| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 前言 | 第11-17页 |
| 1.1 研究目的及意义 | 第11-12页 |
| 1.2 LED自动检测系统的国内外研究动态 | 第12-14页 |
| 1.2.1 机器视觉技术 | 第12-14页 |
| 1.2.2 机器视觉技术与工业生产检测系统 | 第14页 |
| 1.3 研究内容和技术路线 | 第14-16页 |
| 1.4 章节安排 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 系统概述 | 第17-24页 |
| 2.1 研究思路与工作流程 | 第17-18页 |
| 2.2 数字图像处理技术概况 | 第18-20页 |
| 2.2.1 数字图像处理技术概括 | 第18页 |
| 2.2.2 数字图像处理系统的模型 | 第18-20页 |
| 2.3 系统相关硬件介绍 | 第20-22页 |
| 2.3.1 CMOS相机 | 第20页 |
| 2.3.2 光学系统 | 第20-21页 |
| 2.3.3 镜头 | 第21-22页 |
| 2.4 系统相关软件介绍 | 第22-23页 |
| 2.4.1 Microsoft Visual Studio 2010 | 第22页 |
| 2.4.2 OpenCV | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 发光二极管图像的预处理 | 第24-42页 |
| 3.1 发光二极管图像的获取与灰度化 | 第24-27页 |
| 3.1.1 发光二极管图像的获取 | 第25-26页 |
| 3.1.2 发光二极管图像的灰度化 | 第26-27页 |
| 3.2 发光二极管图像的平滑 | 第27-31页 |
| 3.2.1 中值滤波发 | 第27-28页 |
| 3.2.2 邻域平均法 | 第28-29页 |
| 3.2.3 高斯滤波法 | 第29-31页 |
| 3.3 发光二极管图像的灰度直方图 | 第31-32页 |
| 3.4 发光二极管图像的直方图均衡 | 第32页 |
| 3.5 发光二极管边缘提取 | 第32-37页 |
| 3.5.1 拉普拉斯算子 | 第32-33页 |
| 3.5.2 Sobel算子 | 第33页 |
| 3.5.3 Canny算子 | 第33-34页 |
| 3.5.4 脉冲耦合神经网络 | 第34-36页 |
| 3.5.5 交叉平层模型算法 | 第36-37页 |
| 3.6 发光二极管的图像分割 | 第37-41页 |
| 3.6.1 图像分割分类 | 第37页 |
| 3.6.2 迭代阈值分割 | 第37-38页 |
| 3.6.3 分水岭分割 | 第38-39页 |
| 3.6.4 最大类间方差法 | 第39-41页 |
| 3.7 本章小结 | 第41-42页 |
| 4 系统检测方案的实现 | 第42-50页 |
| 4.1 模板匹配法 | 第42-45页 |
| 4.1.1 模板匹配算法 | 第42-43页 |
| 4.1.2 OpenCV匹配算法 | 第43-45页 |
| 4.1.3 模板匹配算法步骤 | 第45页 |
| 4.2 像素线匹配法 | 第45-49页 |
| 4.2.1 工作区域选取 | 第46-47页 |
| 4.2.2 ROI区域选取 | 第47-48页 |
| 4.2.3 像素线处理方法 | 第48-49页 |
| 4.3 本章小结 | 第49-50页 |
| 5 发光二极管工业检测系统的设计 | 第50-55页 |
| 5.1 系统结构和功能 | 第50-51页 |
| 5.2 系统功能的实现过程 | 第51-53页 |
| 5.2.1 发光二极管检测系统的进入 | 第51页 |
| 5.2.2 模板匹配法 | 第51-52页 |
| 5.2.3 像素线匹配法 | 第52-53页 |
| 5.3 实验分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 结论与展望 | 第55-57页 |
| 6.1 结论 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65页 |