基于MATLAB的数字成像获取物体三维轮廓的提取与分析毕业论文

⑤运用该跟踪算法提取出的点坐标系列就是按照边界跟踪算法的顺序将边界点的坐标系列存储起来。

4.7提取水杯分面的轮廓坐标4.7.1建立四个分面的二维坐标系提取出轮廓后，只是直观地得到了水杯分面的轮廓线，要想在后续工作中进行三维重建，就必须得到水杯分面的轮廓像素点坐标，而在一系列的图像处理后，得到的仅仅是轮廓的二维坐标，从二维到三维的变化，需要将水杯四个分面分别建立坐标系，并根据这四个二维坐标系，从而推导出水杯整体轮廓的三维坐标。

本论文中，使用Matlab建立坐标系，那么水杯正面坐标系的建立过程如下图4.19(a)、（b)所示：图4.19（a）正面和侧面的二维坐标系图4.19（b）背面和顶面的二维坐标系4.7.2四个分面的三维坐标系

建立坐标系后，需要根据二维坐标系映射出三维坐标系，这一步骤是根据以下思想来实现的：本论文中，水杯从正面到侧面再到背面其坐标系是分别逆时针旋转90°和180°，水杯四个分面的三维坐标系关系如下图4.20所示：1.正面坐标系2.侧面坐标系3.背面坐标系O1x1O2z1O3z2z190°z290°z3y1y1y1

3.背面坐标系4..顶面坐标系O3z2O4z2z3y1y1z3图4.20水杯四个分面的三维坐标系

4.7.3选取特征点建立好坐标系后，需要根据坐标系求出其特征点（角点）的坐标，本论文中选取部分特征点进行研究，并推导出水杯轮廓各点的三维坐标。部分特征点的选取为了直观显示，在图5.3中进行简单描绘如下：

图5.3特征点的选取选好特征点后，使用matlab中的[x,y]=ginput(n)函数求出其二维坐标，本论文中，正面图选取14个特征点，侧面图选取22个特征点，背面图选取17个特征点，顶面图选取11个特征点。得到二维坐标后，即可利用上图中四个三维坐标系的关系确定出水杯轮廓的三维坐标。第五章误差分析与处理

5.1系统各环节的误差分析

5.1.1仪器产生的误差(1)CCD传感器的误差由于CCD传感器是电子设备，电子设备由于受工作温度、环境的影响，不可避免地出现误差，并且由于CCD存在暗电流，暗电流会影响CCD传感器的成像质量。暗电流越大，信噪比越小，对测量精度的影响越小。解决方案：本系统中CCD传感器对系统的测量误差比较小，不是主要的误差来源，所以在本系统中没有引入消除该误差的具体方案。(2)光源的误差由于系统中采用的是日光灯，而物体的尺寸相对比较大，形状也不规则，这样就造成了物体表面光照度的不均匀。会形成某些地方比较亮，某些地方暗一些，甚至出现了一些阴影现象。这样会使CCD传感器的光敏上所成的像不能反应出坯的真实情况，从而影响了测量的精度。解决方案：在本论文中采用日光灯管照射物体，并且在每个摄相机的旁边都方有一个日光灯管，这样尽可能的使照射到物体的光线均匀，以消除由光源引起的误差。

5.1.2数字图像处理过程中的误差

(1)彩色图转为灰度图产生的误差

在彩色图转为灰度图的过程中，由于目标图与背景的灰度对比度不够强，导致彩色图灰度化后，目标与背景会有相近的灰度值，这样在后续处理中会把一部分背景误认为是目标，从而形成干扰。在灰度直方图中可以看到，四幅图像中基本都是有三个峰值，这对阈值的选取形成一定的困难，同时这也是形成误差的重要来源。

解决办法：在这一步中，可以通过增强灰度对比度方法来减小误差，这一步需要多次试验寻找最佳阈值，或者可以分区域确定阈值，这样在图像的特定区域使用最佳阈值就可以增强我们所感兴趣的区域的灰度。

(2)图像平滑、锐化过程中产生的误差

实际上图像的平滑以与锐化本身就是消除或者减小噪声的图像处理方法，但是即便如此，平滑过程中使用的均值滤波以与中值滤波均会使图像模糊，这样对在后续处理中，边界提取时就需要增强边缘，这样就会累积误差。

(3)边缘检测以与轮廓提取中的误差

在利用canny算子和sober算了进行边缘检测时，图像的边缘出现了断断续续的情况，这是由于算子本身模板的局限造成的。同样，在对二值图像进行轮廓提取时，也会在视觉上出现断断续续的情况，这就需要在后续工作过其他办法进行弥补。

解决办法：可以不选用这俩种算子，尝试一下其他的边缘检测算子进行对比，或者调整模板，尽量使图像在视觉上美观而且突出感兴趣区域的特征。

(4)提取轮廓坐标产生的误差

在对特征点选取时，是利用肉眼进行观察然后用鼠标点取坐标值的，这样就会得到大体的轮廓坐标，是不准确的。

解决办法：可以编程对轮廓进行边界跟踪，将一系列的轮廓坐标存储在一个二维数组中。

5.1.3环境引起的误差由于本系统用于实际生产线的工作环境中，而实际的生产线上，环境变化复杂，在成像区域有可能出现和被测目标对象颜色接近的杂质，尤其是出现在目标物体的边缘，这样使测出的实际尺寸可能大于真实尺寸。解决方案：1.成像区尽量保持干净，尽可能的减少杂质出现的概率。2.在软件上采用滤波、平滑的方法去除杂质的影响。第六章总结与展望整个系统方案充分利用图像处理的技术，是在大量阅读国外相关文献之后，总结目标图像的特点和性质的基础上而提出的。在图像预处理、图像增强、图像平滑、轮廓提取中，根据图像的实际情况采用了实用有效的算法提高了图像处理的结果。由此得出利用数字成像和图像处理技术对轮廓提取的可执行性和应用前景。本文所设计的系统应用图像处理技术进行轮廓提取，主要的成果有以下几点:(1)通过目标图像的正面、侧面、背面以与顶面图的图像进行分析，得出基于数字图像处理的轮廓提取可行，并且能较好地得出对目标图像的分面轮廓的坐标，测试结果准确可靠。(2)利用Matlab作为工具，显示出图像处理目标图片的各个步骤，不仅加深了对数字图像处理知识的认识和理解，同时也熟练掌握了Matlab这一应用软件。(3)虽然论文中对基于数字成像的目标图像轮廓提取的研究作了大量的工作，取得了一些成果，但还是有许多问题需要进一步研究。在图像获取的精度上需要继续改进，这主要是由于硬件条件限制，比如可以选择更高精度的成像仪器。而且整个图像获取的环境是在实验室的条件下的，而真正的生产现场环境可能在温度、关照系统、粉尘杂质等条件下对采集回来的图像有一定的差别。所以下一步的工作首先就是要进一步提高硬件系统的性能，其次就是要通过对生产现场采集回来的图像进行数字图像处理，达到真实环境下提取目标轮廓的目的。

参考文献

[1]D．H．BallardandC．M．Brown．ComputerVision．Prentice—Hall1982

[2]章毓晋;中国图像工程与当前的几个研究热点[J];计算机辅助设计与图形学学报;2002.6[3]兆林Matlab6.x图像处理[M].:清华大学，2002[4]徐飞等，Matlab应用图像处理[M].:电子科技大学,2002

[5]何东健等，数字图像处理[M].：电子科技大学，2007

[6]可;基于双目立体视觉原理的自由曲面三维重构[D];华中科技大学;2005年

[7]查英;铁根;杜东;图像识别技术在零件装配自动识别中的应用[J];计算机工程;2006年[8]洪涛;勇;费业泰;晓怀;三坐标测量机动态误差混合建模方法[J];仪器仪表学报;2010年08期[9]坤，邹峥嵘，余加勇．城市三维景观模型重建技术研究．测绘与空间地理信息．2007．05—020．[10]桂答;浩;王楠楠;都铁乱;提高数字图像清晰度的研究[J].信号处理，2000(S1).[11]屹，数学形态学方法与应用，科学，，(2002)[12]锦辉；曾伟文；基于高通滤波器的图像增强方法[J].科学技术与工程。2010年第24期[13]梁栋，基于图像区域特征的边缘检测方法研究与实现[D].东北石油大学；2011年[14]周超，边缘检测Canny算子的研究与改进[D].师大学，2012[15]