机器视觉 实验指导书 2010-2011-2(王海晖)

《机器视觉》实验指导书

实验一电子元件插针引脚测量实验

（一）实验类型：验证性实验

（二）实验目的：

通过该实验使得学生掌握如何建立被测量工件对象的基本检测步骤，包括工件定位、光源调整、焦距调节等图象测量，进而掌握工件尺寸测量可视化组态编程方法和技术，掌握如何对多插针相关尺寸参数同时测量的新方法，建立被测量插针的基本检测框架，进而扎实掌握插件多针尺寸、针间距及针宽度测量新技术，具备解决实际复杂插件多针参数视觉测量的技术难题。

（三）实验要求：

熟练掌握：用Halcon平台测量的步骤

学生分组人数：1人/组

（四）实验内容：

【实验内容】

测量如图1-1 所示电子插件插针参数尺寸

(a) (b)

图1-1 ：开关

（a）需要测量开关引脚的宽度及相互之间的距离。（b）确定检测边缘的矩形感兴趣区。

【实验原理】

1、单个相机的影像截取控制流程如a)所示，

实验中，采用单相机采集图像，对应的图像处理算子类型为：

open_framegrabber (Name, 1, 1, 0, 0, 0, 0, 'default', -1, 'default', -1, 'default', 'default', Board0, -1, -1, FGHandle0) grab_image (Image0, FGHandle0)

2、算子说明：

1）open_framegrabber

函数功能：打开并设置一个图像采集器

调用格式：open_framegrabber ( : : Name, HorizontalResolution, VerticalResolution, ImageWidth, ImageHeight, StartRow, StartColumn, Field, BitsPerChannel, ColorSpace, Generic, ExternalTrigger, CameraType, Device, Port, LineIn : FGHandle )

参数：Name--Halcon图像采集接口。比如：对应的DLL(Windows)的名字或者共享的库函数（UNIX）的名字Gerneric--图像增益数，可以控制采集到的图像亮度

FGHandle--图像采集函数句柄

2）grab_image

函数功能：采集图像

调用格式：grab_image ( : Image : FGHandle : )

参数：Image----采集图像的名称

FGHandle--帧采集器句柄

===================采集图像部分的程序实例==================== 1）

dev_close_window ()

open_framegrabber ('PXC', 1, 1, 0, 0, 0, 0, 'default', 8, 'default', -1, 'default', 'AUTO', 'default', -1, 1, FGHandle)

grab_image (Image, FGHandle)

get_image_pointer1 (Image, Pointer, Type, Width, Height)

dev_open_window (0, 0, Width, Height, 'black', WindowHandle)

2）

dev_update_window ('off')

open_framegrabber ('DT315x', 2, 2, 0, 0, 0, 0, 'default', -1, 'default', -1, 'default', 'default', 'default', -1, 1, FGHandle)

grab_image (Image, FGHandle)

get_image_pointer1 (Image, Pointer, Type, Width, Height)

dev_close_window ()

dev_open_window (0, 0, Width, Height, 'black', WindowID)

【实验步骤】

1、工件定位：将工件放置到平台转盘上相应位置，确保动态图象采集根据被测对象要求。

2、光源调整：选择前光源或背光源确保图象不受自然光源影响。

3、焦距调节：根据被测对象大小和厚度，调节支架横枞位置和相机焦距。

4、打开图像处理软件，通过变量输入窗口、源程序窗口、菜单栏算子三种方式添加算子，编写工件尺寸的测量与标定程序。其中，相机采集部分的算子可借助菜单栏“助手”—“open new Image acquisition”设置，生成代码。（参见前一部分《图像处理软件操作》），如MV-VS860平台中相机的代码：

open_framegrabber ('DirectShow', 1, 1, 0, 0, 0, 0, 'default', 8, 'rgb', -1, 'false', 'default', 'MV One Video Capture', 0, -1, FGHandle)//采集卡初始化设置

set_framegrabber_param (FGHandle, 'saturation', 0)//设置采集卡参数

while (true)//循环采集

grab_image (Image, FGHandle)

* Do something //在这里添加算法步骤，对Image，即原始图像做处理

endwhile

close_framegrabber (FGHandle)

主要算法步骤：

-----------------------

1)通过包含如图1-1(b)描述引脚的ROI矩形创建测量对象。ROI矩形用以取得垂直于矩形主轴的各个直线边界对。运用算子gen_measure_ rectangle2返回所创建对象的句柄MeasureHandle。

gen_measure_rectangle2 (Row, Column, Phi, Length1, Length2,Interpolation, MeasureHandle) ------------------------

2)将句柄MeasureHandle传寄给测量函数进行测量。用measure_pairs算子检测, 该算子能提取出引脚对应的边缘对并返回其宽度(每组边缘对的两边之间的距，IntraDistance)和距离(连续两个边缘对之间的距离，InterDistance)。

measure_pairs (Image, MeasureHandle, Sigma, Threshold, Transition, Select,RowEdgeFirst, ColumnEdgeFirst, AmplitudeFirst,RowEdgeSecond, ColumnEdgeSecond, AmplitudeSecond,IntraDistance, InterDistance)

------------------------

要测量引脚的宽度及其之间的距离。用一维测量，这个任务可迎刃而解，因为位置、距离都是沿着一条线测量的。

============================参考程序=============================== open_framegrabber('DirectShow',1,1,0,0,0,0,'default',-1,'gray',-1,'default','default',default',-1,-1,FG Handle) //打开图像采集设备, DirectShow即为相机的参数,'gray'表示黑白相机set_framegrabber_param (FGHandle, 'saturation', 0)//设置采集卡参数

while (true)//循环采集

grab_image (Image, FGHandle) //抓取图像

read_image (Image, 'C:/Templ') //读取图像，因grab_image抓取的图像保存在C:/Templ中get_image_pointer1 (Image, Pointer, Type, Width, Height) //获得图像参数

dev_close_window ()

dev_open_window (0, 0, Width, Height, 'black', WindowHandle) //打开图像显示窗口，设置背景色为黑色

dev_display (Image) //显示图像

Row := 390

Column := 380//定义ROI矩形的R/C坐标

Phi := rad(-60) //矩形偏移水平位置的角度，逆时针为正，顺时针为负

Length1 := 60

Length2 := 10 //定义ROI矩形长度及宽度

Interpolation := 'nearest_neighbor' //定义被检测对象的相互关系

gen_measure_rectangle2 (Row, Column, Phi, Length1, Length2, Width, Height, Interpolation, MeasureHandle) //创建ROI矩形

Sigma := 0.9

Threshold := 12

Transition := 'negative'

Select := 'all'

measure_pairs (Image, MeasureHandle, Sigma, Threshold, Transition, Select, RowEdgeFirst, ColumnEdgeFirst, AmplitudeFirst, RowEdgeSecond, ColumnEdgeSecond, AmplitudeSecond, IntraDistance, InterDistance) //在指定ROI矩形区域内，检测符合Threshold := 12的所有边缘对

dev_display (Image)

dev_set_draw ('margin')//设置图形的显示方式

dev_set_color ('black')//设置字体的颜色

gen_rectangle2 (Rectangle, Row, Column, Phi, Length1, Length2)//在显示窗口中输出矩形

p_disp_dimensions (RowEdgeFirst, ColumnEdgeFirst, RowEdgeSecond, ColumnEdgeSecond, IntraDistance, InterDistance, Phi, Length2, WindowHandle) //测量结果显示函数

close_measure (MeasureHandle)// 清除与测量相关的缓存文件

endwhile

close_framegrabber (FGHandle)//关闭图像采集设备

5、电子插件参数实验测量结果如图1-2所示：标示了引脚的边缘，宽度及其之间的距离。

图1-2：开关引脚宽度及相互距离检测结果

参考例程：examples\solution_guide\1d_measuring\measure_switch.dev。

6、延伸训练

图1-3 a)测引脚的宽度以及各个引脚的间距b)测引脚的长度

这个训练的任务是检测芯片的主要尺寸(见图1-3)。

主要算法步骤：

------------------------

1)检测每个引脚的宽度以及各个引脚的间距（更加重要）。我们定义一个包含引脚的矩形ROI(见图1-3a), 这就产生了测量目标。

gen_measure_rectangle2 (Row, Column, Phi, Length1, Length2, Width, eight,’nearest_neighbor’, MeasureHandle)

measure_pairs (Image, MeasureHandle, 1.5, 30, ’negative’, ’all’,RowEdgeFirst, ColumnEdgeFirst, AmplitudeFirst, RowEdgeSecond,ColumnEdgeSecond, AmplitudeSecond, PinWidth, PinDistance)

通过取出的各个直线边界对，就可以得到引脚数目、平均宽度和他们的平均间距

numPins := |PinWidth|

avgPinWidth := sum(PinWidth)/|PinWidth|

avgPinDistance := sum(PinDistance)/|PinDistance|

2)确定引脚的长度。尽管每个引脚的宽度都只有几个象素，但还是可以求出他们的长度。为了完成这个任务，我们画出了一个包含了芯片两个对边引脚的矩形，从而得到了一个新的测量区域(见图1-3b)。找到的第一条边和第二条边之间的距离就是上侧引脚的长度，第三条和第四条就是下面引脚的长度。

gen_measure_rectangle2 (Row, Column, Phi, Length1, Length2, Width, Height,’nearest_neighbor’, MeasureHandle)

measure_pos (Image, MeasureHandle, 1.5, 30, ’all’, ’all’, RowEdge,ColumnEdge, Amplitude, Distance)

参考例程: examples\hdevelop\Applications\Measure\measure pin.dev

============================参考程序===============================

dev_close_window ()

read_image (Image, 'ic_pin')

get_image_pointer1 (Image, Pointer, Type, Width, Height)

dev_open_window (0, 0, Width/2, Height/2, 'black', WindowHandle)

dev_display (Image)

stop ()

draw_rectangle2 (WindowHandle, Row, Column, Phi, Length1, Length2)//创建矩形，各参数定义如下。

Row := 47 //矩形中心点Row值

Column := 485

Phi := 0 //矩形偏移水平位置的角度，逆时针为正，顺时针为负

Length1 := 420 //矩形长度

Length2 := 10 //矩形宽度

dev_set_color ('green')

dev_set_draw ('margin')

dev_set_line_width (3)

gen_rectangle2 (Rectangle, Row, Column, Phi, Length1, Length2)

gen_measure_rectangle2 (Row, Column, Phi, Length1, Length2, Width, Height, 'nearest_neighbor', MeasureHandle)

stop ()

dev_update_pc ('off')

dev_update_var ('off')

n := 100

count_seconds (Seconds1)

for i := 1 to n by 1

measure_pairs (Image, MeasureHandle, 1.5, 30, 'negative', 'all', RowEdgeFirst, ColumnEdgeFirst, AmplitudeFirst, RowEdgeSecond, ColumnEdgeSecond, AmplitudeSecond, PinWidth, PinDistance)

endfor

count_seconds (Seconds2)

Time := Seconds2-Seconds1

stop ()

dev_set_color ('red')

disp_line (WindowHandle, RowEdgeFirst, ColumnEdgeFirst, RowEdgeSecond, ColumnEdgeSecond)

avgPinWidth := sum(PinWidth)/|PinWidth|

avgPinDistance := sum(PinDistance)/|PinDistance|

numPins := |PinWidth|

OpSystem := environment('OS')

if (OpSystem='Windows_NT')

set_font (WindowHandle, '-Arial-18-*-*-*-*-*-')

else

set_font (WindowHandle, '-*-courier-*-*-*-*-18-*-*-*-*-*-*-*')

endif

dev_set_color ('yellow')

set_tposition (WindowHandle, 200, 100) //设置文字输入位置

write_string (WindowHandle, 'Number of pins: '+numPins)//显示测量数据：Number of pins

set_tposition (WindowHandle, 260, 100)

write_string (WindowHandle, 'Average Pin Width: '+avgPinWidth)

set_tposition (WindowHandle, 320, 100)

write_string (WindowHandle, 'Average Pin Distance: '+avgPinDistance)

dump_window (WindowHandle, 'tiff_rgb', 'C:\\Temp\\pins_result')

stop ()

draw_rectangle1 (WindowHandle, Row1, Column1, Row2, Column2)

Row1 := 0

Column1 := 600

Row2 := 100

Column2 := 700

dev_set_color ('blue')

disp_rectangle1 (WindowHandle, Row1, Column1, Row2, Column2)

stop ()

dev_set_part (Row1, Column1, Row2, Column2)

dev_display (Image)

dev_set_color ('green')

dev_display (Rectangle)

dev_set_color ('red')

disp_line (WindowHandle, RowEdgeFirst, ColumnEdgeFirst, RowEdgeSecond, ColumnEdgeSecond)

stop ()

close_measure (MeasureHandle)

dev_set_part (0, 0, Height-1, Width-1)

dev_display (Image)

stop ()

dev_set_color ('green')

draw_rectangle2 (WindowHandle, Row, Column, Phi, Length1, Length2)

Row := 508

Column := 200

Phi := -1.5708

Length1 := 482

Length2 := 35

gen_rectangle2 (Rectangle, Row, Column, Phi, Length1, Length2)

gen_measure_rectangle2 (Row, Column, Phi, Length1, Length2, Width, Height, 'nearest_neighbor', MeasureHandle)

stop ()

measure_pos (Image, MeasureHandle, 1.5, 30, 'all', 'all', RowEdge, ColumnEdge, Amplitude, Distance)

PinHeight1 := RowEdge[1]-RowEdge[0]

PinHeight2 := RowEdge[3]-RowEdge[2]

dev_set_color ('red')

disp_line (WindowHandle, RowEdge, ColumnEdge-Length2, RowEdge, ColumnEdge+Length2) dev_set_color ('yellow')

set_tposition (WindowHandle, RowEdge[1]+40, ColumnEdge[1]+100)

write_string (WindowHandle, 'Pin Height: '+PinHeight1)

set_tposition (WindowHandle, RowEdge[3]-120, ColumnEdge[3]+100)

write_string (WindowHandle, 'Pin Height: '+PinHeight2)

dump_window (WindowHandle, 'tiff_rgb', 'C:\\Temp\\pins_height_result')

close_measure (MeasureHandle)

dev_set_draw ('fill')

dev_set_line_width (1)

实验二线弧测量及定标实验

（一）实验类型：验证性实验

（二）实验目的：

通过该实验使得学生掌握如何建立线弧类工件的基本检测步骤，如何将轮廓分成线段和（圆）弧以及如何测定相关的参数。具备解决实际工件参数（如长、宽、高）视觉测量的问题。进而扎实掌握工件边缘长度测量、圆弧测量以及线段与圆弧混合测量等新技术。

（三）实验要求：

熟练掌握：用Halcon测量弧线及标定算法

学生分组人数：1人/组

（四）实验内容：

测量包括工件顶端凸圆半径、凸缘端两耳朵圆孔半径、两切线长度、中心小孔半径、矩形长度和宽度，工件图像如图2-1所示。

图2-1 待测工件

【实验原理】

1、线弧类工件的测量，需采用近似匹配的方法。

2、亚像素（Sub-Pixel）定义：摄像机的成像面的分辨率以像素数量来衡量。但像素中心之间的距离有几个至十几个微米不等。为了最大限度利用图像信息来提高分辨率，提出了Sub-Pixel概念。意思是说，在两个物理像素之间还有像素，称之为Sub-Pixel，它完全是通过计算方法的出来的。

3、算子及函数说明：

1）edges_sub_pix

函数功能：用Deriche,Lanser,Shen,或者Canny算法进行亚像素级边缘提取。

调用格式：edges_sub_pix( Image : Edges : Filter, Alpha, Low, High : )

参数：Image--输入图像

Edges--得到的图像边缘

Filter--选取滤波器的种类

Alpha--滤波器参数，值选取越小，越平滑；

Low, High--边缘阈值的范围

2）segment_contours_xld

函数功能：把边缘分割为直线，圆弧或者椭圆弧

调用格式：segment_contours_xld( Contours : ContoursSplit : Mode, SmoothCont, MaxLineDist1, MaxLineDist2 : )

参数：Contours--待分割的边缘

ContoursSplit --分割后的边缘

Mode--分割方式

SmoothCont--用于平滑边缘的点数

MaxLineDist1, MaxLineDist2---第一次和第二次计算时轮廓和直线的最大距离

4、轮廓提取实现流程:

1）获取图像==使用ROI区域==提取边缘和线(edges_sub_pix，

edges_color_sub_pix,lines_gauss，lines_color)==确定轮廓属性

(get_contour_attrib_xld,get_contour_global_attrib_xld，

query_contour_attribs_xld,query_contour_global_attribs_xld)==处理XLD Contours==显示结果

2）生成XLD（edges_sub_pix, edges_color_sub_pix，lines_gauss, lines_facet等边缘提取后，可以得到XLD。在sobel_amp，edges_image或bandpass_image之后，使用二值函数得到的是Region，需要生成XLD，相应算子gen_contour_polygon_xld，

gen_contour_polygon_rounded_xld）

处理XLD（segment_contours_xld, split_contours_xld分割成直线、圆弧等，select_shape_xld选取满足条件的直线、圆弧。union_collinear_contours_xld，union_straight_contours_xld，union2_closed_contours_xld等合并线段）

拟合（fit_line_contour_xld配合gen_contour_polygon_xld，fit_rectangle2_contour_xld 配合gen_rectangle2_contour_xld，fit_circle_contour_xld配合gen_circle_contour_xld，fit_ellipse_contour_xld 配合gen_ellipse_contour_xld)

5、测量结果是像素值，得到的数值并不代表实际物理尺寸。不同相机像素点面积大小各异，故测量结果若用像素值表示，则与相机分辨率成正比。若用物理值表示，则需进行标定计算。

【实验步骤】

1、工件定位：将工件放置到平台转盘上相应位置，确保动态图象采集根据被测对象要求。

2、光源调整：选择前光源或背光源确保图象不受自然光源影响。

3、焦距调节：根据被测对象大小和厚度，调节支架横枞位置和相机焦距。

4、编写工件尺寸的测量与标定程序。

主要算法步骤：

------------------------

1)检测图像边界。

edges_sub_p ix (Image, Edges, ’lanser2’, 0.5, 40, 90)

segment_contours_xld (Edges, ContoursSplit, ’lines_circles’, 6, 4, 4)

sort_contours_xld (ContoursSplit, SortedContours, ’upper_left’, ’true’,’column’)

------------------------

2）将线和圆匹配到提取的片段上。个别的片段必须在一个循环里存取。对于这个，首先它们的总数可以用count_obj来判定（注意HDevelop将这个算子看成一个任务）。在这个循环里，个别的片段被select_obj算子选择出来。然后，它们的类型（线或圆弧）通过get_contour_global_attrib_xld读取一个全局属性来决定。具体是匹配一个圆或线由结果决定。鉴于显示的目的，圆和线的建立使用测定的参数。

NumSegments := |SortedContours|

for i := 1 to NumSegments by 1

SingleSegment := SortedContours[i]

get_contour_global_attrib_xld (SingleSegment, ’cont_approx’, Attrib)

if (Attrib = 1)

fit_circle_contour_xld (SingleSegment, ’atukey’, -1, 2, 0, 5, 2, Row,Column, Radius, StartPhi, EndPhi, PointOrder)

gen_ellipse_contour_xld (ContEllipse, Row, Column, 0, Radius, Radius,0, rad(360), ’positive’, 1.0)

else

------------------------

3）线的长度由算子distance_pp计算出来。

fit_line_contour_xld (SingleSegment, ’tukey’, -1, 0, 5, 2, RowBegin,ColBegin, RowEnd, ColEnd, Nr, Nc, Dist)

gen_contour_polygon_xld (Line, [RowBegin,RowEnd], [ColBegin,ColEnd])

distance_pp (RowBegin, ColBegin, RowEnd, ColEnd, Length)

Endif

Endfor

=============================参考程序============================== open_framegrabber('DirectShow',1,1,0,0,0,0,'default',-1,'rgb',-1,'default','default',default',-1,-1,FG Handle) //打开图像采集设备, DirectShow即为相机的参数

grab_image_start (FGHandle, -1) //开始抓取图像

grab_image_async (Image, FGHandle, -1) //抓取图像进行中，图片名称为Image

read_image (Image, 'C:/Templ') //读取图像，因grab_image抓取的图像保存在C:/Templ中get_image_pointer1 (Image, Pointer, Type, Width, Height) //获得图像参数

dev_close_window ()

dev_open_window (0, 0, Width, Height, 'black', WindowHandle) //打开图像显示窗口，设置背景色为黑色

dev_display (Image) //显示图像

init_visualization (Image, 3, 'yellow', 'margin', Width, Height, WindowID) // 函数，包含设置图形显示窗口尺寸并设置正确的动态显示参数的系列算子：如，线条颜色为yellow。

stop ()

edges_sub_pix (Image, Edges, 'lanser2', 0.5, 40, 90)//提取轮廓，lanser2为滤取算法，参数不同效果不同

dev_display (Edges)//显示轮廓

stop ()

segment_contours_xld (Edges, ContoursSplit, 'lines_circles', 6, 4, 4)//对提取轮廓中的线弧分类sort_contours_xld (ContoursSplit, SortedContours, 'upper_left', 'true', 'column')

dev_clear_window ()

dev_set_colored (12)

dev_display (SortedContours)

stop ()

open_zoom_window (0, round(Width/2), 115, 225, 395, 535, 2, WindowHandleZoom)

init_font (WindowHandleZoom, 'Courier', 3)//设置显示的文字字体为Courier，3 NumSegments := |SortedContours|

dev_display (Image)

NumCircles := 0

NumLines := 0

for i := 1 to NumSegments by 1

SingleSegment := SortedContours[i]

get_contour_global_attrib_xld (SingleSegment, 'cont_approx', Attrib)

if (Attrib = 1)

NumCircles := NumCircles + 1

fit_circle_contour_xld (SingleSegment, 'atukey', -1, 2, 0, 5, 2, Row, Column, Radius, StartPhi, EndPhi, PointOrder)

gen_ellipse_contour_xld (ContEllipse, Row, Column, 0, Radius, Radius, 0, rad(360), 'positive', 1.0)

dev_set_color ('white')

dev_display (ContEllipse)

set_tposition (WindowHandleZoom, Row - Radius - 10, Column)

write_string (WindowHandleZoom, 'C' + NumCircles)

ResultText := 'C' + NumCircles + ': radius = ' + Radius

else

NumLines := NumLines + 1 //循环，将圆匹配到提取的轮廓片段上并测半径

fit_line_contour_xld (SingleSegment, 'tukey', -1, 0, 5, 2, RowBegin, ColBegin, RowEnd, ColEnd, Nr, Nc, Dist) //将线匹配到提取的轮廓片段上

gen_contour_polygon_xld (Line, [RowBegin,RowEnd], [ColBegin,ColEnd])

dev_set_color ('yellow')

dev_display (Line)

distance_pp (RowBegin, ColBegin, RowEnd, ColEnd, Length) //测量起点到终点的距离，及线段的长度

set_tposition (WindowHandleZoom, (RowBegin+RowEnd)/2 - Nr*10, (ColBegin+ColEnd)/2) //定义文字内容输出位置

write_string (WindowHandleZoom, 'L' + NumLines)

ResultText := 'L' + NumLines + ': length = ' + Length

endif

set_tposition (WindowHandleZoom, 275 + i*10, 230)

write_string (WindowHandleZoom, ResultText)

endfor

stop ()

close_zoom_window (WindowHandleZoom, Width, Height)

close_framegrabber (FGHandle)

reset_hdevelop ()

5、图2-2显示了粗略匹配覆盖输入图像的最后结果。

图2-2 匹配的线和圆

参考例程：MVTec\HALCON\examples\solution_guide\basics\measure_metal_part.dev

6、工件物理尺寸标定

测得结果是像素值，与物件的实际尺寸不同。同样线段长度，像素值会随着采集距离的远近而变小变大，会随相机分辨率的变化而改变。要得到实际尺寸，需要定标，把像素值转换为实际尺寸。在测定三维物体时，假设相机与被测物垂直，焦距与物距相同，测量刻度尺实际尺寸对应的像素值，再把物体测量的像素值按比例换算成被测物体的实际尺寸。

参见实验一的间距测量方法，标定如图2-3刻度尺上1cm的像素值。

图2-3 标定标尺

例如：标定得1cm的像素值为134.1+（5.62+5.69）/2=139.75。则1mm对应的像素为13.975

像素。然后，工件实际尺寸就能通过测量物体的像素值轻而易举换算出结果。

7、用刻度尺测量工具各参数值，对比实验结果。

表一工件实际参数测量值（mm）

测定项目像素值换算尺寸实际测量值测量误差（%）顶端凸圆半径

凸缘端两耳朵圆孔

半径

两切线长度

两中心小孔半径

矩形两长边的长度

矩形宽度

【思考题】

1、概述近似匹配法的基本步骤，以线或者圆为例，写出具体算子。

2、实验中改变物距，调高或调低相机位置，所得的数据结果有何变化？测得工件的物

理尺寸值精确度是否会有变化？

实验三铸件环形间距测量实验

（一）实验类型：综合性实验

（二）实验目的：

通过该实验使得学生掌握如何利用环形ROI, 建立测量环状铸件类工件的基本检测步骤，包括工件定位、光源调整、焦距调节等图象测量等，扎实掌握实际应用中，工件圆弧测量新技术，具备解决实际复杂对象尺寸图像测景的技术难题。

（三）实验要求：

学生分组人数：1人/组

（四）实验内容：

1、与直线间距测量类似，环形距离的测量则使用环形量测的ROI 来作为测量的工具，选择环形ROI可以容易的完成环形弧长之类的测量。

2、算子说明：

1）gen_measure_arc

函数功能：产生垂直于直线边界的环形弧。

调用格式：gen_measure_arc ( : : CenterRow, CenterCol, Radius, AngleStart, AngleExtent, AnnulusRadius, Width, Height, Interpolation : MeasureHandle )

参数：CenterRow--弧中心点所在的行坐标

CenterCol--弧中心点所在的里列坐标

AngleStart,--弧线的起始点弧度

2）measure_pos

函数功能：提取垂直于弧形线段的直线边界之间的距离

调用格式：measure_pos ( Image : : MeasureHandle, Sigma, Threshold, Transition, Select : RowEdge, ColumnEdge, Amplitude, Distance )

参数：Image --待测量图像

MeasureHandle--对象句柄，由gen_measure_arc得到

Sigma--高斯平滑系数

Transition--灰度值转换类型，用来决定提取的边缘如何分组，有“all"，"positive"等

【实验步骤】

1、工件定位：将工件放置到平台转盘上相应位置，确保动态图象采集根据被测对象要求。

2、光源调整：选择前光源或背光源确保图象不受自然光源影响。要达成一个最正确的测量，建议使用背光板配合采集设备。

3、焦距调节：根据被测对象大小和厚度，调节支架横枞位置和相机焦距。采集不同实验条件下的图片，保存于同一目录文件夹下，以备后续实验分析。

4、编写工件尺寸的测量与标定程序。

主要算法步骤：

------------------------

1）将ROI 的中心放置于cast part 的中心处。并将它的半径设成从中心到瘦长凹洞的距离。

Row := 275

Column := 335

Radius := 107

AngleStart := -rad(55)

AngleExtent := rad(170)

gen_measure_arc (Row, Column, Radius, AngleStart, AngleExtent, 10, Width, Height, 'nearest_neighbor', MeasureHandle)

------------------------

2）利用算子measure_pos呼叫，洞与洞之间的距离即可测量出。

measure_pos (Zeiss1, MeasureHandle, 1, 10, 'all', 'all', RowEdge,

ColumnEdge, Amplitude, Distance)

============================参考程序=============================== read_image (Zeiss1, 'C:/实验/铸件/zeiss1') //读取图像

****读图可以采用open_framegrabber直接窗口抓图，也可打开现存的图像文件。如：C:/实验/铸件/zeiss1 即为该例子图片保存的根目录。

get_image_pointer1 (Zeiss1, Pointer, Type, Width, Height)

dev_close_window ()

dev_open_window (0, 0, Width/2, Height/2, 'black', WindowHandle)

dev_display (Zeiss1) //显示图片

stop ()

draw_circle (WindowHandle, Row, Column, Radius)

Row := 275

Column := 335

Radius := 107

AngleStart := -rad(55)

AngleExtent := rad(170)

dev_set_draw ('fill')

dev_set_color ('green')

dev_set_line_width (1)

get_points_ellipse (AngleStart+AngleExtent, Row, Column, 0, Radius, Radius, RowPoint, ColPoint)

disp_arc (WindowHandle, Row, Column, AngleExtent, RowPoint, ColPoint)

dev_set_line_width (3)

gen_measure_arc (Row, Column, Radius, AngleStart, AngleExtent, 10, Width, Height, 'nearest_neighbor', MeasureHandle)

stop ()

count_seconds (Seconds1)

n := 10

for i := 1 to n by 1

measure_pos (Zeiss1, MeasureHandle, 1, 10, 'all', 'all', RowEdge, ColumnEdge, Amplitude, Distance)

endfor

count_seconds (Seconds2)

Time := (Seconds2-Seconds1)/n

stop ()

distance_pp (RowEdge[1], ColumnEdge[1], RowEdge[2], ColumnEdge[2], IntermedDist)//测量点与点之间的间距

dev_display (Zeiss1)

dev_set_color ('red')

disp_circle (WindowHandle, RowEdge, ColumnEdge, RowEdge-RowEdge+1)

disp_line (WindowHandle, RowEdge[1], ColumnEdge[1], RowEdge[2], ColumnEdge[2]) OpSystem := environment('OS')

if (OpSystem='Windows_NT')

set_font (WindowHandle, '-Arial-18-*-*-*-*-*-')

else

set_font (WindowHandle, '-*-courier-*-*-*-*-18-*-*-*-*-*-*-*')

endif

dev_set_color ('yellow')

set_tposition (WindowHandle, 250, 80)

write_string (WindowHandle, 'Distance: '+IntermedDist)

dump_window (WindowHandle, 'tiff_rgb', 'C:\\Temp\\zeiss_result')

close_measure (MeasureHandle)

4、图3-1显示了图像测量的最后结果。

图 3-1 测量洞与洞间的距离

参考范例：examples\hdevelop\Applications\Measure\measure arc.dev

【思考题】

3、写出矩形ROI与环形ROI创建过程的具体算子，比较其中的不同。

4、本实验中，影响实验精度的最重要参数是哪个？若其值变大变小，对结果有何影响？

测试技术实验指导书及实验报告2006级用汇总

矿压测试技术实验指导书 学号： 班级： 姓名： 安徽理工大学 能源与安全学院采矿工程实验室

实验一常用矿山压力仪器原理及使用方法 第一部分观测岩层移动的部分仪器 ☆深基点钻孔多点位移计 一、结构简介 深基点钻孔多点位移计是监测巷道在掘进和受采动影响的整个服务期间，围岩内部变形随时间变化情况的一种仪器。 深基点钻孔多点位移包括孔内固定装置、孔中连接钢丝绳、孔口测读装置组成。每套位移计内有5~6个测点。其结构及其安装如图1所示。 二、安装方法 1.在巷道两帮及顶板各钻出φ32的钻孔。 2.将带有连接钢丝绳的孔内固定装置，由远及近分别用安装圆管将其推至所要求的深度。(每个钻孔布置5~6个测点，分别为；6m、5m、4m、3m、2m、lm或12m、10m、8m、6m、4m、2m)。 3.将孔口测读装置，用水泥药圈或木条固定在孔口。 4。拉紧每个测点的钢丝绳，将孔口测读装置上的测尺推至l00mm左右的位置后，由螺丝将钢丝绳与测尺固定在一起。 三、测试方法 安装后先读出每个测点的初读数，以后每次读得的数值与初读数之差，即为测点的位移值。当读数将到零刻度时，松开螺丝，使测尺再回到l00mm左右的位置，重新读出初读数。 ☆顶板离层指示仪 一、结构简介： 顶板离层指示仪是监测顶板锚杆范围内及锚固范围外离层值大小的一种监测仪器，在顶板钻孔中布置两个测点，一个在围岩深部稳定处，一个在锚杆端部围岩中。离层值就是围岩中两测点之间以及锚杆端部围岩与巷道顶板表面间的相对位移值。顶板离层指示仪由孔内固定装置、测量钢丝绳及孔口显示装置组成如图1所示。

二、安装方法： 1.在巷道顶板钻出φ32的钻孔，孔深由要求而定。 2.将带有长钢丝绳的孔内固定装置用安装杆推到所要求的位置；抽出安装杆后再将带有短钢丝绳的孔内固定装置推到所要求的位置。 3.将孔口显示装置用木条固定在孔口(在显示装置与钻孔间要留有钢丝绳运动的间隙)。 4.将钢丝绳拉紧后，用螺丝将其分别与孔口显示装置中的圆管相连接，且使其显示读数超过零刻度线。 三、测读方法： 孔口测读装置上所显示的颜色，反映出顶板离层的范围及所处状态，显示数值表示顶板的离层量。☆DY—82型顶板动态仪 一、用途 DY-82型顶板动态仪是一种机械式高灵敏位移计。用于监测顶底板移近量、移近速度，进行采场“初次来压”和“周期来压”的预报，探测超前支撑压力高 峰位置，监测顶板活动及其它相对位移的测量。 二、技术特征 (1)灵敏度(mm) 0.01 (2)精度(％) 粗读±1,微读±2.5 (3)量程(mm) 0～200 (4)使用高度(mm) 1000～3000 三、原理、结构 其结构和安装见图。仪器的核心部件是齿条6、指针8 以及与指针相连的齿轮、微读数刻线盘9、齿条下端带有读 数横刻线的游标和粗读数刻度管11。 当动态仪安装在顶底板之间时，依靠压力弹簧7产生的 弹力而站立。安好后记下读数(初读数)并由手表读出时间。 粗读数由游标10的横刻线在刻度管11上的位置读出，每小 格2毫米，每大格(标有“1”、“22'’等)为10毫米，微读数 由指针8在刻线盘9的位置读出，每小格为0.01毫米(共200 小格，对应2毫米)。粗读数加微读数即为此时刻的读数。当 顶底板移近时，通过压杆3压缩压力弹簧7，推动齿条6下 移，带动齿轮，齿轮带动指针8顺时针方向旋转，顶底板每 移近0.01毫米，指针转过1小格；同时齿条下端游标随齿条 下移，读数增大。后次读数减去前次读数，即为这段时间内的顶底板移近量。除以经过的时间，即得

Halcon机器视觉实验指导书

机器视觉软件HALCON 实验指导书 目录 实验1 HALCON 概述，应用范例 实验2 HDevelop介绍，操作编程范例 实验3 HALCON编程接口，高级语言编程 实验4 HALCON数据结构，采集硬件接口 实验5 HALCON采集硬件配置，图像采集 实验6 HALCON二维测量，配准测量与识别定位 实验7 HALCON一维测量，尺寸测量 实验8 HALCON三维测量，3D重建测量 实验1 HALCON 概述，应用范例 实验2 HDevelop介绍，操作编程范例 1 邮票分割 文件名: stamps.dev 第一个例子进行文件分析任务。图5.1展示了部分邮票目录页。它描述了两种不同的邮票：以图形描述为主和以文字描述为主。 为了使用这个例子，必须把文字描述转化为计算机所能理解的形式。你可能使用OCR编程方式，你很快发现由于邮票的图形描述会导致大多数的可使用模块产生错误。于是另一项任务必须要进行预处理：对所有的邮票进行转化(例如,把邮票转化为灰色有价值的纸)，这样就可以使用OCR处

理邮票的剩余部分了。 当创造一个应用程序来解决这种问题,对要处理的对象进行特征提取是非常有帮助的。这个任务可以为新手提供解决的这类问题一些的经验。 ●一般而言，特征提取有如下步骤：邮票比纸要黑。 ●邮票包含图像的部分不重叠。 ●邮票具有最大最小尺寸。 ●邮票是长方形的。

图 5.1: Mi c he l图表的部分页. 如果直接使用属性清单而非编程，任务会变得很简单。可惜由于语言的含糊，这是不可能的。所以你需要建构具有精确的语法和语义的语言,尽可能接近非正式的描述。使用HDevelop语法，一个通常的程序看起来如下： dev_close_window () read_image (Catalog, ’swiss1.tiff’) get_image_pointer1 (Catalog, Pointer, Type, Width, Height) dev_open_window (0, 0,Width/2, Height/2, ’black’, WindowID) dev_set_part (0, 0,Height-1, Width-1) dev_set_draw (’fill’)

2018年机器视觉实验报告-范文模板 (13页)

本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！ == 本文为word格式，下载后可方便编辑和修改！ == 机器视觉实验报告 实验报告 课程名称： 班级： 姓名： 学号： 实验时间： 实验一 一．实验名称 Matlab软件的使用 二．实验内容 1.打开MATLAB软件，了解菜单栏、工具栏、状态栏、命令窗口等； 2.了解帮助文档help中演示内容demo有哪些； 3.找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。 三．实验原理： 通过matlab工具箱来进行图像处理 四．实验步骤 1. 双击桌面上的matlab图标，打开matlab软件 2. 了解菜单栏、工具栏、状态栏、命令窗口等

如下图1-1所示 图 1-1 3. 了解帮助文档help中演示内容demo有哪些； 步骤如下图1-2 图1-2 打开help内容demo后，里面的工具箱如图所示。 图1-3 4. 找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。找到并打开Image Processing工具箱，窗口如图1-4 ，图1-5所示 图 1-4 图 1-5 五.实验总结和分析 通过实验前的理论准备和老师的讲解，对matlab有了一定认识，在实验中，了解了实际操作中的步骤以及matlab中的图像处理工具箱及其功能，为后续的学习打下了基础，并把理论与实际相结合，更加深入的理解图像处理。 实验二 一．实验名称 图像的增强技术 二．实验内容 1.了解图像增强技术/方法的原理； 2.利用matlab软件，以某一用途为例，实现图像的增强； 3.通过程序的调试，初步了解图像处理命令的使用方法。 三．实验原理： 通过matlab工具箱来进行图像处理，通过输入MATLAB可以识别的语言命令来让MATLAB执行命令，实现图像的增强。

机器视觉简介

机器视觉概述 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 【应用领域】 机器视觉广泛应用于各个方面，广泛应用于微电子、PCB生产、自动驾驶、印刷、科学研究和军事等领域。 【基本构造】 一个典型的工业机器视觉系统包括：光源、镜头、CCD 照相机、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯/ 输入输出单元等。系统可再分为、主端电脑(Host Computer)、影像获取卡(Frame Grabber)与影像处理器、影像摄影机、CCTV镜头、显微镜头、照明设备、Halogen光源、LED光源高周波萤光灯源、闪光灯源、其他特殊光源、影像显示器、LCD、机构及控制系统、PLC、PC-Base控制器、精密桌台、伺服运动机台。 以上涵盖大部分的机器视觉系统组成部分，在本实验室中机器视觉的主要系统组成为：光源、工控机、工业相机、镜头；其中在进行算法设计时尽量的减少对于光源条件的依赖（实验室的光源性能一般，光照条件良好）。 图1 典型的机器视觉系统

图2 本实验室的机器视觉的主要组成 尽量以本实验室现有的实验条件为主，其他需要的部分按实际要求也可以添加。 【工作原理】 机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/ 不合格、有/ 无等，实现自动识别功能。 【机器视觉系统的典型结构】 一个典型的机器视觉系统包括以下五大块： 1.照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。

混凝土结构实验指导书及实验报告(学生用)

土木工程学院 《混凝土结构设计基本原理》实验指导书 及实验报告 适用专业：土木工程周淼 编 班级：：学 号： 理工大学 2018 年9 月

实验一钢筋混凝土梁受弯性能试验 一、实验目的 1.了解适筋梁的受力过程和破坏特征； 2.验证钢筋混凝土受弯构件正截面强度理论和计算公式； 3.掌握钢筋混凝土受弯构件的实验方法及荷载、应变、挠度、裂缝宽度等数据的测试技术 和有关仪器的使用方法； 4.培养学生对钢筋混凝土基本构件的初步实验分析能力。 二、基本原理当梁中纵向受力钢筋的配筋率适中时，梁正截面受弯破坏过程表现为典型的三个阶段：第一阶段——弹性阶段（I阶段）：当荷载较小时，混凝土梁如同两种弹性材料组成的组合梁，梁截面的应力呈线性分布，卸载后几乎无残余变形。当梁受拉区混凝土的最大拉应力达到混凝土的抗拉强度，且最大的混凝土拉应变超过混凝土的极限受拉应变时，在纯弯段某一薄弱截面出现首条垂直裂缝。梁开裂标志着第一阶段的结束。此时，梁纯弯段截面承担的弯矩M cr称为开裂弯矩。第二阶段——带裂缝工作阶段（II阶段）：梁开裂后，裂缝处混凝土退出工作，钢筋应力急增，且通过粘结力向未开裂的混凝土传递拉应力，使得梁中继续出现拉裂缝。压区混凝土中压应力也由线性分布转化为非线性分布。当受拉钢筋屈服时标志着第二阶段的结束。此时梁纯弯段截面承担的弯矩M y称为屈服弯矩。第三阶段——破坏阶段（III阶段）：钢筋屈服后，在很小的荷载增量下，梁会产生很大的变形。裂缝的高度和宽度进一步发展，中和轴不断上移，压区混凝土应力分布曲线渐趋丰满。当受压区混凝土的最大压应变达到混凝土的极限压应变时，压区混凝土压碎，梁正截面受弯破坏。此时，梁承担的弯矩M u 称为极限弯矩。适筋梁的破坏始于纵筋屈服，终于混凝土压碎。整个过程要经历相当大的变形，破坏前有明显的预兆。这种破坏称为适筋破坏，属于延性破坏。 三、试验装置

二维影像测量仪实验报告

一、实验目的 采用影像测量仪验收印刷电路板。 要求： （1）学习并掌握影像测量仪的构成和工作原理； （2）通过实践，掌握影像测量仪的操作使用，包括仪器的调节、标定、瞄准、测量；（3）掌握仪器软件的使用，测量数据采集，数据处理，误差评定； （4）采用投射/反射照明测量，测量印刷电路板，要求测量BGA封装（至少测量10个焊盘）焊盘的尺寸、焊盘间距；至少测量十条引线的线宽和间距；至少测量10 个过孔的尺寸。 （5）对照设计图纸，给出合格性结论，形成测量报告。 （6）撰写实验报告，包括原理、步骤、数据与处理、结论等。 二、影像测量仪的构成和工作原理 （1）构成 影像测量仪是一种由高解析度CCD彩色镜头、连续变倍物镜、彩色显示器、视频十字线显示器、精密光栅尺、多功能数据处理器、数据测量软件与高精密工作台结构组成的高精度光学影像测量仪器。 图1总体结构

加工定制：否分辨率：0.001（mm）测量行程：250*150*200（mm） 品牌：贵阳新天型号：JVB250 放大倍率：光学0.7-4.5X 影像28-180X 操作方式：手动测量精度：(3+L/200)um 外形尺寸（长*宽*高）：1000*650*1650（mm） JVB250的规格参数： ①测量范围: X坐标: 250mm Y坐标: 150mm 调焦行程: Z坐标: 200mm ②X、Y、坐标分辨率： 0.0005mm ③仪器准确度：(3+L/200)μm 其中L为被测长度，单位mm ④CCD摄像机：1/3″彩色摄像机，象素数：795(H)×596(V) ⑤物镜放大率： 0.7 ～ 4.5×连续变倍，影像放大28～ 180倍。 ⑥与放大率对应的物镜工作距离：75mm～90mm ⑦与放大率对应的物面最大高度：150mm～130mm ⑧工作台承重：30kg ⑨金属工作台尺：450mm×300mm ⑩主机外形尺寸：580mm×750mm×660mm （2）工作原理 影像测量仪是基于机器视觉的自动边缘提取、自动理匹、自动对焦、测量合成、影像合成等人工智能技术，具有点哪走哪自动测量、CNC走位自动测量、自动学习批量测量的功能，影像地图目标指引，全视场鹰眼放大等优异的功能。同时，基于机器视觉与微米精确控制下的自动对焦过程，可以满足清晰影像下辅助测量需要，亦可加入触点测头完成坐标测量。支持空间坐标旋转的优异软件性能，可在工件随意放置或使用夹具的情况下进行批量测量与SPC结果分类。 被测工件置于工作台上，在投射或反射光照明下，工件影像被摄像头摄取并传送到计算机，此时可使用软件的影像、测量等功能，配合对工作台的坐标采集，对工件进行点、线、面全方位测量。 影像测量仪是利用表面光或轮廓光照明后，经变焦距物镜通过摄像镜头，摄取影像再通过S端子传送到电脑屏幕上，然后以十字线发生器在显示器上产生的视频十字线为基准对被测物进行瞄准测量。并通过工作台带动光学尺，在X、Y方向上移动由DC-3000多功能数据处理器进行数据处理，通过软件进行演算完成测量工作。影像测量主要是利

土工实验指导书及实验报告

土工实验指导书及实验报告编写毕守一 安徽水利水电职业技术学院 二OO九年五月

目录 实验一试样制备 实验二含水率试验 实验三密度试验 实验四液限和塑限试验 实验五颗粒分析试验 实验六固结试验 实验七直接剪切试验 实验八击实试验 土工试验复习题

实验一试样制备 一、概述 试样的制备是获得正确的试验成果的前提，为保证试验成果的可靠性以及试验数据的可比性，应具备一个统一的试样制备方法和程序。 试样的制备可分为原状土的试样制备和扰动土的试样制备。对于原状土的试样制备主要包括土样的开启、描述、切取等程序；而扰动土的制备程序则主要包括风干、碾散、过筛、分样和贮存等预备程序以及击实等制备程序，这些程序步骤的正确与否，都会直接影响到试验成果的可靠性，因此，试样的制备是土工试验工作的首要质量要素。 二、仪器设备 试样制备所需的主要仪器设备，包括： （1）孔径0.5mm、2mm和5mm的细筛； （2）孔径0.075mm的洗筛； （3）称量10kg、最小分度值5g的台秤； （4）称量5000g、最小分度值1g和称量200g、最小分度值0.01g的天平；

（5）不锈钢环刀（内径61.8mm、高20mm；内径79.8mm、高20mm或内径61.8mm、高40mm）； （6）击样器：包括活塞、导筒和环刀； （7）其他：切土刀、钢丝锯、碎土工具、烘箱、保湿器、喷水设备、凡士林等。 三、试样制备 （一）原状土试样的制备步骤 1、将土样筒按标明的上下方向放置，剥去蜡封和胶带，开启土样筒取土样。 2、检查土样结构，若土样已扰动，则不应作为制备力学性质试验的试样。 3、根据试验要求确定环刀尺寸，并在环刀内壁涂一薄层凡士林，然后刃口向下放在土样上，将环刀垂直下压，同时用切土刀沿环刀外侧切削土样，边压边削直至土样高出环刀，制样时不得扰动土样。 4、采用钢丝锯或切土刀平整环刀两端土样，然后擦净环刀外壁，称环刀和土的总质量。 5、切削试样时，应对土样的层次、气味、颜色、夹杂物、裂缝和均匀性进行描述。 6、从切削的余土中取代表性试样，供测定含水率以及颗粒分析、界限含水率等试验之用。

机器视觉实验报告3

实验五图像的分割与边缘提取 一、实验内容 1.图像阂值分割 实验代码： clear all, close all; I=imread('flower.tif'); figure(1),imshow(I) figure(2); imhist(I) T=120/255; Ibw1=im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L=uint8(T*255) Ibw2=im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; 运行结果：

实验代码： clear all, close all; I=imread('flower.tif'); figure(1),imshow(I) figure(2); imhist(I) T=240/255; Ibw1=im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L=uint8(T*255) Ibw2=im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; 运行结果：

2.边缘检测 实验代码： clear all, close all; I=imread('flower.tif'); BW1=edge(I,'sobel'); BW2=edge(I,'canny'); BW3=edge(I,'prewitt'); BW4=edge(I,'roberts'); BWS=edge(I,'log'); figure(1), imshow(I), title('Original Image'); figure(2), imshow(BW1), title('sobel'); figure(3), imshow(BW2), title('canny'); figure(4), imshow(BW3), title('prewitt'); figure(5), imshow(BW4), title('roberts'); figure(6), imshow(BWS), title('log'); %在完成上述试验后,查看函数edge()使用说明。help edge 运行结果：

机器视觉在线检测详解

广东省东莞市莞城区莞太路34号东莞市创意产业中心园区8座502 Unit 502, Building 8, Creative Industry Center Park, No. 34 Guantai Road, Guancheng District, Dong Guan 523000, P.R.China 机器视觉在线检测详解 机器视觉的一个重要应用就是进行在线检测。这个与物体静止时的视觉检测系统不同，最起码图像摄取的速度要足够快才行，不然就不可能在被测物体运动时获取足够清晰的图像，再一个就是机器视觉软件的图像处理能力也要足够强，分析判断周期要够短，不然等反应过来了，产品可能都已经走出次品剔除系统的工作范围了。这样的机器视觉在线检测就是不合格的。 1 机器视觉在线检测的基本原理 基于机器视觉的在线检测系统的基本原理：首先通过视觉传感器获取高速流水线上运动待检测物体图像，图像传送到计算机后，计算机调用专用的图像处理软件来对检测物体进行检测、测量、分析、判断。多功能检测实验平台的硬件结构如图1所示，机器视觉在线检测系统的基本模块包括：传动装置、专用LED光源、图像采集模块、电气控制模块。 2 多功能检测实验平台运动控制部分设计 在这套系统中，运动控制部分选用工业PC＋运动控制卡＋步进电机的控制模式。运动控制卡是步进电机公司的MPC01。它配备了许多功能强大、内容丰富的运动控制软件工具和函数库。MPC01运动函数库用于二次开发，用户只要用C／C＋＋或Visual Basic等编制所需的用户界面程序，并把它与MPC01

运动库链接起来，就可以开发出自己的控制系统。 3 专用LED光源 光源对图像质量的影响是至关重要的，考虑到本套试验平台将要进行各种物品的检测实验，开发设计了多种专用LED照明方案以适应各种不同的待检物体。直环型用于各种具有稳定照度和清晰图像的工件；狭角型用于各种透明工件或低对比度工件；棒型用于透明、光滑、镀金表面；圆顶型用于不平整或弯曲的表面检测，金属包片上的印刷字体或弯曲表面的孔穴；背光型用于透明材料或液体的检测；同轴型用于光滑、电镀、低反射表面。 4 高速图像采集系统 图像采集部分将完成流水线上的运动图像获取，采集图像质量的好坏将直接影响整个检测效率。图像采集部分主要由CCD摄像机完成。CCD摄像机摄取图像信号，由图像采集卡将图像信号采集进来。本套实验装置选用两个方位的摄像机对待检测物体进行检测，一个俯拍位一个侧拍位，对有些待检测物体可以进行多方位的检测。摄像机采用的是Pulnix公司的TM6703，采集卡选用Matrox 公司的Comora2。 4.1 图像采集卡 Matrox Corona Ⅱ是Matrox Graphics Inc．生产的图像控制器，可采集隔行扫描／逐行扫描的分量RGB信号和单／双路黑白模拟视频信号；3路10bit A／D转换器；24-bit RS-422／LVDS数字接口；模拟情况下采集率达到30MHz，RS-422数字模式下达25MHz，LVDS数字模式下达40MHz；连接2个RGB 或6个模拟黑白视频信号；32-bit／33MHz PCI总线主模式；扩展板上实时采

CAD上机实验指导书及实验报告

北京邮电大学世纪学院 实验、实习、课程设计报告撰写格式与要求 （试行） 一、实验报告格式要求 1、有实验教学手册，按手册要求填写，若无则采用统一实验报告封面。 2、报告一律用钢笔书写或打印，打印要求用A4纸；页边距要求如下：页边距上下各为2.5厘米，左右边距各为2.5厘米；行间距取固定值（设置值为20磅）；字符间距为默认值（缩放100%，间距：标准）。 3、统一采用国家标准所规定的单位与符号，要求文字书写工整，不得潦草；作图规范，不得随手勾画。 4、实验报告中的实验原始记录，须经实验指导教师签字或登记。 二、实习报告、课程设计报告格式要求 1、采用统一的封面。 2、根据教学大纲的要求手写或打印，手写一律用钢笔书写，统一采用国家标准所规定的单位与符号，要求文字书写工整，不得潦草；作图规范，不得随手勾画。打印要求用A4纸；页边距要求如下：页边距上下各为2.5厘米，左右边距各为2.5厘米；行间距取固定值（设置值为20磅）；字符间距为默认值（缩放100%，间距：标准）。 三、报告内容要求 1、实验报告内容包括：实验目的、实验原理、实验仪器设备、实验操作过程、原始数据、实验结果分析、实验心得等方面内容。 2、实习报告内容包括：实习题目、实习任务与要求、实习具体实施情况（附上图表、原始数据等）、实习个人总结等内容。 3、课程设计报告或说明书内容包括：课程设计任务与要求、总体方案、方案设计与分析、所需仪器设备与元器件、设计实现与调试、收获体会、参考资料等方面内容。 北京邮电大学世纪学院 教务处 2009-8

实验报告 课程名称计算机绘图（CAD） 实验项目AutoCAD二维绘图实验 专业班级 姓名学号 指导教师实验成绩 2016年11月日

机器视觉教学大纲

《机器视觉》教学大纲 课程编码：08241059 课程名称：机器视觉 英文名称：MACHINE VISION 开课学期：7 学时/学分：36/2 （其中实验学时：4 ） 课程类型：专业方向选修课 开课专业：机械工程及自动化 选用教材：贾云得编著《机器视觉》科学出版社 2002年 主要参考书： 1.ROBOTICS: Control, Sensing, Vision, and Intelligence, K. S. Fu，McGraw-Hill Publishing Company, 1987 2.张广军编著，机器视觉，科学出版社，2005年 执笔人：孔德文 本课程主要内容包括：二值图像分析、图像预处理、边缘检测、图像分割、纹理分析、明暗分析、彩色感知、深度图与立体视觉。通过本课程的学习，学生应掌握机器视觉的基础理论、基本方法和实用算法。 一、课程性质、目的与任务 机器视觉课程是机械工程及自动化专业在智能机器方向的一门专业方向选修课。机器智能化是机械学科的重要发展方向，也是国际上跨学科的热门研究领域。而机器视觉是智能机器的重要组成部分，它与图象处理、模式识别、人工智能、人工神经网络以及神经物理学及认知科学等都有紧密的关系。本课程对于开阔学生视野、使学生了解本专业的发展前沿，把学生培养成面向二十一世纪的复合型人才具有重要的地位和作用。通过本课程的学习，学生也能掌握一定的科学研究方法与技能，为有潜力成为研究型人才的学生打下一定基础。 二、教学基本要求 本课程主要内容包括：二值图像分析、图像预处理、边缘检测、图像分割、纹理分析、明暗分析、深度图与立体视觉。通过本课程的学习，学生应掌握机器视觉的基础理论、基本方法和实用算法。 本大纲仅列出达到教学基本要求的课程内容，不限制讲述的体系、方式和方法，列出的内容并非要求都讲，有些内容，可以通过自学达到教学基本要求。 使用CAI课件作为辅助教学手段可以节省大量时间，传递更多的信息量，所以本课程建议使用CAI课件。 作业是检验学生学习情况的重要教学环节，为了帮助学生掌握课程的基本内容，培养分析、运算的能力，建议布置作业5－8次，并在期末前安排一次综合作业作为主要考查环节。实验是教学的一个主要环节，实验时间共4学时，每次实验每小组4－6人，使每个学生均有亲自操作的机会。 三、各章节内容及学时分配 1．人类视觉与机器视觉 (4学时) : 人类视觉原理与视觉信息的处理过程；机器视觉理论框架与应用；成像几何学基础。

《流体力学》课程实验(上机)指导书及实验报告格式

《流体力学》课程实验指导书袁守利编 汽车工程学院 2005年9月

前言 1.实验总体目标、任务与要求 1)学生在学习了《流体力学》基本理论的基础上，通过伯努利方程实验、动量方程实 验，实现对基本理论的验证。 2）通过实验，使学生对水柱（水银柱）、U型压差计、毕托管、孔板流量计、文丘里流量计等流体力学常用的测压、测流量装置的结构、原理和使用有基本认识。 2.适用专业 热能与动力工程 3.先修课程 《流体力学》相关章节。 4.实验项目与学时分配 5. 实验改革与特色 根据实验内容和现有实验条件，在实验过程中，采取学生自己动手和教师演示相结合的方法，力求达到较好的实验效果。

实验一伯努利方程实验 1．观察流体流经实验管段时的能量转化关系，了解特定截面上的总水头、测压管水头、压强水头、速度水头和位置水头间的关系，从而加深对伯努利方程的理解和认识。 2．掌握各种水头的测试方法和压强的测试方法。 3．掌握流量、流速的测量方法，了解毕托管测速的原理。 二、实验条件 伯努利方程实验仪 三、实验原理 1．实验装置： 图一伯努利方程实验台 1.水箱及潜水泵 2.上水管 3.电源 4.溢流管 5.整流栅 6.溢流板 7.定压水箱 8.实验 细管9. 实验粗管10.测压管11.调节阀12.接水箱13.量杯14回水管15.实验桌 2.工作原理 定压水箱7靠溢流来维持其恒定的水位，在水箱下部装接水平放置的实验细管8，水经实验细管以恒定流流出，并通过调节阀11调节其出水流量。通过布置在实验管四个截面上的四组测压孔及测压管，可以测量到相应截面上的各种水头的大小，从而可以分析管路中恒定流动的各种能量形式、大小及相互转化关系。各个测量截面上的一组测压管都相当于一组毕托管，所以也可以用来测管中某点的流速。 电测流量装置由回水箱、计量水箱和电测流量装置（由浮子、光栅计量尺和光电子

用matlab数字图像处理四个实验

数字图像处理 实验指导书

目录 实验一MATLAB数字图像处理初步实验二图像的代数运算 实验三图像增强-空间滤波 实验四图像分割 3

实验一 MATLAB数字图像处理初步 一、实验目的与要求 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5．图像间如何转化。 二、实验原理及知识点 1、数字图像的表示和类别 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。 图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化成为取样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。 作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。 图1 图像的采样和量化 根据图像数据矩阵解释方法的不同，MA TLAB把其处理为4类： ?亮度图像(Intensity images)

机器视觉与智能检测相关课题创新实践-实验报告

《机器视觉与智能检测相关创新实践》 课外实验报告 实验一、图像融合 1.实验内容： 对同一场景的红外图像和可见光图像进行融合，采用图1中的参考图形，以及自己 的手掌图像（可见光图像和红外光图像），并对结果进行简要分析，融合方法可采 用以下方法中的一种或多种：直接加权融合方法，傅里叶变换融合方法，小波变换 融合方法； 2.实验目标： 1）. 了解融合的概念； 2）. 比较融合方法中不同参数的效果（如直接加权融合中权值的分配） 3.参考图像： （a）红外图像（b）可见光图像 图1 待融合图像 4.实验内容 1）直接加权融合方法： 线性混合操作也是一种典型的二元（两个输入）的像素操作：

通过在范围内改变。 核心代码：image((Y1+Y2)/2); %权值相等 图2 直接融合图像1 图3 直接融合图像2 改变参数的影响：那个图的参数比例高，那个图在融合图像中的影响就越高。2）傅里叶变换融合：

对一张图像使用傅立叶变换就是将它分解成正弦和余弦两部分。也就是将图像从空间域(spatial domain)转换到频域(frequency domain)。然后通过在频域的处理来实现融合。 图4傅里叶变换融合图像1 图5 傅里叶变换融合2 3）小波融合： 小波变换（Wavelet Transform）是一种新型的工程数学工具，由于其具备的独特数学性质与视觉模型相近，因此，小波变换在图像处理领域也得到了广泛的运用。用在图像融合领域的小波变换，可以说是金字塔方法的直接拓展。

图6 小波融合1 图7 小波融合2 5．实验完整代码 1．直接融合 addpath('E:\学习\课件\机器视觉创新实践\曾东明') Y1=imread('1.PNG'); subplot(1,3,1); imshow(Y1); title(' 直接融合1.PNG');

实训一 机器视觉技术

实训一机器视觉技术 （一）机器视觉技术 1.目标→图像摄取装置（CMOS和CCD）→图像信号→图像处理系统→数字化信号 2.机器视觉系统组成部分：光源、镜头、相机、图像处理单元、图 象处理软件、监视器、输入/输出控制单元。 3.特点：提高生产的柔性和自动化程度。 4.应用：生产流水线的检测系统（汽车零件、纸币印刷质量）、智能 交通管理系统、金相分析、医疗图象分析、无人机、机器人等。 （二）机器视觉实训系统 大恒DHLAB-BASE-PY-AF型平移式机器视觉教学实验平台 组成部分：相机安装模块、光源安装模块、平台方形载板、运动控制面板 由组成部分可推测，在机器视觉系统识别物体时，相机的焦距、光源的种类、光圈的大小、曝光时间的长短、载板移动速度的大小都将会对获取图像产生不同的影响。 平台：速度可调；手动或自动运动模式； 摄像头：紧凑型数字摄像机 感光元件：1/1.8”CCD；分辨率为1628（H）x 1236（V）；像素尺寸4.4um x 4.4um。

（三）实训内容 【1】一维条码检测 1. 条形码(barcode)是将宽度不等的多个黑条和空白，按照一定的编码规则排列，用以表达一组信息的图形标识符，在商品流通、图书管理、邮政管理、银行系统等许多领域都得到广泛的应用。 2. 摄像机位置离检测平面大概47cm，光源离检测平面约36cm。 3. 实验步骤如下： ①放置条形码在载物平台上，使其处于镜头正下方； ②调整焦距、改变光圈大小，使物体清晰，对比度高、明暗适中； ③利用计算机软件控制相机对物体成像； ④通过改变曝光量、增益、光源、载物台移动速度，观察成像结果并加以比较。 ⑤结果如下： 条形码A 不开光圈、无速度曝光量增益识别结果 1000 0 没有图像 2500 0 不能识别 60000 0 正确识别 60000 5 正确识别 60000 6.4 错误识别 60000 7 没有图像条形码B 不开光圈、无速度曝光量增益识别结果 60000 2 没有图像 60000 6.4 正确识别 60000 20 错误识别 35000 6.4 不能识别 40000 6.4 正确识别 开光圈曝光量增益识别结果 60000 6.4 没有图像 2000 6.4 正确识别 速度曝光量增益识别结果 小60000 6.4 正确识别

电磁场实验指导书及实验报告

CENTRAL SOUTH UNIVERSITY 题目利用Matlab模拟点电荷电场的分布姓名xxxx 学号xxxxxxxxxx 班级电气xxxx班 任课老师xxxx 实验日期2010-10

电磁场理论 实验一 ——利用Matlab 模拟点电荷电场的分布 一．实验目的： 1．熟悉单个点电荷及一对点电荷的电场分布情况； 2．学会使用Matlab 进行数值计算，并绘出相应的图形； 二．实验原理： 根据库伦定律：在真空中，两个静止点电荷之间的作用力与这两个电荷的电量乘积成正比，与它们之间距离的平方成反比，作用力的方向在两个电荷的连线上，两电荷同号为斥力，异号为吸力，它们之间的力F 满足： R R Q Q k F ? 212 = (式1) 由电场强度E 的定义可知： R R kQ E ? 2 = (式2) 对于点电荷，根据场论基础中的定义，有势场E 的势函数为 R kQ U = (式3) 而 U E -?= (式4) 在Matlab 中，由以上公式算出各点的电势U ，电场强度E 后，可以用Matlab 自带的库函数绘出相应电荷的电场分布情况。 三．实验内容： 1. 单个点电荷 点电荷的平面电力线和等势线 真空中点电荷的场强大小是E=kq /r^2 ,其中k 为静电力恒量, q 为电量, r 为点电荷到场点P(x,y)的距离。电场呈球对称分布, 取电量q> 0, 电力线是以电荷为起点的射线簇。以无穷远处为零势点, 点电荷的电势为U=kq /r,当U 取

常数时, 此式就是等势面方程.等势面是以电荷为中心以r 为半径的球面。 平面电力线的画法 在平面上, 电力线是等角分布的射线簇, 用MATLAB 画射线簇很简单。取射线的半径为( 都取国际制单位) r0=, 不同的角度用向量表示( 单位为弧度) th=linspace(0,2*pi,13)。射线簇的终点的直角坐标为: [x,y]=pol2cart(th,r0)。插入x 的起始坐标x=[x; *x].同样插入y 的起始坐标, y=[y; *y], x 和y 都是二维数组, 每一列是一条射线的起始和终止坐标。用二维画线命令plot(x,y)就画出所有电力线。 平面等势线的画法 在过电荷的截面上, 等势线就是以电荷为中心的圆簇, 用MATLAB 画等势 线更加简单。静电力常量为k=9e9, 电量可取为q=1e- 9; 最大的等势线的半径应该比射线的半径小一点 r0=。其电势为u0=k8q /r0。如果从外到里取7 条等势线, 最里面的等势线的电势是最外面的3 倍, 那么各条线的电势用向量表示为: u=linspace(1,3,7)*u0。从- r0 到r0 取偶数个点, 例如100 个点, 使最中心点的坐标绕过0, 各点的坐标可用向量表示: x=linspace(- r0,r0,100), 在直角坐标系中可形成网格坐标: [X,Y]=meshgrid(x)。各点到原点的距离为: r=sqrt(X.^2+Y.^2), 在乘方时, 乘方号前面要加点, 表示对变量中的元素进行乘方计算。各点的电势为U=k8q. /r, 在进行除法运算时, 除号前面也要加点, 同样表示对变量中的元素进行除法运算。用等高线命令即可画出等势线 contour(X,Y,U,u), 在画等势线后一般会把电力线擦除, 在画等势线之前插入如下命令hold on 就行了。平面电力线和等势线如图1, 其中插入了标题等等。越靠近点电荷的中心, 电势越高, 电场强度越大, 电力线和等势线也越密。

视觉检测实验报告1

视觉检测技术试验 题目：MV-BDP2000S视觉皮带传送试验台功能认识试验 学院：信息科学与工程学院 专业班级：测控技术与仪器1401 学号：14040110X 学生姓名：李二狗 指导教师：宋辉 设计时间：2017.11.06

目录 一、试验台介绍 (1) 1.1试验台主要构成 (1) 1.1.1机柜部分 (2) 1.1.2传送部分 (2) 1.1.3视觉检测部分 (2) 1.1.4分选机构部分 (2) 1.2主要器件的关键指标 (2) 1.2.1工业数字相机 (2) 1.2.2光源 (3) 二、仪器操作及配置流程 (4) 2.1视觉检测部分的调试 (4) 2.1.1调节相机前后位置的方法 (4) 2.1.2调节相机高度的方法 (5) 2.1.3调节光源高度的方法 (5) 2.2设备性能的调试 (6) 2.2.1运动性能调试的参数 (6) 2.2.1视觉检测性能调试的步骤 (6) 三、仪器主要测量指标分析 (7) 3.1OCR&OCV字符识别指标分析 (7) 3.3.1 OCR检测的参数 (7) 3.2 尺寸测量指标分析 (8) 3.2.1 尺寸测量的参数 (8) 四、仪器采集或测量的试样 (9) 4.1字符识别试验结果 (9) 4.2 尺寸测量试验结果 (10) 4.3 实验总结 (11)

一、试验台介绍 本次试验中以维视数字图像技术有限公司(MICROVISION)推出MV-BDP200S机器视觉皮带传送实验开发平台(高级型)作为主要的实验设备，主要针对小型电子产品的外形和外观检测等，应用于提供高效的产品质量控制系统。本设备采用MV-MVIPS机器视觉图像处理控制器软件，该软件具有强大的缺陷识别功能、测量功能、色差检测、OCR&OCV识别检测，主要针对检测各类小型机械或电子产品的外观和外形，对于OK和NG产品实施分类管理放置。同时硬件上设计了组合式的照明及控制系统，创造了一个最优的光照系统及相对封闭的工作环境，有效的解决了环境对检测精度的影响，同时满足了待检产品对光照条件的要求。运用强大的检测及分析软件工具对被测产品进行定位、测量、分析。 1.1试验台主要构成 从整体外观来看，设备可以分为以下几个部分：机柜部分、传送部分、视觉检测部分、分选机构部分。设备的整体视图如图1所示: 图1整体设备部分视图

机器视觉与智能检测创新实践

《机器视觉与智能检测创新实践》课程设计报告 题目：基于可见光红外光图像的处理 班级： 姓名： 学号： 指导老师： 日期：

一、实验目的 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。本实验的目的就是通过学生自身动手实验，使学生对机器视觉系统及图像处理有一定的认识。同时加深学生的动手能力和培养学生的创新能力。 二、实验设备 机器视觉实验平台，计算机，Matlab软件等 三、实验任务 （1）对采集的近红外图像进行增强、分割和细化（自己挑选成像效果较好的手背或手掌的近红外图像） 1、了解增强、分割和细化等处理的概念和效果并编程实现增强、分割和细化； 2、分别比较不同增强、分割和细化方法的优劣 （2）对采集到的可见光手掌图像进行分割得到手掌及手指的轮廓。

四、相关概念介绍 1、光谱 光谱是复色光经过色散系统（如棱镜、光栅）分光后，被色散开的单色光按波长（或频率）大小而依次排列的图案，如图1所示。 光波是由原子内部运动的电子产生的。各种物质的原子内部电子的运动情况不同，所以它们发射的光波也不同。研究不同物质的发光和吸收光的情况，有重要的理论和实际意义，已成为一门专门的学科——光谱学。 图1 可见光的光谱图 种类：发射光谱物体发光直接产生的光谱叫做发射光谱。发射光谱有两种类型：连续光谱和明线光谱。 连续分布的包含有从红光到紫光各种色光的光谱叫做连续光谱。炽热的固体、液体和高压气体的发射光谱是连续光谱。例如电灯丝发出的光、炽热的钢水发出的光都形成连续光谱。 只含有一些不连续的亮线的光谱叫做明线光谱。明线光谱中的亮线叫做谱线，各条谱线对应于不同波长的光。稀薄气体或金属的蒸气的发射光谱是明线光谱。明线光谱是由游离状态的原子发射的，所以也叫原子光谱。