图像在采集、传输过程中会受到来自各方面噪声的干扰。通常情况下,一幅未经处理的原始图像会夹杂有各种噪声。这些噪声信息会使原本均匀、连续的图像灰度发生突变,严重影响对图像的真实理解,因此,为减小噪声对后续处理造成的困难,首先需要选用合理的图像滤波技术来抑制这些噪声,视觉检测设备如何工作?

1、处理纹理信息

一个良好的机器表面缺陷自动处理算法对于整个系统功能的实现是不可或缺的,根据机器表面图像的纹理特性,图像处理算法包括:图像去噪、图像拼接、图像增强、图像分割、缺陷判定和识别,图像采集过程中会夹杂有各种噪声,滤除它们有利于后续处理,根据图像采集过程中噪声分布的特点,设计快速中值滤波算法平滑图像。线阵CCD图像传感器一次采集图像的宽度有限,针对长度大于视场范围的螺纹,需要通过图像拼接的方式才能得到整个螺纹的二维展开图,设计快速图像拼接的方法来得到机器全景图像。为进一步凸显机器表面的缺陷信息,采用基于离散余弦变换的图像增强技术去除螺纹图像中的主要纹理信息。

2、存储缺陷信息图像分割

将图像分为几个代表不同意义的区域,图像增强后的机器表面图像已经去除主要纹理信息。在图像分割过程中,通过统计过程控制二值化方法设定图像分割的上、下限实现对图像的分割操作。针对图像分割后的缺陷信息里面含有噪声现象,选用图像形态学开运算平滑缺陷图像。缺陷判定和识别就是对缺陷信息进行描述,然后依据特定的指标判别图像中是否存在对生产造成不利影响的信息。可采用―遍历查询法‖确定目标图像中缺陷的个数并根据系统的参数指标,判定分割后的图像中缺陷的宽度及是否存在会对生产造成不利影响的缺陷信息,把缺陷信息通过显示器显示并存储起来。

在视觉检测设备图像采集的过程中,噪声是随机产生的,噪声的分布与图像的关系可能是相互独立的,也可能存在某种关联。因此在图像平滑的过程中不同种类的噪声需要选择不同的图像平滑方法,图像处理中应用较广泛的一种图像噪声模型,白噪声是高斯噪声的一个特例,有着恒定的功率谱。