出现在世人眼前，与早期的激光逐点扫面相比，线阵CCD采集到的图像效果更好11。德国NANO systems公司研发了NANO系统，该系统就是采用的线阵 CCD 摄像头，该系统可以在高带宽，高速度下，检测最小尺寸为0.5mm的带钢表面缺陷12。1997年，德国Parsytec公司为韩国浦项制铁公司研制了HTS-2冷轧带钢表面缺陷检测系统13，该系统首次将基于人工神经网络（ANN）的分类器设计技术应用于钢板检测领域。英国European Electronic System公司（EES）研发的热轧带钢表面检测系统，相比于同类产品缺陷检测能力更强、缺陷图像质量更高，系统对环境的适应能力更好，更加可靠、实用，欧美主要钢铁制造企业已将其应用在实际生产中14。 1.3.2.2 无损检测国内研究现状 我国无损检测技术的研究工作目前尚处在起步阶段，与西方发达国家相比，整体水平比较低，在实际生产中的应用还很低端。90年代初，华中理工大学罗志勇等将激光扫描方法应用在测量冷轧钢板宽度和检测孔洞缺陷上，并为该系统研发了相应的信号处理电路，此后又开展了基于线阵CCD和面阵CCD的检测技术的研发工作15。1995年，他们又开发出了利用多台面阵CCD相机成像，对冷轧带钢表面孔洞、重皮和边裂等缺陷进行检测的实验系统。同年，哈尔滨工业大学机器人研究所开始研究对带钢表面的主要缺陷进行静态检测和识别。2002年，北京科技大学徐科等人开发了一种图像采集系统，该系统采集钢板表面图像使用了多个面阵CCD摄像机同时采集16。2004年浙江大学双元公司推出了SYWIS3000 纸病检测分选系统17，这是最早出现的纸张缺陷视觉检测系统，是国内第一个自行研发的纸病检测系统，然而该系统的应用也仅限于实验室，未见其应用于国内的企业。1.4 课题研究内容本课题的主要目的是研究一种基于计算机视觉的砂纸质量检测方法，以图像处理技术为手段，结合砂纸本身特性，对上述缺陷进行自动识别和检测，以代替现有的人工检测，适应生产线完全自动化的要求。完成本系统首先要选取光源和摄像器材的选取，然后使用计算机对采集到的图像进行处理，最后输出使用者需要的缺陷处信息。本课题的主要工作有以下四点：（1） 调查研究工业生产行业中先进的表面缺陷检测技术进。（2） 完成试验设备的搭建。（3） 针对砂纸表面缺陷特征，设计验证适合砂纸的相关图像处理算法。 （4） 使用该算法，检测砂纸表面缺陷，验证该算法的有效性。692 砂纸在线检测系统总体方案设计2.1 图像采集设备图像采集设备在在整个系统中的作用相当于人的眼睛，用来获取外部信息。为达到系统的要求，选用摄像器材时需要满足考虑以下几个问题：（1） 摄像器材的分辨率：在工业成产中，选择摄像头的分辨率需要考虑被检测物体的幅面和检测精度。（2） 摄像器材的采集速度：用帧率（Frames per Second FPS）即每秒显示帧数表示摄像器材的图像采集速度。检测对象的运动速度决定了摄像器材的帧率选择。本课题中砂纸生产过程中的卷轴转动速度不是很快，可以选用低帧率的摄像器材，可以降低成本。（3） 工作距离：相机镜头与被观察物体之间的距离。本课题需要拍摄到比较清晰的图像，但并不是说离砂纸的距离越近越清晰。本文使用微距模式进行拍摄，但是不能距离砂纸表面过近，因为可能会出现将砂纸表面的砂粒拍摄的过于清晰的情况，导致后期图像处理出现问题，误判为缺陷。 综上考虑，根据工业生产中常用的CMOS芯片的摄像机使用情况，本课题选用MV-VDM120SM/SC相机。该相机性能参数为：最高分辨率：，像素尺寸：，光学尺寸，帧率，信噪比，可通过外部信号触发采集或连续采集，使用USB3.0接口输出。本课题中摄像头与砂纸间距离为，可以稳定采集砂纸图片。2.2 光源系统光源作为系统中的关键部分，光源选择的不好会直接对处理结果造成影响。光源应以最合适的方式将光线投射到被检测的物体表面，使被检测物体的特征更加突出。照明系统设计的越好，图像采集的效果就越好，后期的处理就越简单算法的设计也将更为简单。光源及照明方式比较实际生产中，主要使用扫描法、透射法、光照漫反射法作为缺陷检测系统的照明方式。这三种照明方式各有优缺点，适合不同的情况。通过比较这几种照明方式，选择最适合砂纸缺陷检测的照明方式。（1） 扫描法：常用于传统工业检测中。本课题中检测砂纸这样大面积的表面缺陷，且分辨率在毫米级，如果采用扫描法进行检测需要非常多的CMOS芯片。如果只使用一个CMOS芯片，则需要用几百分钟的时间进行检测，速度过慢，不满足实时处理的要求。所以本课题不采用这种方法。（2） 透射法：工业中使用这种方法常采用背景光源，背景光源放置在被测物体的下方。不透光部分在成像时呈现黑斑。这种方法通常用于检测特征和背景之间有明显的透光差异的物体。将这种方法应用在砂纸的缺陷检测中，使用效果并不理想，所以本实验没有采用透射法。（3） 漫反射法：因其设备简单，价格低廉被广泛应用于工业无损检测中。在本课题中，因为砂纸表面的纹理特性，缺陷区域反射率高，能与非缺陷区域对比强烈，能突出缺陷特征。经过分析对比，本文选用条形光源，这种光源适合对大面积表面进行检测，并且几乎适合所有缺陷的检测。2.3 系统硬件架构根据前文分析的硬件选择，下面给出了本本课题所使用的硬件设备的结构示意图，如图2-1所示。图2-1 硬件系统结构示意图在图2-1中，采用两个条形光源，并对称放置作为光源系统。这样可以降低因光照不均对处理结果的影响。使用线阵CCD相机对图像进行采集，再将采集到的图像传输到计算机中，使用后文中所设计的算法对图像进行处理，最后输出处理结果。硬件系统的基本工作原理为：摄像机采集图片数据传入PC机图像处理输出缺陷信息。硬件系统原理如图2-2所示。图2-2 硬件系统原理框图3 砂纸缺陷检测的图像处理使用数字图像处理技术首先需要进行图像获取。在图像采集过程中必不可少的会引入光照不匀，摄像设备等噪声干扰。在向计算机传输图像信息的过程中，也会受到外界因素干扰而产生噪声。所以，在检测缺陷前需进行图像预处理，降低噪声对处理结果的干扰。3.1 图像预处理通过摄像设备采集到的图像并不是马上进行处理的，而是需要先对图像进行预处理，如灰度转换，图像几何变换。3.1.1 RGB颜色空间数字图像的每一个网格上都填充了唯一的一种颜色，颜色空间就是计算机中颜色的表示方法。RGB（Red、Green、Blue）颜色空间是常用的一种颜色模型，称其为与设备相关的色彩空间。其原理为：在阴极射线显像管显示系统中，彩色阴极射线管使用R、G、B的数值来驱动电子发射电子，分别刺激荧光屏上用来显示R、G、B颜色的荧光粉发出不同亮度的光线。3.1.2 彩色图像灰度转换本课题中使用的是彩色相机，采集到的图像是彩色图像，需要对彩色图像进行灰度转换。因为如果直接使用彩色图像进行处理，有可能会出现处理速度慢，需要的算法复杂，占用储存空间大等问题。因此，在图像处理前需要将彩色图像转换成灰度图像。灰度图像所包含的信息足够支撑分析意图，灰度转换可以提高图像处理速度，并且可以降低算法的复杂性。3.2 图像增强增强处理的目的在于突出图像中感兴趣的部分，抑制不感兴趣的成分。根据不同的情况，使用不同的图像增强，有时可能需要强调图像整体特性，有时又可能需要强调图像的局部特性。可能需要把原本不清晰的图像变清晰，也可能需要将原本清晰的图像变模糊。在不同的场合下，图像增强处理的手段和目的常常是完全不同的。3.2.1 中值滤波图像的中值滤波是一种非线性的图像处理方法，它把与它相邻的区域内的灰度按从小到大的顺序排列，选择中间的灰度值作为作为他自己的灰度。一般采用的是个点的滑动窗口。中值滤波窗口形状有很多种，常用的有线性、方形、X形等形状。中值滤波的窗口大小通常在3、5、7等奇数中选择，具体数值根据实际情况对不同大小的窗口处理结果进行对比，选择最佳大小。本课题中砂纸缺陷部分形状特征的差别，检测系统中使用的窗口为nn型。图3-1中列举了几种常用的采样窗口。由于中值滤波需要采样窗口内取灰度排序后位于中间的灰度作为结果，所以采样窗口通覆盖的像素个数通常为奇数。图3-1 中值滤波采样窗口在中值滤波算法中，对孤立的像素的点关注并不高，但是认为图像中的每个像素与跟它相邻的像素有着密切的关系，该算法会在每一个邻域中选取选取一个最可能代表这个邻域特征的像素灰度作为中心像素的灰度。这种方法能很好的消除孤立噪声点，对密集或稍大的噪声点也可以很好的去除。尤其是在处理椒盐噪声效果非常明显。中值滤波对去除脉冲噪声有良好效果，并且能够同时去除噪声和保护信号的边缘不被模糊。中值滤波的这些优点是线性滤波所不具有的。此外，中值滤波还具有算法简单，处理速度快，硬件易于实现等优点。所以，中值滤波方法一经提出后，便广泛应用在图像处理中。3.2.2高斯滤波高斯滤波是一种线性平滑滤波，利用邻域平均的思想对图像进行平滑。在高斯滤波中，对图像邻域平均时，对不同位置的像素赋予不同的权值。在图3-2中显示的是邻域的高斯模版。图3-2 高斯模版 如图3-2所示，越靠近邻域中心的位置，所赋予的权值越大。如此赋予权值的意义在于在对图像平滑时，能同时做到对图像细节进行模糊且保留图像的总体灰度分布特征。高斯滤波的优势在于对图像的总体特征的提取和增强，但是对于高对比度的图像平滑效率比较低，消除离散型噪声效果不理想。3.2.3 均值滤波均值滤波是最典型的线性滤波。其基本原理为：利用卷积运算对图像的邻域像素灰度进行平均。使用这种方法能达到减少图像噪声影响，降低图像对比度的目的。使用如图3-3所示的卷积模版，选用9作为衰减因子，实现简单的均值滤波。图3-3 简单卷积模版值得注意的是，邻域内的像素灰度值相同时，卷积运算结果与原来像素灰度值相同，可以使图像均值滤波处理后不会产生新的噪声影响。在均值滤波中，可以用增大邻域边长的方法消除更多的噪声，但是图像的对比度也会降低很多。实用均值滤波方法消噪的代价是大幅降低图像的对比度。使用以上提到的三种滤波，对不同的缺陷图像进行处理，得到如图3-4、图3-5、图3-6、图3-7所示的结果。图3-4 使用不同滤波对堆沙缺陷进行处理图3-5 使用不同滤波对刮痕缺陷进行处理图3-6 使用不同滤波对折痕缺陷进行处理图3-7 使用不同滤波对褶皱缺陷进行处理 经过对以上使用不同滤波进行处理的图片进行对比，不难发现视同中值滤波的处理结果最好。能在减低图像噪声的同时，保持图像清晰。本文使用中值滤波进行图像的预处理。使用均值滤波需要考虑其窗口选择的问题。下面对窗口选择进行分析比较。分别使用、的中值滤波窗口，对同一图像进行处理，得到如下结果，分别如图3-8、图3-9、图3-10所示：图3-8 33中值滤波图3-9 55中值滤波图3-10 77中值滤波通过对以上处理结果的对比，可以发现使用33大小的窗口进行中值滤波，噪声去除的效果最好，窗口增大后，缺陷部分轮廓变得模糊。因此本文采用窗口为33大小的中值滤波进行消噪处理。3.3 图像分割阈值分割是一种根据图像直方图使用阈值图像像素分为若干类的图像分割技术。这种图像分割方法的优点是实现简单，计算量小，性能稳定。但在图像灰度差异不明显的图像分割无法做到精确的分割。其基本算法为：设原灰度图像为，设定一个阈值T，则二值图像为： 实际应用中，常用的阈值分割方法有：双峰法，迭代法，大津法（OTSU法）等。3.3.1双峰法双峰法的原理非常简单：该方法认为一副图像由两部分组成，分别为前景和背景，它们在灰度直方图上分别形成高峰，图像阈值就在双峰之间的最低谷处。这种方法简单的同时，缺点也很明显。那就是如果图像复杂的话，不只两个峰值，会导致阈值选取失败。3.3.2 迭代阈值分割迭代法的基本思想是逼近，其原理是：首先猜测一个初始阈值T，通常取灰度的平均值，在图像处理中不断改变这个阈值，从而得到最佳的阈值。之后计算分割后的两个区域的平均阈值，低于T的区域平均阈值定为Tb，大于T的区域平均值定为T0，则新的阈值为。不断重复以上步骤，当重复到第k次时，有当时，迭代算法停止。为最终的阈值。采用迭代二值化阈值分割的图象处理效果比双峰法要好。经过不断迭代运算得出的阈值能较为准确将图像的前景和背景分割开，但是在图像的细节处还无法做到准确的分割。3.3.3 大津法（OTSU法）1979年，日本学者大津提出了OTSU算法，该算法的基本思想是聚类，基本内容是把图像的灰度数分成2个部分，使最大的灰度差异在两个部分之间，最小的灰度差异在每个部分之间，通过方差的计算找到一个合适的灰度级来划分。基本原理为：设t为前景与背景的分割阈值，前景点数占图像比例为，平均灰度为；背景点数占图像比例为，平均灰度为。图像的总平均灰度为18：当前景和背景之间的方差最大时，得到的这个t值就是我们想要求得的阈值。其中，方差的计算公式如下：方差可以作为衡量灰度分布是否均匀的一种方法,方差越大,意味着前景和背景之间的差异越大,而当前景和背景都有一部分被错分为另一部分是两部分之间的方差就会变小，而减少错分的概率，因此，如果类间方差达到最大，则此时的错分的概率为最低。综合考虑，本文采用迭代二值化法阈值分割。下面是采用迭代二值化法阈值分割的原图和效果图。图3-11 处理划痕缺陷效果图处理结果表明，经过迭代法多次运算，能将缺陷特征准确的分割出来，缺陷特征轮廓清晰，使用迭代法处理砂纸缺陷结果令人比较满意。但是由于系统图像采集使用漫反射方法，光线照射不均匀，光线集中的地方比较亮，远离光照中心的区域，相对亮度较低一些，非缺陷部分亮度较高的区域经过二值化处理，可能误判为缺陷，形成噪声。下文将对残余的噪声进行处理。3.4 图像的形态学处理开闭运算常用于图像的形态学处理。开闭运算在实践应用中，因具有处理速度快，算法思路清晰等特点，而被广泛应用于许多领域。开运算和闭运算都要用到腐蚀和膨胀。下面简单介绍下腐蚀和膨胀的原理与算法。腐蚀：消除边界点，使边界向内部收缩的过程。腐蚀操作常常用来去除无意义的小物体。腐蚀的基本算法：使用一个大小为3x3的结构元素，对图像的每一个像素都扫描一遍，用结构元素根其覆盖的元素做“与”操作，如果结果都为1，那么该点的图像像素为1，不然为0。腐蚀的结果：使二值图像缩小一圈。腐蚀的基本原理：在数字形态学中，设A是在（x,y）平面上的一个目标区域，S为大小和形状确定的结构元素，定义S所表示的区域为S（x,y），S（x,y）位于（x,y）平面上，这样对于A的腐蚀结果为：膨胀：把与物体相邻的所有背景点都融合到此物体中，使边界向外部扩张的过程。膨胀操作常常用来填补物体中的空洞。膨胀的基本算法：使用一个大小为3x3的结构元素，对图像的每一个像素都扫描一遍，用结构元素跟覆盖的元素做“与”操作，如果结果都为0，那么该点的图像像素为0，不然为1。膨胀结果：使二值图像增大一圈。膨胀的基本原理：在数字形态学中，设A为（x,y）平面上的一个目标区域，S为大小和形状确定的结构元素，定义S所表示的区域为S（x,y），S（x,y）在（x,y）上，这样对于A的膨胀结果为：在数字图像形的态学处理中腐蚀和膨胀是最基本的两个算子，通过对它们的组合及配合集合的运算，可以构造出形态学运算簇。常用A+S表示S对A膨胀，用A-S表示S对A腐蚀，定义表示S对A做开运算、表示S对A做闭运算，则有如下关系：对于目标图像A的开运算可以理解成先对A腐蚀，再膨胀；而A 的闭运算可以理解成先对A膨胀，再腐蚀。在图像处理中，常用开闭运算来对目标图像进行过滤和填补。开运算：图像的开运算可以理解为对目标图像先腐蚀，再膨胀。但膨胀恢复后的结果是有损的，就是说开运算后的图像与原图像并不相同。开运算处理后只有附近存在完整结构元素的像素点会被留下，而其他附近没有完整结构元素的的像素点会被清除。在图3-12中，a代表目标图像，b为经过开运算处理的图像。图像的开运算常常用来消除孤立的小像素点，在物体纤细点使其分离，在不改变面积的前提下对较大物体的边界进行平滑。使用开运算对图像进行消噪处理时，可以选择性的保留目标图像中与结构元素相同部分，而消除掉相与结构元素不同的部分。 图3-12 图像开运算的性质闭运算：图像的闭运算可以理解为对目标图像先膨胀，后腐蚀，但腐蚀恢复的结果同样是不同于原图像的。闭运算的处理结果常常会在原图像上增填一些新的像素。经过闭运算的处理，原图像中距离相对较近的区域可能会被连接起来，通常会放大孤立的元素点，结构元素的形状和大小决定元素点放大的形状和大小。在图3-13中，a为目标图像，b为经过闭运算处理的图像，图中A、B点在经过闭运算处理后被连接，因为A、B两点所在的位置距离较为接近，C点所在位置距离A、B点所在位置距离较远，所以不能被连接。常用闭运算对目标图像中的缝隙和空洞进行填补，或对分开的切邻近区域进行连接，在不改变面积的前提下平滑其边界。如果结构元素选择合适，图像经过闭运算处理可以使图像中填补的区域具有一定的几何特征，适当进行闭运算是可以同时使图像变得更加清晰和连贯，且不让图像中的线条变粗。 图3-13 图像闭运算的性质原始图像经过迭代二值化法阈值分割后进行开闭运算效果如下：划痕缺陷经过开闭运算处理后的效果图，如图3-14所示： a 原始图像 b 阈值分割结果c 开闭运算结果图3-14 开闭运算处理划痕缺陷结果在图3-14中，经过阈值分割处理后，残余的噪声，在经过开闭运算后明显减少了。堆砂缺陷经过开闭运算处理后的效果图，如图3-15所示：a 原始图像b 阈值分割结果c 开闭运算结果图3-15 开闭运算处理堆砂缺陷结果 在图3-15中，经过阈值分割处理后的图像还有很多细小噪声不规则的分布在图像中，经过开闭运算处理后，噪声基本消除，消噪效果良好。通过对以上处理结果分析，可以得出结论，经过开闭运算的处理，图像消噪效果明显，并且对图像中孔洞也进行了填补，图像变得更加清晰连贯，并且轮廓也变得更加平滑了，由此可见，开闭运算的处理结果令人满意。经开闭运算处理后，对图像是否有缺陷进行判断。本课题采用比值法判断砂纸是否存在缺陷。求出缺陷部分的像素数量与图像的总像素数量的比值。使用这个比值与一个预先设定好的阈值做比较，大于这个阈值则为有缺陷，反之则为无缺陷。这个预先设定好的阈值通过多组有缺陷的图片的白色像素的比例对比，如表4-1所示，然后选取一个合适的阈值范围，本课题中阈值选取的范围定为00.004。由于处理过程中可能会有噪声无法消除，所以这个阈值不能为0。为防止漏检和误检，这个阈值选取得不能太大也不能太小，本文暂选取0.002为阈值。在不同环境中，该阈值需要根据实际情况进行对应的调整。表4-1 不同图像白色像素比例图像无缺陷砂纸图像1无缺陷砂纸图像2堆沙图像1堆沙图像2划痕图像白色像素比例000.00460.00450.00574 软件部分仿真实验4.1 软件概述本课题在已有的缺陷检测理论基础上，完成了硬件部分的设计。软件部分设计使用美国MathWorks公司研发的MATLAB软件，完成了整个检测系统软件部分的开发。考虑到实际生产过程中，不同工人的操作方式不同，水平不同，在保证功能的前提下，尽可能使软件理解起来简单易懂，操作上方便快捷，人机交互友好。 MATLAB具有的优点：一、速率较高的编程，较于C语言等更简洁明了；二、方面快捷的实用，一种调试和编写比VB还易于理解编写的语言；三、弹性较大，库函数包容性强，一些复杂的数学公式可直接调用于窗口。MATLAB软件编译环境对用户非常友好，编写语言简单易于掌握，视界窗口简洁不复杂，分析数据和处理图像有较强的能力。由于MATLAB软件的快捷化，它在各大领域得到很多实际运用并有实际效益，尤其是在模块集合工具箱方面的运用更为广泛。4.2 软件系统总体框架软件部分作为系统的核心部分，实现的主演功能为：图像获取、图像处理、输出结果。图像获取：作为图像信息的来源，图像获取在系统中的作用非常重要。采集到的图像的好坏，直接影响图像处理结果的好坏。论文在第二章已经完成了硬件设备的确定，这里不再具体阐述。图像处理：首先对图像进行预处理将采集的彩色图像转换为灰度图像。然后使用中值滤波对图像采集传输过程中产生的噪声进行消噪处理。再对图像使用迭代二值化法阈值分割，突出缺陷部分的特征，以方便后面对缺陷进行识别。最后对图像做开闭运算，对前面步骤没有去掉的干扰点进行去除，并且是缺陷部分特征更加清晰、明显，降低缺陷识别的算法复杂度。输出结果：本课题中采用像素比例的方法对有无缺陷进行判定。即根据缺陷像素与总像素的比值，确定检测的砂纸是否存在缺陷。比值通过对大量实验数据对比得出。软件系统基本构成如图4-1所示：图4-1 软件系统构成框图4.3 主要功能 界面设计使用的是基于MATLAB的即图形用户界面（Graphical User Interface）进行设计。随着计算机技术的发展。人机交互方式变得越来越简单方便。如今的人机交互方式，即GUI，允许用户使用鼠标等外接设备完成调用文件，选择命令等任务。用户可以在自己创建的界面中，自由摆放其所需要的按钮，下拉菜单，对话框等，并通过编程实现其功能。在用户图形界面，用户所有的操作都是对图形对象的，这是传统的字符界面所不具备的优点。如图4-2所示，为本课题所设计的人机交互界面。该界面中总共分为3个部分。分别是图像显示区，文字显示区和按钮区。界面简洁明了，使操作者一目了然，清晰的知道界面功能。操作方法简单，只需按照按钮顺序操作即可。点击“读取图片”按钮，获取需要处理的图片，图片会在图像显示区显示。然后，点击“图像处理”按钮，图像将经过中值滤波，阈值分割，开闭运算处理，然后系统会将缺陷部分的像素数量与像素总数做比值，然后根据比值判断是否存在缺陷，处理结束将在图像显示区显示处理结果，并将是否有缺陷显示在文字显示区。至此，砂纸缺陷检测全部流程完成。 软件具体操作及运行情况，如图4-2、图4-3所示：图4-2 读取图片 点击“读取图片”，通过程序运行，从计算机中读取需要进行处理的图像。在自动生产中，可将图像获取程序改写成自动读取图像的程序。本文仅做实验用，暂不实现自动读取功能。图4-3 图像处理 点击“图像处理”，通过编写的程序，对“读取图像”步骤获得的图像进行处理。首先对图像进行预处理，即进行中值滤波处理。再对图像进行迭代二值化法阈值分割处理。然后对阈值分割后的图像进行开闭运算处理。最后将缺陷处像素数量与总像素数量的比值于设定值进行比较，并输出砂纸是否存在缺陷。5 结论本课题使用图像处理的方法完成了对砂纸生产过程中砂纸缺陷在特定情况下的检测系统的设计。缺陷检测是实际生产中非常重要的一环，直接影响砂纸的产品质量以及工厂的经济效益。本文通过调查国内外相关文献，并对其进行分析和研究，提出了本文所介绍的检测系统的设计，包括软件及硬件部分的设计。论文的主要内容包括：（1） 建立了砂纸缺陷在线检测系统，分析了其工作原理，介绍了系统的硬件组成，以及软件的运行流程。系统使用彩色相机作为图像采集设备，采用条形光源作为光源系统。（2） 在经过对图像噪声进行分析之后，选用了中值滤波的方法对图像进行消噪处理。对不同大小的中值滤波窗口进行试验比较后，选取了效果最佳的窗口进行中值滤波。在消除噪声的同时，还能很好的保留图像中缺陷特征信息。（3） 对现有的阈值分割方法进行分析比较，本课题选用了迭代二值化法阈值