，图是采用邻域均值后的图像，图采用的是自适应滤波后的图像，其环境噪声方差的取值是。可以从图中看出，对比邻域均值自适应滤波方法后，中值滤波处理后的图像画面更干净且对消除噪声的效果也更好。灰度化处理后图像中值滤波处理后图像领域均值滤波处理后图像自适应滤波处理后图像图滤波处理前后的图像对比图像的二值化处理图像二值化主要目的是将图像的像素点的灰度值设置为或者，即就是把图像呈现出明显的黑白效果。在图像预处理中，二值化是非常重要的，首先，二值化能是图像变得简单且数据量减少，其次，在摄像头采光时，容易受到光照不均等情况影响，这样就造成图像模糊，这就给译码带来很大困难，从而会降低解码的正确性，下面是种较先进的基于背景灰度的二值化算法，并且提出了改进算法。基于背景灰度二值化算法算法介绍全局阈值法是种相对简单的,消耗时间短的识别码过程常见的方法，如算法，使用直方图双峰等算法。然而，这些方法只能生成个全局阈值当码图像的预处理对图像进行全局二值化后，它可能会产生全黑或全白图像，该方法对上述问题是不能进行调整的。基于背景灰度的二值化算法能很好的解决以上问题。算法步骤如下根据二维码图像大小进行分块处理。使用灰度估算公式对分块的灰度值进行计算。采用双三次图像插值法生成可调整的背景灰度图像，其所生成的图像应该和源图尺寸样。用可调整的背景灰度图像代替源图像这主要是为了抑制噪音，同时增强健壮性，能克服在二值化阀值选取时引起的不均匀照明。采用算法对校正图像进行二值化。计算背景灰度将图像的灰度矩阵分为矩阵块,得到灰度矩阵的分块矩阵,如公式。块的大小既要能够保存细节又要能够抑制噪声的噪声，采集图像的偏斜图像梯形畸变曲面畸变等问题，造成码识别率低或无法识别。本文较系统的给出了相关问题的解决方法。主要工作和创新点如下在图像预处理的阶段，依据中值滤波原理，对采集到的码图像进行降噪处理。其中是通过与领域滤波法和自适应亮度滤波法比较，得出中值滤波是比较简单且适合在嵌入式系统中应用的方法。在码二值化方面，根据原图像尺寸进行分块处理。利用灰度估算公式计算每块的灰度值。采用联合图像插值法生成可调整的背景灰度图像，其所生成的图像应该和源图尺寸样。用可调整的背景灰度图像代替源图像。这主要是为了抑制噪音，同时增强鲁棒性，还能克服在二值化阀值选择时引起的不均匀照明。最后，用算法对校正图像进行二值化。在图像定位方面，利用基于边缘检测的变换。这种方法是图像定位方面的经典方法。基于边缘检测脉冲会干扰到图像并产生噪声，这些影响通过中值滤波技术的处理却能够避免以上不好的结果。对领域模板的使用，也会带来负面影响，它会对引起些信息的失真，原因是使用该方法后像素点的灰度值会按照规则进行排序。因此对于中值滤波技术处理多锐角或较多长线段的情况，会容易出现断点，导致图形的不连续。对上述三种滤波方法进行比较邻域均值滤波容易是图像信息丢失，使图像变得模糊。而自适应滤波计算量比较大，同时还要对环境噪声的方差进行估算，过程比较复杂，因此这两种方法都的变换校正，大大减小了码图像变换旋转的运算量，提高了系统的元算速度和准确性。展望本文对码处理只做了基础性工作，只在预处理和图像定位做了研究，为了更近步研究还需码的采集会有各种噪声，比如散焦模糊等，本文没有考虑，如何对实际中的图邻域均值滤波器大小正方形模板邻域均值滤波速度相对较快，且运算量也小，而它的滤波效果和模板的形状大小相关，选取时模板越大，就越模糊。自适应滤波自适应滤波是指利用前时刻已获得的滤波器参数等结果，自动地调节当前时刻的滤波参数，以适应信号与噪声未知的或随时间变化的统计特性，从而实现最优滤波。令输入图像像素点的灰度值为，自适应滤波后的输出灰度值为，则输出的灰度值如公式其中为滤波器系数，像素点的位置变化时，也可以进行相应的变化其表达式如码图像的预处理其公式中为环境噪声方差，它是根据周围环境的情况给出的个估算值局部统计方差，它可通过公式得出，公式中的是的窗口大小，它的值为。虽然自适应滤波算法去噪效果较好，但他的计算量较大其处理时间也很长，而对于应用到嵌入式系统中，不是种最佳方法。中值滤波下面我们介绍种非线性的平滑技术中值滤波。该技术的用途有两个。是对图像的边缘处理进行保护二是能够消除噪声。中值滤波是种图像处理技术，它将个以点,为中心的区域内的所有像素的灰度值按照定的顺序从大到小进行排列，并规定中心节点,的取值为所有灰度值的均值。该技术对图像边缘的模糊处理有非常好的效果。中值滤波技术运用到对二维码信号的情况当中有异与维码信号的情况。最开始普遍运用在维码，滤波处理后的模版同样是维的。当运用到二维码的情况，过滤出的结果不在是单纯的维，可以是正方形，也可以十字星等二维模板。如图所示，中值滤波的表达方式在二维数据中的形式如式子其中是中值滤波后的灰度值，是中值滤波函数。在选择窗口模板的时候，需要对窗口尺寸的大小进行权衡，因为尺寸太小计算量就会变大，太大则会对图像的细节信息有所影响，其窗口尺寸般从开始，依次增大，直到能够得到满意的滤波效果为止。码图像的预处理图几种常用的滤波窗口中值滤波主要有以下特性并不是所有的信号输入后，经过该技术处理，信号都会发生改变。原因是中值滤波技术的重要参数是像素灰度值的均值，输出信号与灰度值的最大值没有因果关联，最小值也是样，也就对输出结果不产生很大影响。随机噪声和脉冲噪声对图像处理的影响比较大，使用中值滤波技术来处理图形，能较大程度减少以上两种噪声。假设噪声是种均值为零的正态分布，那么使用中值滤波技术处理图像信号后，噪声方差的大小可以通过如下公式计算上式中，代表领域窗口模版大小，和分别代表像素灰度值在滤波处理前的噪声密度和方差。可以得出，输入和输出像素点灰度值的噪声分布具有相关性，当其宽度小于或等于时，离的远的窄不太适合嵌入式系统。所以本文图像处理中采用的是中值滤波方法，其采用的图形模板是大小的正方形。中值滤波处理时的具体实现如下码图像的预处理图是使用滤波方法前后的的图像对比，其中图是滤波前的灰度化图像，图是采用中值滤波后的图像其他差速器的材料当前市面上的汽车差速器锥齿轮大多使用渗碳合金钢生产而成，例如及等。由于差速器齿轮的制造精度要求低，因此差速器齿轮的精锻技术得到了普遍的应用。差速器齿轮的强度计算差速器齿轮的强度校核为所计算齿轮的计算转矩过载系数尺寸系数齿面载荷分配系数综合系数，取质量系数按发动机最大转矩校核此处用汽车日常运行中平均转矩确定的计算转矩校核根据校核，轮齿强度合格半轴的设计半轴的基本作用是使差速器半轴齿轮将扭矩传递给车轮。断开式驱动桥及转向驱动桥里的车轮传动装置包含个半轴和个万向节，它们般使用等速万向节。整体式驱动桥的车轮传动装置为半轴，具有连接半轴齿轮和轮毂的功能。而在轮边减速器的驱动桥中，驱动桥的作用把半轴齿轮和轮边减速器的传动齿轮相连接。半轴的型式驱动桥内的半轴般可分为半浮式轴四分之三浮式半轴和全浮式轴。查阅文献综合所述，轻型载货汽车驱动桥的设计，采用全浮式半轴。如图所示图全浮式半轴的结构示意图半轴的设计全浮式半轴负荷的计算作用在半轴上的负荷转矩分配系数全浮式半轴杆部直径初选半轴杆部直径半轴的计算转矩半轴扭转许用应力，。根据上式带入，得取查阅文献得，安全系数全浮式半轴的计算转矩是半轴扭转应力的计算方式半轴的扭转应力半轴的计算转矩半轴的直径，即。代入公式得半轴花键强度的计算剪切应力的计算挤压应力的确定，，，，，将数据带入和两式得最大扭转角半轴的材料市面上的半轴大多是使用合金中碳钢制成的，用合金刚作为半轴材料，不仅可以提高半轴的强度，而且能够降低制作成本。我国最近发现种非常优秀的半轴材料。过去使用淬火和回火的方法来对半轴进行热处理，近年来随着高频中频感应淬火的广泛运用，半轴利润大大增加。由于其表面高强度的硬化层，连同半轴上形成的表面残余应力，喷丸处理等系列的生产过程，可以减少由金属疲劳引起的半轴损耗。因为最近段时间，由于生产技术的突飞猛进，很多半轴厂商都增加了成本更加便宜的中碳，钢的使用，减少了成本稍高的合金钢的使用。桥壳的设计驱动桥壳是汽车的主要支撑部件之，它在汽车的过程中要承受沉重的负荷，设计时必须要考虑桥壳的承载力，必须具有足够的强度和刚度去支撑汽车的载荷。在保证强度和刚度的前提下，应寻求方法减少桥壳质量。减少汽车弹簧受到的质量，可以减少汽车的动载荷，提高车辆乘坐舒适性。驱动桥壳应该结构简单，制造容易，成本低，该结构还应确保主减速器保养拆装维修调整的方便性。在确定桥壳结构类型时，还应考虑到汽车种类使用用途材料选择制造工艺等。驱动桥壳结构型式的选择现有的桥壳结构可以分为可分式桥壳组合式桥壳以及整体式桥壳，以下分别介绍每款桥壳的优缺点可分式桥壳被个垂直接合面分为左右两部分，这两段由用螺栓连接起来。每部分由个外壳和个半轴套管组成，并通过铆钉连接套管和外壳。该驱动桥壳构造简，图是采用邻域均值后的图像，图采用的是自适应滤波后的图像，其环境噪声方差的取值是。可以从图中看出，对比邻域均值自适应滤波方法后，中值滤波处理后的图像画面更干净且对消除噪声的效果也更好。灰度化处理后图像中值滤波处理后图像领域均值滤波处理后图像自适应滤波处理后图像图滤波处理前后的图像对比图像的二值化处理图像二值化主要目的是将图像的像素点的灰度值设置为或者，即就是把图像呈现出明显的黑白效果。在图像预处理中，二值化是非常重要的，首先，二值化能是图像变得简单且数据量减少，其次，在摄像头采光时，容易受到光照不均等情况影响，这样就造成图像模糊，这就给译码带来很大困难，从而会降低解码的正确性，下面是种较先进的基于背景灰度的二值化算法，并且提出了改进算法。基于背景灰度二值化算法算法介绍全局阈值法是种相对简单的,消耗时间短的识别码过程常见的方法，如算法，使用直方图双峰等算法。然而，这些方法只能生成个全局阈值当码图像的预处理对图像进行全局二值化后，它可能会产生全黑或全白图像，该方法对上述问题是不能进行调整的。基于背景灰度的二值化算法能很好的解决以上问题。算法步骤如下根据二维码图像大小进行分块处理。使用灰度估算公式对分块的灰度值进行计算。采用双三次图像插值法生成可调整的背景灰度图像，其所生成的图像应该和源图尺寸样。用可调整的背景灰度图像代替源图像这主要是为了抑制噪音，同时增强健壮性，能克服在二值化阀值选取时引起的不均匀照明。采用算法对校正图像进行二值化。计算背景灰度将图像的灰度矩阵分为矩阵块,得到灰度矩阵的分块矩阵,如公式。块的大小既要能够保存细节又要能够抑制噪声的噪声，采集图像的偏斜图像梯形畸变曲面畸变等问题，造成码识别率低或无法识别。本文较系统的给出了相关问题的解决方法。主要工作和创新点如下在图像预处理的阶段，依据中值滤波原理，对采集到的码图像进行降噪处理。其中是通过与领域滤波法和自适应亮度滤波法比较，得出中值滤波是比较简单且适合在嵌入式系统中应用的方法。在码二值化方面，根据原图像尺寸进行分块处理。利用灰度估算公式计算每块的灰度值。采用联合图像插值法生成可调整的背景灰度图像，其所生成的图像应该和源图尺寸样。用可调整的背景灰度图像代替源图像。这主要是为了抑制噪音，同时增强鲁棒性，还能克服在二值化阀值选择时引起的不均匀照明。最后，用算法对校正图像进行二值化。在图像定位方面，利用基于边缘检测的变换。这种方法是图像定位方面的经典方法。基于边缘检测脉冲会干扰到图像并产生噪声，这些影响通过中值滤波技术的处理却能够避免以上不好的结果。对领域模板的使用，也会带来负面影响，它会对引起些信息的失真，原因是使用该方法后像素点的灰度值会按照规则进行排序。因此对于中值滤波技术处理多锐角或较多长线段的情况，会容易出现断点，导致图形的不连续。对上述三种滤波方法进行比较邻域均值滤波容易是图像信息丢失，使图像变得模糊。而自适应滤波计算量比较大，同时还要对环境噪声的方差进行估算，过程比较复杂，因此这两种方法都