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.