1. 研究目的与意义（文献综述）

1.1 研究意义

在工业生产过程中，用人眼识别进行检测具有很大的局限性，而机器视觉可以用机器代替人眼来做测量和判断有更多优势：可以在各种恶劣环境下进行高速在线检测，长时间内不间断进行工作，精度高、效率高，从而达到节省时间、降低生产成本、缩短机器停工期、提高生产效率和产品质量、减轻测试及检测人员工作强度、降低不良率等目的。

通过机器视觉产品（图像摄取装置，分cmos和ccd两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；数字图像处理（digital image processing）是将图像本身的信号转换成数字信号且运用计算机对其进行处理，目前已经广泛应用于科学研究、生物医学、航空航天、机器人视觉、工业检测等领域。图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

2. 研究的基本内容与方案

基于opencv的机器视觉图像处理系统主要由图像获取及图像处理两部分组成。图像获取模块通过摄像头或者本地读取获取指定图像信息，但不同获取路径所得到的图像颜色信息存在很大差异，需要先对图像进行预处理来减少不同设备等原因造成的颜色差异。

不同的滤波方法在预处理方面有不同的优势：高斯函数能构成一个在频域具有平滑性能的低通滤波器，通过在频域做乘积来实现高斯滤波；均值滤波对信号进行局部平均，把每个像素都用周围的8个像素来做均值操作，以平均值来代表该像素点的灰度值。均值滤波可以平滑图像，速度快、算法简单，但是无法去掉噪声，只能微弱的减弱它。但中值滤波在平滑脉冲噪声方面非常有效，加权的中值滤波还能够改进中值滤波的边缘信号保持效果，同时它可以保护图像尖锐的边缘使后续的边缘检测和角点检测不受影响。综合以上因素，本系统最终采用中值滤波法进行图像预处理同时可以保护图像边缘特征。

在边缘检测中，常用的一种模板是sobel算子。sobel算子有两个，一个是检测水平边缘的，另一个是检测垂直平边缘的 。sobel算子另一种形式是各向同性sobel(isotropic sobel)算子，也有两个，一个是检测水平边缘的 ，另一个是检测垂直平边缘的。各向同性sobel算子和普通sobel算子相比，它的位置加权系数更为准确，在检测不同方向的边缘时梯度的幅度一致。由于建筑物图像的特殊性，我们可以发现，处理该类型图像轮廓时，并不需要对梯度方向进行运算，所以程序并没有给出各向同性sobel算子的处理方法。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1]陈博华，戴少鹏.基于opencv的图像处理方法.《电子技术与软件工程》,2015.

[2]孙观宏，刘江，李忠涛.基于opencv的图像采集及激光线形提取程序的开发方式.《机械制造与自动化》,2008.

[3]滕俊，王弟林，文汉云.基于opencv下的visual c 数字图像处理方法.《现代计算机:专业版》 , 2012.