简介这组MATLAB程序专注图像中零件角度的自动检测面向图像处理学习者、机械检测与机器人视觉开发者。程序综合运用灰度化、降噪、Canny/Sobel边缘检测与Hough变换等经典算法在参数空间中检测直线并计算倾斜角度能为零件定位、装配校验等场景提供快速测量手段。压缩包共16个文件以5个.m主程序为核心配有4个.asv自动备份、3张jpg测试图像以及.fig图形界面、.doc课程设计报告、.txt说明和.db辅助文件整体仅207KB便于下载与二次开发。已有105人学习下载。包内图片与源码可对照运行直观观察角度检测流程.doc报告梳理了实现原理.fig文件方便调整检测参数或界面布局适合作为课程设计、毕业设计或工业视觉项目的入门参考。1. 从零件图到角度值MATLAB图像处理流程从哪开始在机械加工现场靠人工拿量角器去量零件斜面角度既慢又容易受摆放位置影响。换成摄像头拍一张图用 MATLAB 脚本自动算出角度是机器视觉里最常见的“小任务”。picture.zip 里这套程序正是典型的“图像预处理 边缘检测 Hough 直线估计”流程从 gettezheng.m 的特征提取到 three.m 的角度计算再到 testpipei_1.m 的匹配测试覆盖了课设里“检测零件角度”的完整链路。正在做 matlab 图像处理课设或大作业的在校生以及想用 MATLAB 快速验证算法的工程师都可以从这套代码里找到直接能抄的骨架。要理解这套代码不需要先读完整报告只要盯住一条主线像素是怎么一步步变成角度的。2. 预处理与边缘检测Canny 和 Sobel 为什么不能乱选在角度检测这件事上边缘检测的质量直接决定后面 Hough 变换能找到几条有效直线。我刚接触 MATLAB 图片处理时跳过预处理直接 edge结果检测到一堆杂散直线。零件图来自真实相机背景、反光、噪声都会干扰边缘所以预处理不是可选项而是整个流程的地基。2.1 先做灰度化、缩放和去噪的次序原图是 P1010814.jpg 这种普通 JPG三通道彩色图对角度计算没有额外信息反而会放大光照不均的影响。常见做法是先用 rgb2gray 转成单通道灰度图再用 imresize 把长边缩到 800 像素左右减少 Hough 投票的计算量。缩完之后一般不急着直接 edge而是先用 medfilt2 或 imgaussfilt 做一次去噪。针对零件这种以硬边为主的图像中值滤波的效果通常比高斯滤波更贴近需求因为中值滤波在抑制孤立噪点的同时还能保留边缘的陡峭程度。用 imadjust 拉伸灰度区间可以让反光造成的低对比区域边缘更明显但要注意拉伸过大容易把阴影也当成边缘后面的 Hough 会多出一堆杂散峰值。2.2 Canny 与 Sobel 的实际差异Sobel 是求梯度输出的是梯度幅值图边缘粗、有方向性Canny 是在 Sobel 梯度基础上做非极大值抑制和双阈值连接输出的是单像素宽、闭合性好的边缘。检测零件直线角度推荐用 Canny因为 Hough 变换需要边缘点是局部极大值Canny 的结果更干净。Sobel 更合适做方向判断或者配合形态学操作不适合直接喂给 hough 函数。具体取舍见下面这个表。对比项Canny edgeSobel输出边缘宽度单像素多像素宽噪声敏感性低内部带高斯滤波高计算量较高低对 Hough 峰值影响好峰值集中差直线参数分散典型用途零件边缘、直线检测梯度方向估计、简单边缘需要补充一点edge 函数里指定 Canny 时内部已经做了高斯滤波所以不少情况可以不再单独做高斯medfilt2 放在前面主要是去掉传感器产生的椒盐噪声顺序不要搞反。有些人先 edge 再去噪结果噪声点被当成边缘后面 houghpeaks 选出来的直线会有明显偏移。2.3 用 MATLAB 实现预处理和边缘检测% 读入零件图 img imread(P1010814.jpg); if size(img, 3) 3 gray rgb2gray(img); % 转灰度去掉颜色干扰 else gray img; end % 缩放到长边800控制Hough计算量 scale 800 / max(size(gray)); gray imresize(gray, scale); % 中值滤波去噪3x3窗口对细边缘影响小 denoised medfilt2(gray, [3 3]); % 对比度拉伸增强弱边缘 adjusted imadjust(denoised); % Canny边缘检测阈值由算法自动估计 bw edge(adjusted, Canny); imshow(bw);这段代码把原始 JPG 转成灰度、统一尺寸、去噪、拉伸对比度最后得到二值边缘图。imresize 的 scale 是目标长边与原长边的比值这样任意分辨率的输入都能得到尺度相近的边缘图后续 Hough 的参数不用跟着分辨率反复调。medfilt2 的第二个参数 [3 3] 表示 3x3 邻域对零件这种直线边缘足够的精细窗口太大容易把倒角或圆弧磨平导致角度偏向。edge 的 Canny 使用自动阈值如果边缘过碎或过密再手动指定例如 edge(adjusted,Canny,[0.1 0.3])其中 0.1 是低阈值、0.3 是高阈值高阈值决定强边缘的保留低阈值决定强边缘周边的连续性。若图像照度不均先做 imtophat 顶帽变换或者分块直方图均衡能比单纯 imadjust 更有效地拉平背景。3. Hough 变换直线检测与角度计算三个函数怎么配合边缘图只是“哪些像素是边缘”要得到角度必须把边缘像素拟合为直线。Hough 变换是这里最通用的一招但对参数不熟悉的人经常会在角度换算上翻车。3.1 从像素到参数空间的投票核心思想图像空间的一条直线 ykxb 在参数空间里变成一个点反过来图像空间的一个边缘点 (x,y) 在参数空间对应一条曲线。让所有边缘点投票参数空间里峰值最高的点就对应图像空间里共线程度最高的直线。MATLAB 的 hough 函数采用 θ-ρ 参数化θ 是直线法向角ρ 是原点到直线距离。这样避开了斜率无穷大的问题也让 houghpeaks 的峰值搜索变得容易。3.2 用 hough、houghpeaks、houghlines 三级调用[H, theta, rho] hough(bw, ThetaResolution, 1, RhoResolution, 1); peaks houghpeaks(H, 8, Threshold, 0.3 * max(H(:))); lines houghlines(bw, theta, rho, peaks, FillGap, 20, MinLength, 40);这段代码分三步hough 计算参量空间累加器ThetaResolution 和 RhoResolution 设为 1 表示角度每次投票步进 1 度、距离每次步进 1 像素再小会明显变慢但提升有限houghpeaks 在累加器里找前 8 个峰值Threshold 设为最大累加值的 0.3 倍把亮度不均产生的弱峰过滤掉houghlines 把峰值还原为线段FillGap 控制在同一直线上断点距离小于 20 像素就把它们连起来MinLength 小于 40 像素的零碎线段直接丢弃。这里的 theta 官方文档称为“法向角”它不是直线与水平轴的夹角必须先换算再用。参数作用经验取值ThetaResolution角度投票步长单位度1特殊高速场景可放宽到 2RhoResolution距离投票步长单位像素一般为 1Threshold峰值筛选下限相对最大峰值0.30.5FillGap同一直线断点连接像素数1530MinLength最短线段像素数3060这个表基本覆盖了算法里最常调的五个旋钮。用 0.3 作为 threshold 通常在边缘较多时能保留两到三条主直线如果画面里只有一条明确直边可以把 threshold 提高到 0.5减少短边缘被当成直线的情况。3.3 从直线法向角换算实际零件角度angles zeros(length(lines), 1); for k 1:length(lines) norm_angle lines(k).theta; % 法向角 line_angle norm_angle 90; % 转成与水平轴夹角 line_angle mod(line_angle 90, 180) - 90; % 折叠到[-90,90] angles(k) line_angle; end result_angle median(angles); % 多条直线取中位数抗单条误检 fprintf(检测到的主角度: %.2f 度\n, result_angle);这一段把 houghlines 返回的每条直线法向角统一换算成与水平方向的夹角。为什么要 90因为 hough 定义 theta 是垂线方向角水平线 theta 为 90 度直线本身是 0 度直接拿 theta 当直线角度会完全错位。mod 操作把角度折叠到 [-90,90]避免一条略偏的竖直边出现 89 度和 -91 度这种边界跳跃统计时才不会分散。最后用 median 而不是 mean是因为 hough 偶尔会捡到一条完全无关的短边缘中位数对离群值更迟钝。提示houghlines 返回的 lines(i).theta 是直线法向角不是直线与水平方向的夹角。做角度检测时最容易错的就是在这里直接输出 theta。如果零件有两条相互垂直的边可以由一条直线直接报角度也可以用两条直线的夹角做校验。夹角等于 abs(angles(1)-angles(2)) 再折叠到 090 度如果跟 90 度偏差超过 1 度说明边缘提取阶段产生了系统性误差需要回到 Canny 阈值调整。4. 批量匹配与参数调优testpipei 脚本的实战拆解picture.zip 里的 testpipei_1.m 和 testpipei_2.m从名字看就是匹配测试脚本。在实际项目中它们承担的任务是把待测图像的角度检测结果与模板图比对检验算法在不同光照、不同拍摄位置下是否一致。文件里同时出现 P1010814.jpg 和 P1010813.JPG基本上就是同一类零件的两个样本正好用来做交叉验证。4.1 testpipei 脚本的一般工作逻辑这类脚本最常见的写法是读取模板图 → 读取待测图 → 各自走一遍预处理和 Hough 检测 → 比较两条主角度是否在误差带内。直接比较角度差绝对值不够严谨因为角度误差是相对的主边缘接近水平时1 度偏差可能只是图像噪声而主边缘接近 45 度时1 度偏差对装配精度影响很大。更稳妥的做法是设定一个角度公差带例如 0.51.5 度角度差落在这个区间内才算匹配。4.2 用参数结构体统一管理检测参数调参过程中最怕的是改了一个脚本的阈值忘了同步另一个脚本。我一般把算法里所有可调参数抽成一个结构体统一放在一个函数里function params defaultParams() params.edgeMethod Canny; params.edgeThreshold [0.1 0.3]; % Canny高低阈值 params.thetaResolution 1; params.rhoResolution 1; params.houghThresholdRatio 0.3; params.fillGap 20; params.minLength 40; endedgeThreshold 双值含义前文已经讲过两个值相差太大边缘会断成碎片相差太小则噪声会被连接成伪直线。houghThresholdRatio 是相对最大累加值的比例如果一幅图里有两条几乎等强的直线这个比例最好不高于 0.5否则第二条直线会被过滤掉。testpipei_1 和 testpipei_2 共用 defaultParams匹配结果才有可比性。实际调参时按下面这个表排查最直接现象原因调整方向边缘断成碎段Canny 低阈值过高降低 edgeThreshold(1)次要直线漏检houghThresholdRatio 过大降到 0.3 以下短斜边被过滤minLength 过大减小到 2030同一直线断裂fillGap 过小增大到 20 以上4.3 批量跑图并输出匹配结果课程设计报告通常要附多组实验数据。写一个批量脚本把同一组参数跑遍所有图片输出角度和耗时能省去大量手工操作。files {P1010813.JPG, P1010814.jpg, afterCut.jpg}; n length(files); angles zeros(n, 1); times zeros(n, 1); for i 1:n tic; angles(i) detectAngle(files{i}, defaultParams()); times(i) toc; fprintf(%s: %.2f 度 (%.3f s)\n, files{i}, angles(i), times(i)); end T table(files, angles, times, VariableNames, {File, Angle, Time}); writetable(T, angle_result.csv);detectAngle 是把第 2、3 节全部流程封装成的单输入函数defaultParams 作为第二参数传入方便对多组参数并行测试。tic/toc 是 MATLAB 内置计时器用来对比不同预处理步骤的耗时边缘尺寸越大耗时越长。writetable 直接生成 CSV避免复制粘贴出错。匹配判定可以单独写一层maxDiff 1.0; % 角度公差带单位度 refAngle angles(1); for i 2:n diff abs(angles(i) - refAngle); if diff maxDiff fprintf(%s 匹配角度差 %.2f 度\n, files{i}, diff); else warning(%s 不匹配角度差 %.2f 度, files{i}, diff); end endmaxDiff 一定要跟零件的设计公差挂钩不能凭空设。调试时先用前三张图跑一遍看角度分布范围再把公差的中心值选在分布的中间位置而不是简单取 1 度。如果角度分布很大问题通常出在边缘提取阶段而不是匹配逻辑本身。5. 用 classdef 封装角度检测器从脚本到可复用工具箱picture.zip 里有一份面向对象课程设计报告说明这个项目要求脚本之上再抽象一层。MATLAB 的 classdef 语法比 C/Java 简洁正好把第 24 节的流程收进一个带状态的对象里。5.1 定义 AngleDetector 类classdef AngleDetector handle properties Params struct end methods function obj AngleDetector(params) if nargin 1 obj.Params defaultParams(); else obj.Params params; end end function angle detect(obj, imgPath) angle detectAngleCore(imgPath, obj.Params); end function ok match(obj, refPath, testPath, tol) refAngle obj.detect(refPath); testAngle obj.detect(testPath); ok abs(refAngle - testAngle) tol; end end endParams 结构体就是第 4 节的 defaultParamsdetect 方法对外只暴露图片路径内部完成灰度化、边缘提取、Hough 和角度换算。match 方法返回布尔值适合在自动产线里作为质量判定。类继承 handle 而不是 value主程序里修改 obj.Params 后不需要重新赋值调试时少一层麻烦。5.2 用直线叠加图验证检测结果代码跑通后先不要急着一口气处理几十张图。拿 afterCut.jpg 这种已裁剪的输入在结果图上叠加检测到的主角度确认找的是零件边缘不是背景阴影。obj AngleDetector(); angle obj.detect(afterCut.jpg); img imread(afterCut.jpg); imshow(img); hold on; plot(50, 50, r); text(60, 60, sprintf(%.2f deg, angle), Color, r, FontSize, 14); hold off;这里 plot 只是标记参考点更完整的方法是用 houghlines 返回的线段端点画 line把每一条参与投票的直线都显示出来用不同颜色区分长度。检查时重点看主导直线是否落在预期的零件边缘上。如果检测到的是阴影或倒角优先降低 Canny 低阈值、增大 MinLength或者换用 afterCut.jpg 这类已经剔除了背景的输入从源头排除干扰。全部验证通过后再把 detect 方法里的绘图和调试输出注释掉保留干净接口给自动化流程调用。本文还有配套的精品资源点击获取
MATLAB图像处理：边缘检测+Hough变换实现零件角度测量
简介这组MATLAB程序专注图像中零件角度的自动检测面向图像处理学习者、机械检测与机器人视觉开发者。程序综合运用灰度化、降噪、Canny/Sobel边缘检测与Hough变换等经典算法在参数空间中检测直线并计算倾斜角度能为零件定位、装配校验等场景提供快速测量手段。压缩包共16个文件以5个.m主程序为核心配有4个.asv自动备份、3张jpg测试图像以及.fig图形界面、.doc课程设计报告、.txt说明和.db辅助文件整体仅207KB便于下载与二次开发。已有105人学习下载。包内图片与源码可对照运行直观观察角度检测流程.doc报告梳理了实现原理.fig文件方便调整检测参数或界面布局适合作为课程设计、毕业设计或工业视觉项目的入门参考。1. 从零件图到角度值MATLAB图像处理流程从哪开始在机械加工现场靠人工拿量角器去量零件斜面角度既慢又容易受摆放位置影响。换成摄像头拍一张图用 MATLAB 脚本自动算出角度是机器视觉里最常见的“小任务”。picture.zip 里这套程序正是典型的“图像预处理 边缘检测 Hough 直线估计”流程从 gettezheng.m 的特征提取到 three.m 的角度计算再到 testpipei_1.m 的匹配测试覆盖了课设里“检测零件角度”的完整链路。正在做 matlab 图像处理课设或大作业的在校生以及想用 MATLAB 快速验证算法的工程师都可以从这套代码里找到直接能抄的骨架。要理解这套代码不需要先读完整报告只要盯住一条主线像素是怎么一步步变成角度的。2. 预处理与边缘检测Canny 和 Sobel 为什么不能乱选在角度检测这件事上边缘检测的质量直接决定后面 Hough 变换能找到几条有效直线。我刚接触 MATLAB 图片处理时跳过预处理直接 edge结果检测到一堆杂散直线。零件图来自真实相机背景、反光、噪声都会干扰边缘所以预处理不是可选项而是整个流程的地基。2.1 先做灰度化、缩放和去噪的次序原图是 P1010814.jpg 这种普通 JPG三通道彩色图对角度计算没有额外信息反而会放大光照不均的影响。常见做法是先用 rgb2gray 转成单通道灰度图再用 imresize 把长边缩到 800 像素左右减少 Hough 投票的计算量。缩完之后一般不急着直接 edge而是先用 medfilt2 或 imgaussfilt 做一次去噪。针对零件这种以硬边为主的图像中值滤波的效果通常比高斯滤波更贴近需求因为中值滤波在抑制孤立噪点的同时还能保留边缘的陡峭程度。用 imadjust 拉伸灰度区间可以让反光造成的低对比区域边缘更明显但要注意拉伸过大容易把阴影也当成边缘后面的 Hough 会多出一堆杂散峰值。2.2 Canny 与 Sobel 的实际差异Sobel 是求梯度输出的是梯度幅值图边缘粗、有方向性Canny 是在 Sobel 梯度基础上做非极大值抑制和双阈值连接输出的是单像素宽、闭合性好的边缘。检测零件直线角度推荐用 Canny因为 Hough 变换需要边缘点是局部极大值Canny 的结果更干净。Sobel 更合适做方向判断或者配合形态学操作不适合直接喂给 hough 函数。具体取舍见下面这个表。对比项Canny edgeSobel输出边缘宽度单像素多像素宽噪声敏感性低内部带高斯滤波高计算量较高低对 Hough 峰值影响好峰值集中差直线参数分散典型用途零件边缘、直线检测梯度方向估计、简单边缘需要补充一点edge 函数里指定 Canny 时内部已经做了高斯滤波所以不少情况可以不再单独做高斯medfilt2 放在前面主要是去掉传感器产生的椒盐噪声顺序不要搞反。有些人先 edge 再去噪结果噪声点被当成边缘后面 houghpeaks 选出来的直线会有明显偏移。2.3 用 MATLAB 实现预处理和边缘检测% 读入零件图 img imread(P1010814.jpg); if size(img, 3) 3 gray rgb2gray(img); % 转灰度去掉颜色干扰 else gray img; end % 缩放到长边800控制Hough计算量 scale 800 / max(size(gray)); gray imresize(gray, scale); % 中值滤波去噪3x3窗口对细边缘影响小 denoised medfilt2(gray, [3 3]); % 对比度拉伸增强弱边缘 adjusted imadjust(denoised); % Canny边缘检测阈值由算法自动估计 bw edge(adjusted, Canny); imshow(bw);这段代码把原始 JPG 转成灰度、统一尺寸、去噪、拉伸对比度最后得到二值边缘图。imresize 的 scale 是目标长边与原长边的比值这样任意分辨率的输入都能得到尺度相近的边缘图后续 Hough 的参数不用跟着分辨率反复调。medfilt2 的第二个参数 [3 3] 表示 3x3 邻域对零件这种直线边缘足够的精细窗口太大容易把倒角或圆弧磨平导致角度偏向。edge 的 Canny 使用自动阈值如果边缘过碎或过密再手动指定例如 edge(adjusted,Canny,[0.1 0.3])其中 0.1 是低阈值、0.3 是高阈值高阈值决定强边缘的保留低阈值决定强边缘周边的连续性。若图像照度不均先做 imtophat 顶帽变换或者分块直方图均衡能比单纯 imadjust 更有效地拉平背景。3. Hough 变换直线检测与角度计算三个函数怎么配合边缘图只是“哪些像素是边缘”要得到角度必须把边缘像素拟合为直线。Hough 变换是这里最通用的一招但对参数不熟悉的人经常会在角度换算上翻车。3.1 从像素到参数空间的投票核心思想图像空间的一条直线 ykxb 在参数空间里变成一个点反过来图像空间的一个边缘点 (x,y) 在参数空间对应一条曲线。让所有边缘点投票参数空间里峰值最高的点就对应图像空间里共线程度最高的直线。MATLAB 的 hough 函数采用 θ-ρ 参数化θ 是直线法向角ρ 是原点到直线距离。这样避开了斜率无穷大的问题也让 houghpeaks 的峰值搜索变得容易。3.2 用 hough、houghpeaks、houghlines 三级调用[H, theta, rho] hough(bw, ThetaResolution, 1, RhoResolution, 1); peaks houghpeaks(H, 8, Threshold, 0.3 * max(H(:))); lines houghlines(bw, theta, rho, peaks, FillGap, 20, MinLength, 40);这段代码分三步hough 计算参量空间累加器ThetaResolution 和 RhoResolution 设为 1 表示角度每次投票步进 1 度、距离每次步进 1 像素再小会明显变慢但提升有限houghpeaks 在累加器里找前 8 个峰值Threshold 设为最大累加值的 0.3 倍把亮度不均产生的弱峰过滤掉houghlines 把峰值还原为线段FillGap 控制在同一直线上断点距离小于 20 像素就把它们连起来MinLength 小于 40 像素的零碎线段直接丢弃。这里的 theta 官方文档称为“法向角”它不是直线与水平轴的夹角必须先换算再用。参数作用经验取值ThetaResolution角度投票步长单位度1特殊高速场景可放宽到 2RhoResolution距离投票步长单位像素一般为 1Threshold峰值筛选下限相对最大峰值0.30.5FillGap同一直线断点连接像素数1530MinLength最短线段像素数3060这个表基本覆盖了算法里最常调的五个旋钮。用 0.3 作为 threshold 通常在边缘较多时能保留两到三条主直线如果画面里只有一条明确直边可以把 threshold 提高到 0.5减少短边缘被当成直线的情况。3.3 从直线法向角换算实际零件角度angles zeros(length(lines), 1); for k 1:length(lines) norm_angle lines(k).theta; % 法向角 line_angle norm_angle 90; % 转成与水平轴夹角 line_angle mod(line_angle 90, 180) - 90; % 折叠到[-90,90] angles(k) line_angle; end result_angle median(angles); % 多条直线取中位数抗单条误检 fprintf(检测到的主角度: %.2f 度\n, result_angle);这一段把 houghlines 返回的每条直线法向角统一换算成与水平方向的夹角。为什么要 90因为 hough 定义 theta 是垂线方向角水平线 theta 为 90 度直线本身是 0 度直接拿 theta 当直线角度会完全错位。mod 操作把角度折叠到 [-90,90]避免一条略偏的竖直边出现 89 度和 -91 度这种边界跳跃统计时才不会分散。最后用 median 而不是 mean是因为 hough 偶尔会捡到一条完全无关的短边缘中位数对离群值更迟钝。提示houghlines 返回的 lines(i).theta 是直线法向角不是直线与水平方向的夹角。做角度检测时最容易错的就是在这里直接输出 theta。如果零件有两条相互垂直的边可以由一条直线直接报角度也可以用两条直线的夹角做校验。夹角等于 abs(angles(1)-angles(2)) 再折叠到 090 度如果跟 90 度偏差超过 1 度说明边缘提取阶段产生了系统性误差需要回到 Canny 阈值调整。4. 批量匹配与参数调优testpipei 脚本的实战拆解picture.zip 里的 testpipei_1.m 和 testpipei_2.m从名字看就是匹配测试脚本。在实际项目中它们承担的任务是把待测图像的角度检测结果与模板图比对检验算法在不同光照、不同拍摄位置下是否一致。文件里同时出现 P1010814.jpg 和 P1010813.JPG基本上就是同一类零件的两个样本正好用来做交叉验证。4.1 testpipei 脚本的一般工作逻辑这类脚本最常见的写法是读取模板图 → 读取待测图 → 各自走一遍预处理和 Hough 检测 → 比较两条主角度是否在误差带内。直接比较角度差绝对值不够严谨因为角度误差是相对的主边缘接近水平时1 度偏差可能只是图像噪声而主边缘接近 45 度时1 度偏差对装配精度影响很大。更稳妥的做法是设定一个角度公差带例如 0.51.5 度角度差落在这个区间内才算匹配。4.2 用参数结构体统一管理检测参数调参过程中最怕的是改了一个脚本的阈值忘了同步另一个脚本。我一般把算法里所有可调参数抽成一个结构体统一放在一个函数里function params defaultParams() params.edgeMethod Canny; params.edgeThreshold [0.1 0.3]; % Canny高低阈值 params.thetaResolution 1; params.rhoResolution 1; params.houghThresholdRatio 0.3; params.fillGap 20; params.minLength 40; endedgeThreshold 双值含义前文已经讲过两个值相差太大边缘会断成碎片相差太小则噪声会被连接成伪直线。houghThresholdRatio 是相对最大累加值的比例如果一幅图里有两条几乎等强的直线这个比例最好不高于 0.5否则第二条直线会被过滤掉。testpipei_1 和 testpipei_2 共用 defaultParams匹配结果才有可比性。实际调参时按下面这个表排查最直接现象原因调整方向边缘断成碎段Canny 低阈值过高降低 edgeThreshold(1)次要直线漏检houghThresholdRatio 过大降到 0.3 以下短斜边被过滤minLength 过大减小到 2030同一直线断裂fillGap 过小增大到 20 以上4.3 批量跑图并输出匹配结果课程设计报告通常要附多组实验数据。写一个批量脚本把同一组参数跑遍所有图片输出角度和耗时能省去大量手工操作。files {P1010813.JPG, P1010814.jpg, afterCut.jpg}; n length(files); angles zeros(n, 1); times zeros(n, 1); for i 1:n tic; angles(i) detectAngle(files{i}, defaultParams()); times(i) toc; fprintf(%s: %.2f 度 (%.3f s)\n, files{i}, angles(i), times(i)); end T table(files, angles, times, VariableNames, {File, Angle, Time}); writetable(T, angle_result.csv);detectAngle 是把第 2、3 节全部流程封装成的单输入函数defaultParams 作为第二参数传入方便对多组参数并行测试。tic/toc 是 MATLAB 内置计时器用来对比不同预处理步骤的耗时边缘尺寸越大耗时越长。writetable 直接生成 CSV避免复制粘贴出错。匹配判定可以单独写一层maxDiff 1.0; % 角度公差带单位度 refAngle angles(1); for i 2:n diff abs(angles(i) - refAngle); if diff maxDiff fprintf(%s 匹配角度差 %.2f 度\n, files{i}, diff); else warning(%s 不匹配角度差 %.2f 度, files{i}, diff); end endmaxDiff 一定要跟零件的设计公差挂钩不能凭空设。调试时先用前三张图跑一遍看角度分布范围再把公差的中心值选在分布的中间位置而不是简单取 1 度。如果角度分布很大问题通常出在边缘提取阶段而不是匹配逻辑本身。5. 用 classdef 封装角度检测器从脚本到可复用工具箱picture.zip 里有一份面向对象课程设计报告说明这个项目要求脚本之上再抽象一层。MATLAB 的 classdef 语法比 C/Java 简洁正好把第 24 节的流程收进一个带状态的对象里。5.1 定义 AngleDetector 类classdef AngleDetector handle properties Params struct end methods function obj AngleDetector(params) if nargin 1 obj.Params defaultParams(); else obj.Params params; end end function angle detect(obj, imgPath) angle detectAngleCore(imgPath, obj.Params); end function ok match(obj, refPath, testPath, tol) refAngle obj.detect(refPath); testAngle obj.detect(testPath); ok abs(refAngle - testAngle) tol; end end endParams 结构体就是第 4 节的 defaultParamsdetect 方法对外只暴露图片路径内部完成灰度化、边缘提取、Hough 和角度换算。match 方法返回布尔值适合在自动产线里作为质量判定。类继承 handle 而不是 value主程序里修改 obj.Params 后不需要重新赋值调试时少一层麻烦。5.2 用直线叠加图验证检测结果代码跑通后先不要急着一口气处理几十张图。拿 afterCut.jpg 这种已裁剪的输入在结果图上叠加检测到的主角度确认找的是零件边缘不是背景阴影。obj AngleDetector(); angle obj.detect(afterCut.jpg); img imread(afterCut.jpg); imshow(img); hold on; plot(50, 50, r); text(60, 60, sprintf(%.2f deg, angle), Color, r, FontSize, 14); hold off;这里 plot 只是标记参考点更完整的方法是用 houghlines 返回的线段端点画 line把每一条参与投票的直线都显示出来用不同颜色区分长度。检查时重点看主导直线是否落在预期的零件边缘上。如果检测到的是阴影或倒角优先降低 Canny 低阈值、增大 MinLength或者换用 afterCut.jpg 这类已经剔除了背景的输入从源头排除干扰。全部验证通过后再把 detect 方法里的绘图和调试输出注释掉保留干净接口给自动化流程调用。本文还有配套的精品资源点击获取
