摘 要

图像识别就是利用计算机处理、识别图像的过程，在如今的工业自动化中有着广泛的应用。将图像识别运用于机械制造中，相当于给传统制造添上了双眼，这为智能制造提供了实现的途径。为了更好的提高只能制造的精度，引入了机器视觉技术。

本文运用图像处理和特征识别的方法，对给定的目标体建立起坐标系，为后续目标的标定、检测提供后续支持。主要研究工作如下：

(1)从摄像机处获取的图像，通过对图像进行灰度化、图像增强、图像分割等在内的相关图像处理技术和算法进行比较和分析，选择了其中处理效果较好的方法，包括直方图规定化、直方图双峰法和Canny算子边缘检测，成功识别了图像中物体的边缘，使用最小二乘法建立了以图像中轴承的圆心为原点的坐标系。

(2)采用Matlab自带的标定程序，实现了对摄像机的标定，计算出了摄像机的内外参数，消除了图像的畸变。

(3)使用Matlab的GUIDE工具设计了一个图形用户界面，实现图像灰度化、图像增强、图像分割等技术在内的图像处理功能，并能建立具有圆形边缘的物体的坐标系。

关键词：摄像机标定 图像增强 图像分割 滤波

Establishment of coordinate system of target object based on image recognition

Abstract

Image recognition is the process of processing and recognizing images using computers. It has a wide range of applications in today's industrial automation. Applying image recognition to machine manufacturing is equivalent to adding eyes to traditional manufacturing, which provides a way to achieve smart manufacturing. In order to better improve the precision that can only be manufactured, machine vision technology has been introduced.

In this paper, the image processing and feature recognition methods are used to establish a coordinate system for a given target, which provides follow-up support for the calibration and detection of subsequent targets. The main research work is as follows:

(1) The image acquired from the camera is compared and analyzed by correlating image processing techniques and algorithms such as grayscale, image enhancement, image segmentation, etc., and methods with better processing effects, including histograms, are selected. The graph normalization, histogram bimodal method and Canny operator edge detection successfully identify the edge of the object in the image, and use the least squares method to establish the coordinate system with the center of the bearing in the image as the origin.

(2) Using Matlab's own calibration program, the camera is calibrated, the internal and external parameters of the camera are calculated, and the distortion of the image is eliminated.

(3) Using Matlab's GUIDE tool to design a graphical user interface, image processing functions such as image graying, image enhancement, image segmentation, etc., and the coordinate system of objects with circular edges.

Key words: Camera calibration; Image enhancement; Image segmentation; Filtering

目 录

摘 要 I

Abstract ii

第一章 绪论 1

1.1课题研究目的和意义 1

1.2发展现状 1

1.2.1国外发展现状 1

1.2.2国内发展现状 2

1.3技术路线和章节内容 3

第二章 图像处理基础 4

2.1摄像机标定 4

2.1.1摄像机标定模型 6

2.1.2摄像机标定方法 6

2.1.3摄像机标定结果 7

2.2成本估算 8

2.3图像预处理 9

2.2.1彩色图像灰度化 9

2.2.2图像二值化 9

2.4灰度直方图 10

2.5本章小结 11

第三章 图像增强 12

3.1直方图均衡化 12

3.2灰度变换 13

3.3直方图规定化 14

3.4空域滤波增强 15

3.4.1平滑滤波器 15

3.4.2中值滤波器 16

3.5频域滤波增强 17

3.5.1低通滤波器 17

3.5.2高通滤波器 19

3.6本章小结 21

第四章 图像分割与坐标系的建立 22

4.1边缘检测 22

4.2阈值分割 25

4.2.1直方图双峰法 26

4.2.2迭代法 26

4.3区域生长法 27

4.4目标物体的坐标系 28

4.5图形用户界面 29

4.6本章小结 31

第五章 总结与展望 32

5.1总结 32

5.2展望 32

参考文献 33

附录 35

致谢 57

第一章 绪论

1.1课题研究目的和意义

机器视觉的处理过程是通过摄像头获取目标图像并将其转化为数字信号，然后利用计算机处理这些信息的过程。当今社会的生产线自动化程度越来越高,而对于机械手来说，要进行后续工艺步骤必须先确定操作对象的状态及位置。在物体识别定位系统中，为了准确对操作对象进行识别定位，引入了技术。

1.2发展现状

机器视觉最早由美国机器人工业协会（RIA）自动化视觉分会和美国制造工程师协会（SME）机器视觉分会定义，即：用光学仪器进行非接触式感知，得到一个真实场景的数字图像，用来提取信息或控制过程^[1]。，机器视觉就是用图像采集工具，获取目标物体的图像，并利用计算机对获取的图像进行分析处理，从而识别目标物体，以便在生产过程中使用。

1.2.1国外发展现状

国外机器视觉研究最早开始于20世纪50年代，当时机器视觉的应用非常有限，功能单一。20世纪60年代，Roberts开始研究三维机器视觉，他认为可以通过编程，从数字图像中提取三维图形，并将其形状与其在图像中的空间位置一一对应^[1]-[2]。

1977年，Marr等人提出了一种新的被称为Marr视觉理论的理论，该理论主要内容在于从二维图像中回复物体的三维形状，其突出了计算理论的重要性。它的优点在于机构简单易实现^[1]-[3]。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：