1、紙張和卡片的數(shù)量自動(dòng)統(tǒng)計(jì)對于印刷以及包裝行業(yè)的自動(dòng)化具有重要意義。目前基于機(jī)器視覺的紙張計(jì)數(shù)方法大多是根據(jù)紙張圖像的全局特征做圖像分割或者邊緣檢測的方法實(shí)現(xiàn)對紙張計(jì)數(shù)。雖然簡單易行，但對紙張厚度和邊緣質(zhì)量有較高要求，同時(shí)存在分割閾值難以選取、計(jì)數(shù)速度慢的缺點(diǎn)。
　　針對以上問題，本文研究了一種基于空間和灰度特征的紙張粗精二級計(jì)數(shù)方法。采用改進(jìn)型曲線峰谷定位算法完成粗計(jì)數(shù)；用特征聚類法對紙張精計(jì)數(shù)。在完成方法研究后，實(shí)現(xiàn)了紙張計(jì)數(shù)系

2、統(tǒng)。論文主要研究內(nèi)容和結(jié)論如下：
　　針對圖像整體基本周期性變化而空間灰度分布具有峰谷特征，設(shè)計(jì)了基于峰谷特征的紙張計(jì)數(shù)算法。首先用灰度投影法得到投影曲線，針對曲線特點(diǎn)和傳統(tǒng)檢測曲線峰谷算法的缺點(diǎn)，用基于二次尋找區(qū)域極值的方法對檢測算法做了改進(jìn)。根據(jù)統(tǒng)計(jì)的區(qū)域極小值點(diǎn)的數(shù)量來計(jì)算紙張數(shù)量并檢測其位置。該方法在紙張成像效果較好時(shí)，能在紙張顏色和邊緣條紋變化時(shí)仍然有較高的計(jì)數(shù)準(zhǔn)確率。
　　針對紙張?jiān)谂帕蟹胖脮r(shí)存在紙張粘連，而用粗

3、計(jì)數(shù)方法無法檢測出紙張數(shù)量導(dǎo)致計(jì)數(shù)準(zhǔn)確率降低的問題，根據(jù)紙張粘連處灰度和寬度異常變化的特征設(shè)計(jì)分類方法。首先用區(qū)域生長法對圖像二值化，用統(tǒng)計(jì)像素法得到紙張寬度，同時(shí)計(jì)算投影曲線波谷點(diǎn)與投影曲線均值的灰度差；然后計(jì)算投影曲線平均灰度差與紙張平均寬度，用紙張寬度和灰度差構(gòu)成二維特征向量；最后用K-means聚類法對特征向量進(jìn)行分類判斷紙張粘連數(shù)量。結(jié)果表明能在一定條件下解決粘連問題，提高計(jì)數(shù)準(zhǔn)確率。
　　最后實(shí)現(xiàn)基于機(jī)器視覺的紙張計(jì)數(shù)