基于MatLAB的轨道交通轴类零件图像裂纹识别设计(4)
1.3 图像识别技术在裂纹检测中的应用现状
在工业自动化生产过程中，，由于各种原因会对零件产生损伤。这些损伤随着使用将生长成为微裂纹，微裂纹逐渐扩展生长成为宏观裂纹并导致破坏零件。造成的后果严重。使已经加工好的弓箭彻底报废，不仅造成金属材料和加工费用的损失，而且厌恶工期没这事一个一直困扰热处理工作者的理论和工艺的大问题。由于零件表面部件完好直接决定着机器是否能够继续使用，所以必须定期对其检测，其检测判断结果直接决定其是否能继续工作，因此稍有不慎就会导致严重的后果。目前，许多外场的裂纹检测还只停留在人工检测，这不仅对于技术人员的经验和视力的要求非常高，而且很多微小的裂纹常常漏检，所以检测结果的可信度并不太高。但人工检测费时费力，且易受人眼分辨能力和疲劳等主观因素的影响，在对滚珠表面检测时，必须对裂纹的扩展情况进行实时监测。
目前裂纹检测的方法有（1）磁粉法，（2）渗透法，（3）超声法，（4）漏磁法，（5）红外线法（6）涡流法。在本实验室中，裂纹的监测经显微镜、CCD（Charge Coupled Device）摄像机、闭路电视机将在线的试件图像放大虽然显示较直观仍只停留在可以观察的水平，微裂纹并不能及时被发现、记录，且不能进行量化处理。
裂纹检测是质量检查和安全检测的重要方面之一。因此数字图像处理技术的利用是实现产品质量监控和故障诊断的最佳方法之一。通过摄像机获取的图片经过图像采集卡的处理，转换成数字信号，通过各点的灰度值用适当的方法消除所发现的噪声。计算机通过阈值分割和边缘检测对图像的对象和背景进行分割，抽取图像的特征区域，对该区域各点的灰度值进行比较，找出与邻近各点的灰度值显著不同的面积区域。近几年来国内外许多学者将数字图像处理技术运用到物体表面裂纹检测中并取得了较好的效果。
1.4 裂纹图像识别技术研究现状及其发展
1.4.1 图像识别技术研究现状
1.4.2 现有的图像识别方法及其新的进展
1．4．3 数字图像处理技术的发展
1.5 数字图像处理与分析及其MATLAB的简要介绍
1.5.1 数字图像处理与分析
图像处理是用计算机对图像进行分析，以达到所需结果的技术。图像处理的各个内容是互相有联系的。一个实用的图像处理系统往往结合应用几种图像处理技术才能得到所需要的结果。图像数字化是将一个图像变换为适合计算机处理的形式的第一步。图像编码技术可用以传输和存储图像。图像增强和复原可以是图像处理的最后目的，也可以是为进一步的处理作准备。通过图像分割得出的图像特征可以作为最后结果，也可以作为下一步图像分析的基础。
图像分析是从图像中抽取某些有用的度量、数据或信息。目的是得到某种数值结果，而不是产生另一个图像。图像分析的内容和模式识别、人工智能的研究领域有交叉，但图像分析与典型的模式识别有所区别。图像分析不限于把图像中的特定区域按固定数目的类别加以分类，它主要是提供关于被分析图像的一种描述。为此，既要利用模式识别技术，又要利用关于图像内容的知识库，即人工智能中关于知识表达方面的内容。图像分析需要用图像分割方法抽取出图像的特征，然后对图像进行符号化的描述。这种描述不仅能对图像中是否存在某一特定对象作出回答，还能对图像内容作出详细描述。
图像匹配、描述和识别 对图像进行比较和配准，通过分制提取图像的特征及相互关系，得到图像符号化的描述，再把它同模型比较，以确定其分类。图像匹配试图建立两张图片之间的几何对应关系，度量其类似或不同的程度。匹配用于图片之间或图片与地图之间的配准，例如检测不同时间所拍图片之间景物的变化，找出运动物体的轨迹。