论文部分内容阅读
结构光三维视觉检测以其高精度、光条图像信息易于提取、实时性强等特点,在制造业获得了越来越广泛的应用。在结构光视觉检测环节中,结构光图像的处理和计算是整个检测任务的关键环节之一。被摄物体几何形状和表面纹理五花八门,且拍摄方式和拍摄地点照明情况各不相同,这些问题造成既不能使用单一的图像处理方法处理所有的结构光图像,也不能简单地使用基本图像处理方法完成各种类型的结构光图像的处理。基于以上需求,本文对结构光条纹图像处理技术进行研究,并予以实现。本文的主要工作和成果如下:(1)由于光照不均影响图像特征信息的提取,本文提出了一种能消除光照影响且保持特征信息的图像处理算法,并使用可分离滤波器减少其算法复杂度,实现CPU端的加速;接着提出了基于CUDA的GPU端加速算法,实验表明,该算法能够消除光照对结构光图像的影响,使条纹清晰可辨,易于分割。(2)由于各种因素的作用造成亮度不足处图像细节的缺失,本文针对这一问题提出了一种改进的带颜色恢复的Retinex算法。实验表明,该算法能很好的恢复暗部细节的同时保持原始颜色信息,作用于结构光图像可以使暗处的条纹重新显现,便于后续处理。(3)高光信息和物体纹理颜色信息在增加结构光条纹信息提取难度的同时,也影响了结果数据的精度。本文分别提出了基于K-Means算法的高光检测方法和基于最小偏态法的条纹分割方法,用于解决高光信息造成的问题;还提出了一种噪声块检测与帧差法相结合的条纹分割方法,用于解决颜色信息造成的问题。(4)本文研究了指纹图像的条纹增强方法,通过对预处理环节进行改进使其应用在结构光图像的条纹增强上,实验表明,该方法可以有效增强结构光图像的条纹信息。(5)本文设计并实现了一个可以从带有结构光条纹的彩色图像中分割出条纹信息的图像处理系统,该系统包含上本文提出的算法外,还包含了其他常用的图像处理方法,同时提供了方便易用的用户编辑工具。