3。3 本章小结 14

4  图像配准 15

4。1 图像配准定义 15

4。2 基于边缘特征的图像配准 16

4。3 基于SIFT特征点的图像配准 18

4。4 基于SURF特征点匹配的图像配准 20

4。5 空间变换 21

4。6 本章小结 21

5  软件仿真 22

5。1 GUI界面设计 22

5。2 GUI界面各部分模块介绍 23

5。3 本章小结 27

结  论 28

致  谢 29

参 考 文 献 30

1  绪论

1。1  研究的背景及意义

产品外观质量一直是工业生产中的关键环节，而现在的消费者也对产品外观质量的要求也越来越高，这就直接影响到了企业在这些产品上的市场销售份额，因此具有高质量的产品对于企业在市场中提高自身的竞争力是至关重要的。在现代工业制造中，多数产品还在沿用传统的人工检测方法，这就导致了企业需要投入大量的财力人力来保证产品的品质。而随着机器视觉技术的兴起，在线自动检测的质量检测方法可以有效地提高检测效率和准确率，降低人工成本。

最近几年电子科技技术在不断的进步，计算机视觉系统中的硬件和软件技术也都得到了迅猛的发展。计算机视觉检测技术作为一种综合技术，其中包括了自动控制、图像处理、计算机软硬件等技术，它用机器来代替人眼进行缺陷检测，具有实时性、智能性、灵活性、高速度和高精度等特点。而我国有很大的电子元器件市场，并且许多元器件正在往集成化、微型化的方向发展，因此对这些元器件进行有效的缺陷检测就显得尤其重要了。现如今，我国还无法独立自主的对产品表面进行缺陷检测，需要从国外引进一些昂贵的检测设备，并且我国的专家还对这些设备的操作习惯有很大的差异，这就造成了诸多不便。因此，国内的许多企业仍然还采用人工检测来进行表面的缺陷检测。

表1。1 人工检测和机器视觉检测的对比

检测方式 速度 稳定性 效率 成本 精度 检测环境 工作时间 信息集成度

人工检测 慢 检测结果不稳定 低 高 精度一般 不适合在危险的环境中检测 无法24小时连续工作 低，较难实现

机器视觉检测 快 检测结果稳定 高 低 高 可在大部分的环境中工作 可以实现24小时连续工作