| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 机器视觉检测技术 | 第9-12页 |
| 1.2.1 机器视觉检测技术的基本原理 | 第9-10页 |
| 1.2.2 国内外研究现状 | 第10-11页 |
| 1.2.3 基于机器视觉的零件尺寸检测技术存在的问题及发展趋势 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 1.4 本文的章节安排 | 第13-14页 |
| 第二章 零件图像的采集及预处理 | 第14-28页 |
| 2.1 图像传感器 | 第14-15页 |
| 2.2 光源和照明方式 | 第15-17页 |
| 2.3 图像滤波 | 第17-20页 |
| 2.3.1 高斯滤波 | 第17-18页 |
| 2.3.2 均值滤波 | 第18-19页 |
| 2.3.3 中值滤波 | 第19-20页 |
| 2.4 边缘检测 | 第20-24页 |
| 2.5 数学形态学 | 第24-27页 |
| 2.5.1 膨胀与腐蚀 | 第24-25页 |
| 2.5.2 开运算和闭运算 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于最大内切圆的椭圆孔组零件尺寸检测 | 第28-42页 |
| 3.1 常见的椭圆检测算法 | 第28-31页 |
| 3.1.1 基于Hough变换及其改进算法的椭圆检测算法 | 第28-30页 |
| 3.1.2 基于最小二乘拟合及其改进算法的椭圆检测算法 | 第30-31页 |
| 3.2 基于最大内切圆的椭圆孔组检测算法 | 第31-41页 |
| 3.2.1 算法原理 | 第31-34页 |
| 3.2.2 算法流程 | 第34-36页 |
| 3.2.3 实验与分析 | 第36-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 基于图像结构提取轮廓特征点的异形薄片零件尺寸检测 | 第42-61页 |
| 4.1 特征点提取综述 | 第42-43页 |
| 4.2 常见的特征点提取算法 | 第43-45页 |
| 4.3 基于图像结构的特征点提取算法 | 第45-60页 |
| 4.3.1 特征点的粗提取 | 第45-47页 |
| 4.3.2 特征点的细提取 | 第47-48页 |
| 4.3.3 剔除伪特征点 | 第48-49页 |
| 4.3.4 算法流程 | 第49-52页 |
| 4.3.5 实验与分析 | 第52-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 零件尺寸检测软件设计 | 第61-67页 |
| 5.1 软件开发环境介绍 | 第61-62页 |
| 5.2 软件界面与运行结果 | 第62-66页 |
| 5.2.1 软件界面与设计 | 第62-64页 |
| 5.2.2 运行结果 | 第64-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 论文总结 | 第67-68页 |
| 6.2 未来展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75-76页 |
