机器视觉在光纤端面缺陷检测中的应用
基于机器视觉的高精度新型光纤端面检测装置的研究
基于机器视觉的高精度新型光纤端面检测装置的研究随着光纤通信技术的不断发展，光纤端面的质量检测变得越来越重要。
光纤端面的质量直接影响着光纤通信的传输性能，因此如何快速、准确地检测光纤端面成为了光纤通信领域的一个重要研究课题。
传统的光纤端面检测方法主要依赖于人工目测和显微镜检测，这些方法存在着检测效率低、检测结果主观等问题。
基于机器视觉技术的高精度新型光纤端面检测装置成为了当前研究的热点之一。
机器视觉是一种利用摄像机和计算机对视觉信息进行处理和分析的技术。
通过机器视觉技术，可以实现对光纤端面的自动检测和分析，大大提高检测的效率和准确性。
为了研究基于机器视觉的高精度新型光纤端面检测装置，我们将结合光学成像、图像处理和模式识别等相关技术，设计一种高效、准确的光纤端面检测装置，为光纤通信的发展提供技术保障。
一、光纤端面表面缺陷检测技术光纤端面的质量主要包括平整度、划伤、打磨痕迹和残留污垢等方面。
而目前最为关注的是光纤端面表面缺陷的检测。
由于光纤端面的尺寸较小、形状不规则，传统的检测方法往往难以满足要求。
利用机器视觉技术实现对光纤端面表面缺陷的快速、高精度检测成为了重要的技术目标。
机器视觉检测技术主要包括图像获取、图像处理和模式识别三个步骤。
首先通过摄像头对光纤端面进行图像获取，然后对获取的图像进行预处理，例如去噪、边缘检测等操作，最后利用模式识别算法对图像进行分析和判断，实现光纤端面表面缺陷的检测。
图像处理是基于机器视觉的光纤端面检测的重要环节之一。
通过对获取的光纤端面图像进行处理，可以提取出光纤端面的特征信息，实现对表面缺陷的快速、准确检测。
在光纤端面表面缺陷的图像处理技术中，主要涉及到图像去噪、边缘检测、图像分割、特征提取等方面的技术。
通过这些处理步骤，可以有效地减弱图像中的噪声干扰，突出光纤端面的边缘特征，提取出表面缺陷的特征信息，为后续的模式识别提供有效的数据支撑。
在光纤端面表面缺陷的模式识别技术中，主要涉及到特征提取、特征匹配、分类识别等方面的技术。
基于机器视觉的工件表面缺陷检测算法研究与应用
基于机器视觉的工件表面缺陷检测算法研究与应用随着工业发展的不断推进，工件表面缺陷的检测变得越来越重要。
其中，机器视觉技术的应用为工件缺陷检测提供了一种有效的手段。
本文将针对基于机器视觉的工件表面缺陷检测算法进行研究与应用，探讨其原理和优势。
一、机器视觉技术在工件表面缺陷检测中的应用机器视觉技术是一种利用计算机视觉系统对图像进行感知、分析和处理的技术。
在工件表面缺陷检测中，机器视觉技术可以通过图像采集、处理和分析，实现对工件表面缺陷的自动检测和分类。
二、工件表面缺陷检测的算法原理1. 图像采集与预处理在工件表面缺陷检测中，首先需要采集工件表面的图像数据。
通过合适的光源和相机等设备，获取高质量的图像。
然后，进行图像预处理，包括图像去噪、图像增强等处理，以提高后续算法的准确性和稳定性。
2. 特征提取与选择提取工件表面缺陷图像中的特征是缺陷检测的关键一步。
常用的特征包括纹理特征、形状特征、颜色特征等。
根据具体情况，选择适合的特征进行提取，并进行适当的降维处理，以减少特征的维度和冗余信息。
3. 缺陷检测与分类在特征提取后，利用机器学习算法对工件图像进行缺陷检测和分类。
常用的算法包括支持向量机（SVM）、卷积神经网络（CNN）等。
通过训练模型和测试样本，实现对工件缺陷的有效检测和分类。
三、基于机器视觉的工件表面缺陷检测算法的优势1. 高效性机器视觉技术可以实现对工件表面缺陷的自动检测和分类，大大提高了检测的效率。
相比于传统的人工检测方法，机器视觉算法可以在短时间内处理大量图像数据，提高了生产力和效益。
2. 准确性基于机器学习算法的工件缺陷检测可以通过大量的样本训练和测试，从而提高检测的准确性。
机器视觉算法可以自动识别和分析工件缺陷，避免了人眼视觉疲劳和主观判断的影响，减少了误检和漏检的问题。
3. 稳定性机器视觉算法可以稳定地运行在工业生产线上，实时地对工件进行检测。
相比于人工检测的系统，机器视觉算法可以克服环境变化对检测结果的影响，并且不受人为因素的干扰。
机器视觉在光纤端面缺陷检测
机器视觉在光纤端面缺陷检测
本文介绍了如何利用机器视觉进行光纤端面的缺陷检测，并使用美国国家仪器(NI)公司的VBAI视觉自动检测开发环境完成了机器视觉系统的开发。
VBAI(Vision Builder for Automated InspecTIon)是NI推出的一款视觉检查软件，作为自动检测的视觉生成器。
此工具是实验室进行快速视觉效果验证的理想工具，也是很好的生产线简易测试平台。
结果显示，该系统能够比较精确地检测出缺陷所在位置及其大小，速度较快，达到了对光纤端面缺陷检测的要求。
1 检测系统
本文所提出的光纤端面缺陷机器视觉检测系统由光纤端面检测仪以及PC系统组成。
检测的时候将光纤活动连接器插入光纤端面检测仪的固定测试平台中，而光纤端面检测仪通过USB线连接到PC系统上，这样就能将图像采集到电脑里。
调整显微镜焦距，一旦得到了满意的图像，就启动软件对光纤端面进行分析，与软件预设的标准指标进行比较，从而定量地确定各区域信息，判断该光纤端面合格与否。
基于机器视觉的改进光纤端面缺陷检测技术
• 63•生产设备，中心在学校管理制度的基础上制定了《电气大类示范实验实训中心教学、科研仪器设备管理办法》《电气大类示范实验实训中心大型精密仪器设备管理办法》《电气大类示范实验实训中心教学、科研仪器设备损坏、丢失赔偿办法》《电气大类示范实验实训中心低值易耗品管理制度》等文件，健全仪器设备管理制度，运行良好；围绕中心在保证完成实训（实验）和科研任务的前提下，积极开展服务社会和地方行业，中心已经建立了《电气大类示范实验实训中心对外开放管理办法》，通过开放中心实验室，在整合现有教学资源的基础上，提高了仪器设备的利用率，充分发挥了中心的教学资源优势。
3 实验实训中心建设成果与特色中心项目组成员围绕建设目标，在建设过程中积极开展各项活动，构建创新特色做法，进行了一系列的改革与探索，主要建设成果与特色为：（1）中心下各类实验室开放模式，加强学生实践能力和创新能力的培养：中心建设紧扣应用型本科人才培养目标，逐步实施实验室对学生和教师的全面开放，充分利用实验室资源，更好地发挥实验室在加强学生的动手能力和应用能力中的推动作用。
（2）发挥中心的仪器设备资源优势，协助共用，发挥效益：中心在整合现有仪器设备资源的基础上，充分发挥仪器设备的利用率，积极承担学校其他院部的电类课程实验实训教学。
（3）优化专业实训（实习）项目，加强综合性、设计性实验比例，拓展实习实训教学空间，重视工程实践锻炼，充分发挥中心的教学资源优势。
（4）制定并逐步完善中心的各种管理制度，建立示范实验实训中心网站平台实现网上辅助教学和智能化管理，充分利用网络化平台，发挥中心各实验分室在实训（实验）教学中的作用保证各项机制运行良好。
（5）校企合作，通过共建，达成资源共享，拓展实训（实验）教学空间：通过与企业建立持久而有效的合作机制，加强产学合作为实践教学提供资源。
构建以实训、实习、科研、培训为一体的工程素质平台。
4 总结中心建设紧扣专业改革发展方向，注重学生创新意识、实践能力和学习能力的培养，充分体现了现代示范实验实训中心建设理念。
使用计算机视觉技术进行表面缺陷检测的方法
使用计算机视觉技术进行表面缺陷检测的方法随着制造业的发展和自动化程度的提高，对产品质量的要求也越来越高。
表面缺陷是制造过程中常见的问题之一，它们可能影响产品的性能、可靠性和外观。
为了提高产品质量控制的效率和准确性，采用计算机视觉技术进行表面缺陷检测成为了一种主流方法。
计算机视觉技术是指利用计算机来模拟人类视觉系统，通过图像采集、图像处理、模式识别等方法对图像进行分析和处理的技术。
在表面缺陷检测中，计算机视觉技术可以替代传统的人工视觉检测，能够快速准确地检测出各种类型的缺陷。
下面我们将介绍几种常用的计算机视觉技术在表面缺陷检测中的应用方法。
1. 全局特征分析法全局特征分析法是一种利用图像全局特征进行表面缺陷检测的方法，它不考虑每个像素的特征，而是对整个图像进行分析。
这种方法适用于表面缺陷较大且数量有限的情况。
常用的全局特征包括灰度直方图特征、颜色特征和纹理特征等。
通过采集样本数据，训练一个分类器来对新的图像进行分类，从而判断是否存在表面缺陷。
2. 基于特征提取的方法基于特征提取的方法通过提取图像中的关键特征，并对这些特征进行分析和比较来判断是否存在缺陷。
常用的特征包括边缘特征、纹理特征、色彩特征等。
可以使用边缘检测算法如Canny算法提取边缘信息，采用纹理分析方法如Gabor滤波器来提取纹理特征。
通过对提取到的特征进行分析和比较，可以准确地检测出表面缺陷。
3. 基于深度学习的方法近年来，深度学习在计算机视觉领域取得了重大突破。
在表面缺陷检测中，基于深度学习的方法具有很高的准确性和鲁棒性。
使用卷积神经网络（CNN）可以提取图像中的特征，并能够进行自动分类和识别。
通过大量的样本数据进行训练，深度学习模型能够学习到丰富的特征表示，从而对表面缺陷进行准确的检测。
4. 基于图像分割的方法表面缺陷通常表现为图像中的一些局部区域，并且与周围区域有明显的边界。
基于图像分割的方法可以将图像分割成多个区域，并对每个区域进行独立的分析。
机器视觉技术在工件表面质量检测中的应用
机器视觉技术在工件表面质量检测中的应用近年来随着科技的不断发展，机器视觉技术作为一种全新的检测手段逐渐被应用到了工业生产领域。
其中，机器视觉技术在工件表面质量检测中的应用更是得到了广泛的关注，下面本文将就此方面展开探讨。
一、机器视觉技术在工件表面质量检测中的应用概述机器视觉技术在工件表面质量检测中的应用是指通过对工件表面图像的数据采集和处理，快速、精准地检测出工件表面是否存在缺陷、裂纹、毛刺等质量问题。
相比传统的目视检测方法，机器视觉技术具有检测速度快、效率高、稳定性好等优点，可以大大提高生产效率和产品质量。
二、机器视觉技术在工件表面缺陷检测中的应用在工件生产中，常常会出现表面缺陷的问题，如划痕、裂纹、气泡等。
这些缺陷往往会影响到工件的性能和质量，给企业带来诸多损失。
针对这些问题，机器视觉技术在工件表面缺陷检测中的应用已经越来越成熟。
通过对工件表面图像进行采集和处理，机器视觉系统可以自动识别不同类型的缺陷，并及时发出报警信号，方便操作人员进行及时的工艺调整，保证产品质量。
三、机器视觉技术在工件表面外观检测中的应用除了表面缺陷，工件的外观问题也是生产中常见的问题，如色差、图案偏移等。
这些问题虽不会影响到工件的内在性能，但对于一些高端消费品、电子产品等有着极高的要求。
针对这些问题，机器视觉技术同样可以发挥重要作用。
通过对工件表面的颜色、形状、大小等因素进行综合分析，机器视觉系统可以自动判断工件是否达到了要求的规格、外观质量等级等，实现对工件外观的自动化检测。
四、机器视觉技术在工件表面几何形状检测中的应用针对一些具有特殊形状或规格的工件，其几何形状是否符合标准也是一个必须考虑的问题。
传统的检测方法需要操作人员逐个对工件进行测量，工作量大、效率低。
而运用机器视觉技术，可以使得对工件表面几何形状的检测更为精准、快速。
机器视觉系统通过对工件表面进行拍摄，再自动分析处理出所需的几何参数，可以快速地评估出工件几何形状是否符合标准。
机器视觉技术在品质检测中的应用案例分享
机器视觉技术在品质检测中的应用案例分享随着科技的不断发展，机器视觉技术在各个领域的应用越来越广泛。
其中，品质检测是机器视觉技术的一个重要应用领域。
机器视觉技术能够以高速、高精度、高效率的方式对产品进行准确的质量检测，有效提升了生产线的品质管控能力。
本文将分享几个机器视觉技术在品质检测中的应用案例。
首先是机器视觉技术在无损检测领域的应用。
无损检测是一项对产品材料进行检测的技术，其目的是发现和评估材料内部的缺陷，而不破坏样品的完整性。
传统的无损检测方法往往需要依赖于人工操作，检测效率低且容易造成误判。
而引入机器视觉技术后，可以利用高分辨率的摄像头对产品进行拍摄和分析，通过图像处理算法来识别和评估产品的缺陷。
例如，在钢铁行业中，机器视觉技术可以用于检测管道表面的裂纹、气孔等缺陷，在电子行业中可以用于检测印刷电路板上的焊点缺陷。
这些应用不仅提高了品质检测的准确性和效率，还减少了人为因素对检测结果的影响。
其次是机器视觉技术在食品检测领域的应用。
食品的质量安全一直是人们非常关注的问题。
机器视觉技术在食品检测中的应用主要体现在外观、尺寸和成分等方面。
例如，机器视觉技术可以用于检测水果表面的疤痕、病斑和淤痕等缺陷，同时还可以通过颜色和形状等特征来判断水果的成熟度和品质。
此外，机器视觉技术还可以用于检测包装过程中的异物掺入和包装密封性能等问题，确保食品的新鲜度和安全性。
这些应用不仅提高了食品质量检测的准确性，还提升了生产线的效率和可靠性。
再次是机器视觉技术在医药制造领域的应用。
医药制造过程中对于药品的质量要求非常高，传统的人工检测方法难以满足需求，而引入机器视觉技术可以极大地提高医药制造品质检测的精确度和效率。
例如，在药片生产过程中，机器视觉技术可以用于检测药片的重量、尺寸和颜色等特征，保证合格的产品流入市场。
此外，机器视觉技术还可以用于检测药品包装的完整性和标签的准确性，确保药品的真实性和安全性。
这些应用不仅提高了药品品质检测的准确性，还大大提高了生产线的效率和安全性。
机器视觉技术在自动检测与缺陷分析中的应用
机器视觉技术在自动检测与缺陷分析中的应用在现代工业生产和制造过程中，自动检测与缺陷分析是至关重要的环节。
传统的人工检验方法耗时耗力，容易出现疏漏和错误，而机器视觉技术作为一种先进的自动化检测方法，正在被越来越广泛地应用于各个领域。
本文将介绍机器视觉技术在自动检测与缺陷分析中的应用，并探讨其优势和挑战。
首先，机器视觉技术在自动检测中有着广泛的应用。
通过摄像机和图像处理算法，机器视觉系统能够快速准确地捕捉到目标物体的图像数据，并进行分析和判断。
在制造业中，机器视觉技术被用于检测产品的外观和质量。
例如，在汽车制造过程中，机器视觉系统可以检测车身的涂装质量、焊接接缝的完整性等。
在电子制造业中，机器视觉系统可以检测电路板上的焊点、元件的安装位置等。
这些自动化检测方法不仅效率高，而且准确度远远超过了传统的人工检验方法。
其次，机器视觉技术在缺陷分析中也有着重要的应用。
对于制造过程中产生的缺陷，机器视觉系统能够通过图像处理算法进行准确的分析和判断。
例如，在半导体制造过程中，机器视觉系统可以检测芯片表面的缺陷，如裂纹、划痕等。
在纺织品制造中，机器视觉系统可以检测织物的瑕疵，如断纱、错纱等。
这种自动化的缺陷分析方法不仅能够提高产品的质量，还可以避免由于人为因素导致的分析误差。
机器视觉技术在自动检测与缺陷分析中的应用具有许多优势。
首先，机器视觉系统可以快速准确地处理大量的图像数据，大大提高了检测和分析的效率。
其次，机器视觉系统对于细小的缺陷和不规则形状的目标物体也可以进行准确的检测和分析，人工很难做到这一点。
此外，机器视觉系统不受疲劳、情绪和主观因素的影响，可以保持稳定的工作状态，这对于长时间持续的生产过程非常重要。
然而，机器视觉技术在自动检测与缺陷分析中也面临一些挑战。
首先，图像数据的质量对于机器视觉系统的检测结果有着重要的影响。
噪声、光照变化、目标物体的形变等因素都会对图像数据的质量产生影响，从而影响机器视觉系统的检测准确度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
机器视觉在光纤端面缺陷检测中的应用作者：赵伟杰, 高勇来源：《现代电子技术》2011年第19期摘要：传统的光纤端面缺陷检测用的是人工检测方式，这种检测方式效率很低，检测结果的主观性很强。
对光纤端面缺陷使用机器视觉检测，能极大地提高检测效率和检测准确性。
首先将采集到的图像通过图像处理二值化，接着对纤芯中心进行定位，然后以纤芯中心为圆心对光纤端面进行不同的圆环检测区域划分。
由于光纤端面上的缺陷有可能是暗色的或者是亮色的，因此为了区分二者，对每个区域检测时需要做不同的二值处理。
如果有任意一个区域的检测不能通过，则这个光纤端面就是不符合要求的。
结果显示，利用机器视觉进行光纤端面检测能够快速、精确地检测出缺陷所在位置及其大小。
关键词：光纤端面；机器视觉；缺陷检测；图像处理中图分类号：TN919.8-34文献标识码：A文章编号：1004-373X(2011)19-0136-04Application of Machine Vision in Defects Inspection of Optical Fiber End SurfaceZHAO Wei-jie, GAO Yong(Sichuan University, Chengdu 610065, China)Abstract： The traditional defects inspection method of optical fiber end surface is manual inspection, which is a low efficiency method, and has subjective results. However, it is found that inspecting optical fiber end surface by machine vision can greatly improve the efficiency and accuracy. This article describes how to use machine vision for defects inspection in optical fiber end surface. Through processing the collected image, it is easy to get the binary image. After that, it needs to locate the centre of the core as the center of optical fiber end surface to divide the area. The defect of the optical fiber end surface may be dark or bright, in order to distinguish them, it needs to do different binary conversion. If any one area is failed, this optical fiber end surface is unqualified. The results show that using machine vision to inspect the optical fiber end surface can locate the defects and calculate the size of the defects rapidly and accurately.Keywords： optical fiber end surface; machine vision; defects inspection; image processing收稿日期：2011-05-030 引言作为信息高速公路的载体，以及光纤通信系统的重要组成部分，光纤体现了非常优越的信息传输特性，是构成21世纪信息社会的一个不可或缺要素。
在光纤通信中，光纤的活动连接都是通过光纤连接器实现的，光纤端面的洁净程度对连接器的性能有决定性的影响。
除了在抛光过程中或者在光纤插拔等在线业务操作过程中产生的光纤端面永久性损伤(如划伤、裂痕)外，由于在平时使用中可能会与不洁净的手、光纤帽边缘、法兰盘金属边缘、脏的光纤端面以及空气中的颗粒接触，光纤端面还会受到各种各样的临时性污染(如污垢、油渍、水或清洗剂的残留)，从而使得其性能受到影响，这不仅会使连接损耗变大、通信性能下降，严重时则纤芯被堵不能传输光，从而导致纤芯被高功率激光烧坏［1］。
为了保证光纤通信的稳定与高效，每个光纤的端面必须保证一定程度上的清洁。
传统的光纤端面缺陷检测方法是采用人工检测的方法，这种方法首先将光纤端面的图像采集出来，然后用肉眼观察脏污，再进行人工判定。
由于这种方法是检查者肉眼连续观察光纤的端面，容易使人感到视觉疲劳，所以效率比较低。
而且每个人的经验和责任心不一样，得到的产品质量也会有相当大的差异。
为了提高产品的可靠性和生产效率，本文提出了一种抛弃人工肉眼检测而使用机器视觉进行检测的方法。
机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行图像处理并加以理解，然后用于光纤端面的缺陷检测。
与人工检测相比，机器视觉检测方法提高了检测的准确性，降低了测试成本，增强了测试能力，使得对生产线上操作人员的培训难度降低，而且能获得更多的生产线监测数据信息［2］。
本文介绍了如何利用机器视觉进行光纤端面的缺陷检测，并使用美国国家仪器(NI)公司的VBAI视觉自动检测开发环境完成了机器视觉系统的开发。
VBAI(Vision Builder for Automated Inspection)是NI推出的一款视觉检查软件，作为自动检测的视觉生成器。
此工具是实验室进行快速视觉效果验证的理想工具，也是很好的生产线简易测试平台。
结果显示，该系统能够比较精确地检测出缺陷所在位置及其大小，速度较快，达到了对光纤端面缺陷检测的要求。
1 检测系统本文所提出的光纤端面缺陷机器视觉检测系统由光纤端面检测仪以及PC系统组成。
检测的时候将光纤活动连接器插入光纤端面检测仪的固定测试平台中，而光纤端面检测仪通过USB线连接到PC系统上，这样就能将图像采集到电脑里。
调整显微镜焦距，一旦得到了满意的图像，就启动软件对光纤端面进行分析，与软件预设的标准指标进行比较，从而定量地确定各区域信息，判断该光纤端面合格与否。
该系统的检测效果与软件的能力、显微镜性能以及操作人员对焦图像的技能有关，已经证明了其在准确性、可重复性、再现性以及检测效率等方面明显优于人工检测。
该方案还可以提供检测结果的具体记录，包括端面图像和损伤检测数据等，提高系统的自动化程度。
2 检测过程本系统所使用的检测软件是基于VBAI视觉自动检测开发环境开发的，具备对光纤端面图像进行处理和分析的能力，其处理流程如图1所示。
图1 系统软件处理流程图在使用光纤端面检测仪对光纤端面进行图像采集的时候，由于光纤端面每次出现在视野范围中的位置都有所不同，所以首先要对光纤端面纤芯的位置进行定位才能对其进行一系列的检测。
要定位纤芯的位置，首先需要将采集到的图像二值化。
因为通过光纤端面检测仪采集得到的初始图像为32位的，而在VBAI中对图像分析处理的函数模块基本上都是不支持32位图的，所以只有把32位图转化成二值图像，才能对其进行一系列精确的分析。
使用VBAI的视觉助手(Vision Assistant)函数模块对初始图像进行图像处理，通过抽取色彩值(Extract HSL)的子函数即可得到灰度8位图，然后使用阈值法将图像二值化。
阈值法是一种简单而且有效的图像分割方法，此方法是用一个或几个阈值将图像的像素灰度级分为几个级别，属于一个级别的像素点被认为是同一类物体。
需要注意的是，在光纤端面检测的过程中，由于包层可能会和包层外的脏污属于同一个灰度级，所以在对包层外的脏污检测的时候是不能同时对包层上的脏污进行检测的，需要将包层屏蔽以后再检测。
在本系统中，设F(x,y)表示对图像二值化的输出，其像素灰度级范围为［a,b］，对同一类型的缺陷检测时只需要设定一个a和b之间的阈值TH，把图像的像素分成大于TH的像素群(缺陷)和小于TH的像素群(背景)两部分。
即：图像二值化将缺陷像素点的灰度值设为0，背景像素点的灰度值设为1。
在VBAI的视觉助手函数模块中就有设置阈值(Threshold)的函数子模块，调用的时候只需要在阈值直方图上根据双峰法找到波峰与波谷，并手动调整阈值的大小，使其能将缺陷与背景区分开来即可，如图2所示。
图2 原始图像以及其阈值直方图2.1 纤芯的定位本文定位光纤纤芯所使用的是方法是先找到光纤的整个包层，由于光纤包层的形状是一个圆，而这个圆的圆心就是纤芯的中心了。
光纤端面存在较大程度的污染的话，如果只是设置一定的阈值将图像二值化，得到的二值图像除了光纤包层外还可能会有很多脏污，这样就会对光纤包层的定位产生很大的影响。
所以二值化图像后还需要使用视觉助手里的一些子函数模块对图像进行一些形态学的处理，使用移除小颗粒(Remove Small Objects)和移除大颗粒(Remove Large Objects)这两种函数子模块，调整迭代次数的大小，把比光纤包层小和比光纤包层大的颗粒都滤掉，从而除去对光纤包层定位的干扰，使得到的二值图像里只有光纤包层的图像，如图3所示。
得到光纤包层的二值图像后，利用VBAI中寻找圆边缘(Find Circular Edge)以及建立坐标系(Set Coordinate System)的函数模块，即能准确地定位光纤纤芯的位置。
寻找圆边缘是为了寻找光纤包层圆的边缘，从而寻找到光纤包层圆的圆心，这个圆心也是纤芯圆的圆心，然后以这个圆心为坐标系原点建立坐标系。
在VBAI中，建立坐标系这个函数的功能是定位特征，它能根据寻找到的包层圆自动定位圆心，即使包层在图像中的位置改变，坐标系原点也能准确地定位在包层圆的圆心上，而包层圆的圆心就是纤芯圆的圆心。
由图4可见，坐标系的原点可以很精确地定位在位置不同的纤芯圆的圆心上，即使是在不规则的包层面上。
图3 将原始图像处理成只有光纤包层的二值图像图4 不同位置纤芯的定位2.2 检测区域的划分在定位了光纤纤芯之后，由于在光纤端面上不同圆环范围内所用的检测标准也不同，所以要以纤芯中心为圆心作不同区域的圆环，再在每个圆环内按规定的检测标准进行检测。
如果有任意一个圆环内的检测不能通过，则这个光纤就是有缺陷的，不能通过。
在划分区域的时候，由于通过光纤端面检测仪采集得到的图像在VBAI环境下是以像素(pix)为计量单位的，而一般检测标准中给出的光纤端面检测要求是以微米(μm)为计量单位的，所以要通过公式(2)进行转换将微米(μm)转换成像素(pix)。