原创《基于图像处理的检测系统设计》：本论文为免费优秀的关于图像处理论文范文资料，可用于相关论文写作参考。
摘 要：随着自动化技术的不断升级,基于图像处理技术设计的全自动检测系统技术已经日趋成熟.该检测系统目前在工业生产产品质量监控、精密测量等领域都得到了广泛的应用.其不仅可以减少检测人员的工作量,而且实现了无间断地连续检测,同时也大大提高了检测、测量精度.近年来随着图像处理技术的不断进步,基于图像处理的检测系统研究设计也需要做出突破,改善检测系统应用现状.
关键词：图像处理；HOUGH变换；检测系统
在日常的生活生产之中,图像信息的获取始终是我们了解外界最主要方式.在图像分析时对于圆形图像的分析十分基础,目前基于图像处理的检测系统大多基于对圆形图像的分析处理,可以大大提升检测工作的精度及效率,目前主流的检测系统都是在图像处理的基础上利用HOUGH变换进行检测.但随着图像采集、处理技术的不断升级以及检测要求的提高,检测系统设计也需要做出改进,本文也将对此进行探析.
1检测系统的组成
基于图像处理的检测系统在进行检测时,需要对传来的图像进行分析并提取数据参数,在中信息的提取工作中检测系统需要按照一定地规则进行,目前主要采用的是对圆形进行检测的技术.
目前检测系统中首先是对图像信息进行采集的部分,目前主要使用的是CDD摄像器件.利用CDD摄像器件采集的图像最终呈现方式为横竖排列的像素,而后这些像素信息再经由光敏二极管转化为电荷包,像素信息便可以通过电荷包的带电量表珊”.随后CDD摄像器件再利用移位寄存器的原理将电荷包的带电量信息通过电荷的传递转变为电流信息输出,这样检测系统中的图像分析设备便可以电流信号进行分析并获取图像信息.将图像的像素信息转变为电流信号输出是CDD摄像器件独有的特点,区别于其他图像获取设备传输的电压信号,电流信号更加灵敏也更加精确,同时在CDD摄像器件信号传输电路中还应用了场效应管电路以提升信噪比减少信号的失真.另外在检测系统的图像采集环节中,通常还会辅以LED等补充光源,以确保图像采集环境满足CDD摄像器件的工作要求.
CDD攝像器件在完成图像采集工作后,其生成的信号电流会被传输至信息分析处理系统之中,这也是检测系统的核心.目前对于图像信息的分析是利用计算机主机将电流传来的数字信号转化为图像信息.而现阶段计算机主机大多利用PCI主线系统连接了图像采集卡,由图像采集卡完成初始的数字信号转换.而图像采集卡在完成图像转换之后,会将得到的图像信息存储于自身的存储单元之中,而计算机主机在进行图像分析时便可以在图像采集卡中调取每一帧图像,提升了图像分析处理效率.而在进行图像信息转换后,计算机主机便可以利用HOUGH转换等手段进行图像信息分析与检测.
检测系统的另一个组成部分便是数据输出系统,这一系统主要是将采集到的图像信息经过预处理通过显示器等设备加以呈现.同时信息输出系统也需要将检测结果加以整合汇总,以报告的形式呈现,完成全部的检测工作.
2检测系统的图像处理基础
在检测系统的工作过程中,CDD摄影器件将图像信息转变为电流信号,之后再经由图像采集卡将之还原为数字图像信息.在这一过程中,图像的质量在不断的格式转变过程中难以得到保障,这也为后期的图像分析及检测工作带来了难度,因此对于图像的后期处理十分关键.早期对于图像的处理过程通常是对于画质的加强,计算机系统利用图像复原及增强等技术手段让最终呈现的图像更加清晰.但是这一图像处理工作的主要对象是人,而在检测系统中图像处理工作是为后期的系统图像识别服务,因此其处理过程也有所不同.当下检测系统对于图像的处理主要是通过灰度变换、几何矫正等手段实现对于图像的降噪,让系统更易提取图像中的信息并加以检测.
在进行图像处理工作之时,首先需要确定图像的表示模型,目前主流的图像表示模型有RGB颜色表示模型及HSV模型两种.其中RGB颜色表示模型是基于人眼视觉对于红、绿、蓝三种颜色较为敏感的特性建立的,以此三种基础原色作为坐标轴建立三维坐标系,求得图像中各个像素点的色彩坐标便可以建立色彩表示模型.而HSV模型的建立基础也是人眼的视觉原理,在人进行视觉信息获取时,色调、饱和度及亮度是最为基础的要素,HSV模型正是利用这三个要素建立参数体系实现图像表示模型的建立.不过虽然RGB颜色表示模型及HSV模型的原理都是基于人眼特性,但是它们之间的转化较为复杂,并非简单的线性关系,因此在图像处理过程中通常只选用一种图像表示模型,目前主流使用的是RGB颜色表示模型.在确定了图像的表示模型之后,由于图像的存储、调取及分析处理过程都是经由计算机主机进行的,因此其存储格式的确定也很关键.目前计算机系统中图像的存储格式多种多样,在检测系统的实际应用过程中通常选取的都是bmp格式.bmp格式作为目前主流windows系统自带的位图格式,兼容性较好而且其存储的图像文件也不会出现失真,可以满足检测工作的要求.
随后开始的图形处理工作主要分为几个类型,首先便是对图像进行滤波处理.在图像采集过程中,空气中的灰尘、摄像头上的污渍以及光照的斑点都会导致图像上出现不均匀的像素点,而这些像素点会干扰后期的图像检测工作.在进行图像预处理时,这些不均匀的像素点会在图像信息中呈现一种高频状态,目前主要使用的低通滤波器便可以有效排除这些高频的分量,从而达到图像降噪的效果.不过单纯地使用低通滤波可能出现对于有效信息的阻隔,因此近年来逐步开始应用中值滤波法,中值滤波法虽然也是一种低通滤波法,但其是通过对于部分区域取均值进行高频分量阻隔,可以有效避免有效信息的阻隔,让图像预处理过程更加精确.
经过滤波预处理后,图像中因为外界因素干扰所产生的不均匀像素点基本得到了去除,图像也可以如实反应物体的实际信息.但是在检测系统的实际使用过程中,部分图像文件中的像素呈现不足以完成后期的检测工作,因此在滤波的基础上还需要对于图像进行增强.当下主流的图像增强方法为灰度直方图均衡化,这一方法是通过灰度映射函数根据设计指标对图像的灰度直方图加以改变,保证每一灰度均有相同的像素点,这样便于统一图像标准,也为随后的图像分割操作提供了便利.经过图像增强操作之后,便要进行图像的直方图切割操作,图像的直方图切割是将需要进行检测的对象图像与背景相分离.目前在这一过程中主要使用的方法为二值法,即在之前的图像增强工作中在让检测对象在其图像的轮廓处出现灰度的突变,之后在通过对灰度的检测确定目标对象的图像范围.在此之后需要对于对象进行边缘检测,利用边缘处二次导数为零的特性分析边缘是否准确.最后再对处理后的图像进行细化处理,找出图像的骨架结构,去除冗余信息量,完成前期的图像处理工作.
图像处理论文参考资料：
结论：基于图像处理的检测系统设计为关于图像处理方面的论文题目、论文提纲、图像处理论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
