1、“.....遍历图片内存。统计的区域划分如图所示图分区域法示意图对蓝色区域的共个区域分别进行直方图统计，每个区域都求出相对应的阈值，遍历该区域内的像素点成员当,的像素值与阈值之间的灰度差距大于人为设定的参数时，就说明该点与周围像素环境之间存在着明显的不同。可将该点的灰度值赋值为。否则该点赋值为。公式如下当时当时公式最终从得到的新二值图像内存数组命名为。该数组的亮度信息如图所示。图二值图可以在上图中看出，瑕疵的信息因为局部二值化的关系而被很好的保留了下来。瑕疵特性参数计算瑕疵特征的提取主要包括瑕疵面积长度和宽度的计算等。为了要提取出这些信息，可以用区域生长法来完成。区域生长法提取普通的区域生长法是连通法。就是对个点的上，左上，右上，左，右，下，左下，右下共个方向进行遍历扫描，如果在该遍历方向上也存在与当前遍历点的像素值相同的点时，就将该个点看做都是属于同个瑕疵上的像素点。但是考虑到当前系统中捕捉到的瑕疵往往是属于狭长的缝。而用连通法提取狭长缝隙的信息时就很有可能就会造成缝的断裂。最终会导致将条缝的信息分为了块或多块连通区域信息来处理。为了避免这现象......”。

2、“.....结构体成员信息可以是瑕疵长，瑕疵宽，瑕疵面积等等。本系统采用的是可调节的全方位拓展法求区域生长。设每个方向上向外拓展个像素。如图全方位拓展法求所示，点上的每个方向的像素都向外拓展了个像素，即。入队出队图全方位拓展法求区域生长扫描内存数组信息里的目标圆环区域，如果发现点的像素值,等于时，就将该点标记为点，并堆入队列中。每次遍历队列，如果发现队列不为空，就让队尾元素出队，出队的同时，记录下当前出队的点的坐标位置并以该点做为基准往个方向连通个像素出去，形成个的窗口如图全方位拓展法求所示。遍历窗口里的点成员如果该点位于内存数组的目标圆环检测区域内，并且该点对应的像素值,等于时，就亦将该点标记为点，并堆入队列中。如此依次循环。在往复的过程中如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。如果发现当前出队点的轴坐标大于在它之前出队的点的轴......”。

3、“.....直循环到队空为止。此时，则说明条瑕疵的信息遍历结束。记录下此时的，四个值，并统计好之前的入队的个数。则有公式公式这样，对于瑕疵信息数组，每个成员都代表的是每个瑕疵在维图像上的所有信息。瑕疵的判断虽然我们根据全方位拓展法求得了瑕疵数组。但是并不是所有的瑕疵都会影响产品的合格与否。所以我们还要通过计算各个瑕疵的特性，排除掉些无关紧要的瑕疵。对于般密封圈表面来说，些很小的点瑕疵，极短的缝瑕疵，以及位于圆环表面的瑕疵都对密封圈的使用没有任何影响。所以我们要通过计算，将这些瑕疵排除在外。瑕疵面积的计算法在本系统中瑕疵的面积可以直接用来代替，当瑕疵面积小于人为设定的参数时，我们就对该瑕疵判断为合格。反之，则判断为不合格。瑕疵长的计算法计算瑕疵长时，基于瑕疵的线性特征，首先对瑕疵做细化操作，得到单像素宽的瑕疵骨架曲线。瑕疵的长度实际上就是骨架图像骨干点之间的长度之和。骨化后的图像是个单像素宽度的连通性好的骨干图像。可以分别求取相邻像素之间的长度，然后把所有的相邻像素之间的距离求和即为所得，如下式公式,和,是相邻骨干点的两个点是水平方向的比例因子......”。

4、“.....即水平方向上的像素个数与实际情况垂直长度的比值是两个相邻像素之间的长度。总长度即为所有相邻像素之间的长度之和。当瑕疵长小于人为设定的参数时，我们就对该瑕疵判断为合格。反之，则判断为不合格。瑕疵宽的计算法计算瑕疵宽时，仍然对瑕疵做细化操作后，骨架各点所在的瑕疵的位置的宽度反应出瑕疵各段的宽度。由于骨架曲线是单像素曲线，则个骨架点与相邻点的其他两个骨架点相接，分别求出与相邻点的斜率。则每个斜率的垂线与瑕疵边缘相交两点，两点的连线的大小即为宽度值。比较这两个宽度值其中较小的为这个瑕疵的宽度。设骨架曲线的其中个骨架点用,表示，其相邻骨架点分别为,和,。骨架线在点的斜率近似用直线的,,,,,导师评语率表示，则斜率表示为公式过骨架点斜率为的直线与瑕疵图像边缘交于两点，记为,。则此瑕疵的宽度表达式为公式同理，骨架线在点的斜率近似用直线表示，同样的原理求出，然后比较与的大小，取较小值作为瑕疵的宽度。最后结果,。当瑕疵宽小于人为设定的参数时，我们就对该瑕疵判断为合格。反之，则判断为不合格。实际的检测效果如下......”。

5、“.....图算法最终的处理结果为本算法得到的最终的处理结果，可以看到，所有位于密封圈表面上的瑕疵都被检测出来了图密封圈灰度图图算法最终的处理结果实验结果我们的最终成果如图所示，我们已经搭建出了检测平台包括相机光源嵌入式主板触摸屏显示器等元素。软件的识别算法也能达到预计的水平。图成果图本章小结本章主要讲述了密封圈表面识别算法的主要流程。并对每个步骤用文字公式和图片的方式进行了详细的解说。第章总结与展望本文讲述了密封圈的图像采集结束后如何通过利用嵌入式图像处理技术，对密封圈上的瑕疵图像进行处理，提取出瑕疵的信息，并对瑕疵的特征参数与密封圈合格标准参数进行比较，筛选出合格的密封圈的过程。根据瑕疵的特有的特征，对比当前流行的图像识别算法，改进出套更加适合密封圈检测的图像识别算法。算法中对均值滤波和中值滤波图像二值化特征提取等过程均作了改进。实现了较为快速适合的密封圈识别算法。当前所有的算法都是用语言在上实现的，但是能否直接用在工业上检测密封圈，该算法还需要在速度上和精确性上得到提高，在之后的这段时间我会继续努力在机器视觉上寻求新的突破。将来展望机器视觉将完全代替人工肉眼完成所有的检测识别......”。

6、“.....当定时器计时达到秒，而计数器计数没有达到设定值，程序将返回到标准洗初始阶段循环执行标准洗次，当计数器计数达到设定值程序就就转入到排水阶段。在排水阶段排水电磁阀将打开排水，当下限水位开关闭合，将停止排水，同是进水电磁阀将打开开始进水，当上限水位开关闭合，就停止进水，程序将转入到漂洗的标准洗阶段。标准洗正转线圈和定时器将同时得电，电动机将开始正转，当定时器计时达到秒，其常开触点将闭合，程序将转入到下阶段，电动机将停止运转，同时定时器将得电，当定时器计时达到秒，其常开触点将闭合，程序将转入到下阶段，标准洗反转线圈和定时器将得电，电动机开始反转，当定时器计时达到秒，其常开触点将闭合，程序将准如到下阶段，电动机将停止反转，同时定时器和计数器将同时得电，当定时器计时达到秒，而计数器计数没有达到设定值，程序将返回到标准洗初始阶段循环执行标准洗次，当计数器计数达到设定值程序就就转入到排水阶段。计数器得电，当计数器当前值小于程序将返回到漂洗的初始阶段循环执行漂洗次，当计数器的当前值大于，程序就转入到下阶段。排水电磁阀开始排水，当下限水位开关断开......”。

7、“.....电动机将高速旋转将衣服的水分从桶壁甩出，当定时器计时达到分钟，电动机将停止运转，同时蜂鸣器的线圈得电，蜂鸣器开始报警，提示衣服已经洗好，主人将衣服拿走。程序将返回到初始阶段等待下次洗衣服。结果论述在做滚筒式全自动洗衣机控制系统的实现，里面用了许多定时器和计数器，其中定时器和计数器用到了许多参数，下面我将对其中的参数进行定性或定量的分析，通过这些参数是如何实现系统的自动转移。首先要强调的使我所用的定时器都是时基为的定时器，如定时器的设定值为定时时间为秒，恰好是预浸的分钟，定时到后程序自动转移。定时器的设定值为定时时间为秒，恰好是强洗电动机正转的时间，定时到后程序自动转移。定时器的设定值为定时时间为秒，是标准洗电动机正转的时间。定时器的设定值为定时时间为秒，是标准洗电动机停转的时间。定时器的设定值为定时时间为秒，是标准洗反转的时间。定时器的束也直在运行这样就大大的浪费了电能，而且大大的缩短了定时器计数器的寿命。所以我们在设计时应在个定时器计时器工作时间到后要断掉他们的电源，这样不仅节约了电能也延长了定时器计数器的寿命。以上是我对我这次毕业设计课题研究中尚存在的些问题的见解......”。

8、“.....让各自的毕业设计任务书更加完美谢辞走的最快的总是时间，来不及感叹，大学生活已近尾声，三年多的努力与付出，随着本次论文的完成，将要划下完美的句号。本论文设计在汪清平老师的悉心指导和严格要求下业已完成，从课题选择到具体的写作过程，论文初稿与定稿无不凝聚着汪清平老师的心血和汗水，在我的毕业设计期间，汪清平老师为我提供了种种专业知识上的指导和些富于创造性的建议，汪老师丝不苟的作风，严谨求实的态度使我深受感动，没有这样的帮助和关怀和熏陶，我不会这么顺参行分区域统计。遍历图片内存。统计的区域划分如图所示图分区域法示意图对蓝色区域的共个区域分别进行直方图统计，每个区域都求出相对应的阈值，遍历该区域内的像素点成员当,的像素值与阈值之间的灰度差距大于人为设定的参数时，就说明该点与周围像素环境之间存在着明显的不同。可将该点的灰度值赋值为。否则该点赋值为。公式如下当时当时公式最终从得到的新二值图像内存数组命名为。该数组的亮度信息如图所示。图二值图可以在上图中看出，瑕疵的信息因为局部二值化的关系而被很好的保留了下来......”。

9、“.....为了要提取出这些信息，可以用区域生长法来完成。区域生长法提取普通的区域生长法是连通法。就是对个点的上，左上，右上，左，右，下，左下，右下共个方向进行遍历扫描，如果在该遍历方向上也存在与当前遍历点的像素值相同的点时，就将该个点看做都是属于同个瑕疵上的像素点。但是考虑到当前系统中捕捉到的瑕疵往往是属于狭长的缝。而用连通法提取狭长缝隙的信息时就很有可能就会造成缝的断裂。最终会导致将条缝的信息分为了块或多块连通区域信息来处理。为了避免这现象，我们将区域生长法做了如下改进首先定义下瑕疵的结构体数组用来保存每个瑕疵的信息，结构体成员信息可以是瑕疵长，瑕疵宽，瑕疵面积等等。本系统采用的是可调节的全方位拓展法求区域生长。设每个方向上向外拓展个像素。如图全方位拓展法求所示，点上的每个方向的像素都向外拓展了个像素，即。入队出队图全方位拓展法求区域生长扫描内存数组信息里的目标圆环区域，如果发现点的像素值,等于时，就将该点标记为点，并堆入队列中。每次遍历队列，如果发现队列不为空，就让队尾元素出队，出队的同时......”。