基于小波分析和伪彩色处理的轮毂图像增强

针对轮毂X射线图像随机噪声大、对比度低、分辨率较低、不利于对缺陷进行检测的问题,该文充分利用小波降噪增强技术和伪彩色增强技术的优点,提出基于小波分析和伪彩色处理的轮毂X射线图像增强方法。首先将轮毂X射线图像用改进的小波增强方法进行降噪增强处理,提高图像的对比度及细节可见度,然后进行基于HSI颜色空间的伪彩色处理进一步提高图像分辨率,最后得到增强后的轮毂图像。实验结果表明,该文提出的方法提高了轮毂X射线图像的分辨率,在降噪的同时产生更好的视觉效果,方便进行轮毂缺陷的检测。

轮毂高动态X射线图像分层色调映射算法

在目前的轮毂X射线成像系统中,常采用的图像显示算法为窗位窗宽算法,此算法操作过程繁琐,效率不高,不能同时还原图像的各部分细节,图像显示质量较差.鉴于此,本文借鉴HDR色调映射技术,提出了基于梯度域引导滤波的分层色调映射算法,利用梯度域引导滤波器进行图像分层,然后对基础层进行自适应对数压缩,对细节层进行补偿,最后将图像合并输出,使高动态范围图像在普通显示屏上显示效果更优.实验结果表明,本文算法还原了图像细节信息,提高了图像对比度和清晰度,产生了较好的视觉效果.

基于机器视觉的轮毂在线识别分类技术研究

为了对生产线上的轮毂进行识别分类,本文开发了一套基于OpenCV和MFC平台的轮毂型号在线识别系统.首先提取轮毂的高度、外直径、中心孔直径、辐条数目、幅窗的周长面积比等特征参数.其中,通过图像预处理、边缘检测、圆拟合、系统标定等方法获取轮毂外直径,来表征各类轮毂的尺寸;通过提取辐条数目、中心孔直径、幅窗的周长面积比等具有旋转不变性的常量来表征各类轮毂的形状.然后为提取到的特征参数生成序列号,作为型号识别的特征参数.最后将生成的特征序列号与模板库中的标准数值进行比对,达到在线实时分类的效果.实验结果表明:该系统的识别准确率为98.7%,能够有效地完成轮毂的在线识别分类,为轮毂缺陷检测的自动化、智能化提供了保障.

轮毂外形参数的在线测量技术研究

直径、高度和辐条数目是轮毂重要的外形参数,且外形参数的精确测量对轮毂的自动化检测和生产运输都具有重要意义。搭建了基于工业相机和红外光栅的在线测量系统,分别用于获取轮毂的上平面外观图像和高度信息。通过形态学运算、边缘检测等方法提取轮毂的外轮廓圆;并通过系统标定完成直径从像素长度到物理长度的转换。经过实验测试,轮毂外直径的测量相对误差低于0.785%,满足厂家的精度要求。