是人工智能中正在致力解决的知识工程问题。数字图像处理后的图像般是给人观察和评价的，因此受人的因素影响较大。由于人的视觉系统很复杂，受环境条件视觉性能人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进步深入的研究。另方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构属性和时间特征等，这些都是心理学和神经心理学正在着力研究的课题数字图像处理的优点再现性好数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储传输或复制等系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的再现。处理精度高按目前的技术，几乎可将幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为位甚至更高，这意味着图像的数字化精度可以达到满足任应用需求。对计算机而言，不论数组大小，也不论每个像素的位数多少，其处理程序几乎是样的。换言之，从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。回想下图像的模拟处理，为了要把处理精度提高个数量级，就要大幅度地改进处理装置，这在经济上是极不合算的。适用面宽图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像例如射线图像射线图像超声波图像或红外图像等。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像彩色图像也是由灰度图像组合成的，例如图像由红绿蓝三个灰度图像组合而成组合而成，因而均可用计算机来处理。即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何种图像。灵活性高图像处理大体上可分为图像的像质改善图像分析和图像重建三大部分，每部分均包含丰富的内容。由于图像的光学处理从原理上讲只能进行线性运算，这极大地限制了光学图像处理能实现的目标。而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的切运算均可用数字图像处理实现。第二章数字图像的基本原理数字图像的硬件原理原理，电荷耦合器，用个形象的比喻来说明，的结构就像排排输送带上并列放置的小桶，光线就像雨滴撒入各个小桶中，每个小桶代表个像素。快门开启到关闭的拍摄过程，其实就是按定的顺序测量短暂的时间中，小桶中落进了多少光滴，并形成相应的数据文件。般的每原色的亮度用位数据来记录，即其小桶上的刻度有格，也有的是位甚至位，更高的色彩位数在记录色彩时可以更精确，尤其是在光线条件比较差时，能够记录下丰富的暗部细节层次。照明照明是影响机器视觉系统输入的重要因素，因为它直接影响输入数据的质量和至少的应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。过去，许多工业用的机器视觉系统用可见光作为光源，这主要是因为可见光容易获得，价格低，并且便于操作。常用的几种可见光源是白帜灯日光灯水银灯和钠光灯。但是，这些光源的个最大缺点是光能不能保持稳定。以日光灯为例，在使用的第个小时内，光能将下降，随着使用时间的增加，光能将不断下降。因此，如何使光能在定的程度上保持稳定，是实用化过程中急需要解决的问题。另个方面，环境光将改变这些光源照射到物体上的总光能，使输出的图像数据存在噪声，般采用加防护屏的方法，减少环境光的影响。由于存在上述问题，在现今的工业应用中，对于些要求高的检测任务，常采用射线超声波等不可见光作为光源。但是不可见光不利于检测系统的操作，且价格较高，所以，目前在实际应用中，仍多用可见光作为光源。照明系统按其照射方法可分为背向照明前向照明结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。镜头及其成像原理镜头是摄像机最主要的组成部分，并被喻为人的眼睛。人眼之所以能看到宇宙万物，是由于凭眼球水晶体能在视网膜上结成影像的缘故摄像机所以能摄影成像，也主要是靠镜头将被摄体结成影像投在摄像管或固体摄像器件的成像面上。因此说，镜头就是摄像机的眼睛。电视画面的清晰程度和影像层次是否丰富等表现能力，受光学阈值二值化在实物测量中的应用滤波后的图片孤立点已经去掉，而且零件图像没有失真，程序达到预期效果，于是进行二值化处理，以下是二值化的程序二值化,由于图片的背景与圆孔的灰度相差很大，而且在实际工业生产中，使用的是内部光源，与外部光源没有关系，光源强度比较固定，所以使用单阈值二值化法。由图像分析，要计算两圆孔的距离，必须用特征提取把两圆孔的从图像中提取出来，而且发现两圆孔的灰度较大，于是只要二值化就可以把圆孔提取出来。经过多次的实验和反复的尝试，发现只要把灰度为以上的点都变为级灰度，而低于灰度的点都变为级灰度，就可以把圆孔不失真的提取出来。二值化后的图像图二值化后的图像分块边缘检测边缘检测是把个图像的形状特征描绘出来，以便为识别图像计算图像距离位置图像的变换做准备。由于这里的图像大致与规则图像相似，于是只需要用逐行检测的方法检测图像中黑洞的第点。然后根据图像的放大后的特征，发觉第点的规律是灰度为级。与其他点有连接，并且连接符合这样的规律，如图第点于是通过分析并以图像的左上角为原点，水平向右为轴正方向，垂直向下为轴正方向，写程序逐行扫描图像，检测到第个级灰度点坐标，后，读出四个点的灰度是否是，如果是，则找到了第点。连接问题连接法如图，假如点为级灰度，那么如果其中个点为级灰度，那么证明点同其他点有连接。连接法如图，假如点为级灰度，那么如果其中个点为级灰度，那么证明点同其他点有连接。根据上述原理，我们就可以找出每个黑洞的所有点，并且在找的过程中把两个黑洞分别标上号，就能把黑洞分开。以下是分块程序分块由于两个黑块的灰度都是，计算中心时必须把两个黑块分开，于是就把两个黑块分别在付给两种不同的灰度值。首先，必须把块的第点找出来，把第块的第点标记为，然后找到第二块的第二点标记为。然后，把标记为的点相连接的所有黑点都标记为，把标记为的点相连接的所有黑点都标记为。这样就把两个灰度样的黑块分为块标记为，块标记为的两块。计算中心点坐标由于把黑洞都分好块，于是根据中心计算定律个平面物体的几何中心的坐标等于物体上所有点的坐标之和除以点的个数，几何中心的坐标等于所有点的坐标只和除以点的个数。根据定律，写出下面的程序计算中心经过分块后，只要逐行地扫描，把所有标记为的点的坐标都加起来为，坐标也加起来为，并计算出标记为点的个数，用中心计算公式可得，中心横坐标纵坐标，于是中心坐标为，。同理，标记为的块中心坐标，也可以求出来。由于在计算过程中会出现小数，而坐标是没有小数的，于是把计算结果取整后得到中心坐标。图像位置间距离的测量图像由象素构成，并由象素表现出来，每幅图都如图样每个方格代表个象素。图图像由象素表现所有的象素起组成幅图。我们以图的左上方为原点，以图的水平正方向为轴，垂直正方向为轴，于是图像,两个象素位置的距离根据数学公式计算两个黑洞的距离就是计算两个黑洞的中心距离，在上面我们已经把黑洞中心找出来了，现在只要代入距离计算公式就可以得出结果了。以下是计算中心程序中心距离执行结果为换算为常用单位由于计算时用的是整数，因此结果只有位小数有效，保留位小数，取结果为象素。图图象属性图由图可得图像属性为，即是象素英寸，换算为常用单位为英寸厘米由于实际测量工具有限，实测为厘米，与换算出来长度相似。误差计算。绝对误差厘米相对误差误差分析误差数字图像是由点阵组成的，如果所测量的物体组成的点阵较小，其测量误差较大。元件通过镜头对工件成像，因此，依镜头的放大倍率的不同，在像面上，每个像素所代表的工件实际尺寸的大小也就产生变化。数字图像处理时产生的误差图像处理误差二值化采用的是单阈值二值化法，由于工业生产中采用的是固定光强度的光源，而且是内部光源，与外界光源无关，因此工件在摄像头的成像灰度是比较固定的，所以单阈值二值化法在实际工业生产中是很可行的。但是在实验室中，由于条件不足，所以图像二值化必定会出现些误差。计算时的误差由于在计算中点坐标是，不可避免地出现小数，而坐标是整数，必须取整，而取整时必须去掉小数部分，这就不可避免出现误差。实验总结实验的结果与实际结果绝对误差为厘米，相对误差为，这两个误差都非常小，说明数学图像处理对物体距离测量的精度是非常高的，并证明实验的方法正确，实验是非常成功的。第四章结束语本课题所研究的利用数字图像处理实现对物体距离的测量，成功地解决了传统工件距离测量的低效低精度低准确度，难于测量等阻碍生产发展的问题。图像处理算法及验证对于采集到的图像，需要进步的处理这涉及到噪声的别除物体边界的寻找及确定等多方面本论文尝试使用了语言实现了这些图像处理算法，并且用实际图像来进行了验证。距离测量原理的确立及实现幅图像实现工件尺寸的测量，先把图像放大为象素来分析，并建立坐标系，用求特征点的方法找出中心坐标，通过用坐标系下两点间距离公式求出两中心点距离。最后通过图像属性换算出最终结果。系统产生误差的大小及来源由于本系统中，采用了和照相物镜对工件成像，故这些器件必将对测量精度产生影响，本论文中对其产生误差大小进行了分析及计算，确定了本系统的精度在现阶段的研制过程来看，如果需要提高测量的精度，我们可以从软件算法方面进行研究，例如，对阈值的选取算法上，采用判断分析阈值化法由于本人能力有限，所提出的算法应该还会有很大的完善空间，希望以后的工作者能进步加以补充。参考文献吕凤军数字图象处理编程入门清华大学出版社唐良瑞，马全明，景晓军图像处理实用技术化学工业出版社，容观澳计算机图像处理清华大学出版社，田捷