再接着是图像配准部分。这部分在整个缺陷检测系统里是至关重要的，本文主要讲了基于特征的配准方法，其中包括基于边缘特征的配准方法、SIFT以及一种改进的SURF配准方法。目前基于特征匹配的相关算法比传统的基于灰度的配准算法计算速度更快、鲁棒性更好、

配准效果也更加好，逐渐成为了配准算法的主流。而本文第四章也会对这一部分做更详细的说明。

最后是缺陷识别部分。本文缺陷检测最后的要求是要检测出连接器是否存在塑胶破损、塑胶毛边、塑胶刮伤、端子多胶、端子歪、缺pin等缺陷，若存在，则指出缺陷所在位置。综合不同类型的连接器表面缺陷，我们需要用不同的相关检测算法来进行检测。其中具体方法会在接下来的小节里提到。

2。3 缺陷识别相关图像算法

2。3。1 图像分割法

在数字图像处理的研究中，一般我们感兴趣的只有图像的某个区域，这些区域就称作目标区域。如果我们能从整个图像里分割出这些目标区域的图像，那么我们就能够更好的分析这些目标区域的图像。图像分割就是把像素空间位置接近或像素的灰度值相近就可以将其分为同一区域，然后将这些图像中相似属性的像素点划分在一起进行标记，表明它们是属于同一个区域。阈值分割可分为全局阈值分割法和局部阈值分割法，在全局阈值分割法中比较常用的有：最大类间差法、双峰法、P参数法。而本文主要采用Otsu自动阈值分割对采集的连接器图像进行分区域图像分割。

最大类间方差法（Otsu）算法：根据图像的灰度分布，自动调节阈值，将图像分为目标及背景两个部分。如果将目标部分错误地分成背景或者相反，那么两个区域的类间方差就会变小，如果构成目标和背景的图像之间的差距越大，那么这两个区域间的类间方差就越大。文献综述

2。3。2 形态学处理

     图像膨胀和腐蚀是数学形态学分析中两个最基本的运算操作。膨胀就是把图像各1像素连接成分的边界扩大一层，把与目标区域相邻的一些背景区域连接到目标的处理，腐蚀则是把图像各1像素连接成分的边界点去掉从而缩小一层，从而将两个区域分离的处理。把这两种操作组合在一起，我们可以简化图像数据，保持它们基本的形状特性以及去除不相干的结构。

其中图像F被结构元素B膨胀的定义式为：

其中图像F被结构元素B腐蚀的定义式为：

在腐蚀和膨胀的基础上，为了对图像进行这两种基本操作而保证图像目标区域面积不发生明显变化，又提出了两个常用的形态学基本操作：开运算和闭运算。

对图像先腐蚀后膨胀的运算称为开运算。定义式如下：

开运算的目的是光滑目标轮廓，去除毛刺、孤立点等小目标，在纤细点处分离物体，同时很少改变目标区域的面积。

对图像先膨胀后腐蚀的运算称为闭运算。定义式如下：

闭运算的目的是保持目标区域大小和形态不变的同时，填平凹陷，弥补孔洞和小缝。

2。3。3 图像差分法 

我们将两幅图像进行做差运算的方法称之为图像差分法，经过图像差分之后，我们能直观的看出两幅图像的差别，并且计算速度快。而图像差分法也能够对本文所用到的缺陷检测起到一定的指导作用。来:自[优E尔L论W文W网www.youerw.com +QQ752018766-

设标准图像是，已经配准的待检图像是，则它们差分后的图像表示为：

上式表示图像I、J对应像素灰度值差值的绝对值，值越小，表明两幅图像的差别越小，两幅图像就越相似。图像差分法方法非常简单，非常容易能够实现，并且结果也很直观。此外图像差分法里面也没有涉及到乘法运算，所以算法执行速度比较快。