基于LabVIEW的数据采集系统设计毕业论文Word文档下载推荐.docx
《基于LabVIEW的数据采集系统设计毕业论文Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《基于LabVIEW的数据采集系统设计毕业论文Word文档下载推荐.docx（21页珍藏版）》请在冰豆网上搜索。
1.1数字图像处理技术的发展历史
数字图像处理技术如果想要追究到根源的话可以是相当久了，最早可以推到上世纪50年代，因为计算机的发展才推动了数字图像处理技术的发展。
最先是通过将图像信号转换为数字信号，通过计算机的处理达到我们想要的某种目的，这就是最初研究数字图像处理技术的原因。
20世纪60年代，计算机技术在当时发展的相当迅速，带动了相当一部分领域的飞速发展，数字图像处理技术就是其中之一，在当时首次发展起来，并且超大规模集成电路发展了起来，于是一个飞速成熟的技术就这样产生了。
产生的初期就在理论和实际中取得了广泛的好评并且投入了许多领域中。
视觉是人类不可取少的重要感知方法，因为有了视觉才能在大脑中形成我们所理解的图像，才能让我们了解这个世界。
图像在发展的初期并没有那么清晰，所以首先要做的就是在图像处理中优化我们得到的图像质量。
最先以人为中心，改善人们所观察到的图像内容为目的，在图像处理中获取一张图像质量不是特别好的一张图像，经过一系列的处理得到一张图像质量较高的图像。
常见的处理图像的方法有很多，例如图像增强、编码、压缩、复原等。
当然，图像处理技术不能仅仅是发展，要与当前存在的领域进行融合。
最先应用这项技术并且取得成功的是美国喷气式推进实验室（JPL）。
在1964年对太空的探索中，航天探测器徘徊者7号发回了上千张的月球照片。
在上千张照片中，图像收到环境的影响相对模糊，于是应用到的数字图像处理技术，经过了不断的努力，进行几何校正去除噪声灰度变换等一系列的图像处理，考虑的多种环境因素的影响，在之后发回的近十万张图片中，仍然是利用的这项技术，进行着复杂的图像处理，最后经过不懈的努力终于获得的月球的地形图、彩色图以及全景镶嵌图，这在当时是一项极其大的进步，为人类后续的登月工作奠定了坚实的基础，与此同时，数字图像处理技术也走进的大众的视野，推动着数字图像处理这门学科的诞生。
不仅如此，在之后的宇宙探索中，数字图像技术仍然起着巨大的作用。
仅仅在一个领域中的成就还不足以说明这门学科的重要性，在其他领域中获得重要成就的视医学中。
1972年，CT的诞生同样影响到的数字图像处理技术。
CT是由英国EMI公司工程师Housfield进行的首创。
这项技术在医学领域的成就也是相当巨大，这里仅着重讲有关数字图像处理技术的内容。
CT首先通过射线获得一张张的图像，将得到的图像传到电脑，因为数字图像处理可以通过相对较差的图像进行调整，达到想要达到的目的，所以可以首先获取人的头部截面的投影，通过计算机的图像处理技术可以重新构建截面图，获得能够判断出哪里是有病的地方，不会有任何疼痛就可以找到病源。
1975年CT技术进一步发展，成功的研究出了可以全身使用的设备，进而能够不仅仅获得头部截面图，而是可以看到各个部位的图像，不仅图像清晰，而且能够精确定位。
这项研究也是因为Housfield将医学与数字图像处理技术结合到一起而产生的巨大作用，于是在1979年这项技术被授予诺贝尔医学奖，用来表彰Housfield本人对医学的巨大贡献。
从20世纪70年代中开始，各项技术的飞速发展，像计算机技术的发展，从而使数字图像技术能够更进一步的发展，毕竟数字图像技术想要完成就需要通过计算机的运算、采集、处理。
现在更多的领域开始的这项技术的研究，慢慢的已经成为了人们的研究方向，可以通过计算机来模拟人类的视觉来了解外部世界，于是就有了新的名词诞生了：
计算机视觉，或者被称为图像理解。
在这项越来越先进的技术面前，很多国家都不甘落后，越来越多的国家开始研究这项技术并且投入了大量的人力物力财力，当然，各个国家也都在很多领域取得了重要的突破。
其中较为杰出的是70世纪末的Marr提出的计算机视觉理论，这是一个具有代表性的成果。
这项理论不仅仅是当时成就惊人，就算是现在，这个理论已经诞生了十多年后，仍然可以称得上是这个领域的主导思想。
当时，已经开始想要通过计算机来理解这个世界，想要计算机对图像进行理解并且进行解释。
在那之后这项技术也应用到了地理的领域中，通过对图像的处理进行海图的绘制，利用计算机自动读取海图并且自动生成并且保存下来。
在那之后，数字图像处理技术的发展道路不断拓宽，应用这项技术的领域也不断增多。
然而数字图像处理技术迎来新一轮的飞速发展是在20世纪90年代初开始的。
1986年，小波理论与变换方法崛起，在数学方面产生了重大的突破，数字图像处理技术的基础之一就在于数学的发展，新的理论诞生代表着新的观念的改变，这项理论克服了傅里叶分析的不足之处，是将近半个世纪以来数学上的工作结晶。
1988年Mallat有效的将这项数学突破应用到了图像分解与图像重构中。
所以，小波理论也可以算得上是图像处理上的重大突破。
随着之后的数字图像处理技术飞速发展，到目前为止，图像处理技术的应用范围再次被拓宽，更加体现出了数字图像处理技术在综合性方面显示出了十分明显的优势。
进入21世纪后，理论基础知识不断的发展，计算机技术的快速进步，种种方向都朝着更好的方向发展着，在当时的大环境下，数字图像处理技术也没有落后，不断地在拓宽自己的领域，并且进入到别的领域中开始进步，不断与其他的领域融合，成为一门在任何领域都不可缺少的技术，为了当时的社会添砖加瓦，成为了一门当时的新兴科学。
在当时的大情况下，大家都是通过视觉听觉来获取信息，图像的准确性更高，因此就会有更多的领域去利用这一点，所以才会有更多的进步，主要趋势有以下几点，其一，各种新型的理论将会出现，将数字图像处理技术应用到更多的领域。
其二，机器人视觉，现如今的机器人技术已经有了一个良好的发展，各种人工智能机器人不断出现，数字图像技术会进一步推进机器人视觉的发展。
其三，数字图像技术将会得到更好的发展空间，更多研究会更重视这项技术。
数字图像处理技术必定是朝着高速、清晰、智能的方向发展。
1.2国内外现状及技术难题
数字图像处理技术可以根据处理方法的不同分为两大类：
模拟图像处理（AnalogImageProcessing）和数字图像处理（DigtalImageProcessing）。
这两种方法各有各的长处，但是可以根据应用的场景和想要得到的处理结果不同，选择适合的处理方法。
数字图像处理的不足主要在于当进行复杂的处理时，计算机处理速度较慢，不容易得到想要的结果。
数字图像处理技术的发展不仅仅受限于自身的发展，还涉及信息科学技术，数学运算，物理学研究，计算机科学以及生物学研究等各个方面。
最几年数字图像处理技术从发展走向成熟经历了许多困难，而如今更加广泛的应用在航空航天的探测、生物医学以及人工智能的视觉、工业中检测是否合格等众多领域，更加促进了新型学科的发展，可以说是相辅相成的关系。
但是数字图像处理技术仍然有在自身的不足：
（1）处理信息量很大：
数字图像处理的信息大多是二进制信息，例如图片是24位的，由RGB三原色组成，每一个像素点都是由三个字节组成，因此得到的图像所占内存都很大。
分辨率就是指屏幕中像素点的总个数，分辨率越高获得的图片数据量越大，所以对计算机的运行速度以及运行内存等都有极高的要求。
（2）占用频带较宽：
数字图像处理占用的频带较宽。
与语言信息相比，占用的频带要大几个数量级。
（3）各像素相关性大：
数字图像中，各个像素点之间并不是完全独立的。
在图像中，很多像素点之间有着近乎相同的灰度，在图像处理中，在相邻的两个像素点中相关性系数可以达到0.9以上，这也就造成了图像处理中信息压缩的潜力较大。
（4）三维信息难以体现：
人眼所看到的算是三维的图像，然而计算机得到的图像仅仅是二维的，仅靠一张图像是没有办法展现三维图像的全部信息，所以在二维图像上表达不出来。
因此在分析三维图像无法通过图像进行直观的分析，需要附加新的测量。
这也是当前人工智能当中正在努力解决的重要问题之一。
（5）受人的因素影响较大：
数字图像处理后是要有人为的进行观察和评价，人的视觉系统相比于计算机是一个相当复杂的结构，对图像的判断标准也会增加。
图像质量有着至关重要的作用，每个人的喜好不同，对图片的要求也会不同，计算机想要模仿人的视觉仍然有一定的难度。
1.3本文研究内容
数字图像处理技术在人们生活中应用方面越发重要，例如手机可以进行拍照，观看视频，查询地图，天气预报等等，生产中有监控，检测产品等等。
在基于LabVIEW平台设计出的数字图像处理系统，可将编写的系统程序用数据流展示在控制面板上，便于用户读取和修改程序，互动性强且易于升级。
本设计基于LabVIEW软件和笔记本自带的摄像头设计一款图采集与处理的虚拟仪器系统。
能够在LabVIEW软件平台下，通过调用摄像头完成图像采集，并在PC机上完成图像的显示，之后进行简易的处理。
2图像采集原理及设计
2.1图像采集原理
在不断发展的今天，图像处理技术和相机制造技术不断进步，机器视觉同样也在飞速发展，随着越来越多的领域朝着着高精度、微型化的方向发展进步，机器视觉同样会有着越来越高的要求，从侧面鞭策着视觉技术的发展。
机器视觉与领域内的技术相辅相成，要想发展的更加迅速，就要求要首先理解机器视觉的原理。
机器视觉就是使用光学元器件进行非接触式的感知，通过对光的捕捉将图片转换成一个真实场景的数字图像，从而能够提取被拍摄目标的形态信息，直观的看到被拍摄目标的视觉特征，根据特征判断的结果来控制想要达成的目的，相当于给了计算机一双人的眼睛，能够做到类似人眼的效果并且能够省去一些不必要的人力物力。
为了达到这个处理的过程，我们选择了美国国家仪器（NI）公司研发的LabVIEW软件，选择这个软件当然有着相对应的优点，对于新上手的人界面结构相对简单，功能实现的方式效果强，开发时能够应用的精度高。
不仅如此，这个平台具有专门的Vision图像处理开发包，专门用于视觉的开发，仅仅是安装时的操作较为复杂，但是安装好之后上手难度相对降低，缩短了对于程序的开发过程。
事实证明,机器视觉真的可以代替人眼进行观测，还具备很多人眼所做不到的事情。
比如在生产过程中视觉系统可以时刻观测产品在采集生产过程中的数据，直观的体现出产品的质量问题，减少人力的消耗，降低生产的废品率，提高产品的质量。
此外,机器视觉系统还可以减少工伤事故的发生,降低企业的生产成本。
设计视觉系统架构,研究视觉采集和处理技术,并将之合理运用于工程实践当中,已成为实现智能化生产必不可少的需求。
2.2摄像头介绍
2.2.1硬件的组成
图像采集系统主要用到的硬件有摄像头和计算机，摄像头最要将景物通过镜头生成的光学图像投影到图像传感器上，将图像转变为电信号，经过模/数转换就可以将电信号转变成数字图像信号，经过摄像头的数字处理芯片的处理，通过I/O接口传输到计算机中进行处理，就可以直观的看到平时在计算机中看到的图像了。
具体流程如图2.1：
图2.1摄像头原理
2.2.2如何选择摄像头
一个摄像头的好坏是这个研究的关键问题，只有选择了合适的摄像头才可以进行更好的检测，达到更高的要求。
摄像头首先要在满足要求下能生产质量最高的图像数据，这会直接影响到采集图像的好坏。
成像的好坏很容易受到外界因素的干扰，这些影响会导致成像不均匀。
软件层面往往是来自算法的问题，这个可以通过数学的方法来解决。
来自硬件的问题就需要使用仪器反复测试，直到达到的检测目的。
3图像采集与处理的系统设计
3.1软件的选择
在计算机相关配件完成后，进行软件上的安装。
首先在官网上下载LabVIEW2018版本并安装。
选择2018版本有几点好处，首先增加了检查类型的子面板，能够针对不同类型的数据进行自定义VI。
其次可以使用LabVIEW的命令行接口运行操作。
最后还有着自定义的功能改进。
接下来安装Vision视觉处理模块，对于LabVIEW平台来说图像质量相对较好。
安装VAS（VisionAcquisitionSoftware），但是版本需符合计算机操作系统和位数的要求。
最后激活所安装的软件。
3.2图像采集的函数介绍
IMAQCreate：
创建图像，此VI在VisionUtilities的ImageManagement函数子选板中，主要参数有：
BorderSize（边界大小）：
每个摄像头的广角是有限的，所以采集到的图像也是有边界的，并非每一个像素点周围都有像素。
这样就需要为获取的图片增加一个合理的界限。
ImageName（图像名）：
图像名可以是任意字符串。
ImageType（图像类型）：
现在大多是摄像头采集到的图像都是彩色图像，所以选择U32类型。
NewImage（新图像）：
获取到的新图像开始的地方。
IMAQdxOpenCameraVI：
能够打开相机，查询当前计算机所拥有的所有摄像头，选择其中一个摄像头。
完成后调用IMAQdxCloseCameraVI。
IMAQdxCloseCameraVI：
关闭摄像头，并且释放已经获取的图片所占用的空间。
IMAQdxGrabVI：
在摄像头运行中获取其中一张图片。
在调用IMAQdxConfigureGrabVI之后才调用此VI。
IMAQdxConfigureGrabVI：
配置和开始采集图像。
调用IMAQdxUnconfigureAcquisitionVI取消获取图像的配置。
IMAQdxSnapVI：
配置，启动，获取和取消配置单元采集。
使用while循环结构使图像采集程序连续运行，只有当出错或按下停止按钮时，循环停止，采集程序终止，关闭摄像头，清除图像缓存。
while循环结构，是一种无限循环结构，只要条件满足，它就一直循环运行下去。
3.3图像采集
3.3.1图像采集系统
首先要建立图像采集系统，之后才可以进行图像的获取分析和处理。
建立图像采集系统的方法首先要满足对图像进行的分析处理的需要，明白了要建立怎样的图像处理才能够去建立框架。
首先要明确图像系统能够采集到的质量足够高的图像，其次要从图像中采集到信息然后进行简单的图像处理。
明确之后进行搭建图像系统。
在机过程中要有足够的光照，确保能够采集到的足够清晰的图像，焦距最好能够在适中的程度，不会造成过度模糊的情况，以便从图像中获取信息。
具体流程图首先要进行摄像头检测，获取到摄像头列表，选择合适的摄像头，启动摄像头，获取一张图像，对图像进行处理。
如图3.1所示
图3.1设计思路图
3.3.2图像采集系统的设计
LabVIEW的程序通常包括三个部分：
程序前面板、流程图和图标组成，这里前面板的组成如图3.2所示
图3.2程序前面板图
首先能够自主进行选择的按钮有：
选择相机是检测当前计算机拥有的摄像头。
单次采集是在选择好相机后，对当前摄像头进行截取当前摄像头中的内容，相当于拍照。
读取图片按钮是对当前计算机中所拥有的图片进行读取。
颜色分量可以选择要用什么颜色分量对图片进行处理。
图像增强中可以对图像进行亮度、对比度、伽马值的调整。
停止按钮是停止当前运行的程序。
外层模块应用while循环，在运行程序后不断执行，内层模块为事件结构，相当于for循环，当触发事件条件后执行不同的操作。
在这个系统中有着几种运行模式：
超时、停止、单次采集、读取图片、图像处理五种。
通过点击不同的按钮触发不同的事件，具体分支如图3.3所示
图3.3程序中包含的事件
3.3.3LabVIEW中图像采集控件
LabVIEW的程序中视觉方面要安装独立的DAQ，这样才可以找到相对应的图像采集相关的控件。
首先通过视觉与运动中找到打开相机的控件来打开摄像头，在函数选板中找到NI相关摄像头的控件，启动摄像头的控件位置如图3.4所示
图3.4启动摄像头控件
但是计算机中有可能拥有两个摄像头，这时就需要我们对摄像头进行选择了可以再前面板中进行打开如图3.5所示，为了能够方便后面理解可以将名字改为选择相机
图3.5选择摄像头控件位置
这样就在前面板中出现一个选择框如图3.6所示，同时在程序框图中出现一个控件如图3.7所示，这样就完成了摄像头的选择和启动。
图3.6选择摄像头前面板显示图3.7选择摄像头控件
仅仅是这样是不够的，还要对摄像头采集到的图像进行采集，同样是在视觉与运动当中采集的控件如图3.8所示
图3.8采集图片控件位置
还要在采集到图像之后要对图像进行显示，在前面板中显示如图3.9所示，如果只是这样的话仍然不可以运行，因为采集图像控件还需要有一个输入端，即产生图像，就像是给获取到的图片一个标准，定义一个常量，控件位置如图3.10所示
图3.9显示图片控件位置
图3.10原始图常量
在将控件全部放置完成后，将控件按顺序连线，这样就可以达到我们想要的目的，进行获取一张图片具体程序框图如图3.11所示
图3.11图像采集控件连接
在摄像头进行采集之前要选择相应的摄像仪器进行正确的采集，首先先通过上面程序应用的函数获取当前计算机上能应用的摄像头，选择好摄像机后就可以进行图像的采集，如果没有获取到图片信息会直接结束，如果获取到图片信息进行单次采集，在采集图像之后就可以进行图像的处理相关的操作。
在完成采集操作后采集到的信息不断地占用空间，所以就需要进行关闭摄像头的操作控件位置如图3.12所示
图3.12关闭摄像头控件位置
如果想要读取电脑中的图片进行处理也是可以的，调用IMAQReadFile函数调用内存中的图片进行处理，输入端需要一个路径进行图片的选择，之后就可以进行图像的处理。
3.3.4图像处理模块控件
NIVisionAssistant视觉助手中ProcessingFunctions:
Brightness中亮度，对比度和伽马参数调整对图片处理效果的用法。
步骤名称。
Brightness：
亮度调整（0~255）。
Contrast：
对比对调整（1.00~89.00）。
Gamma伽马调整（0.10~10.00）。
reset复位Brightness=128，Contrast=45.00，Gamma=1.00。
首先进行的是将彩色图像转换到灰度图像具体控件位置如图3.13所示
图3.13IMAQExtractSingleColorPlane控件位置
灰度图像是由灰度像素所组成的，像素就是指在RGB颜色的模型下，图像中的每一个像素都是由红绿蓝三种颜色组成，三原色的取值都是在0~255之间任意取值都可以达到想要的颜色。
灰度图像只能表现256种颜色。
因此经常把灰度图像中的像素亮度叫做灰度值。
在这里主要进行了将彩色32bitRGB图像转为8bitGray灰度图。
在转换中可以自主选择转换的参数，可以更准确的表达出原始图像的灰度信息，在这里将转换的参数同时放到了前面板上，方便在转换时不需要停止程序。
在获得灰度图像后要对图像进行调整，可以利用IMAQBCGLookup函数，可以对图像进行增强对比度，就是通过改变图像中的某两个灰度值之间的动态范围来增强原图各个部分的反差，也就是会形成增加画面的对比度，暗的地方更暗，亮的地方更亮。
调整亮度。
调整伽马值是对图象的伽玛曲线进行编辑，当图像画面的清晰度不够的时候，例如画面的整体亮度不够，可以通过加强伽马优化来调整，从而达到调整画面的整体效果。
此操作主要在于伽马曲线的优化，可以对每一个图像的像素点进行固定的伽马调整，试得到的图像有着显著的优化效果。
具体控件位置如图3.14所示
图3.14IMAQBCGLookup的控件位置
之后可以进行对图像的锐化，锐化后的图像可以使细节变得更加清晰。
当然前提是这张图的具有较高的噪声，否则结果会起到反作用。
执行锐化之前要先进行对图像的拷贝，得到一个预处理2的图像，具体选用控件如图3.15所示。
对预处理2图像进行灰度变换，之后进行锐化，通过数学计算改变像素值的排布，具体选用控件如图3.16所示。
在这里可以选择通过什么运算方式对图像进行调整。
图3.15IMAQCopy控件所在位置
图3.16IMAQMathLookup控件位置
图像锐化完成后可以选择对图像进行平滑降噪，对处理后的图片进行滤波处理，滤波算子可以再运行程序之前进行调整，具体控件位置如图3.17所示。
之后进行低通滤波处理，如果像素值的变化大于一定的范围，将变化过大的像素值改变为像素的平均值。
具体控件位置如图3.18所示。
图3.17IMAQConvolute的控件位置
图3.18IMAQLowPass控件位置
图像还可以进行二值化处理，使图像中所包含的数据量大大减少，更加直观的看出图像的轮廓。
具体控件位置如图3.19所示。
图3.19IMAQAutoBThreshold控件位置
3.3.5图像分析
算法在LabVIEW的Vision的工具包中是IMAQHistograph，其中参数Imagemask不输入的时候，表示的整个图。
需要某个区域时，可选择IMAQROIToMask这个VI。
灰度直方图可方便观察每个级别的灰度值有多少个像素点。
灰度直方
升级会员 