| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 引言 | 第8页 |
| 1.2 基于机器视觉的钢球分拣系统概述 | 第8-11页 |
| 1.2.1 钢球分拣系统研究背景及意义 | 第8-9页 |
| 1.2.2 基于机器视觉的钢球分拣系统研究现状 | 第9-11页 |
| 1.3 基于机器视觉的图像边缘检测技术研究 | 第11-13页 |
| 1.3.1 图像边缘检测技术的研究历史 | 第11-12页 |
| 1.3.2 图像边缘检测技术的发展趋势 | 第12-13页 |
| 1.4 论文研究内容及章节安排 | 第13-15页 |
| 1.4.1 研究内容 | 第13-14页 |
| 1.4.2 章节安排 | 第14-15页 |
| 第二章 基于机器视觉的钢球分拣系统 | 第15-22页 |
| 2.1 系统工作原理及过程 | 第15-17页 |
| 2.2 系统软件配置 | 第17-18页 |
| 2.2.1 Halcon简介 | 第17页 |
| 2.2.2 Halcon与VS2008混合编程 | 第17页 |
| 2.2.3 钢球分拣系统软件工作流程 | 第17-18页 |
| 2.3 系统硬件配置及相关参数 | 第18-21页 |
| 2.3.1 CCD相机的选取 | 第18-19页 |
| 2.3.2 照明系统设计 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 钢球表面图像预处理 | 第22-36页 |
| 3.1 图像分割 | 第22-25页 |
| 3.1.1 图像分割的概述及意义 | 第22-23页 |
| 3.1.2 全局阈值分割 | 第23-25页 |
| 3.2 钢球表面图像平滑去噪 | 第25-31页 |
| 3.2.1 图像噪声及去噪方法 | 第25-29页 |
| 3.2.2 钢球表面图像去噪方法 | 第29-31页 |
| 3.3 图像二值化 | 第31-35页 |
| 3.3.1 图像二值化原理及方法 | 第31-33页 |
| 3.3.2 钢球表面图像二值化方法 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 钢球表面图像特征边缘检测 | 第36-46页 |
| 4.1 传统边缘检测算法及其在钢球表面缺陷检测中的不足 | 第36-42页 |
| 4.1.1 基于梯度的边缘检测算子 | 第36-39页 |
| 4.1.2 二阶微分算子 | 第39-42页 |
| 4.2 Canny边缘检测算法 | 第42-43页 |
| 4.3 自适应多方向灰度形态学图像边缘检测算法 | 第43-46页 |
| 4.3.1 传统数学形态学边缘检测算法 | 第43-44页 |
| 4.3.2 本文改进的数学形态学边缘检测算法 | 第44-46页 |
| 第五章 实验结果分析 | 第46-61页 |
| 5.1 图像边缘检测的评估方法 | 第46-49页 |
| 5.2 灰度图像边缘检测效果 | 第49-53页 |
| 5.2.1 主观评价 | 第50-51页 |
| 5.2.2 客观评价 | 第51-53页 |
| 5.2.3 总结 | 第53页 |
| 5.3 钢球表面图像边缘检测实验 | 第53-55页 |
| 5.3.1 钢球表面图像边缘检测及主观评价 | 第53-55页 |
| 5.3.2 客观评价 | 第55页 |
| 5.3.3 总结 | 第55页 |
| 5.4 钢球分拣实验 | 第55-60页 |
| 5.4.1 实验方法及步骤 | 第56-58页 |
| 5.4.2 实验结果 | 第58-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-62页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 在读期间公开发表的论文 | 第66-67页 |
| 致谢 | 第67页 |