【焊缝识别图像处理算法分析案例2500字】

1焊缝识别图像处理算法分析案例 1 1 1 2 31.2.3边缘检测 5 6噪声的工作称为图像预处理，其目的是提高图像质量，提取T形焊缝的特征点。1.2焊缝图像的处理下步骤来处理收集的图像，如图1.1所示。结果输出LOG滤波图像采集卡获取的原始图像大小为768×576,灰度等级为256,如图1.2所示，图像中有价值的特征信息分布在图像的中心区域，对焊缝以外区域进行处理会降低图像处理的速度，不仅影响焊缝的精度还会影响焊缝跟踪的实时性；并且窗□过大时会有大量的无用信息导致系统的抗干扰能力降低，因此对原始图像进行加窗处理就很有必要。经图像特征分析，发现焊缝由一条直线和一条向右弯曲曲线构成，两条曲线的交点是要提取的特征点，在焊缝交点左右各区100个像素，在交点上下各取128个像素，即从原始图像中取出200×256像素区域，该区域基本上包含试验所需要提取的特征信息，如图1.3所示，加窗处理后可有效去除周围的无用信息，增加了抗干扰能力；而且处理图像的像素点减少，处理速度也可大幅提高。3图1.3加窗后的焊缝图像1.2.2图像二值化与中值滤波适的阈值，将灰度大于阈值的像素点赋值255(即白点),将将灰度小于阈值的像素点赋值0(即黑点),从而在0~255图像灰度级范围内确定一个阈值T,使式中：T为灰度阈值，灰度值>T时为白点，否则为黑点。1)将图像的平均灰度值Go作为初始阈值，将图像分为目标和背景两部分。2)分别求出目标和图像的平均灰度G1、G2,比较G1、G₂的值，若相同则4阈值确定，不同则用新的阈值替换初始阈值直到相同为止。二值化后的焊缝图像如图1.4所示。中值滤波是一种邻域运算，可以有效地去除图像中的噪声和斑点。中值滤波的基本原理是：首先选择邻域的大小，一般选择3×3或者5×5的模板，然后将模板中的像素按照灰度级从小到大的顺序进行排序，取其中间值作为中心点像素灰度的新值，从而逼近像素的真实值。若滤波窗□中存在噪声像素，通常噪声像素与窗□中的其它像素值会相差很大。噪声像素经排序后一般不可能是中间值，从而被舍弃，以此达到过滤抑制噪声的效果471。中值滤波的数学表达公式如下：g(x,y)是输出的像素值，S代表所用的邻域。下面以3×3的邻域模板为例来说明该算法，选择图像中局部灰度图，如图1.5所示。为求窗□(椭圆所围部分)中心点的输出值，将窗□中各像素的灰度值从小到大排序为：5245578从图中可以看出，其中间值5作为中心点像素灰度的新值，这样噪音通过中分细小的噪声点，于是采用3×3的模板的中值滤波去除噪声。中值滤波后的图像如图1.6所示。图1.6中值滤波图像Sobel算子、Prewitt算法和LOG算子。根据图像噪声的分布特征，选择克服了Laplacian算子抗噪声能力较差的不足，同时也避免了双边缘的出现，可设二维高斯函数为对该图像函数进行拉普拉斯变换，得到二维LOG滤波器的函数形式，即6设g(x,y)为锐化后的图像，则式中：k为图像锐化系数，其系数太大则结构光光带图像的轮廓边缘过于尖锐，系数太小则结构光带图像边缘不明显，如图1.7所示。由图中可以看出，图1.7边缘检测图成的连续中心线，如图1.8所示。由于焊缝图像存在曲线段，Hough变换不再适7图1.8单像素焊缝中心线