Delphi编程图像处理在针织物疵点检测中的应用

- 1 -Delphi的图形处理 Delphi的图形处理......................................................................................................- 1 - 第一章 图像处理在可视化编程中的作用及其应用价值.................................- 2 - 第二章 图像处理函数.......................................................................................- 2 - 2.1 为什么选择Delphi..............................................................................- 2 - 2.2 Delphi中用于图形处理的类...............................................................- 2 - 2.3 GDI及Canvas类简介.........................................................................- 4 - 第三章 基本图像处理算法.............................................................................- 13 - 3.1柔化和锐化处理.........................................................................................- 13 - 3.2 图像混合(透明度)效果..............................................................................- 19 - 3.3 转为灰度图像............................................................................................- 22 - 3.4 对比度调整和反色处理.............................................................................- 23 - 3.5 亮度的调整................................................................................................- 25 - 3.6 浮雕效果....................................................................................................- 28 - 3.7 马赛克效果................................................................................................- 31 - - 2 -第一章 图像处理在可视化编程中的作用及其应用价值 图像处理，是可视化编程的基础内容。在Windows操作系统中，一切要输出到屏幕上的东西都是通过图形处理这部分的内容来实现的。比如一个程序使用了标签控件，它看起来似乎并没有用到什么图形处理，但实际上标签控件就是通过使用GDI库中的图形处理函数来实现的。可见图形处理在编程中的重要性。 图像处理在实际的应用中也极具价值。平面制作、动画制作等都离不开它。这一部分的内容十分繁多。我本次研究的内容，只是其中最基础的、最重要一部分。 第二章 图像处理函数 2.1 为什么选择Delphi 所有的可视化编程语言都能够进行图像处理。但由于这些语言的定位不同，它们在进行图形处理的效率和便捷程度上也各不相同。实际上，Visual C 的图像处理效率是最高的，这是由于GDI类库本身就是用C++写的。但是使用VC来编程并不是一件方便的事，因为这个语言本身就较为繁杂难懂，所以我没有选择它。Visual Basic（VB）也是一个常用的语言，但它在图形处理方面能力较差。首先是它的坐标系统是以twip为单位的浮点坐标系统，在调用GDI类库时，必须对坐标系统进行转换，浪费了大量的资源，编程起来较为麻烦。在多方面因素的影响下，我觉得Delphi是一个理想的语言。Delphi已经把绝大多数GDI绘图函数都封装成可直接调用的类，使用它进行图形处理操作十分方便，而且Delphi 是Pascal演变而来的，Pascal具有严谨易读的特点，因此很容易上手。 2.2 Delphi中用于图形处理的类 Delphi为我们提供了许多图形图像方面的类，合理地使用这些类，我们可以方便地开发出各种图形处理程序。这些类有TPicture、TBitmap、TGraphic、TIcon、TJPEGImage和TCanvas。其中，TCanvas类用于绘图，TPicture、TBitmap、TIcon和TJPEGImage是专门用来处理图片的类，TGraphic是一个抽象类，一般不直接使用。TPicture类可以载入所有支持的图片，而TBitmap、TIcon、TJPEGImage分别用于处理各种类型的图片。在实际应用中，我们一般用这些具体类型的类载入图片，再将图片转为Bitmap格式来处理。TPicture、TIcon、TJPEGImage类一般只用于输入和输出。例如，下面的代码可以载入一幅任意支持格式的图片(Delphi所支持的格式为bmp、jpg、dib、wmf和emf)。 Var Pic:TPicture; Begin Pic := TPicture.Create; Pic.LoadFromFile(FileName); End; 用TPicture类来载入图片时，该类会根据文件名的扩展名来决定用何等方式来打开图片。这就出现了一个问题，如果这个图片的扩展名被用户非法修改，程序就会把这个图片视为无效图片。在真正编程中，我们要用TPicture、TBitmap、TJPEGImage、TIcon依次尝试去打开图片。 另外，Delphi本身是不支持GIF文件格式的。我们可以借用一个第三方的类——GIFImage来让Delphi支持它。这个类在附带的光盘中可以找到。最终我们用下面的代码来完成载入图片的操作。 Procedure ReadPicture(FileName: String; Bitmap: Graphics.TBitmap); var pic:TPicture;Bit:Graphics.TBitmap;jpgPic:TJPEGImage;FGifPic:TGIFImage; icoPic:TIcon; begin - 3 - FGifPic := TGifImage.Create; Pic:=Tpicture.Create; bit:=Graphics.TBitmap.Create; jpgPic:=TJPEGImage.Create; icoPic:=TIcon.Create; try pic.LoadFromFile(FileName); if uppercase(ExtractFileExt(Filename)) = '.ICO' then begin Bitmap.Height:=pic.Height; Bitmap.Width:=Pic.Width; Bitmap.Canvas.Draw(0,0,Pic.Graphic); end else bitmap.Assign(pic.Graphic); except try bitmap.LoadFromFile(FileName); except try jpgPic.LoadFromFile(FileName); bitmap.Assign(jpgPic); except try icoPic.LoadFromFile(Filename); bitmap.Free; Bitmap:=TBitmap.Create; bitmap.Height:=icoPic.Height; bitmap.Width:=icoPic.Width; bitmap.Canvas.Draw(0,0,icoPic); except try FgifPic.LoadFromFile(FileName); Bitmap.Assign(FGifPic.Bitmap); except bitmap.Height:=bitmap.Canvas.TextHeight('8'); bitmap.Width:=bitmap.Canvas.TextWidth('无效图片'); BitMap.Canvas.TextOut(0,0,'无效图片'); end;{try} end; end;{try} end;{try} end;{try} Pic.Free ; bit.Free; jpgPic.Free; icoPic.Free; FGifPic.Free; - 4 -end; 保存图片的方法跟打开图片的方法类似，我们可以使用不同类型的图片类的SaveToFile方法保存文件。下面的代码可以根据文件名中扩展名的不同使用不同的类来保存Bitmap。 Procedure SaveBitmap(FileName: String; PicB: TBitmap); var pic:TPicture; FileExt:String;picJPG:TJPEGImage;picGIF:TGIFImage; begin pic:=TPicture.Create; picJPG:=TJPEGImage.Create; picGIF:=TGIFImage.Create; try pic.Assign(PicB); FileExt:= ExtractFileEXT(FileName); if (Uppercase(FileExt)='.JPG')or(Uppercase(FileExt)='.JPEG') or(Uppercase(FileExt)='.JPE') then begin picJPG.Assign(PicB); picJPG.SaveToFile(FileName); end else If (UpperCase(FileExt)='.BMP')OR(UpperCase(FileExt)='.DIB')THEN Begin PicB.SaveToFile(FileName); end else if (UpperCase(FileExt)='.GIF') then begin picGIF.Assign(PicB); PicGIF.SaveToFile(FileName); end else Pic.SaveToFile(FileName); {End If} ShowPicture(PictureIndex,False,TPicture(PicB)); Finally pic.Free; picJPG.Free; PicGIF.Free; end; end; 2.3 GDI及Canvas类简介 GDI(Graphics Device Interface,图形设备接口)是Windows为我们提供的一个专门用于图形绘制和屏幕输出的类库。这个类库提供了许多绘图函数，使用这些函数，我们几乎可以开发出所有的平面绘制、平面处理的程序。它同时也是Windows系统的核心，Windows系统中所有的绘图任务都由这个库来完成。在任何语言中，我们都可以调用这个库来完成绘图任务。 在Delphi中，我们已经有了一个已经封装了绝大多数GDI函数的类。使用这个类我们可以方便的完成各种图像处理任务。这就是我们要研究的Canvas类。 Canvas类中的基本绘图方法

织物表面疵点自动检测方法研究

织物作为我们日常生活中不可或缺的一部分，其品质的好坏直接影响到我们的穿着舒适度和外观。然而在织物制造过程中，由于各种原因可能会出现一些疵点，如结疵、破洞、污渍等，如果这些疵点没有及时检测和修复，将直接影响到织物的质量。开发一种快速、高效、准确的织物表面疵点自动检测方法至关重要。

近年来，随着计算机视觉与图像处理技术的发展，织物表面疵点自动检测方法也得到了很大的提升。传统的疵点检测方法主要依赖于人工目视检测，其效率低、准确度差且易受到操作人员主观意识的影响。通过利用计算机视觉技术来实现织物表面疵点自动检测成为了当前研究的热点之一。

一种常用的织物表面疵点自动检测方法是基于图像处理和机器学习的技术。通过摄像设备对织物表面进行拍摄，获取高清晰度的图像数据。然后，利用图像处理技术对图像进行预处理，如去噪、平滑、增强对比度等，以便更好地提取疵点信息。接下来，利用机器学习算法，如支持向量机（SVM）、卷积神经网络（CNN）等，对预处理后的图像进行特征提取和分类，从而实现对织物表面疵点的自动检测和识别。这种方法无需人工干预，可以大大提高检测效率和精度。

当前织物表面疵点自动检测方法还存在一些问题和挑战。织物表面疵点种类繁多、形态复杂，不同种类的织物表面疵点对图像处理和机器学习算法的要求也不同。由于织物表面疵点受到光照、角度等因素的影响，样本图像的变化也很大，这对算法的鲁棒性提出了更高的要求。

针对以上问题，研究人员提出了一些新的解决方案。一种是利用深度学习技术，针对不同种类的织物表面疵点进行更精细化的特征提取和分类，提高检测的准确度和鲁棒性。另一种是结合多种图像处理技术，如纹理分析、形状识别、颜色分割等，以综合性的方式对织物表面疵点进行检测和识别。还有一种是利用新型的传感器技术，如多光谱成像、红外成像等，获取织物表面的多维信息，从而更全面地进行疵点检测。

图像增强算法在瑕疵检测中的应用分析

一、引言

随着工业化进程的不断发展，安全和可靠的生产成为人们越来越关注的焦点。而在生产过程中，产品出现瑕疵往往会给企业和消费者带来巨大的经济损失和安全威胁。因此，检测产品中的瑕疵成为了工业生产过程中必不可少的环节。人工检测虽然具有精准性和可靠性，但其效率低下且人员成本高昂。因此，发展和应用自动化检测技术是现代工业生产的必然趋势。

目前，图像处理技术在自动化检测领域得到了广泛的应用。其中，图像增强算法是一种常用的图像处理技术，其可以提高图像的质量并减少噪声的干扰，从而提高瑕疵检测的精准度和准确度。

本文将从图像增强算法的原理出发，探讨其在瑕疵检测中的应用，并从实例出发，分析其在实际生产中的应用效果。

二、图像增强算法原理

图像增强算法是一种基于数字信号处理的技术，其通过对图像的像素数值进行加工处理，从而提高图像的质量和可视化效果，并减少噪声的影响。图像增强算法主要包括以下几种：

1.灰度变换算法。该算法通过对图像的灰度值进行压缩和扩展，以改善图像的对比度和亮度，从而使细节更加清晰。 2.空域滤波算法。该算法是通过对空间域图像的像素进行滤波，以滤除噪声和增强图像特征，从而提高瑕疵检测的准确度。

3.频域滤波算法。该算法是通过对空间域图像进行傅里叶变换，将图像转换为频域图像，然后对频域图像进行滤波和去噪，最终再将图像转换回空间域图像，从而实现对图像的增强。

三、图像增强算法在瑕疵检测中的应用

图像增强算法在瑕疵检测中的应用主要包括以下三个方面：

1.增强瑕疵特征。在生产过程中，瑕疵通常出现在产品表面或腐蚀点等位置，而这些位置通常很难受到光照的正面照射。因此，在检测过程中，往往需要通过对图像进行增强以突出瑕疵的特征。

例如，在轮毂检测中，图像增强算法可以利用滤波算法加强轮毂表面的凸纹特征，从而更好地检测出表面的裂纹和划痕等瑕疵。

2.去除噪声。在实际生产过程中，图像通常会受到多种因素的影响，如光照、温度、湿度等，而这些因素都有可能产生干扰，从而使得瑕疵的检测过程受到影响。

图像分割以及识别技术在帘子布疵点检测中的应用

图像分割技术是图像处理中非常重要的一步，尤其对于一个在线监测系统来说，分割的效果对图像分割的效果直接影响后续疵点缺陷的特征提取及疵点类型的识别。现有的分割算法非常多，但是基本上是一种产品对应着一种分割算法。

1.引言

文章分析、比较了在图像分割以及图像分类识别的几种最为典型、常见的几种传统方法的特点，并在每个部分都选取最优的算法，组合在一起构成了适用于帘子布疵点检测的图像预处理体系。在图像分割部分，我们使用了经典的Otsu法，此方法我们发现仿真结果使疵点有些失真；我们使用了基于统计学理论的阈值曲面概念，在此方法中，为了规避传统阈值曲面方法的缺陷，对于阈值曲面的建立采取了不一样的方法；同时，我们还使用了PCNN算法对疵点图像进行了分割。分割之后，我们采用了一种基于距离的疵点缺陷聚类方法，以便对疵点信息有一个更好的了解。在图像识别部分，采用了经典的 BP 神经网络对疵点类型进行分类，同时与改进的 SVM 分类方法进行比较。实验表明，最终我们选择的算法能达到比较好的识别效果，并且实时性比较强。

随着生产技术的进步，人们更加关注产品质量，尤其对以产品外观质量作为附加价值的产品，比如一些印刷以及包装或者工艺品等；其次是那些表面缺陷会直接影响产品使用的，这样就会带来比较大的损失。这样一来，产品质量的检测越来越受到科研及生产的关注。而传统的产品检测都由人工进行，人对于产品的检测则存在很多的不确定性。

首先，人不能全面的检测产品，尤其是在实时的生产线上；其次，受到心情等主观因素的影响，人对于产品的检测准确性也会出现不稳定性。而随着计算机技术的发展，人们开始考虑把计算机的快速性、可靠性、结果的可重复性与人类视觉的高度智能化以及抽象力结合起来。从此，人们对于基于机器视觉的产品缺陷检测系统的研究也就变得越来越关注。

2.机器视觉以及图像分割技术

机器视觉指的是基于视觉技术的机器系统或者学科，故此，机器人、图像系统、基于视觉的工业测控设备等等统属于机器视觉范畴。但是，通常我们认为机器视觉更多的是指基于视觉的工业测控系统。作为一个机器视觉系统，首先处理会是视觉信息，通俗来说，就是系统中相机设备采集到得图片信息，相机在这样一个系统中取代人眼。对图片信息的处理是这样一个机器视觉系统的核心，如何处理，处理的结果如何，是研究的重点之所在。