基于Labview的图像测量分析系统设计毕业设计.docx

基于Labview的图像测量分析系统设计毕业设计.docx

《基于Labview的图像测量分析系统设计毕业设计.docx》由会员分享，可在线阅读，更多相关《基于Labview的图像测量分析系统设计毕业设计.docx（49页珍藏版）》请在冰点文库上搜索。

基于Labview的图像测量分析系统设计毕业设计

本科毕业设计（论文）说明书

基于LabVIEW的图像测量分析系统设计

学院

专业班级

学生姓名

学生学号

指导教师

提交日期

摘要

机器视觉作为多学科的交叉领域，有着越来越广泛的应用，虚拟仪器能够很好的满足视觉系统的实时性和精度要求，二者结合具有突出的实用性，基于虚拟仪器的机器视觉系统具有必要性和可行性，同时也降低硬件设备成本且具有高精度，非接触，以及高自动化的特点。

接下来本文介绍了虚拟仪器的软件开发平台LabVIEW（LaboratoryVirtualInstrumentEngineeringWorkbench）以及LabVIEVV视觉软件模块IMAQVision（ImageAcquisitionSystemVision），并在此基础上开发了目标图像测量分析系统。

按照机器视觉系统的逻辑结构，图像分析系统是机器视觉的重要组成成分，本文接着探讨了目标图像采集后的预处理过程及图像分割技术和方法，在此基础上探讨了本文机器视觉系统图像测量分析系统的设计方法，基于模块化的编程思路，最后实现了“基于LabVIEW的图像测量分析系统设计”的设计，包括系统软件的设计，仿真的制作，以便能为以后机器视觉系统的开发借鉴，最终完成的系统具有扩展性，可靠性和精确性好等特点。

关键词:

机器视觉；虚拟仪器；LabVIEW；IMAQVision；测量分析

ABSTRACT

Asamultidisciplinarycrossfield,MachineVisionhasbeenappliedmoreandmorewidely.Virtualinstrumentscanwellfulfilltherequirementofrealtimeandprecisionwhosecombinationpossessesanoutstandingpracticability.MachineVisionSystemwhichisbasedonthevirtualinstrumentsisnecessaryandfeasible;atthesametime,itreducesthehardwaredevicecosts.What'smore,MachineVisionSystemisfeaturedwithhighprecision,highautomationandnon-contact.ThispaperintroducesthecommondevelopmentplatformofvirtualinstrumentsLabVIEWanditsvisualsoftwaremoduleIMAQVision（ImageAcquisitionSystemVision）.Basedonthat,developingtheTargetImageAcquisitionSystem

Basedonthelogicalstructureofimagemeasurementandanalysissystem,theTargetImageAcquisitionSystemisanimportantpartofmachinevision.Thenthispaperdiscussesthepreprocessingprocedureaftertheacquisitionofimage,aswellasthetechnologyandmethodsofimagesegmentation,whichisthebaseforthedesignmethodsofMachineSystemandTarget.ImageAcquisitionSysteminthispaper.AndwiththeModularprogrammingideas,Ifinallyaccomplishthedesignofimagemeasurementandanalysissystembasedonlabview,includingthedesignofthesystem'swholehardwareandsoftware.Thispapermainlyexplorestwowaysforimagesegmentation:

thresholdandedgedetection.Itcomparesthosetwowaysandanalyzestheirownapplicationsandfeatures,throughasystemdesignedbymyself,andanalyzedtheprocessingresultsfromtheedgedetectionoperatorofIMAQVision.ThoseresultscanbeusedforthefuturedevelopmentofMachineVisionSystem.Thefinalsystemischaracterizedwithgoodexpansibility,reliabilityandaccuracy.

KEYWORDS:

Machinevision；Virtualinstruments；LabVIEW；IMAQVision；MeasurementandAnalysis

第一章绪论

图像识别所讨论的问题，是研究用计算机代替人自动地处理大量物理信息，从而部分代替人的脑力劳动，人类识别图像的过程总是先找出它们外形或颜色的某些特征进行分析、比较、判断，然后再加以分析和区别。

我们在研究图像识别的时候，也常常借鉴人的思维活动，采用同样的处理方法，然而图像的灰度与色彩是有光强和波长不同的光波所引起的，它们与景物表面的特性、方向、光线条件以及干扰等多种因素有关，在各种恶劣的工作环境里，图像与实际景物有较大的差别，因此要区分图像属于哪一类，往往要经过预处理、图像分割、特征抽取、分析、分类等一系列过程。

现在完全可以通过计算机进行模拟，完成图像识别的过程[1]。

1.1研究目的及意义

随着计算机技术和数字图像处理技术的不断发展，机器视觉在医学图像、工业生产、质量检测等领域得到了广泛的应用。

尤其是在不断追求产品高性价比的今天，机器视觉作为一种高效的可视化质量检测方法，在制造加工的过程中总是倍受关注.而虚拟仪器（VirtualInstruments）技术通过软件可以将通用计算机与硬件结合起来构成测试或测控系统，并且用户可以通过友好的虚拟前面板（FrontPallet）操作这台计算机，就如同在操作一台自己定义、自己设计的单个传统仪器一样.虚拟仪器技术与机器视觉技术两者的结合，可以为用户定制完全基于PC（PersonalComputer）的机器视觉系统这样不仅可以减少成本，而且还可以开发出自动化程度高、可靠性强的系统。

目前，机器视觉和虚拟仪器技术在国外的研究工作己经进入了鼎盛时期，而我国在这方面的投入和研究还十分不足.现今国内机器视觉系统方面的资料，从开发的角度来看，资料仍相对较少而且零散，LabVIEW（LaboratoryVirtualInstrumentEngineeringWorkbencb）作为虚拟仪器的软件平台，图像采集和处理是其中一个非常重要的应用，所以本文所做的基于LabVIEW的目标图像采集系统研究仍较有震改。

机器视觉是指用计算机来实现人的视觉功能，就是用计算机来实现对客观世界的本项目研究内容为基于虚拟仪器平台进行机器视觉测量机械量，主要待测量为零件的可见缺陷，以Labview为开发工具，将拍摄到的零件图像与标准零件的图像进行比较。

学生应选择最佳的图像处理过程，对拍摄到的图像，进行分区对比，选择合适的算法，找出图像的差别，并进行判断，最终完成软件体系的开发。

1.2机器视觉中的图像采集系统

人类社会信息传递主要有三个途径，分别是语言、文字和图像。

从信息论的角度来看，图像包含了最大的信息量，有灰度，有色彩，还有平面和立体等，具有极为广泛的内容人类通过眼睛摄取的图像占到了所得到信息的70%以上.许多场合里，没有任何其它形式比图像所传递的信息更丰富和真切。

图像采集系统是图像处理系统的组成部分，原始的图像首先必须要通过图像采集系统，因此，图像采集系统主要作用是对原始的模拟图像数据进行采集，并将之转化为易于通过计算机处理的数字信号。

在微机处理系统中，计算机在接受到图像的数字信号后，便会将其存入内存储区。

微机图像处理系统常用的图像采集部件有:

摄像机加上视频图像采集卡，图像扫描仪以及数码摄像机。

本文中使用十分常见的USB摄像头来获取外界图像基于LabVIEW的标准图像测量分析系统识别。

典型的机器视觉系统一般包括图像采集部分、图像处理部分、通信和I/0（input/output）部分以及输出和执行机构等。

图像采集是其中一个重要的环节，通过采集系统能够将对象的可视化图像和特征转化为能被计算机处理的数据。

由于机器视觉系统强调精度和速度，所以需要图像采集部分尽量及时、准确地提供清晰的图像，唯有如此才能让图像处理部分在比较短的时间内得出正确的结果.由此可知图像采集部分的性能会直接影响整个机器视觉系统的性能。

图像采集部分通常由光源、镜头、数字摄像机和图像采集卡构成.采集过程可以简略的描述为在光源的照明下，数字摄像机拍摄目标物体并随之将其转化为图像信号，最后通过图像采集卡传输给图像处理部分.在设计图像采集的硬件设计部分时，要考虑到很多方面的问题，主要是关于数字摄像机、图像采集卡和光源方面的技术。

摄像机和镜头在机器视觉系统中相当于人的眼睛，负责拍摄对象的图像.机器视觉系统中通常会采用数字摄像机，通过通过聚焦在光电传感器镜头上的被摄物体的图像信号转变为光电信号，从而便于计算机处理。

选择摄像机和镜头首先要需要做的是确定摄像机的类型，并计算摄像机的取景范围，以及评估其分辨率，最后还需要根据实际情况考虑一些其它因素，如对运动的对象需要计算扫描速度。

在知道摄像机的拍摄对象和取景范围后，可由此选择合适的镜头。

综合这些因素即可基本确定所需的摄像机和镜头。

另外由于图像信号的传输需要很高的传输速度，通用的传输接口通常不能满足要求，所以需要图像采集卡。

图像采集卡是图像采集部分和图像处理部分的接口。

图像采集卡还提供了数字I/0控制的功能。

在机器视觉系统中，输入2输出的控制很重要。

系统中常要根据处理过程的需要来决定摄像机的拍摄时间。

如果采用了可重设的摄像机，需要产生重设信号，在一些系统中，由于需要设定拍摄的帧率，应该有像素时钟发生器。

外同步是指不同的视频设备之间用同一同步信号来保证视频信号的同步，它可以保证不同设备输出的视频信号具有相同的帧行起止时间.为了实现外同步，需要给摄像机输入一个复合同步信号或复合视频信号。

当使用的图像采集卡已经具有数字v0功能时，能够产生摄像机和其他电子设备所需的选通、触发及其他电子信号，这对系统是很有用的，不然就需要独立的数字I/O卡.除了数字I/O卡，选择图像采集卡还要考虑视频输入的格式和数据传输率、数据的吞吐量、还有软件开发包.一个功能完善的软件开发工具是图像采集卡所必不可少的。

图像采集卡附带的软件开发工具是进行图像处理软件开发时所必备的工具之一本文利用LabVIEW进行图像采集和处理，这是LabVIEW一个非常重要的应用，在许多行业中采用图像的采集和识别来进行判断、控制，使操作更加精确，具有可信度、人性化、智能化。

但本文并未使用图像采集卡，而是使用了LabVIEw中运动与视觉模块中的IMAQUSB函数直接驱动USB摄像头采集图像。

选定好机器视觉的软硬件平台后，接下去就是图像采集和图像处理。

本文系统基于USB摄像头并通过LabVIEW完成图像采集，再利用软件进行图像处理，且无需使用图像采集卡，使得视觉系统成本更低.其实从软件的角度来看，思路和模式基本是一致的。

[1]

1.3数字图像处理技术的发展历史

数字图像处理技术使20世纪60年代随着计算机技术和VLSYVeryLargeScaleIntegration的发展而产生、发展和不断成熟起来的一个新兴技术领域，它在理论上和实际应用中都取得了很大的成就。

视觉是人类最重要的感知手段，图像又是视觉的基础。

早期图像处理的目的是改善图像质量，它以人为对象，以改善人的视觉效果为目的。

图像处理中输入的是质量低的图像，输出的是改善质量后的图像。

常用的图像处理方法有图像增强、复原、编码、压缩等。

首次获得成功应用的是美国喷气推进实验室（JPL）。

他们对航天探测器徘徊者7号在1964年发回的几千张月球照片进行图像处理，如几何校正、灰度变换、去除噪声等，并考虑了太阳位置和月球环境的影响。

随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，获得了月球的地形图、彩色图及全景镶嵌图，为人类登月创举奠定了基础，也推动了数字图像处理这门学科的诞生。

在以后的宇航空间技术探测研究中，数字图像处理技术都发挥了巨大的作用。

数字图像处理技术取得的另一个巨大成就是在医学上。

1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（ComputerTomograph）。

CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，成为图像重建。

1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。

1979年，这项无损伤诊断技术被授予诺贝尔奖，以表彰它对人类做出的划时代贡献。

从20世纪70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理技术向更高、更深层次发展。

人们已开始研究如何用计算机系统解释图像，类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。

很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。

其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。

20世纪80年代末期，人们开始将其应用于地理信息系统，研究海图的自动读入、自动生成方法。

数字图像处理技术的应用领域不断拓展。

数字图像处理技术的大发展是从20世纪90年代初开始的。

自1986年以来，小波理论与变换方法迅速发展，它克服了傅立叶分析不能用于局部分析等方面的不足之处，被认为是调和分析半个世纪以来工作之结晶。

Mallat在1988年有效地将小波分析应用于图像分解和重构。

小波分析被认为是信号与图像分析在数学方法上的重大突破。

随后数字图像处理技术迅猛发展，到目前为止，图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越来越多。

进入21世纪，随着计算机技术的迅猛发展和相关理论的不断完善，数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就。

属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等。

该技术成为一门引人注目、前景远大的新型学科。

图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。

随着科学技术的发展，数字图像处理技术的应用领域也将随之不断扩大。

数字图像处理技术未来应用领域主要有以下七个方面：

（1）航天航空技术方面数字图像处理技术在航天航空技术方面的应用，除JPL对月球、火星照片的处理之外，另一方面是在飞机遥感和卫星遥感技术中。

图像在空中先处理（数字化编码）成数字信号存在磁带中，在卫星经过地面站上空时，再高速传送下来，然后由处理中心分析判读。

这些图像无论是在成像、存储、传输过程中，还是在判读分析中，都必须采用很多数字图像处理方法。

现在世界各国都在利用各类卫星所获取的图像进行资源调查、灾害检测、资源勘察、农业规划、城市规划。

在气象预报和对太空其它星球研究方面，数字图像处理技术也发挥了相当大的作用。

（2）生物医学是数字图像处理应用最早、发展最快、应用最广的领域。

主要包括细胞分析、染色体分类、放射图像处理、血球分类、各种CT和核磁共振图像分析、DNA显示分析、显微图像处理、癌细胞识别、心脏活动的动态分析、超声图像成像、生物进化的图像分析等[3]。

（3）通信工程方面当面通信的主要发展方向是声音、文字、图像和数据结合的流媒体通信。

其中以图像通信最为复杂和困难，因图像的数据量十分巨大，如传送彩色电视信号的速率达100M/s以上。

要将这样高速率的数据实时传送出去，必须采用编码技术来压缩信息的比特量。

在一定意义上讲，编码压缩是这些技术成败的关键[4]。

（4）工业工程方面在工业工程领域中图像处理技术有着广泛的应用，它大大提高了工作效率，如自动装配线中质量检测，流体力学图片的阻力和升力分析，邮政信件的自动分拣，在一些恶性环境内识别工件及物体的形状和排列状态，先进设计和制造技术中采用工业视觉等等。

其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人，将会给工农业生产带来新的面貌，目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。

（5）军事公安方面在军事方面图像处理和识别主要用于导弹的精确制导，各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统和模拟训练系统等；公安方面主要用于指纹识别、人脸鉴别、不完整图片的复原以及交通监控、事故分析等。

目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别就是图像处理技术成功应用的例子。

[5]

（6）文化艺术方面的应用目前这类应用有电视画面的数字编辑、动画的制作、电子图像游戏、纺织工艺品设计、服装设计与制作、发型设计、文物资料照片的复制和修复、运动员动作分析和评分等等。

目前正在形成一门新的艺术——计算机美术。

（7）其它方面的应用数字图像处理技术已经渗透到社会生活的各个领域，如地理信息系统中二维、三维电子地图的自动生成、修复等；教育领域各种辅助教学系统研究、制作中；流媒体技术领域等等。

1.4关于LabVIEW机器视觉的现状及发展趋势

随着科学技术及工业自动化的发展，机器视觉作为一种应用系统，其功能和特点也得到逐步完善和发展。

机器视觉通过计算机来模拟人的视觉，其目的便是用图像获取来恢复现实世界的模型。

自从20世纪50年代就着眼于研究统计模式识别继而开始机器视觉的探讨建立了不少机器视觉理论，Marr的视觉计算理论目前仍然是机器视觉的主要理论框架，大多数机器视觉研究都着眼于通过计算，提取二维视觉数据中的深度信息进行目标三维描述和识别。

在80年代末，随着数学物理学中的不变量理论的引入，形成了视觉不变量理论和应用的新框架。

与一般意义上的图像处理系统如多媒体系统相比，机器视觉强调的是精度和速度，以及工业现场环境下的可靠性。

LabVIEW作为图形化的编程语言，其易学易用，易于采用模块化设计思想的特点，使得基于LabVIEW的机器视觉系统在采用相应的软件开发功能包后，更易使系统具有开发简单，构件灵活，层次清晰的特点，LabVIEW已成为机器视觉最常用的开发平台之一，今后随着软件开发包功能不断的集成化，多样化，其对系统成本和项目开发时间的控制作用会更加不可忽视，利用LabVIEW开发及其视觉系统将被更多项目开发人员选择。

1.5国内外研究现状及技术难题

数字图像处理技术基本可以分成两大类：

模拟图像处理（AnalogImageProcessing）和数字图像处理（DigtalImageProcessing）。

数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。

其优点是处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力，一般来说只要改变软件就可以处理内容。

困难主要在处理速度上，特别是进行复杂的处理。

数字图像处理技术主要包括如下内容：

几何处理（GeometricalProcessing）、算术处理（ArithmeticProcessing）、图像增强（ImageEnhancement）、图像复原（ImageRestoration）、图像重建（ImageReconstruction）、图像编码（ImageEncoding）、图像识别（ImageRecognition）、图像理解（ImageUnderstanding）。

数字图像处理技术的发展涉及信息科学、计算机科学、数学、物理学以及生物学等学科，因此数理及相关的边缘学科对图像处理科学的发展有越来越大的影响。

近年来，数字图像处理技术日趋成熟，它广泛应用于空间探测、遥感、生物医学、人工智能以及工业检测等许多领域，并促使这些学科产生了新的发展。

数字图像处理目前存在的问题：

（1）处理信息量很大

数字图像处理的信息大多是二维信息，处理信息量很大。

如一幅256×256低分辨率黑白图像，要求约64kbit的数据量；对高分辨率彩色512×512图像，则要求768kbit数据量；如果要处理30帧/秒的电视图像序列，则每秒要求500kbit～22.5Mbit数据量。

因此对计算机的计算速度、存储容量等要求较高。

（2）占用频带较宽

数字图像处理占用的频带较宽。

语言信息相比，占用的频带要大几个数量级。

如电视图像的带宽约5.6MHz，而语音带宽仅为4kHz左右。

所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本亦高，这就对频带压缩技术提出了更高的要求。

（3）各像素相关性大

数字图像中各个像素是不独立的，其相关性大。

在图像画面上，经常有很多像素有相同或接近的灰度。

就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。

因此，图像处理中信息压缩的潜力很大。

（4）无法复现三维景物的全部几何信息

由于图像是三维景物的二维投影，一幅图象本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。

因此，要分析和理解三维景物必须作合适的假定或附加新的测量，例如双目图像或多视点图像。

在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。

（5）受人的因素影响较大

数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。

由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。

另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。

例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构、属性和时间特征等，这些都是心理学和神经心理学正在着力研究的课题。

第二章虚拟仪器技术

2.1基于虚拟仪器的机器视觉系统

机器视觉系统正处在不断发展的进程中，上文已经给出了其发展的趋势，而基于虚拟仪器的机器视觉系统正是这些发展趋势的集中体现。

随着计算机技术的不断发展，基于虚拟仪器的视觉系统愈发趋于经济和实用.含VBvIX（MultiMediaExtensions多媒体扩展）技术的高能Pentium处理器、坚固的操作系统、PCI（PeripheralComponentInterconnect,外部设备互连）局部总线以及具有友好