摘 要

本文借助图像处理软件OpenCV首先针对发动机轴瓦轴承座自动化加工过程中，为防止轴承座出现结合面未加工而流入下一道工序，采用视觉检测方法检测结合面是否加工。根据工艺特点，以发动机轴承座零件表面图像为研究对象，利用中值滤波和形态学的顶帽变换对图像进行了预处理处理并对部件待测面图像进行分析与研究，然后根据图像的特征纹路通过Canny边缘检测以及霍夫线变换检测并拟合出特征线段，根据检测出的图像特征提出了待检测零件表面是否完成加工的算法。并且利用软件Qt实现算法原型系统的制作。该方法具有重要的指导意义。

利用机器视觉对加工面进行视觉算法对加工面检测，能避免传统工人肉眼检测方法效率低，出错率高的缺点，达到提高生产效率的作用。

关键词：图像处理；Hough变换；OpenCV；Qt；Canny边缘检测

Abstract

In this paper, the image processing software OpenCV firstly in the process of automatic machining of the engine bearing housing, in order to prevent the bearing seat from being unprocessed into the next process, the visual inspection method is used to detect whether the joint surface is processed. According to the characteristics of the process, the surface image of the engine bearing housing parts is taken as the research object. The image is preprocessed by the median filtering and morphological top hat transformation, and the image of the part to be tested is analyzed and studied, and then according to the characteristics of the image. The texture detects and fits the feature line segment by Canny edge detection and Hough line transformation, and proposes an algorithm for processing whether the surface of the part to be tested is finished according to the detected image features. And use Qt to achieve the algorithm prototype system. This method has important guiding significance.

The use of machine vision to visually process the machined surface to detect the machined surface can avoid the disadvantages of low efficiency and high error rate of traditional workers' naked eye detection methods, and achieve the effect of improving production efficiency.

Key Words：Image Processing；OpenCV；Qt；Hough Transform；Canny edge detector

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 课题背景及其意义 1

1.2 国内外的研究现状 1

第2章 图像的预处理 3

2.1 图像的灰度化处理 3

2.2 图像增强 4

2.2.1直方图均衡化 4

2.2.2实验结果及分析 4

2.3 图像的平滑滤波 5

2.3.1 滤波方式 6

2.3.2 滤波方式选择与分析 7

2.4 运用形态学进行分割 9

2.4.1 灰值腐蚀与膨胀 9

2.4.2 开运算和闭运算 10

2.4.3 顶帽变换 11

2.5 本章小结 12

第3章 图像分割与特征检测 13

3.1 Canny边缘检测 13

3.2 图像分割 15

3.2.1 面积阈值分割 16

3.2.2 边缘区域去除 17

3.3 霍夫变换 18

3.4 本章小结 20

第4章 特征检测与原型系统 21

4.1 特征检测判定 21

4.2原型系统设计 22

4.2.1 界面设计 23

4.2.2 编写代码并显示 24

第5章 总结与展望 26

参考文献 27

致 谢 28

第1章 绪论

1.1 课题背景及其意义

发动机轴瓦轴承座，其是轴颈与滑动轴承相互连接接触的部分，在座孔和轴之间起到支撑力和传递能量的功能，是发动机的的重要部件之一。发动机轴瓦作为一种易损耗的部件，其质量对发动机安全性能具有重要的作用，需要具备良好的疲劳强度、承载能力、耐磨性等性质。而如果发动机中使用有未加工面或者不合格的轴瓦将严重影响发动机的使用性能及其使用寿命。

随着改革开放的进一步的深入，我国的工业发展的得到进一步的提高。轴瓦作为发动机中的重要零件，需要的大量应用在机械、汽车等工业领域。其在工业生产生活中占有着的重要的作用，因此对于部件的质量检测也成为了工业生产中的重要一步。图像分析技术正越来越多地用于工业自动化检查。然而目前现阶段我国在对该工业零件的质量检测的方式以技术工人在流水线上目视检测为主，高度依赖于人的经验。这种方法不仅占用了过多的人力资源而且由于每个工人的技术水平和专业素养不同，在低对比度的图像中表面出现的细微缺陷，即使是训练有素的检查员也无法明显地识别出来。很难保证全部未加工及加工面有瑕疵的不合格产品全部被检测出来，容易出现漏检、误检等工作失误，因此现在急需一种高效的检测方法来提高生产效率。目前随着计算机技术的快速发展，机器视觉算法和硬件检测设备变得愈发成熟，由此可利用机器视觉技术来解决发动机轴瓦加工面质量缺陷检测的问题。这种方法具有效率高，错误率低、人为干预度低等优点，可应用于大批量轴瓦产品的缺陷检测，由此来代替过去效率低下的人工视觉检测和错误率较高的抽样检测法，从而提高轴瓦产品的生产质量和生产效率。

本文以发动机轴瓦为实验对象，以零件加工面图像为研究对象通过结合图像处理技术和形态学理论，对采集到的零件加工表面图像进行预处理和分割最后对特征提取将缺陷分类。通过对加工面缺陷检测系统的研究，可以有效地检测零件表面缺陷，从而对实现产品质量和安全的检验。机器视觉缺陷检测技术在工业生产中具有很高的实用价值和深远的发展意义。

1.2 国内外的研究现状

机器视觉是一个交叉应用了多种学科知识的新兴学科。该学科于上个世纪六十年代后期开始从人工智能这门学科中衍生出来，其目的在于从图像中提取相关信息，使得计算机能模仿人眼和大脑对图像输入并分析。机器视觉希望计算机能了解其环境并得出相关结论。计算机视觉允许通过若干中方式来获取数字图像,比如通过照相机拍摄来获取图像或者通过如B超、CT等医疗设备来获取数字图像。目前计算机视觉拥有巨大的应用领域，主要应用于以下几个方面：