設(shè)計織物疵點檢測-裝訂上交

選題背隨著我們國家工業(yè)信息化的不斷發(fā)展，市場對工廠產(chǎn)品的質(zhì)量圖像處理技術(shù)，利用等工具，使得基于圖像處理技術(shù)學(xué)校的前身是省鄭州紡織工學(xué)院，所以本課題研究在我校 圖像預(yù)處疵展疵展 直方圖均衡在直直方圖均衡化效果對比圖圖像濾 根據(jù)以上實驗結(jié)果進行對比分析，可以得出以下結(jié)論對于中值濾波，由圖可知，中值濾波對去除“椒鹽”噪聲可以起濾波原理可知，噪聲的抑制效果很好，同時畫面的輪廓依然比較清晰。由此看來，對于椒鹽噪聲密度較小時，尤其是孤立噪聲點，用中值濾波的效果好。對于均值濾波，由圖像處理的結(jié)果可以看出，由于該方法將突的灰度通過分散在其相鄰點中來達到平滑的效果。但是，這種平滑會成圖像的模糊對于維納濾波，有圖像處理的結(jié)果可以看得出，由于維納濾波去除白噪聲的效果比較明顯，而對于加入椒鹽噪聲沒有效果所以處理后的圖像噪聲依然很明顯。綜上所述，從總的濾波效果來看，選擇中值濾波的處理效果較好，所以選擇中值濾波。圖像銳低頻分量，不影響圖像中的高頻分量。圖得鮮明突出，讓圖像的質(zhì)量有所改善，產(chǎn)生更加適合人眼觀察和識別的像處理與分析奠定基礎(chǔ)。這里主要用到了兩種常用的微分算子銳化方法：梯度銳化sobel和aplacian。注意：由于銳化使噪聲受到比信號還要強的增強，所以要求銳化處理的圖像要有較高的信噪比；否則，銳化后的圖像的信噪比更低！圖圖像銳化（兩種算子比較圖像銳結(jié)果對比與分Sobel 圖像分圖像分圖像分圖像分圖像分割（迭代閾值分割）后的效邊緣檢般邊緣檢測的算子有四類：Prewitt算子、Sobel算子、Canny算子和Roberts算子。本文主要采用canny算子、log算子來進邊緣檢邊緣檢兩種算子比邊緣檢運行結(jié)果對比分圖像特征提取及識本文所研究疵點的特圖像識別部圖圖像特征提取及識別結(jié)展圖圖像特征提取及識別結(jié)展總總算法整體思路及過圖像分割算法，對織物疵點進行分割處理分析，并在此基礎(chǔ)上提出改進了改進的分割處理方法。首先對織物疵點圖預(yù)處理直方圖均衡化、圖像濾波、圖像銳化等。然后是圖像分割，將疵點部分圖像邊緣提取。經(jīng)比較，本研究最終采用的圖像分割算法為更能適應(yīng)疵點情況的迭代特征提取和識別。本研究使用的識別方法為最小距離識別法，使用pdt函數(shù)研究過程中遇到的及解決方優(yōu)化方案是在對疵點圖像進行第一次裁剪后，若圖像寬度大于劃痕類、破洞類、油污類疵點圖像裁剪后寬度的最大值，則被判定為斷經(jīng)圖像，然后進入hil裁剪程序，將斷經(jīng)的疵點部分裁剪出來，避開周圍的大部分噪點影響，然后進行特征提取。這樣能夠提高對于和背景差別不是很大的斷經(jīng)疵點檢測的準確率。最終算法程序得以完善，能夠?qū)Ρ静⑤敵鼋Y(jié)果。致謝導(dǎo)師對算序化上給了我很多不同的思路，讓我能夠在不同的方法中尋找到能的進行審閱提出修改意見。最終使我完成大學(xué)的畢業(yè)設(shè)計。我在此對導(dǎo)師表示衷心的感謝的能力。在與同組同學(xué)進行討論的過程中，也提升了團隊作能力，看到了了互相學(xué)習(xí)，互相借鑒的重要性?；仡櫞髮W(xué)四年的學(xué)習(xí)生活