0031 ]图2为本发明平面度测量示意图。
[0032]图3为本发明实际表面拟合三维图。
[0033]图4为本发明图像处理设计流程图。
[0034]图5为低通滤波原理框图。
[0035]图6为中值低通滤波流程图。
[0036]图7为样点领域图。
【具体实施方式】
[0037]下面结合具体附图和【具体实施方式】对本发明技术方案做进一步详细描述：
[0038]如图1及图4所示基于图像处理的平面度检测系统，由依次连接的图像采集模块、 图像处理模块、数据处理模块及图像成像模块组成;其中，图像采集模块包括一位于被测平 板上方的反射镜、光源摄像头及图像采集卡，光源发出激光，由被测面反射后经反射镜进入 摄像头，通过入射光与出射光夹角算出平面上两点间的角度值，在图像成像模块中显示出 角度示值的刻线；
[0039] 之后，图像采集模块完成图像成像模块所显示刻线的采集工作，将采集的图像数 据进行去除噪音干扰、图像锐化、灰度变换预处理，确定图像中信号有无，将无用的信息去 除，增强有用的特征信息，将不完整的特征信息修复复原；
[0040] 图像处理模块:将预处理完成的图像再进行图像处理，通过去噪声、去干扰，增强 处理、图像复原将原始图像加工成便于计算机识别的图像，之后通过图像识别对图像处理 后的可用图像进行特征提取、分类、分析；
[0041] 数据处理模块：图像处理后的数据由数据采集卡送至数据处理模块，数据处理模 块将图像处理后的数据通过平面度计算公式，计算出各采集点相对于理想平面的距离偏 差，并算出平面度误差值，同时数据处理模块中由三位图像拟合，直观看出平面的误差分布 情况。
[0042] 进一步的，所述图像采集模块通过CCD工业摄像机摄取平面测试件反射光线图像， 经USB接口输出，进入Mat lab图像处理系统，完成图像滤波、去噪、二值化和特征参数提取的 处理过程，最后由操作界面显示测量结果数据和被测平面三维示意图。
[0043]进一步的，所述图像采集模块测量的角度在图像上反应为两条刻线的距离，CCD摄 像头安装在成像模块的读数窗口上，成像模块的光照度足够用于CCD摄像机图像的摄取， CCD的工作是捕捉成像模块中刻线图像，图像摄取后CCD数据由图像采集卡完成数据的传输 工作，采集卡选用MV-800工业高清图像采集卡。
[0044]进一步的，所述图像处理模块与数据处理模块中，图像处理是将图像中刻线的宽 度以及刻线与起始位置的距离计算出来，CCD摄取的原始图像为几条刻线，将图像中成像模 块背景图像的反光作用以及背景中细微线纹进行图像噪音去除，针对不同的噪声成分采用 不同的去噪方法使得预处理图像更理想。
[0045]本发明的工作原理为：
[0046]从大量的CCD摄像机获取的原始图像来分析，图像噪声大致分为两类:一类是由于 电路干扰、电磁波或电源等因素引起的噪声，属于电器噪声，这些噪声可以用电压的连续变 化表示，一般是加性噪声。另一类是有背景光反射，光源不均匀等引起的噪声，属于光学噪 声，图像表现为图像增强噪声也增强，是乘性噪声。
[0047]图像处理噪声的方法有空域法和频率域法。
[0048] (a)频率域滤波：
[0049] 图像频域滤波一般采用高低通滤波方法，噪声频谱能量多在高频段，在低频滤波 前先进行高频衰减处理。此种滤波方法缺点是图像细节会变得模糊，需要选择合适的滤波 函数。
[0050] 低通滤波的原理框图如图5所示：
[0051 ] f (X，y)是原始图像傅里叶变换函数;g (X，y)为输出滤波后图像;Η为低通滤波的传 递函数，设计的重点就是寻找合适的传递函数Η。
[0052] 经典的传递函数有Bulterworth低通滤波、Chebyshev、指数滤波、梯形滤波、 Daubechies小波变换等。
[0053]为了使噪声平滑后效果明显且尽量减少图像滤波后细节模糊，本文采用中值滤波 方法。
[0054]中值滤波是由J.W.Jukey提出，他是为了改善线性滤波后图像产生细节模糊而设 计的一种滤波方法。它的运算方法是取NXN的特定图像区域，对区域内图像灰度按大小排 序，然后寻找中间值作为输出结果。经过发展，后来对中值滤波改进，有中央加权中值滤波、 三态式中值滤波等。
[0055] 流程如图6所示。
[0056] 中值滤波函勠 t
[0057] 式中g(x，y)为中值滤波后输出图像的像素灰度值;f(x，y)为原始图像像素灰度 值;A是窗口形状和大小可变的，一般大小有小到大选择至合适为止，形状有方形、圆形等， 它的形状和大小对滤波效果有直接影响，不同的图像窗口的选择也是不同的。本设计采用 3*3方形窗口。N选择为奇数值。
[0058] 图像中将一样点领域NXN中各个像素的灰度值形成一个序列，然后在序列中值由 小到大排列，取中间值代替这个样点的灰度值形成新的图像。如图7,样点领域为一图像灰 度值。
[0059]样点为一3X3大小方形窗口，中值法处理，灰度值序列从小到大排列为{64,64， 64，64，64，64，64，255，255，255 }，中央样点值为64.中值滤波后这一点的灰度值即为64。此 种方法用于噪声样点数要小于总样点数半数的情况下，能够很好的去处随即噪声，对脉冲 干扰效果尤为显著。
[0060] (b)领域均值滤波：
[0061] 均值滤波函数
[0062 ]式中Μ为领域S中像素点的个数;S领域为偶数值。
[0063] 对原始图像f(x，y)的每个领域S内所有像素点灰度值取平均值作为该空间领域的 像素值。此种方法应用中S越大，噪声减少越强，但图像也会随之变模糊。
[0064] 为了保留图像边缘的清晰度及完整性，可先提取轮廓，滤波后再将轮廓加入图像。 或者增加阀值进行部分滤波。增加阀值均值滤波函数如下：
[0065]
[0066]
[0067] 且。
[0068] (1)去噪后图像锐化
[0069]图像经滤波后减小噪声的同时也使图像变得模糊，边缘影响更是明显。为了将这 些细节恢复清晰，就需要进行图像锐化，对图像边缘进行增强处理。由于图像边缘、轮廓处 的灰度值变声突变，从频谱特性分析这种突变为一高频分量，锐化的方法就显得简单了，运 用一微分运算即可使图像边缘增强。
[0070] 目前常用的锐化方法有梯度法、拉普拉斯算子锐化、高通滤波、方向模板匹配法、 统计差值法、曲面拟合法等。其中梯度法为一阶微分方法，不适于图像的精确定位;拉普拉 斯算子为二阶微分方法，能够实现图像细节的定位，但对噪声比较敏感。采用高斯一拉普拉 斯算子先将图像进行平滑，再进行拉普拉斯运算，可以减少噪声的影响，但运算数据量较 大，用做只能检测时如果没有好的硬件支撑会影响处理时间及准确度。方向模板匹配法方 法简单，但也同样也受数据计算量大的影响。曲面拟合法与前几种方法相比，即实现边缘提 取的同时，又有抑制噪声的作用。
[0071] 曲面拟合法是用一个已知平面(或曲面)去拟合一个图像的面积面，已知平面(或 曲面)的梯度值即为该点梯度值。
[0072] (2)图像分割技术
[0073] 图像分割是理论是基于图像区域"相似性"或"突变性"，即同一连续区域灰度基本 相似则为同一纹理图像，或灰度发生突变则图像的纹理结构发生变法。图像分割是按照某 种法则将图像分成η幅子图像的过程，目的是将有用的特征量提取出来。如刻线纹理信息、 边缘轮廓等。
[0074] (3)图像识别
[0075]图像处理一般是针对原始图像进行一定的变换后得到清晰图像的变换过程。通过 去噪声、去干扰，增强处理、图像复原等处理将原始图像加工成便于计算机识别的高质量图 像。图像识别则是对图像处理后的可用图像进行特征提取、分类、分析等。然后对图像进行 图像细化。图像细化一般要满足以下几点：
[0076 ]保持原图像骨架曲线的连通性；
[0077]细化结构要细，且线条为原始图下载那个中心线；
[0078] 交叉纹理中心不畸变；
[0079]曲线端点保留不变；
[0080]运算速度尽可能快。
[0081 ]图像细分方法一般基于二值图像处理的，按照数据传输方式分有串行细化和并 行细化；按照是否使用迭代法可以分为迭代运算法和非迭代运算法。目前常用算法有 Hilditch算法、Pavlidis细分算法、Rosenfeld细分算法、索引表细化算法、ΡΑΒΙΤ算法等。本 设计采用Pav 1 i d i