數(shù)字圖像處理課程設(shè)計(jì)--基于光斑定位問(wèn)題的分析

1、<p>　　基于光斑定位問(wèn)題的分析</p><p>　　摘要：光斑中心檢測(cè)室光學(xué)測(cè)量中常用的關(guān)鍵技術(shù)。檢測(cè)算法的精度和速度直接影響了測(cè)量的精度和速度。常用最優(yōu)化光斑中心檢測(cè)算法有均值法、重心法及Hough變換法、基于最小二乘法的圓擬合。文章針對(duì)光斑定位的問(wèn)題，提出了一種選擇方案。本文探究光斑定位依靠的是逐像素迭代均值定位法，算法簡(jiǎn)單易懂，它在光斑圖像分布比較均勻情況下精度、速度均較高。利用MATLAB仿

2、真環(huán)境，驗(yàn)證算法具有一定的有效性，能夠解決光斑定位和圓心檢測(cè)問(wèn)題。采用上述方法均有其可取之處。</p><p>　　關(guān)鍵字：光斑 均值 邊緣檢測(cè) 濾波 MATLAB</p><p><b>　　引言</b></p><p>　　光斑中心檢測(cè)在激光掃描三角法、準(zhǔn)直儀、光斑分析儀等光學(xué)測(cè)量、檢測(cè)手段中是一項(xiàng)關(guān)鍵技術(shù)。在模式識(shí)別領(lǐng)域中也一直是研究的熱

3、點(diǎn)。人們提出了很多圓檢測(cè)的算法。例如：二值化均值法、重心法、Hough變換圓檢測(cè)、最小二乘擬合、遺傳算法以及結(jié)合圓幾何特性的算法。</p><p>　　逐像素迭代均值法屬于最優(yōu)化方法這類(lèi)算法主要特點(diǎn)是準(zhǔn)確性高，但是通常需要預(yù)先進(jìn)行分割或分組處理，無(wú)法直接用于多個(gè)圓檢測(cè)，對(duì)噪聲的敏感度高于前一類(lèi)方法。而且在處理復(fù)雜光斑情況下會(huì)有些偏差，而本文算法增加了中值濾波，使得算法在中值算法的基礎(chǔ)上具有抗噪聲的能力，同時(shí)降低了

4、對(duì)參數(shù)的依賴(lài)，提高了檢測(cè)的速度、穩(wěn)定性。</p><p><b>　　正文</b></p><p><b>　　1 問(wèn)題分析</b></p><p>　　據(jù)定位高精度光斑圓心坐標(biāo)的要求,對(duì)計(jì)算機(jī)處理圖像圓心的多種算法進(jìn)行研究和比較,分析產(chǎn)生誤差的來(lái)源和解決的方法,提出采用約束條件預(yù)處理的迭代均值計(jì)算圓心的方法。采用徑向誤差

5、作為約束條件選擇有效的圖像邊界點(diǎn),既可避免不必要的計(jì)算,又簡(jiǎn)單易懂，提高了精度,是一種準(zhǔn)確有效的算法。</p><p>　　那么現(xiàn)在就立足于圖像的本質(zhì)，提出具體的解決步驟。</p><p>　　先對(duì)圖像中值濾波做去噪等預(yù)處理工作；（如是彩色圖像應(yīng)第一步進(jìn)行灰度化再去噪）</p><p>　　對(duì)灰度圖像做迭代閾值分割處理，使之為二值圖像，再進(jìn)行邊緣跟蹤，提取邊緣；&l

6、t;/p><p>　　把包圍圓心位置的幾個(gè)像素點(diǎn)找到包圍起來(lái)求取其均值從而找到圓心所在位置。</p><p><b>　　2算法思路</b></p><p>　　在分析之后對(duì)算法的設(shè)計(jì)和選擇就清晰了。那么現(xiàn)在就闡述算法的具體步驟。</p><p>　　當(dāng)圖像為簡(jiǎn)單的圓光斑，再把它看做理想的圓的話，可以認(rèn)為圓點(diǎn)必然是在水平X方

7、向橫跨最多像素點(diǎn)的那一行中。因此算法設(shè)計(jì)上，針對(duì)每個(gè)圓，首先找出滿(mǎn)足這個(gè)條件的一行（或幾行，取中間行或中間兩行），然后在Y方向上找到該像素行的中間位置，即為圓心——綜合來(lái)說(shuō)，圓心位置可能是落在某一個(gè)像素上，或X方向兩個(gè)像素之間，或Y方向兩個(gè)像素之間，或XY方向的4個(gè)像素之間，所以求其平均以達(dá)到減小偏差的目的。算法必須考慮這幾種情況，算出精度為0.5的圓心位置。</p><p>　　算法的實(shí)現(xiàn)重點(diǎn)在于怎樣分離出一個(gè)

8、一個(gè)的圓，我采用的是逐像素法，先處理最開(kāi)頭的一個(gè)圓（底部坐標(biāo)靠近左下角原點(diǎn)），然后把這個(gè)圓從圖像中去除（對(duì)二值化圖像，就是把該圓的白色像素變黑），之后再處理下一個(gè)圓（尋得條件同樣是，底部坐標(biāo)靠近左下角原點(diǎn)）……直到處理完。怎么判斷處理完呢？具體就是當(dāng)該圖像完全黑化的時(shí)候停止繼續(xù)尋覓圓。</p><p>　　該算法的應(yīng)用條件是：</p><p>　　圖片為二值化黑白圖片，uint8。（非二值

9、化圖像可以通過(guò)簡(jiǎn)單的預(yù)處理達(dá)到，若處理后圖像有噪聲，此算法已內(nèi)置濾波器，可對(duì)其處理）</p><p>　　圖片中僅含圓形，若不滿(mǎn)足可進(jìn)行一定的預(yù)處理。（光斑圖片素材可在文件夾內(nèi)找到）</p><p>　　均值方法處理較好的前提是在該光斑為較為理想標(biāo)準(zhǔn)的圓。但從事實(shí)上并不理想——雖然也可滿(mǎn)足以上算法能找到圓心。把該圓規(guī)范化成一個(gè)標(biāo)準(zhǔn)的圓，這樣可使找出的圓心具有更高的可信度。</p>

10、;<p>　　總而言之，本算法（逐像素迭代均值法）的適用條件為：</p><p>　?。?）處理的光斑最好是嚴(yán)格的圓或近似圓。如果是橢圓且偏心太厲害的話，徑向誤差方法也變得無(wú)效。</p><p>　?。?）因?yàn)椴捎昧酥鹣袼靥幚?，因此也必須滿(mǎn)足之前所述該算法的條件。</p><p>　　查看文獻(xiàn)資料，當(dāng)采用“徑向誤差預(yù)處理的最小二乘”進(jìn)行擬合運(yùn)算時(shí)得到的

11、效果會(huì)更好一些。提取圓心坐標(biāo)，未用過(guò)算法，故不予置評(píng)。下面第3部分對(duì)圓檢測(cè)算法做一些簡(jiǎn)要介紹。</p><p>　　3常用圓檢測(cè)算法介紹</p><p><b>　　1 Hough變換</b></p><p>　　先從基本的圓檢測(cè)Hough變換入手。假設(shè)希望在圖像平面(X-Y平面)考察并確定一個(gè)圓周，令為圖像中確定的圓周上的點(diǎn)的集合，而為集合中

12、的一點(diǎn)，它在參數(shù)系中方程為：</p><p><b>　?。?）</b></p><p>　　顯然該方程為三維錐面，對(duì)于圖像中的任意確定的一點(diǎn)均有參數(shù)空間的一個(gè)三維錐面與之對(duì)應(yīng)。對(duì)于圓周上的任何點(diǎn)集合，這些三維錐面構(gòu)成圓錐面簇，如下圖所示：</p><p><b>　　圖4 圓錐面簇</b></p><

13、;p>　　若集合中的點(diǎn)在同一圓周上，這些圓錐簇相交于參數(shù)空間上某一點(diǎn)，這點(diǎn)恰好對(duì)應(yīng)于圖像平面的圓心坐標(biāo)及圓的半徑。對(duì)于離散圖像，（4）式可以改寫(xiě)為：</p><p><b>　?。?）</b></p><p>　　其中是考慮到對(duì)圖像進(jìn)行數(shù)字化和量化的補(bǔ)償。</p><p>　　Hough變換的基本思想在于證據(jù)積累，一般情況下圓變換的參數(shù)空

14、間為三維的，在三維空間上進(jìn)行證據(jù)累加的時(shí)間空間消耗是非常大的。在具體應(yīng)用中幾乎是不可能的，不現(xiàn)實(shí)的。</p><p>　　若對(duì)圖像平面上的個(gè)點(diǎn)進(jìn)行Hough變換，則總耗時(shí)為。而用于累加陣列的存儲(chǔ)空間約為字節(jié)（設(shè)分別為圖像的高度和寬度，積累單元采用單字節(jié)）。可見(jiàn)，以上運(yùn)算的時(shí)空開(kāi)銷(xiāo)是相當(dāng)大的。</p><p>　　2 逐像素迭代中值法（重點(diǎn)探究）</p><p>&l

15、t;b>　　1 迭代式閾值選擇</b></p><p>　　迭代式閾值選擇方法的基本思想是：開(kāi)始時(shí)選擇一個(gè)閾值作為初始估計(jì)值，然后按某種策略不斷地改進(jìn)這一估計(jì)值，知道滿(mǎn)足約束條件為止。在迭代過(guò)程中，關(guān)鍵之處在于選擇什么樣的閾值改進(jìn)策略。好的閾值改進(jìn)策略應(yīng)該具備兩個(gè)特征：（1）能夠快速收斂；（2）在每一個(gè)迭代過(guò)程中，新產(chǎn)生閾值優(yōu)于上一次的閾值。下面來(lái)具體介紹下迭代式閾值選擇的數(shù)學(xué)模型：</p

16、><p>　　1）選擇圖像中灰度的中值作為初始閾值。</p><p>　　2）利用閾值把圖像分割成兩個(gè)區(qū)域——，用下式計(jì)算區(qū)域的灰度均值:</p><p><b>　　,</b></p><p>　　3)計(jì)算出后，用下式計(jì)算出新的閾值:</p><p>　　4）重復(fù)步驟。直到和的差小于約束條件。<

17、;/p><p><b>　　2逐像素掃描</b></p><p>　　逐像素掃描提取圖像特征：</p><p><b>　　1、位置</b></p><p>　　當(dāng)圖像中的物體不是一個(gè)點(diǎn)時(shí)，物體的位置用物體面積的中心點(diǎn)表示，若圖像中的物體對(duì)應(yīng)的像素位置坐標(biāo)為,則可用下式計(jì)算物體位置坐標(biāo)</p>

18、;<p><b>　　2、周長(zhǎng)</b></p><p>　　若將圖像中的像素視為單位面積小方塊時(shí)，則圖像中的區(qū)域和背景均由小方塊組成。區(qū)域的周長(zhǎng)即為區(qū)域和背景縫隙的長(zhǎng)度之和，此時(shí)邊界用隙碼表示，計(jì)算出隙碼的長(zhǎng)度就是物體的周長(zhǎng)。如圖所示圖形，邊界用隙碼表示時(shí)，周長(zhǎng)為24。（周長(zhǎng)24圖）</p><p>　　若將像素視為一個(gè)個(gè)點(diǎn)時(shí)，則周長(zhǎng)用鏈碼表示，求周長(zhǎng)也

19、就是計(jì)算鏈碼的長(zhǎng)度。</p><p>　　當(dāng)鏈碼值為奇數(shù)時(shí)，其長(zhǎng)度為 ；</p><p>　　當(dāng)鏈碼值為偶數(shù)時(shí)，其長(zhǎng)度為1; 即周長(zhǎng)p可表示為： p=</p><p>　　此算法計(jì)算周長(zhǎng)的就是利用這種計(jì)算方法。</p><p>　　程序存放于xintai.m文件中</p><p><b>　　3、面積&l

20、t;/b></p><p>　　面積是衡量物體所占范圍的一種方便的客觀度量。面積與其內(nèi)部灰度級(jí)的變化無(wú)關(guān)，而完全由物體或區(qū)域的邊界決定。同樣面積條件下，一個(gè)形狀簡(jiǎn)單的物體其周長(zhǎng)相對(duì)較短。</p><p>　　本算法計(jì)算面積的方法是像素計(jì)數(shù)法。</p><p><b>　　像素計(jì)數(shù)法 </b></p><p>　　最

21、簡(jiǎn)單的面積計(jì)算方法是統(tǒng)計(jì)邊界及其內(nèi)部的像素的總數(shù)。根據(jù)面積的像素計(jì)數(shù)法的定義方式，求出物體邊界內(nèi)像素點(diǎn)的總和即為面積，計(jì)算公式如下</p><p>　　%====形態(tài)特征值計(jì)算===%</p><p>　　A=bwarea(I); % 計(jì)算目標(biāo)的面積（存在于xintai.m中）</p><p><b>　　4、圓心坐標(biāo)</b></p>

22、;<p>　　迭代二值化后找到光斑中心周?chē)袼攸c(diǎn)取平均：</p><p>　　x0=mean(r);</p><p>　　y0=mean(c); </p><p><b>　?。?）半徑</b></p><p>　　R=，A為面積（xintai.m）</p><p><b>

23、;　　（6）圓度、精度</b></p><p>　　圓度：，（xintai.m）</p><p>　　精度：Rsq=,（或者稱(chēng)為歐幾里得距離）（主文件PB.m中）</p><p><b>　　4設(shè)計(jì)步驟</b></p><p>　　具體設(shè)計(jì)耗時(shí)共9天，界面設(shè)計(jì)1天，通用選題圖像處理分析理解編程3天，通用處理找

24、錯(cuò)1天，專(zhuān)用處理定題分析理解并尋找文獻(xiàn)資料1天，編寫(xiě)代碼2天，排錯(cuò)半天，論文形成1天半。所做的“光斑定位”沒(méi)有做到老師要求的那種高精度定位，不知道是不是老師要求的那種高精度定位，因?yàn)樵谔幚韽?fù)雜光斑時(shí)，發(fā)現(xiàn)圖像特征參數(shù)，如圓度有較大偏差，姑且先把其列為專(zhuān)用選題內(nèi)的命題。另外，程序仍有很多bug，限于作者水平，未改出來(lái)。</p><p>　　1GUI界面設(shè)計(jì)（2011.1.1設(shè)計(jì)）</p><p&

25、gt;　　（1）打開(kāi)MATLAB，點(diǎn)擊GUIDE，設(shè)計(jì)空白GUI，得到所需要的界面</p><p>　　Axes功能是顯示圖像；另外幾個(gè)靜態(tài)文本是為了顯示對(duì)應(yīng)的數(shù)據(jù)；</p><p>　　界面把顯示光斑定位特征值的Satics Text設(shè)計(jì)為Enable,方便復(fù)制計(jì)算結(jié)果。</p><p>　　對(duì)“原始圖像”、“處理后圖像”這兩個(gè)Satics Text設(shè)計(jì)為Unab

26、le,是為了不便于更改圖像路徑，減少Bug產(chǎn)生的機(jī)會(huì)。</p><p>　?。?）點(diǎn)擊Menu-Editor,設(shè)計(jì)主菜單欄，設(shè)計(jì)了“文件”、“通用處理”、“專(zhuān)用處理”、“幫助”根欄目及其對(duì)應(yīng)的子欄目。</p><p>　?。?）設(shè)計(jì)完畢，下一步是往各按鈕里寫(xiě)代碼。</p><p>　　2通用選題圖像處理設(shè)計(jì)（2011.1.2-2011.1-5）（簡(jiǎn)要介紹）</

27、p><p>　　（詳情可在程序上做具體試驗(yàn)，PB.m文件內(nèi)有詳細(xì)的注解，對(duì)理解算法很方便，在此限于篇幅不做介紹。另外，在圖片文件夾內(nèi)有處理后的效果圖）（離散小波變換 （差分梯度算子銳化效果圖）</p><p><b>　　（同態(tài)增析效果圖）</b></p><p>　?。ǚ炙畮X閾值分割效果，較自動(dòng)閾值好）</p>&

28、lt;p><b>　?。ㄖ兄禐V波效果圖）</b></p><p>　?。ㄒ粋€(gè)屬于邊界描述算法得到的效果圖，處理先自稱(chēng)為色彩描繪，有點(diǎn)意思）</p><p>　　Huffman編碼并計(jì)算壓縮比率：</p><p>　　通用選題圖像處理就介紹到這，下面進(jìn)入正題：簡(jiǎn)單光斑定位的介紹。</p><p>　　3光斑定位（20

29、11.1.6-1.8）</p><p>　　1、打開(kāi)、讀取、保存</p><p>　　先打開(kāi)并讀取一張灰色或者彩色的椒鹽光斑圖片，格式為bmp。打開(kāi)功能在函數(shù)Open_Callback實(shí)現(xiàn)。</p><p>　　[filename,pathname]=uigetfile('*.bmp') ;</p><p>　　set (ha

30、ndles.edit1,'string',[pathname,filename]); % 設(shè)置edit1的字符內(nèi)容</p><p>　　file=get(handles.edit1,'string');</p><p>　　A1=imread(file);</p><p>　　axes(handles.axes1);

31、 % 將打開(kāi)的圖像文件顯示在軸1</p><p>　　imshow(A1); % 對(duì)圖像進(jìn)行顯示</p><p>　　本論文圖片示例為”flucapeper.bmp”。</p><p>　　而既可以讀取彩色也可以讀取灰色功能函數(shù)，要在全局范圍下均實(shí)現(xiàn)，限于作者水平，會(huì)把這個(gè)編的很麻煩，所

32、以只在函數(shù)flucalocation_Callback下實(shí)現(xiàn)。file=get(handles.edit1,'string'); </p><p>　　image=imread(file); </p><p>　　[x,y,z]=size(image); </p><p><b>　　if(z==1)</b></p>

33、;<p>　　gray=image;</p><p><b>　　else</b></p><p>　　gray=rgb2gray(image); % 彩色圖像灰度化</p><p><b>　　end</b></p><p>　　保存aexs2顯示的最終效果圖，功能在Save_Ca

34、llback下實(shí)現(xiàn)。</p><p>　　[filename,pathname]=uiputfile('*.bmp'); % 得到保存圖像的文件名和路徑</p><p>　　set (handles.edit2,'string',[pathname,filename]);</p><p>　　% 顯示保存圖像的文件名和路徑&

35、lt;/p><p>　　A=getimage(handles.axes2); % 得到圖像imwrite(A,filename,'bmp'); % 將圖像寫(xiě)入文件</p><p>　　2、灰度圖像去除噪聲</p><p>　　選取5x5模板對(duì)灰度圖像濾波，去處噪聲，并在axes4顯示

36、效果。</p><p><b>　　d=5; </b></p><p>　　med=medfilt2(gray,[d,d]); %中值濾波，d為中值濾波所選取的模板大小 axes(handles.axes4);imshow(med); </p><p><b>　　3、灰度圖像二值化</b></p>&

37、lt;p>　　在這一步閾值分割，探到光斑圖像的邊緣，得到二值化黑白圖像標(biāo)準(zhǔn)光斑圖像。</p><p>　　bw=optimumthreshold(med); %圖像二值化最優(yōu)閾值迭代</p><p>　　主程序PB.m調(diào)用optimumthreshold.m中的閾值迭代函數(shù)；</p><p>　　function i1=optimumthreshold(I)

38、</p><p>　　[x,y]=size(I);</p><p>　　b=double(I);</p><p>　　z0=max(max(max(I))); %求出圖象中最大的灰度z1=min(min(min(I))); %最小的灰度</p><p>　　T=(z0+z

39、1)/2; % T賦初值，為最大值和最小值的平均值</p><p>　　TT=0; % TT賦初值</p><p>　　S0=0.0; n0=0.0; </p><p>　　%為計(jì)算灰度大于閾值的元素的灰度總值個(gè)數(shù)賦值<

40、/p><p>　　S1=0.0; n1=0.0; </p><p>　　%為計(jì)算灰度小于閾值的元素的灰度總值個(gè)數(shù)賦值</p><p>　　allow=0.05; %新舊閾值的允許接近程度</p><p>　　d=abs(T-TT);

41、 %定義兩次閾值之間的差值</p><p>　　count=0; %記錄幾次循環(huán)</p><p>　　while(d>=allow) </p><p>　　%迭代最佳閾值分割算法,當(dāng)兩次閾值差值大于規(guī)定值時(shí),開(kāi)始循環(huán) count=count+1;

42、 %記錄循環(huán)次數(shù)</p><p>　　for i=1:x, %循環(huán)開(kāi)始,按行進(jìn)行</p><p>　　for j=1:y, %按列進(jìn)行循環(huán)</p><p>　　if I(i,j)>=T, </p><p>　　%如果某一點(diǎn)的灰度大于閾值,則將其灰度值加到S0上.并統(tǒng)計(jì)這樣點(diǎn)的

43、個(gè)數(shù) S0=S0+b(i,j); </p><p><b>　　n0=n0+1;</b></p><p><b>　　end</b></p><p>　　if I(i,j)<T, </p><p>　　%如果某一點(diǎn)的灰度值小于閾值,將其灰度值加到S1上,并統(tǒng)

44、計(jì)這樣點(diǎn)的個(gè)數(shù) S1=S1+b(i,j);</p><p><b>　　n1=n1+1;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　end

45、 %循環(huán)結(jié)束 </p><p>　　T0=S0/n0; %計(jì)算灰度值小于閾值的那些點(diǎn)的平均灰度值</p><p>　　T1=S1/n1; %計(jì)算灰度值大于閾值的那些點(diǎn)的平均灰度值</p><p>　　TT=(T0+T1)/2; %計(jì)算這兩部分的平均值</p><p

46、>　　d=abs(T-TT); %比較得到的閾值與使用的閾值的差值 T=TT; %并用計(jì)算得到的閾值代替使用的閾值,進(jìn)行下一次的循環(huán)·.</p><p>　　end %當(dāng)不滿(mǎn)足條件時(shí),退出循環(huán)</p><p>　　i1=im2bw(I,T/255); </p

47、><p>　　%圖像在最佳閾值下二值化</p><p><b>　　end</b></p><p>　　4、尋找光斑中心坐標(biāo)</p><p>　　對(duì)得到的bw灰度圖像進(jìn)行區(qū)域標(biāo)定，利用for循環(huán)尋找與L值相等的像素點(diǎn)，提取出來(lái)，對(duì)其求平均，得到光斑中心坐標(biāo)。并用green“+”標(biāo)記。(X,Y)為其估值，round函數(shù)功能是找

48、與對(duì)應(yīng)值最接近的整數(shù)值。</p><p>　　[L,n]=bwlabel(bw);</p><p>　　hold on </p><p><b>　　for j=1:n</b></p><p>　　[r,c]=find(L==j);</p><p>　　x0=mean(r);</p>

49、;<p>　　y0=mean(c);</p><p>　　plot(y0,x0,'Marker','o','MarkerEdgeColor','r','MarkerFaceColor','k','MarkerSize',10);</p><p>　　plot(y0,

50、x0,'Marker','+','MarkerEdgeColor','g');</p><p>　　Z=[x0,y0]; </p><p>　　X=round(x0);</p><p>　　Y=round(y0); </p><p><b>　　D=[X,Y];<

51、/b></p><p><b>　　end</b></p><p>　　axes(handles.axes5);imshow(bw);</p><p>　　%set (handles.edit2,'string','簡(jiǎn)單光斑定位圖像');</p><p>　　定義精度為估值點(diǎn)與得到的

52、平均值點(diǎn)之間的距離：Rsq=</p><p>　　Rsq=sqrt((X-x0)^2+(Y-y0)^2);</p><p>　　讀取“flucapeper.bmp”得到的圓心坐標(biāo)是（128.4567，128.4511)，精度為0.64194</p><p>　　5、二值化圖像特征提取</p><p>　　令L為周長(zhǎng)，A為面積，C為圓形度，R為

53、矩形度，E為伸長(zhǎng)度</p><p>　　[L,A,C,R,E]=xintai(bw);</p><p>　　在MATLAB的command window顯示：</p><p><b>　　光斑面積為：</b></p><p><b>　　A =</b></p><p>　　2

54、.6553e+003</p><p><b>　　光斑周長(zhǎng)為：</b></p><p><b>　　L =</b></p><p><b>　　228</b></p><p><b>　　光斑半徑為：</b></p><p><

55、;b>　　R =</b></p><p><b>　　29.0722</b></p><p><b>　　6、結(jié)果分析</b></p><p>　　得到的結(jié)果與該光斑的中心精確值（128.4541，128.4541）相差很小，相對(duì)誤差在0.002%，光斑半徑精確值為29.0720，相對(duì)誤差在0.0006%

56、故具有較高的可信度。得到這個(gè)精確的值主要源于圖像中光斑質(zhì)量好，近似為圓，復(fù)雜度較低，容易確定其幾何特征。</p><p>　　在aexs1中顯示原始圖像（帶噪聲彩色（或灰色）圖片），在aexs4中顯示濾波結(jié)果（預(yù)處理階段）</p><p>　　在aexs5中顯示二值化結(jié)果（迭代二值化階段）</p><p>　　在aexs2中顯示最終處理后所得圖像結(jié)果（主要確定光斑中

57、心階段）</p><p>　　圓度C=0.97795</p><p>　　精度Rsq=0.64194（坐標(biāo)估值與所得平均值之間的距離差）</p><p>　　圓心坐標(biāo)（128.4567，128.4511)</p><p>　　程序顯示一張兩個(gè)激光光斑的圖片“guangban23.bmp”，得到的結(jié)果：</p><p>

58、　　精確坐標(biāo)為（525.4832,554.3278），誤差較大，相對(duì)誤差達(dá)到了0.5%，效果不好。而且，在設(shè)計(jì)上也只考慮了一幅圖片只有一個(gè)光斑的問(wèn)題，對(duì)于一幅圖片兩幅光斑問(wèn)題，結(jié)果顯示的是探的第2個(gè)光斑的幾何特征參數(shù)，在設(shè)計(jì)上有欠缺。</p><p><b>　　四、結(jié)論</b></p><p>　　本程序是在MATLAB7.80 R2009a版本環(huán)境下生成的，在做定

59、位時(shí)，有些功能不需要編寫(xiě)代碼，直接調(diào)用函數(shù)，較為方便，可操作性好。特別是對(duì)于簡(jiǎn)單的光斑，其定位精度較高。而對(duì)于較為具體的激光光斑問(wèn)題，結(jié)果顯示這種算法效果并不理想，不適宜做具體問(wèn)題，但在理論上還是有其一定的價(jià)值。</p><p><b>　　五、結(jié)束語(yǔ)</b></p><p>　　最后感謝班導(dǎo)師王振東老師，您一學(xué)期的精彩授課和實(shí)驗(yàn)室內(nèi)耐心解答，讓我受益頗多。在實(shí)驗(yàn)室的

60、幾次點(diǎn)撥，對(duì)于解決程序問(wèn)題起了很好的幫助。在學(xué)《圖像處理》前，我對(duì)圖像處理方面的知識(shí)為0，而現(xiàn)在通過(guò)7周的聽(tīng)課，這次課程設(shè)計(jì)對(duì)圖像處理有了初步了解，獲益匪淺。在此再次感謝王老師，提前祝愿班導(dǎo)師新年愉快！兔年依舊能過(guò)出自己想要的精彩！</p><p>　　六、參考文獻(xiàn)(References)</p><p>　　[1]LENG Huiwen,XU Chunguang,FENG Zhongwe

61、i,XIAO Dingguo. A Method for Measuring Complicated Deep-hole Profile Based on Ring-structured-light. Zhongguo Tuxiang Tuxing Xuebao ,2010.NO.7[J][冷惠文 徐春廣 馮忠偉 肖定國(guó) 基于圓結(jié)構(gòu)光的復(fù)雜深孔內(nèi)輪廓尺寸測(cè)量方法 中國(guó)圖像圖形學(xué)報(bào) 2010 第7期：1084-1089]</p>

62、;<p>　　[2]CHEN Yu,FANG Bin,WANG Pu An Edge Detection Algorithm Based on Beamlet Transform . Zhongguo Tuxiang Tuxing Xuebao ,2010.8[J][陳雨 方濱 王普 一種Beamlet變換下的圖像邊緣檢測(cè)方法中國(guó)圖像圖形學(xué)報(bào) 2010 第8期：1214-1219]</p><p>

63、;　　[3]SHU Xin,PAN Len,WU Xiaojun. Shape Image Retrieval Based on Intergrated Weighted Skeleton Segments Features.COMPUTER SCIENCE,2010,NO.11,Vol.37[C][束鑫 ，潘磊 ，吳曉俊 綜合加權(quán)骨架段特征的形狀圖像檢索，計(jì)算機(jī)科學(xué)，2010，第11期，37卷271-274]</p>

64、<p>　　[4]XUE Ting,SUN Mei,ZHANG Tao,WU Bin,Complete approach to automatic identification and sub-pixel center location for ellipse feature. Journal of Optoelectronics &Laser,2008,8 NO.8 Vol.19 [薛婷，孫梅，張濤，吳斌 類(lèi)橢圓特征

65、自動(dòng)識(shí)別及亞像素提取的完整體現(xiàn)，2008，第8期，第1卷1076—1078]</p><p>　　[5]姚敏等. 數(shù)字圖像處理.北京. 機(jī)械工業(yè)出版社 2006</p><p>　　[6]陸玲,王蕾,桂穎. 數(shù)字圖像處理. 北京. 中國(guó)電力出版社 2007</p><p>　　[7]徐杰 .數(shù)字圖像處理. 武漢. 華中科技大學(xué)出版社. 2009<