基于数字图像处理及识别的玻璃容器检验系统研究
| 第一章 绪论 | 第1-18页 |
| 1．1 课题背景 | 第6-7页 |
| 1．2 机器视觉技术概论 | 第7-11页 |
| 1．2．1 机器视觉系统的概述 | 第7-8页 |
| 1．2．2 图像的获取 | 第8-11页 |
| 1．3 数字图像处理概述 | 第11-16页 |
| 1．3．1 图像处理技术的分类 | 第11-12页 |
| 1．3．2 数字图像处理的特点 | 第12页 |
| 1．3．3 数字图像处理方法 | 第12-13页 |
| 1．3．4 数字图像处理的主要内容 | 第13-16页 |
| 1．4 课题任务分析 | 第16-18页 |
| 第二章 图像预处理 | 第18-48页 |
| 2．1 图像的获取 | 第18-21页 |
| 2．1．1 光源 | 第18-19页 |
| 2．1．2 图像传感器 | 第19-21页 |
| 2．1．3 获取的图像 | 第21页 |
| 2．2 灰度图 | 第21-22页 |
| 2．3 图像增强 | 第22-48页 |
| 2．3．1 图像的噪声 | 第22-24页 |
| 2．3．2 图像增强技术分析 | 第24-25页 |
| 2．3．3 灰度直方图均衡化处理 | 第25-32页 |
| 2．3．4 小波变换 | 第32-48页 |
| 第三章 图像分割 | 第48-67页 |
| 3．1 阀值化分割原理 | 第49-53页 |
| 3．1．1 P-title法 | 第49页 |
| 3．1．2 2-mode法 | 第49-50页 |
| 3．1．3 最小误差法 | 第50-51页 |
| 3．1．4 最大类间方差法 | 第51-53页 |
| 3．2 数学形态学方法 | 第53-57页 |
| 3．2．1 数学形态学基础知识 | 第54-55页 |
| 3．2．2 数学形态学基本定义 | 第55-56页 |
| 3．2．3 数学形态图像处理结果 | 第56-57页 |
| 3．3 边缘检测 | 第57-67页 |
| 3．3．1 卷积运算 | 第57-60页 |
| 3．3．2 梯度算子 | 第60-62页 |
| 3．3．3 拉普拉斯算子 | 第62-63页 |
| 3．3．4 Canny算法 | 第63-64页 |
| 3．3．5 处理结果比较 | 第64-67页 |
| 第四章 图像识别 | 第67-74页 |
| 4．1 模式识别系统简介 | 第67页 |
| 4．2 图像特征选定与分类 | 第67-74页 |
| 4．2．1 玻璃瓶口的特征提取与分类识别 | 第67-70页 |
| 4．2．2 玻璃瓶身的特征提取与分类识别 | 第70-74页 |
| 第五章 总结 | 第74-76页 |
| 参考文献 | 第76-78页 |
| 致谢 | 第78页 |
