1、“.....遍历图片内存。统计的区域划分如图所示图分区域法示意图对蓝色区域的共个区域分别进行直方图统计，每个区域都求出相对应的阈值，遍历该区域内的像素点成员当,的像素值与阈值之间的灰度差距大于人为设定的参数时，就说明该点与周围像素环境之间存在着明显的不同。可将该点的灰度值赋值为。否则该点赋值为。公式如下当时当时公式最终从得到的新二值图像内存数组命名为。该数组的亮度信息如图所示。图二值图可以在上图中看出，瑕疵的信息因为局部二值化的关系而被很好的保留了下来。瑕疵特性参数计算瑕疵特征的提取主要包括瑕疵面积长度和宽度的计算等。为了要提取出这些信息，可以用区域生长法来完成。区域生长法提取普通的区域生长法是连通法。就是对个点的上，左上，右上，左，右，下，左下，右下共个方向进行遍历扫描......”。

2、“.....就将该个点看做都是属于同个瑕疵上的像素点。但是考虑到当前系统中捕捉到的瑕疵往往是属于狭长的缝。而用连通法提取狭长缝隙的信息时就很有可能就会造成缝的断裂。最终会导致将条缝的信息分为了块或多块连通区域信息来处理。为了避免这现象，我们将区域生长法做了如下改进首先定义下瑕疵的结构体数组用来保存每个瑕疵的信息，结构体成员信息可以是瑕疵长，瑕疵宽，瑕疵面积等等。本系统采用的是可调节的全方位拓展法求区域生长。设每个方向上向外拓展个像素。如图全方位拓展法求所示，点上的每个方向的像素都向外拓展了个像素，即。入队出队图全方位拓展法求区域生长扫描内存数组信息里的目标圆环区域，如果发现点的像素值,等于时，就将该点标记为点，并堆入队列中。每次遍历队列，如果发现队列不为空，就让队尾元素出队，出队的同时，记录下当前出队的点的坐标位置并以该点做为基准往个方向连通个像素出去......”。

3、“.....遍历窗口里的点成员如果该点位于内存数组的目标圆环检测区域内，并且该点对应的像素值,等于时，就亦将该点标记为点，并堆入队列中。如此依次循环。在往复的过程中如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。直循环到队空为止。此时，则说明条瑕疵的信息遍历结束。记录下此时的，四个值，并统计好之前的入队的个数。则有公式公式这样，对于瑕疵信息数组，每个成员都代表的是每个瑕疵在维图像上的所有信息。瑕疵的判断虽然我们根据全方位拓展法求得了瑕疵数组。但是并不是所有的瑕疵都会影响产品的合格与否......”。

4、“.....排除掉些无关紧要的瑕疵。对于般密封圈表面来说，些很小的点瑕疵，极短的缝瑕疵，以及位于圆环表面的瑕疵都对密封圈的使用没有任何影响。所以我们要通过计算，将这些瑕疵排除在外。瑕疵面积的计算法在本系统中瑕疵的面积可以直接用来代替，当瑕疵面积小于人为设定的参数时，我们就对该瑕疵判断为合格。反之，则判断为不合格。瑕疵长的计算法计算瑕疵长时，基于瑕疵的线性特征，首先对瑕疵做细化操作，得到单像素宽的瑕疵骨架曲线。瑕疵的长度实际上就是骨架图像骨干点之间的长度之和。骨化后的图像是个单像素宽度的连通性好的骨干图像。可以分别求取相邻像素之间的长度，然后把所有的相邻像素之间的距离求和即为所得，如下式公式,和,是相邻骨干点的两个点是水平方向的比例因子，即水平方向上的像素个数与实际情况水平长度的比值是垂直方向的比例因子......”。

5、“.....总长度即为所有相邻像素之间的长度之和。当瑕疵长小于人为设定的参数时，我们就对该瑕疵判断为合格。反之，则判断为不合格。瑕疵宽的计算法计算瑕疵宽时，仍然对瑕疵做细化操作后，骨架各点所在的瑕疵的位置的宽度反应出瑕疵各段的宽度。由于骨架曲线是单像素曲线，则个骨架点与相邻点的其他两个骨架点相接，分别求出与相邻点的斜率。则每个斜率的垂线与瑕疵边缘相交两点，两点的连线的大小即为宽度值。比较这两个宽度值其中较小的为这个瑕疵的宽度。设骨架曲线的其中个骨架点用,表示，其相邻骨架点分别为,和,。骨架线在点的斜率近似用直线的,,,,,导师评语率表示，则斜率表示为公式过骨架点斜率为的直线与瑕疵图像边缘交于两点，记为,。则此瑕疵的宽度表达式为公式同理，骨架线在点的斜率近似用直线表示，同样的原理求出，然后比较与的大小......”。

6、“.....最后结果,。当瑕疵宽小于人为设定的参数时，我们就对该瑕疵判断为合格。反之，则判断为不合格。实际的检测效果如下，图密封圈灰度图为相机步骤到的密封原图，图算法最终的处理结果为本算法得到的最终的处理结果，可以看到，所有位于密封圈表面上的瑕疵都被检测出来了图密封圈灰度图图算法最终的处理结果实验结果我们的最终成果如图所示，我们已经搭建出了检测平台包括相机光源嵌入式主板触摸屏显示器等元素。软件的识别算法也能达到预计的水平。图成果图本章小结本章主要讲述了密封圈表面识别算法的主要流程。并对每个步骤用文字公式和图片的方式进行了详细的解说。第章总结与展望本文讲述了密封圈的图像采集结束后如何通过利用嵌入式图像处理技术，对密封圈上的瑕疵图像进行处理，提取出瑕疵的信息，并对瑕疵的特征参数与密封圈合格标准参数进行比较，筛选出合格的密封圈的过程。根据瑕疵的特有的特征......”。

7、“.....改进出套更加适合密封圈检测的图像识别算法。算法中对均值滤波和中值滤波图像二值化特征提取等过程均作了改进。实现了较为快速适合的密封圈识别算法。当前所有的算法都是用语言在上实现的，但是能否直接用在工业上检测密封圈，该算法还需要在速度上和精确性上得到提高，在之后的这段时间我会继续努力在机器视觉上寻求新的突破。将来展望机器视觉将完全代替人工肉眼完成所有的检测识别。参考文献段丽英，闫友平，赵英豪，刘旭宁颗粒图像识别及计数在粮种品质测定中的应用石家庄学院学报,张小云，张延松，来新名，等双相钢点焊熔核界面撕裂分析焊接学报，李刚，曾锐利，林凌，等基于数学形态学的车牌定位算法仪器仪表学报联骏图像编程精髓从开发自己的开始北京电子工业出版社，,张宏林数字图像处理典型算法及实现北京人民邮电出版社，王枚，苏光大......”。

8、“.....李梅，汪荣贵改进的算法在图像分割中的应用电子测量与仪器学报王欣，殷肖川，周翔翔种改进的模版匹配识别算法计算机工程与应用，,,李文举，梁德群，张旗，等基于边缘颜色对的车牌定位新方法计算机学报,,,,,,赵选民试验设计方法北京科学出版社，王岩，隋思涟，王爱青，数理统计与工程数据分析北京清华大学出版社，ń张立国，杨瑾，李晶，等基于小波包和数学形态学结合的图像特征提取方法仪器仪表学报方翰华，陈新华，沈国新，焦汉明基于图像滤波算法硬件化设计电子测量技术秦然基于神经网络的脑血管图像边缘检测算法电子测量与仪器学报郎咸朋，朱枫，郝颖明，等基于积分图像的快速二维算法仪器仪表学报线程实时内核实时分析工具芯片支持库。利用实时操作系统开发程序，可以方便快速的开发复杂的程序。操作系统维护调度多线程的运行，只需将定制的数字信号算法作为个线程嵌入系统即可芯片支持库帮助管理外设资源......”。

9、“.....以模块化方式提供给用户对线程中断定时器内存资源所有外设资源的管理能力都可以根据需要剪裁。实际应用中需要的定制算法作为个线程插入的调度队列，由进行调度。在个主机目标机环境中的组件如下图所示。其主要由三部分组成用户设计的程序可通过调用接口函数配置创建的配置文件定义了程序使用的静态对象分析工具集成在上的些分析工具可以对运行与目标设备上的程序进行检测，包括负载时间日志线程执行状态等。图功能框图图在系统中的组成示意图触摸显示屏般工业产品的人机接口主要是按键或者旋钮等，在密封圈瑕疵检测领域，实际环境较好，因此本系统采用触摸屏作为人机接口，并用鼠标辅助，按键则作为应急处理时的辅助手段。在非系列的操作系统中，极少有同时支持触摸屏和鼠标，这是本软件系统的大特点......”。