现代工业生产不仅要求产品检测具有很高的精度和速度,同时强调其可靠性、非接触和自动化的特点,这就对实时测量系统提出了需求。虽然人工检测在某些时候可能比机器好,但是人工比较慢,并且在很多情况下,人容易疲劳,从而降低了检测的准确性,因此应该使用更精确、更高速的自动检测方法。现在,图像处理技术日益完善和可靠,成本日益降低,使得用图像处理技术来解决这个问题成为可能。 随着图像处理技术和数字信号处理器(DSP)的快速发展,通用DSP芯片越来越多的被应用于图像处理中。图像测量系统的主要工作是从CCD摄像头输入的视频信号中采集图像,数字化后进入缓冲区,再送入处理器做相应的分析和运算,最后通过一定的计算规则,得到需要的结果。处理后的数据还是存放在DSP的存储空间里,也可以载入到PC机上保存,同时结果会通过彩色监视器显示出来。在本系统中,数字化后的图像数据以十六进制的形式保存在缓冲区中,程序员可以直接使用这些数据,十分方便。可以看到,在本文的研究过程中,图像处理的算法及其在DSP平台上的软件设计是主要的问题。 本文首先对基于DSP的图像测量系统的意义、发展等作了全面的概述;介绍了视频信号、CCD摄像机的原理与工作方式和图像测量系统的模型等相关概念;并说明了系统的硬件组成及其存储结构。图像处理算法是本文的研究重点,在从图像中提取对象特征,以得到尺寸数据之前,我们需要对原始图像进行一定的处理与分析。边缘检测是进行图像分割和特征提取的前提和基础,所以我们首先使用边缘检测来得到边缘图像。通常边缘检测采用模板运算的方法,常用的模板有Prewitt算子,Sobel算子等,其中Sobel模板在抑制噪声方面表现更好一些,本文使用的正是Sobel模板。在图像采集的过程中,由于环境和量化等原因,不可避免会有一定的噪声,因此在边缘检测之前,首先要滤除噪声。此外,还有必要将边缘检测后的图像进行二值化。不论边缘检测的算法多么好,一般都不可能得到完美的边缘,总会存在一定的缺陷,那么在后续的处理中,要采用边缘追踪算法对边缘进行补偿。得到了比较完整的边缘图像之后,再通过一定的计算规