计算机视觉-一元硬币直径尺寸的测量.doc

燕山大学课 程 设 计 说 明 书题目： 一元硬币直径尺寸的测量 学院（系）： 电气工程学院 年级专业： 12级精密仪器及机械 学 号： 学生姓名： 指导教师： 教师职称： 副教授 电气工程学院课程设计任务书课程名称： 计算机视觉 基层教学单位：仪器科学与工程系 指导教师： 学号学生姓名（专业）班级 设计题目一元硬币直径尺寸的测量*设计技术参数自行拍摄“一元硬币”图像、自行设计软件流程，配置相关参数，设计演示界面，实现一元硬币直径尺寸的测量。设计要求(1) 利用matalb软件编写相关程序；(2)撰写课程设计报告，报告内容应包含一元硬币直径尺寸测量的应用价值、算法原理、程序流程和本人的主要工作；报告其他内容详见模板。参考资料课程教材数字图像处理 matlab版rafael c. gonzalez著，阮秋琦等译精通matlab gui设计 第三版陈垚光 等著matlab软件相关参考书校园网图书馆期刊网论文资料周次前半周后半周应完成内容明确任务分工、搜集资料，总体设计，编写程序； 调试程序、撰写报告，准备答辩用ppt；指导教师签字基层教学单位主任签字说明：1、此表一式四份，系、指导教师、学生各一份，报送院教务科一份。 2、学生那份任务书要求装订到课程设计报告前面。电气工程学院 教务 摘要这些年来，基于计算机视觉的尺寸测量方法技术已经深入到各行各业，实现了高精度测量，及微小物体测量。它融入了各个学科的能源技术，成为了一门综合性的现代测量技术学科。将物体看作是一幅图像来获得物体的尺寸信息，依靠视觉来采集图像信息是基于计算机视觉的尺寸测量主要研究的过程。本设计主要以“一元硬币”图像为实例进行视觉测量，并且通过图像灰度化、二值化以及图像边缘检测来获取一元硬币直径的实际尺寸。基于计算机视觉的尺寸测量，关键步骤是对图像的数字化处理，本文通过matlab程序计算，完成对指定图像的处理。主要研究内容有一元硬币直径尺寸测量的应用价值、算法原理和程序流程，较系统的阐述并完成了一元硬币的直径尺寸测量。通过对图像处理算法的分析，利用matlab程序，实现图像预处理和像素边缘检测。深入分析图像数据处理技术，提高计算速度和计算精度。关键词：计算机视觉尺寸测量图像处理边缘检测第 0 页 共 22 页目录摘要1目录2第1章 绪论31.1研究背景及意义31.2应用价值31.3课程概述3第2章 尺寸测量方案42.1测量流程设计42.2软件开发工具42.3图像获取及预处理4第3章 图像预处理53.1图像的灰度转换51.直接灰度变换52.灰度直方图63.图像的二值化73.2图像的滤波去噪；71.均值滤波器72.自适应维纳滤波器83.中值滤波器84.小波去噪93.4图像的边缘检测；103.5基于hough变换的圆检测算法11第4章 实验结果与分析124.1测量系统的标定124.2尺寸测量的数据与分析134.3尺寸测量的误差分析134.3减小误差的方法13第5章 总结14参考文献：14附录：15第1章 绪论1.1研究背景及意义硬币，是世界范围内最常用的流通货币之一，它以其坚固耐磨损、便于交易、携带方便和成本低等优点，广泛应用在公共交通、商业及其他各种投币自动售货机。同时，在经济较为发达的国家和地区，小面额硬币化已是今后的发展趋势。因此如何将硬币进行快速有效的区分识别，已经成为国内外急需解决的问题。目前，计算机视觉方式已经成为实现产品准确测定的最佳选择，具有十分广阔的市场前景。它在测定的过程中，不需要与被测产品进行接触，有着无与伦比的优势。该方法不致于使被测产品出现丝毫的损害，无接触，时效性强、受外界影响小，精确性好，可大规模进行等。因此，基于计算机视觉的硬币识别，实现硬币的自动快速分拣技术已是是研究的一大热点。国内关于硬币清分的研究也处于试验阶段，开发出有效的硬币区分识别设备，不仅会带来可观的经济效益和产生很好的社会效益，还可能提高硬币清分的国际竞争力。1.2应用价值虽然对于计算机视觉这一技术的探讨从六十年代就已经开始，然而，直至几十年后，这一技术才真正地步入迅猛发展的阶段，并逐步得到科研领域的重视，成为众人争相探究的热门领域。实现尺寸测量的方法很多，但大多数测量重复性、高效性和鲁棒性不高。事实表明，基于计算机视觉技术的尺寸测量具有良好的连续性和高精度，大大提高了工业在线测量的实时性和准确性，同时生产效率和产品质量控制也得到明显提升。1.3课程概述计算机视觉系统具有测量功能，能够自动测量产品的外观尺寸，比如外形轮廓、孔径、高度、面积等尺寸的测量。尺寸测量无论是在产品的生产过程中，还是产品生产完成后的质量检验中都是必不可少的步骤，而计算机视觉在尺寸测量方面有其独特的技术优势。以计算机视觉为依托的尺寸测量方法中比较关键的环节是对图像的处理。在这个环节中，因为采集设备或者传导媒介等方面存在的不足，会产生不同程度的噪音问题，使得所得的图像丢掉了关键的信息，进而影响图像的呈现效果。因此，对收集到的产品图像做进一步的优化，是这种方法中最为关键的一个步骤。第2章 尺寸测量方案2.1测量流程设计尺寸测量大体包括产品的图像收集、图像预处理以及尺寸测量3个步骤，其中比较关键的环节是对图像的处理。对收集到的产品图像做进一步的优化，提取图片中的关键数据，然后经过简单处理得到预期结果。本文用较为专业的工程软件matlab来进行图像处理，图像预处理的大体流程可简化为：1 灰度转化；2 滤波去噪；3 二值化处理；4 边缘检测。图像经过数字化处理后，只能得到一个像素值，找到真实尺寸值与像素值之间的一个比例关系，把以像素为单位的尺寸转换为以毫米为单位的尺寸，即为系统标定过程。2.2软件开发工具matlab也叫作矩阵实验室，是math works企业生产的一款高性能的可视化科学计算软件，其包含图像处理、讯息传导、系统鉴定、归纳计算等三十多种有着不同特性的工具箱，均是业内高权威人士亲自参与设计的，不用依赖于任何的程序，就能够方便快捷地使用。此外，工具箱里的函数源程序都不是保密的，大部分为m类型的文件，用户只需根据相应文件的代码就可以进行更改。matlab有着卓越的数据处理能力，它是一种用于矩阵计算、算法研究、数据剖析以及图像处理的高级计算机语言。其内部存在着覆盖全面的函数公式，和便捷的与其他软件间进行数据交换的功能。本文研究利用了matlab中的图像处理、工程计算以及数据归纳等，对实际测定工作中得到的产品图像加以处理，从而产生优质的图像。进而得到实验所要求的数据，并对这些数据进行分析处理。2.3图像获取及预处理根据课设要求及现有条件，图像是预先拍摄好的不同的“一元硬币”图像，然后利用matlab软件进行处理，最终得出一元硬币的直径尺寸。提前拍摄的图像如下：一元硬币图像 根据设计要求，因基于计算机视觉的尺寸测量需要系统标定，因此在拍摄图像时加入了标准件id卡，在处理图像时先进行分割进行局部处理，id卡的标准规格是。第3章 图像预处理3.1图像的灰度转换图像灰度变换的目的是为了改善画质，有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，使图像显示效果更加清晰，与视觉响应特性相匹配。灰度转换过程是把初始图像里的各个像素的灰度值，依据特定的转换原理，变为不同的灰度值传送，从而实现显化图像的效果。用公式表示从像素到像素的变换为：其中f()称为灰度变换函数，它描述了输入灰度值和输出灰度值之间的转换关系。1.直接灰度变换直接灰度变换属于所有图像增强技术中最简单的一类，最常用的方法有以下几种：图像求反，对数变换，灰度切割，位图切割和灰度的线性变换。2.灰度直方图灰度直方图定义为灰度值的函数，描述的是图像中具有该灰度值的像素的个数，其横坐标表示像素的灰度级别，纵坐标是该灰度出现的频率。其代表的是图像的灰度级详情，反映了图像里的任一个灰度级和它的存在数量之间的关系，该图具有显著的统计学意义，呈现了特定图像的灰度级布局趋势。直方图处理方法通常分两种：直方图均衡化：实质是减少图像的灰度级以换取对比度的扩大，它的结果是唯一的，就是根据灰度信息，自动增强整个图像的对比度。它的核心理念是对初始图像的像素灰度值加以修整，把图像上像素点偏多的灰度级加以强化，同时把图像里像素点偏少的灰度级加以弱化，将初始的不规则的直方图优化为均匀的布局，实现任意灰度级都占据等量的像素点；直方图规定化：均衡化处理的优势在于可以提高图像的对比度，但这种方法存在的问题是，对于其均衡化的程度很难把握，通常情况下均衡化的操作范围不能锁定到某个局部，只能是对整个对象的处理。在进行具体操作时，某些情况下需要改变直方图的原有形态，从而达到有针对性的提高特定灰度值跨度的对比度。相当于建立了一个灰度级别的固定模式，所有图像进入后，都会以同一种灰度直方图的状态显示出来。 3.图像的二值化在图像分析中，从图像中将某个特定区域与其他部分进行分离并提取出来的处理过程就是图像分割，又被称为图像的二值化。它的原理是通过选择合理的阈值，扫描整个图像的所有像素，将像素的灰度值与该阈值作比较，像素灰度大于阈值的，则该像素标记为1(或0)，否则标记为0(或1)，扫描完整个图像后，就得到了一幅仅含有0和1两种值的图像，这就是二值图像。分别对经过不同灰度变换的上文图像进行自动阀值二值化，效果如下，经过对比，经过对数变换的图像再进行自动阀值二值化效果更好。3.2图像的滤波去噪；图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：椒盐噪音：指的是偶然产生的黑白亮度值，是实际操作中最常遇到的一类噪音；高斯噪音：指的是产生的亮度符合高斯分布或者是正态分布的噪音；斑点噪声：指的是仅包括偶然产生的白亮度值或是黑亮度值，在图像上表现为信号相关的小斑点。目前比较经典的图像去噪算法主要有以下三种：均值滤波，中值滤波和wiener维纳滤波。1.均值滤波器也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度，适用于去除通过扫描得到的图像中的颗粒噪声。领域平均法由于平均会引起模糊现象，模糊程度与领域半径成正比。几何均值滤波器所达到的平滑度可以与算术均值滤波器相比，但在滤波过程中会丢失更少的图象细节。谐波均值滤波器对“盐”噪声效果更好，但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。先以领域大小为变量对图像进行除燥，效果如下：2.自适应维纳滤波器wiener维纳滤波使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。它能根据图象的局部方差来调整滤波器的输出，局部方差越大，滤波器的平滑作用越强。该方法的滤波效果比均值滤波器效果要好，对保留图像的边缘和其他高频部分很有用，不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。3.中值滤波器它是一种常用的非线性平滑滤波器，其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点，所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘，从而获得较满意的复原效果，而且，在实际运算过程中不需要图象的统计特性，这也带来不少方便，但对一些细节多，特别是点、线、尖顶细节较多的图象不宜采用中值滤波的方法。4.小波去噪这种方法保留了大部分包含信号的小波系数，因此可以较好地保持图象细节。小波去噪方法包括三个基本的步骤：对含噪声信号进行小波变换；对变换得到的小波系数进行某种处理，以去除其中包含的噪声；对处理后的小波系数进行小波逆变换，得到去噪后的信号。小波去噪方法的不同之处集中在第一步。常规滤波算法的仿真对比如下，经过对比，中值滤波的方法，对存在类似椒盐噪声的灰度处理后图像效果更好。3.4图像的边缘检测；图像的边缘是图像的基本特征之一，也是硬币直径尺寸测量的依据，其边缘检测的精确程度直接影响尺寸测量的精度。由于边缘是图像中所要提取的背景和目标的分界线，所以只有提取出了边缘才能将背景和目标区分开来。因此，图像的边缘检测是一种很重要的图像预处理。边缘检测主要包括五种方法，分别是罗伯特（roberts）边缘算子，索贝尔（sobel）边缘算子，prewitt边缘算子，高斯-拉普拉斯（log）边缘算子和canny边缘算子。下面分别介绍这几种传统的边缘检测方式。roberts边缘确定方法操作过程方便，边界检测的可信度很好，然而很容易受到噪音的影响，这种方法比较擅长于边界比较明确的或者噪音所占比重比较小的图像噪声少的图像边界的确定。sobel边界确定方法可以在一定程度上削减噪音的影响，从而得到可信度比较高的边界确定结果。然而，这种方法虽然有效抵制噪音的影响，也使得操作的过程更复杂，此外还可能锁定虚假的边界，降低准确性。若是对边界确定的工作不需要特别的准确，就能够采取sobel方式。prewitt边界测定方式可以有效的削减噪音的干扰，然而边界确定的可信度较低，图像的一些重要的边界讯号经常会丢失掉。prewitt方式受外界环境的影响一般比较小，然而，不足之处在于其边界检测的准确性没有roberts方式好。log边界确定方式所能感知的边界信息更全面，可信度更高，然而常常会受到噪音的影响，最终导致非真实边界的混入。canny边缘检测算子是基于最优化思想提出的边缘检测算子，它利用高斯函数对图像进行平滑处理，因此具有较强的抑制噪声能力。而且canny算子的边缘定位也比较精确，而且还能滤除较多的虚假边缘，从而很好的保留图像的边缘信息。但是，该算子的计算时间较长，实时性差，它也会将一些高频边缘平滑掉，造成边缘丢失。因此，本次设计针对所具有的图像，采用roberts边缘检测算法。3.5基于hough变换的圆检测算法hough转化的核心理念是把图形概念转化为规格概念，根据多数边界点普遍符合的规格特征去确定图形里的曲线。然后利用累加仪加以处理，算出的峰值所代表的点即为目标的讯息。圆进行了hough转化之后在规格背景下是立体的，所以要在规格背景下产生一组立体的累加数a(a， b， r)，将图形背景下所有的边界坐标计算后把a加以累积。规范的hough转化确定圆的操作过程是：1)在规格背景下产生一组立体的累加仪数值，其中的任意坐标 (a，b，r)代表了规格离散值。2)对图形背景下的圆边界经过确定，依靠临界值得到边缘。然后计算和边界上的任意点像素相距r的全部坐标(a，b)，在把(a，b，r)的累加仪加一。换用不同的r再进行该步骤，最终将所有边界坐标进行转化。3)将立体数组的所有累加仪的值加以测定，所得峰值代表了图形背景下圆的半径以及中心。以上过程是以hough转化为依据的圆的确定方式，因此测定结果的可信度非常高，然而规范的hough转化的圆的确定方式工作量太过繁重，所有边界坐标代表了规格背景下的相应曲面，因为映射的模式是一对多，所需的存储面积会很多。经hough变换后得到上图标定图像，测得的圆半径为：68像素值。第4章 实验结果与分析4.1测量系统的标定基于计算机视觉的测量系统，完成图像采集、图像处理及尺寸测量后还需要进行系统的标定。因为计算出的的尺寸值，并非真实的毫米制的实际尺寸，而只是一个像素值。所以需要对计算机视觉系统进行标定，找到真实尺寸值与像素值之间的一个比例关系，把以像素为单位的尺寸转换为以毫米为单位的尺寸。计算机视觉系统的标定具体的步骤如下：1 选取一个尺寸己知的标准物体作为标定工件，并测量其实际尺寸。本文选用圆环，测量得圆环的尺寸为（以毫米为单位）。2 将标定工件放置于测量系统上进行测量，在测量系统处于正常的工作状态下测量其以像素为单位的尺寸。即物体与相机的相对位置保持不变的情况下，测量得圆环的尺寸为（以像素为单位）。3 按照公式 来计算系统的标定系数。则物体的实际尺寸=物体的像素个数*标定系数，即：。按照系统标定的步骤，先对标准件进行图像预处理，得到滤波后的二值化图像，如下图。然后对二值化图像每行求和得到一个与图像行数相同的一维数组，找出其中最大的100个数求平均数，得到标准件宽度的像素尺寸292.6600。由已知标准id卡的长*宽尺寸为：85.60mm*53.98mm，可求出标定系数为n=0.1844。4.2尺寸测量的数据在进行系统的标定以后，为了检验该尺寸测量的准确度，本文对“一元硬币”进行了多组测量。数据如表所示：标准件长度标准件像素尺寸硬币像素尺寸硬币直径53.98mm292.660013625.0847mm 53.98mm290.470013224.9849mm 53.98mm299.300013425.0629mm 53.98mm315.990013925.0648mm 53.98mm333.850014324.8349mm 4.3尺寸测量的误差分析根据上文的研究计算，虽然测量误差己经减小到几乎可以忽略的程度，但仍是无法完全消除的。所以应深入分析误差产生的原因和研究改进的办法，以此提高测量水平和测量精度。经过分析，一元硬币直径尺寸的测量误差主要有机械误差和环境误差。机械误差：由于摄像机的制造和设计水平所限制，透镜对入射光线的折射误差等因素都会引起几何失真，使理论像点与目标像点之间存在多种类型的几何畸变。若在图像拍摄时存在不垂直的情况，则会引入人为误差。而且在选取器件时，应尽量选取高质量的器件。环境误差1）振动的影响。摄像机和被测物体的微小振动，都可能使图像失真，从而引起大的误差。因此，该测量系统要在较为安静的环境下进行测量，以减弱外界振动的影响。2）温度的影响。由于摄像设备主要由电子器件构成，则温度的变化对系统的性能也有较大的影响。因此，应采取一定的措施保证周围温度的恒定。3）照明光源的发光不稳定的影响。由于照明光源（如阳光、灯光等）的发光不稳定，可能会引起输入信号的改变，因此，可采用遮光罩等办法来减少发光不稳定的照明光源的影响。4）测量系统的周围工作环境下的空气湿度、磁场、电场等对该系统的影响虽然存在，但可忽略不计。4.3减小误差的方法1）减震隔离方法。如可将硬币放置于气动隔震平台上，以减小外界的振动对测量的影响。2）选用具有良好的温度特性的摄像机，以保证系统在较恒定的环境温度下进行测量，并使零件在同一温度下进行系统标定和测量，以减小温度不均衡对测量的影响。3）选用高分辨率的摄像机，以提高测量系统的测量精度，以减小器件在安装调整时造成的机械误差。而且选用高调节精度的工作台也有利于减小误差。4）因镜头畸变而导致的图像非线性畸变。可以通过在图像坐标系中建立非线性畸变模型，来减小误差。5）对硬币的前期处理。应注意硬币的放置和清洁，避免因零件的放置不正和清洁不当而产生误差。第5章 总结伴随着我国工业制造行业的飞速发展，以计算机视觉为依据的测量方式已受到各界研究者的青睐。它以其能够进行在线测定，工作效率高，可信度也很好，并且不容易受到外界因素的影响等优点，使得产品测定的过程更加方便快捷，最大限度的降低误差，避免人工测量的速度以及测量位置的局限。计算机视觉测量方法对图像的效果有严格的标准，阐述了计算机视觉测量过程中的数字图像处理方式，主要涵盖了灰度转化、图像滤波、图像边界测定方法等。本文以matlab为背景，介绍了图像加工以及尺寸测量的具体细节，得到了相应的测定数据。虽然已经达到了预期的目的，能够较好的完成硬币直径的尺寸测量，但还存在以下几个方面的问题有待进一步解决：1） 在一幅图像中，只能对单一的圆的特征进行测定；2） 不能完全满足实时在线的测量，需要先获取图像，再导入到matlab中进行处理。基于计算机视觉的硬币直径测量方式还存在着较大的提升空间，应该创立覆盖全面的计算机视觉函数集，优化该系统的软件装置。参考文献：1 陈垚光 等著精通matlab gui设计（第三版）电子工业出版社，2013.8；2 rafael c. gonzalez著数字图像处理阮秋琦等译（matlab版）电子工业出版社，2005；附录：1、 灰度变换function=huidu()i=imread(c:userssuiyinlidesktop计算机视觉硬币9.jpg);i0 = rgb2gray(i);i1=histeq(i0);%均衡化subplot(1，4，1)，imshow(i0);title(原始图像);subplot(1，4，2)，imshow(i1);title(均衡化后图像);subplot(1，4，3)，imhist(i0，64);title(原始图像直方图);subplot(1，4，4)，imhist(i1，64);title(均衡化后直方图);i2=mat2gray(i);i3=log(i2+1);%对数变换i4=imcomplement(i2);%反色变换figuresubplot(1，3，1);imshow(i2);title(原始图像);subplot(1，3，2);imshow(i3);title(对数变换后的图像)subplot(1，3，3);imshow(i4);title(反色变换后的图像)figure%二值化subplot(1，4，1);imshow(im2bw(i0，0.5);title(原始图像二值化);subplot(1，4，2);imshow(im2bw(i1，0.5);title(均衡化后二值化);subplot(1，4，3);imshow(im2bw(i4，0.5);title(反色变换后二值化);subplot(1，4，4);imshow(im2bw(i3，0.5);title(对数变换后二值化);imwrite(im2bw(i3，0.5)，c:userssuiyinlidesktop计算机视觉灰度变换后图像.jpg);2、 滤波去噪function=lbzaosheng()i=imread(c:userssuiyinlidesktop计算机视觉灰度变换后图像.jpg);i2=filter2(fspecial(average，3)，i)/255;%均值滤波i3= medfilt2(i);%中值滤波i4=wiener2(i，3 3);%维纳滤波thr，sorh，keepapp = ddencmp(den，wv，im2double(i);%产生图像的默认阈值i5 = wdencmp(gbl，im2double(i)，sym2，2，thr，sorh，keepapp);%对图像进行小波去噪figuresubplot(1，5，1);imshow(i);title(原始图像);subplot(1，5，3);imshow(i2);title(均值滤波后的图像);subplot(1，5，4);imshow(i3);title(中值滤波后的图像);subplot(1，5，5);imshow(i4);title(维纳滤波后的图像);subplot(1，5，2);imshow(i5);title(小波去噪后的图像);imwrite(i3，c:userssuiyinlidesktop计算机视觉滤波去噪后图像.jpg);3、 边缘检测function=bianyuan()i=imread(c:userssuiyinlidesktop计算机视觉滤波去噪后图像.jpg);figuresubplot(2，3，1);imshow(i);title(原始图像);bw1=edge(i，canny);subplot(2，3，2);imshow(bw1);title(canny);bw2=edge(i，log);subplot(2，3，3);imshow(bw2);title(log);bw3=edge(i，sobel);subplot(2，3，4);imshow(bw3);title(sobel);bw4=edge(i，roberts);subplot(2，3，5);imshow(bw4);title(roberts);bw5=edge(i，prewitt);subplot(2，3，6);imshow(bw5);title(prewitt);imwrite(bw4，c:userssuiyinlidesktop计算机视觉边缘检测后图像.jpg);4、hough变换function=hough()close alli=imread(c:userssuiyinlidesktop计算机视觉边缘检测后图像.jpg);r，c=size(i);rmax=90;%为简化运算限定区域rmin=50;pl=zeros(r，c，rmax-rmin+1);for rad=rmin: