主页 > 案例大全 > 论文方式解析-基于数字图像处理的轴类零件测量系统研究

论文方式解析-基于数字图像处理的轴类零件测量系统研究

2021-04-07 09:50:12

  数字图像处理技术是基于计算机来进行图像处理的一门新兴技术,而且图像处理技术的运行速度很快在众多领域有相当的应用。近些年来,由于MATLAB的运算能力逐渐增强使的图像处理更加快算简单,所以数字图像处理技术在许多的领域有不俗的表现。

  本文中使用数字图像处理技术和MATLAB对图像进行无接触的测量。使用高像素的数码摄像机进行零件图像的获取,使用最大熵分割算法寻找图像的最优阈值从而进行图像二值化处理,然后提取零件的边缘轮廓使用最小二乘法拟合求出零件尺寸。

  1.2.高精度图像测量的基础

  现代图像传感器的基础是金属氧化物半导体(MOS)技术,源自1959年由贝尔实验室的Mohamed M.Atalla和Dawon Kahng发明了MOSFET(MOS场效应晶体管)。这导致了数字半导体图像传感器的发展,包括电荷耦合器件(CCD)和后来的CMOS传感器。由于使用的传感器的不同所组成的图像测量系统也各不相同,根据采用的传感器可以把图像测量系统可分为红外成像、CCD成像等。CCD的特点众多例如它的高精度、高灵敏、高分辨率等所以在光学图像测量中常常使用CCD成像。

  1.3.课题内容及思路

  该课题主要是完成一个轴类零件自动检测的系统,数字图像处理技术主要用于处

  理轴类零件的图像部分。主要的思路是首先使用CCD摄像机对所求的图形进行采集将数字信号传入计算机中,然后使用数字图像处理对采集的图像进行种种处理的到所需的图像,然后根据确定的图像区域来计算零件的面积,求出其大小。本课题主要使用了图像的识别、增强、去噪声以及提取边缘并且二值化的。具体思路如下:

  (1)首先学习并了解图像处理的相关知识。

  (2)对所求的零件进行分析,确定使用什么方法来进行图像处理。

  (3)由于图像处理后的数据特征不够明显,然后需要使用图像增强技术来加强特征。网络上的图像增强算法有许多种,在本课题中使用常见的几种算来来处理并对比结果选择合适的算法。

  (4)在数字图像处理中二值图像有着重要的地位,在本课题中二值化图像可是使的下来的处理更加的方便简单,而且还可以减少输入的数据量

  (5)实现图像处理的方法是通过用MATLAB编程,在MATLAB中完成图像的的识别、增强、去噪、二值化、边缘提取等工作[10]。

  (6)最后将得到实验结果进行分析然后对系统加以改进。

  1.4.数字图像处理的应用领域

  人类的信息传播方法多种多样,不管是文字声音还是影视图像都是传播的途径。图像也是人类信息传播的一种主要方式,生活中图像传播信息在我们身边触手可及。在图像传播信息的过程中有些领域需要用到图像处理来对信息辅以加工和处理,在物理化学、生物医学、军事、法律等生活中大大小小的方面都有使用到,以下几方面的应用是比较常见的:

  (1)在生物医学中:

  在医学中,图像处理常常应用在CT、细胞分析和X射线照片分析。如何表达并精确分析细胞图像中有用的信息是困扰众多学者的一大难题,再过去只能通过显微镜的设备对细胞进行流于表面的观察很难确定重大的成果,随着数字图像处理的不断进步,细胞中主要的数据就可以就交给图像处理来实现高精度、高速率的结果。

  (2)在生产检查中:

  产品的检测往往是工业制造的一大难点,之前检测往往依靠于人工,这样的检测不仅仅降低了精度也带来了成本的增加,随着技术手段的不断进步人工检测正逐步退出舞台,采用数字图像检测产品慢慢地取得主要地位,例如在对筛选产品外观是否有缺损、生产材料的质量是否合格的那个方面已经有了成熟的技术手段来取代人工检测。

  (3)农业领域的应用

  在以往对农产品的检测取决于常年工作在第一线的工人经验,这种方法浪费时间切不能确切的取得观察成果,所以现在需要数字图像处理来更加详细的检测农产品的外观、成熟度。

  1.5.国内外的研究情况

  ①国外发展

  数字图像的产生和发展主要受三方面的影响:第一是计算机的发展;第二是数学的发展尤其是离散数学的建立;第三就是在农业、工业、军事等众多领域的需求增加促进了数字图像处理的发展。

  最早的数字图像处理技术是由美国的众多实验室和研究所开发的,主要是应用在卫星图像、有限照片标准转换、医学成像中,目的是为了提高图像质量,主旨是为人类改善视觉效果。最早在该领域取得成功的是美国的JPL实验室,该实验室在20世纪中叶对月球探测器游侠7发回来的月球照片进行了加工处理,成功绘制了月球的表面图像为后面的月球登录奠定了坚实的基础。但是数字图像处理技术是基于计算机的性能来进行处理的,所以在当时进行图像处理的成本相当之高。这种情况在1970年第三次科技革命发生后取得了变化,随着廉价的计算机和专用的硬件出现数字图像处理激增。这导致针对某些专用问题(例如电视标准转换)对图像进行实时处理。随着通用计算机变得越来越快,它们开始承担专用硬件的角色,除了最专业和计算机最密集的操作。随着2000年代可用的快速计算机和信号处理器,数字图像处理已成为图像处理的最常见形式,并且由于它不仅是最通用的方法,而且也是最便宜的方法而被广泛使用。

  ②国内发展

  在数字图像发展的黄金阶段我国正处于落后状态,全国都是努力发展科技与军工,因此与国外相比,我国对图像测量技术的研究起步较晚。但近20年来随着改革开放的加深,国内的经济取得飞跃的进步与此相对的国内的技术也突飞猛进。企业也从粗放型进不到精细化的程度,这时候对产品的质量要求就越来越严格。这时候图像技术顺风而起发展的越来越好,取得了相当大的成果。在发展过程中比较出名的公司有大恒图像、凌云光视、赛克数码等,在工业生产中这些公司产出大量的图像测量设备来取代人工检测。

  大恒图像成立于1991年主要产品是专注于机器视觉、视觉系统和互联网医疗相关产品的研究。在药品检测方面大恒图像工业相机可以精确地捕捉图像还可以保证只有正确的脉冲才可以输入相机从而提高了药品生产的准确率。

  欣维视觉是以机器视觉以及自动化技术为核心的一家高新技术企业公司,其麾下的MV-EM系列的工业相机通过千兆以太网进行传输,该系列的相机小巧精密,所消耗的功率也很低,拍出的照片具有高清晰。常常在制造业品质控制、高精度测量、智能交通系统、医学和生命科学影像、教育和科研等领域

  目前,国内的科研单位和高等院校也对图像测量技术进行相关研究,这些研究具有针对性,通常应用于特定的行业或针对某一特定检测项目。

  根据待测轴类零件的特点、测量要求,哈尔滨工业大学利用图像测量技术提出了一种高精度的轴类零件图像测量系统的设计方案,该方案采用常见的立式结构,被测零件绕轴线旋转以便采集不同角度下的零件图像、工业相机沿轴线移动采集被测工件图像。该方案采用工业CCD相机替代传统圆度仪的机械探针作为获取零件表面信息的传感器,使用计算机对CCD相机获取的图像进行处理计算出轴类零件的直径、圆柱度、圆跳动误差。最后根据现有实验条件选用精度相当的部件进行半实物实验,实验结果表明该方法测量精度能够满足生产使用。

  第二章数字图像处理的基本内容

  2.1.数字图像处理综述

  数字图像处理技术是通过图像采集设备对物品进行采样,然后把采样数字化后得到的一组二维阵列。数组的基本组成是像素它是用作灰度值的整数。在图像处理技术中常用的是图像识别确认图像的类别,然后进行图像的传输把数据传入专用的图像处理软件中,在软件处理过程中选用不同的技术手段来处理不同的零件。

  图像处理的主要目的有以下几点:

  (1)提高图像质量,通过对图像的增强、变换来降低某些内容从而达到改善图像的质量。

  (2)为了便于图像的分析,要提取图像中的部分特征信息本课题测量的是轴类零件所以需要提取器边缘特征来加以计算。

  (3)图像处理中需要对图像进行变换来减少图像的数据,通过压缩以及重新编码来储存图像。不论图像处理应用于何处,都需要通过计算机和图像专用的设施来进行加工、输入和输出。

  数字图像处理的优缺点:

  主要优点:

  (1)处理信息量大,因此对计算机的质量要求比较高;

  (2)由于在相关方面的投入较少,所以导致了该技术在运输和储存等方面的成本大,技术要求高。目前传输数字信号时需要占用较多的频带来进行这进一步的加大了成本的消耗。

  (3)每个像素的相关性比较大;

  (4)受人的影响比较大;数字图像处理后的图像需要人来进行观察研究,所以受人影响较大。

  主要优点:

  (1)处理精度高;

  (2)适用范围广泛;

  (3)使用比较灵活;

  2.2.数字图像处理的过

  图像处理就是图像经过一系列的特殊处理。数字图像处理是指通过数字计算机对图像处理得到的数字信号进行运算和处理,从而提高图像的质量。

  通常来说,数字图像处理的研究内容有:图像变换、图像增强、图像复原、图像分割、图像识别和图像压缩[12]。

  2.3.图像变化

  在图像处理的系统中图像点(m,n)的相应灰度值常常由二次函数F(m,n)表达,换言而之图像变换就是将图像点(x,y)用二次函数表达的函数值,转换成其他形式的表达式子。

  在图像处理中,实现图像变换的重要方法之一就是图像的正交变换,该方法可以减少运算量来为后续的工作减少时间。

  2.4.图像增强

  图像增强是通过一系列的技术手段增强图像中用户感兴趣部分的信息,这么做的目的一方面是为了改善图像的视觉效果提高所需部分的清晰程度;另一方面是使的图像变得有利于计算机的处理。在图像增强中,和直方图均衡化都是常用的图像增强方法。

  该课题中使用的图像增强的方法主要空域方法和频域方法,空间域指得是图形本身,该方法就是直接对图像像素点进行处理。另外一种是频域处理,在频域中一些式子的变化系数可以表达出某些图像的特征,实现频域处理的基础是傅里叶变换。

  频域增强技术就是说把图像的空间域表达式一一的变成频域的表达式,通常使用傅里叶变换进行这一步的变换。然后进行各种处理,然后对处理结果进行反转,得到所需的结果。

  2.5.图像分割

  把图像整个区域看出一个集合把该集合分割成若干个部分,并且这些部分是满足以下五个条件的非空子集:

  (1)(图像的所有像素都包含在分割的全部子集中)

  (2)对所有的i和j,有;

  (3)对i=1,2,3,……,M,有P(Ri)=TRUE;

  (4)对i≠j,有P()=FLASE;

  以上说明了分割的含义以及准则,条件(1)和(2)可以表明该准则适用于所有图像的像素和区域,条件(3)和(4)该准则可以帮忙把图像的代表特征表达出来,条件(5)则说明区域中像素的连通性对分割条件有一定的要求。

  图像分割技术主要是指串并边界技术和串并行区域技术,在图像处理中边缘检测是一种重要的技术手段具有很重要的地位,边缘检测技术就是来源于并行边界技术。

  2.6.图像复原

  在图像的处理过程中会因为各种可控或者不可控的因素导致了图像产生里退化,而图像恢复就是用来解决这一问题的主要技术手段。产生图像退化的原因多种多样常见的有在光学系统中实际的图像和理想中的图像有着一定的偏差而导致的退化现象;也有因为摄像系统和被摄像物体因为人为的因素导致了之间产生了相对的运动而致使图像产生退化;也有因为系统本身产生的噪声来导致了图像的退化。常见的图像关方法按照是否了解图像本身的性质来分为两类其一是不知道时,此时需要先建立导致退化原因的数学模型,然后用复原算法来减少甚至是完全屏蔽退化源引起的影响;其二是知道图像的信息,此时只要建立原始图像的数学模型然后的退化的图像模型进行对比就可以复原图像。

  根据是否需要给定模型和是否需要外来因素干涉可以把图像恢复分为四种方法,分别是有无约束两种和是否自动两种。然后还可以根据图像所处的域来分类。由于频域处理的简便程度越来越简单,现在越来越多的图像恢复技术以此为基础开发出来了并且得到了相关方面的应用。

  第三章轴类零件测量系统设计

  3.1.数字图像处理系统的组成

  数字图像处理自动检测技术在工业检测的各个领域正在逐步取代传统的人工检测方式。人工检测不仅工作效率低下而且检测精度很容易不达标,还容易造成检测失误。在工业检测的众多领域中数字图像处理检测系统都取得耀眼而惊人的成果,例如对零件尺寸的检测中替代了人工检测从而快速筛选出不合格的零件。数字图像处理检测系统组成部分一般分为获取图像的结构、处理图像信息的机构、系统控制处理的部分和人工加以调整的部分,系统各部分而关系如图1:

  在该系统中信息采集部分是最开始进行工作的,它要将测量物体以数据的形式传输给信息处理部分,当采集的数据经过已计算机相关软件为主的图像信息模块处理以后输出结果,下来就是检测图像的相关结果把不合理对的数据重新加以测量来保证精确度。在该系统中人机交互模块是起着保险作用的模块,机械可能会因为本身的原因导致系统不能按照计划运行,这时候就需要人机交互模块来加以干涉保证系统的完整运行。

  CCD摄像机、数码相机都是常见的图像采集仪器,在保持高性能和节省成本之间取得平衡点的结果就是在典型的数字图像处理系统选用CCD摄像机来作为系统的图像采集的工具。图像采集系统对整个系统都有着不可缺少的作用,一般是有光源、镜头和采集工具组成的。对于图像信息处理部分图像采集是图像处理的基础,要把需

  求图像的信息传入到图像处理中下来通过相关的软件来对数据加以处理,所以采集系统是以输入及时和准确为目标的。图像处理和系统控制都是有计算机和相关的软件来完成,相较于其他的模块这两个更加的具备普遍性的实用性图像的处理部分包括具有专业图像处理功能的计算机和能将图像分析和处理的结果输出显示的输出设备。理功能的计算机和能将图像分析和处理的结果输出显示的输出设备。

  3.2.轴类零件测量系统的组成

  基于数字图像处理技术的轴类零件测量系统由软件和硬件两部分组成

  3.2.1.轴类零件测量系统的硬件部分

  在测量系统中外部设备需要光源照亮、数码相机采集图像、计算机完成相关计算最后需要显示结果的显示屏幕。

  光源为图像采集系统提供适合的照明减少干扰,使的图像达到最好的效果便于图像的处理和分析。CCD数码摄像机将需要识别的图像记录下来并且将采集好的数字图像输入到计算机中,从而便于计算机进行处理。将图像数字化传输到计算机以后有专业的图像处理软件来处理图像,如图像预处理、特征提取和目标识别等。最后由显示器输出零件的几何尺寸。

  3.2.2.轴类零件测量系统的软件部分

  轴类零件测量系统的软件由操作系统和专业图像处理应用软件组成。

  (1)操作系统

  操作系统选用win7或者win10。

  (2)专业图像处理软件

  选用MATLAB R2018b,该工具的数值计算和图像可视功能方便简洁、并且语法简洁可以避免许多开发中不必要的程序错误。同时该软件还具备许多常用的图像处理函数,例如图像的读取、图像的灰度转换、直方图均衡化计算等,提高了效率节省了时间。

  3.3.轴类零件测量系统的工作原理

  在轴类零件测量系统的工作流程中主要可分为以下几部分:图像采集、图像增强、图像去噪、二值化处理、系统标定、零件边缘测量以及参数计算,示意图图2如下所示:

  (1)图像采集

  将待测的轴类零件放置在工作台上,调好CCD摄像机的位置和相机镜头的摄像范围并将摄像机固定到工作台相应的高度,然后进行图像采集。把采集的图像相关的数字信息水计算机中通过计算机用专业的软件进行处理,原图像如图3.

  图3

  (2)图像预处理

  使用图像增强技术把图像中的相关信息加以增强,然后使用锐化的方法把边缘区域凸显出来,最后选择合适的滤波方法尽可能的去除噪声调高精度。

  (3)图像分割

  将图像中需要计算的部分分割出来以便于后续处理,常见的分割方法有按轮廓和按区域分割。

  (4)系统标定

  在工作台成像环境中对数码相机尽心标定,用机器视觉数组图像处理的像素值和零件的实际尺寸联系起来。

  (5)边缘检测

  将零件的边缘轮廓标记出来,便于对零件的尺寸进行测量。

  (6)计算参数

  将连通区域统计的算法对零件进行检测和计算,得出的计算结果在显示屏中显示。

  第四章图像处理过程

  图像预处理

  采集到的零件图像会因为光学镜头和噪音的影响导致精度受到影响,为了便于后续的图像处理,首先要把采集到的图像进行图像增强处理和去噪声处理。

  处理过程中使用的是空域滤波的方法来完成图像增强功能的,借助滤波器的模板来进行领域之间的相互操作,这一步骤叫做卷积,卷积时需要根据不同的要求选择不同的模板,在等待处理图像中的逐像素输出的像素值是邻域像素的加权和,输出的像素代替原图像的像素点。这样的模板称为卷积核,采集过程中选用的是3*3的钝化对比度增强滤波,该滤波器的模板计算公式如下:

  (4-1)

  其中a是参数用来控制滤波器的形状,取值范围一般在0.1~1.0之间,实验中去0.2,将其作用于图像中使的图像的边缘和内部的细节更加清晰,灰度图像如图4所示:

  图4

  图像噪声以及滤波噪声

  1.2.3.4.4.1.4.2.4.2.1.图像噪声

  在图像的处理过程中有着许多的干扰信息,这些干扰信息产生于电磁波对设备产生的影响,通常把这些干扰信息称作图像噪声。通常是因为图像在图像传输和传输过程中,由于不同类型噪声的干扰,图像噪声会模糊图像的边缘细节,从而使图像很难确定图像中的详细信息,这会损坏后续图像的边缘并降低测量精度,因此在分析和理解图像之前,有必要滤除图像中的噪声,改善图像质量并促进更高水平的图像处理。本文研究的主要声音是脉冲噪声和高斯噪声。因为在图像分析中噪声分别以概率密度函数形式分布,进行概率统计分析的时候把噪声的灰度值作为随机变量来分析。

  ?高斯噪声

  当噪声的概率密度函数的表现形式是以正态分布来表示的时候,就把这种噪声称作是高斯噪声,公式4-2为密度函数的表达形式:

  (4-2)

  Z——————噪声的灰度值

  μ——————z的期望值或平均值

  e——————噪声的平均强度

  δ——————z的标准差

  δ2——————z的方差

  下图图5所示为零件灰度图像添加高斯噪声后的图像。

  图5

  ?脉冲噪声

  使的图像上随机产生黑白点的噪声是脉冲噪声又名椒盐噪声,脉冲噪声的产生的因素是由于图像产生信号时收到外来因素造成的干扰,另外图像分割的过程中也会产生脉冲噪声。公式4-3为脉冲噪声概率密度函数。

  (4-3)

  Z————脉冲噪声的灰度值

  如果b>a,灰度值b在图像中显示为一个白点;a>b,a的值显示为一个黑点。脉冲噪声分为单极脉冲噪声和非单极脉冲噪声,当Pa&Pb=0,为单噪声。当Pa≈Pb≠0,脉冲噪声表现为图像中随机分布在图像上的黑点和白点。下图图6照片为灰度图像和加入脉冲噪声的图像。

  图6

  4.2.2.滤波噪声

  图像中的噪声大多数是不规则分布的,高斯滤波是一种去除噪声点效果比较好的线性滤波方法。它在去除图像噪声时可以保持图像轮廓的完整性,线型滤波如图7所示。图像(x,y)处的灰度值用二次函数g(x,y)表示,G(X,Y)表示3*3矩阵的滤波处理后的图像在(X,Y)处的灰度值,则中值滤波的滤波输出可以表达为:

  (4-4)

  图7

  图像分割

  图像分割方法有阈值法,边界分割法和区域提取法这三种。阈值方法是一种简单有效的图像分割方法。此方法使用一个或多个阈值将图像的灰度平面划分为多个级别。同一平面上的像素是同一对象。在该设计系统中,使用灯箱中的背光源来描绘零件的图像,因此只有一个目标和一个背景,并且目标和背景的灰度分布相对相等,顾可以选择一定的阈值Th,把图像像素分为大于Th和小于Th的两部分,设F(x,y)表示对图像二值化的输出,即:

  (4-5)

  把目标的灰度值设为1,背景点的灰度值为0。阈值的计算方法一般为双蜂法、大津法、P-参数法等,我选用的是大津法,大津法处理后的图像如图8:

  图8

  系统标定

  在机器的视觉中要处理的部分都是像素,因此计算零件的实际尺寸时需要通过计算背景和目标像素点数占整幅图像的比需要对数码相机进行标定,求出图像的像素和实际尺寸的关系。首先测量零件的实际尺寸,其次只要求出像素与实际尺寸之间的比例关系K并计算出零件在数码相机获得的图像中所占的像素数就可以获得零件实际尺寸就可以求出实际尺寸。计算公式4-6如下:

  (4-6)

  L——零件实际尺寸

  M——零件的图像占得像素值

  K——像素值与实际尺寸的比例系数

  零件的边缘检测

  1.边缘检测的步骤

  边缘检测是一种定位图像中对象边缘的系统,它通过输入端接受图像的数据,把数据存入储存装置中,处理器确定该图像的边缘,系统的输出端则输出图像的边缘。基本步骤如下:

  (1)滤波,边缘检测容易受到噪声的影响,滤波在降低噪声影响的过程中也会使得边缘产生一部分的损失。

  (2)增强,增强算法可以把领域中灰度变化显著的点凸显出来。

  (3)检测,最简单的检测方法是根据梯度的幅值和阈值来判定的。

  (4)定位,精确定位边缘位置和方位。

  2.边缘检测的基本算子

  图像最基本的特征是边缘,边缘是指当周围的像素灰度值产生变化时的像素合集,边缘存在于目标之间,区域之间还有目标背景之间,边缘的形式可以粗略地划分为阶跃状和屋顶状它们的划分依据是像素的灰度值变化状况。最经典的、最简单的边缘检测方法是对原始图像按像素的某邻域构造边缘检测算子。例如:Robert算子,Sobel算子,Prewitt算子和Canny算子。

  Roberts算子

  Roberts算子检测边缘的方法是基于梯度幅值检测,依据是对角线方向相邻的像素差之间的关系,其模型形式为2*2的滤波器,可以表示为:

  Roberts算子常用在水平和垂直边缘上的检测,在斜向边缘的检测它的精度达不到所需要的要求,但是该算子对噪声敏感,图9为Roberts算子处理的图像:

  图9

  ?Sobel算子

  当像素上下左右的灰度有加权差时要采用Sobel算子,通过增加临近点的权重来实现平滑效果。其模型表达如下:

  Sobel算子的边缘信息可以比较精准的表达出来,按时精度达不到要求,图10为Sobel算子处理的图像。

  图10

  ?Prewitt算子

  Prewitt算子和Sobel算子的检测原理类似都是根据像素点上下左右的灰度差来检测的,Prewitt算子能够把伪装的边缘挑选出来并且加以去除还可以去除一部分噪声的影响。原理是在图像空间的水平边缘和垂直边缘两个方向进行领域卷积,表示如下:

  Prewitt算子和Soble算子的模板类似,对噪声有平滑作用,边缘检测精度不高,由于更为简单所以在抑制噪声方面不如Soble算子,图11为Prewitt算子处理的图像。

  图11

  ?Canny算子

  Canny算子比上述几种算子更加复杂高级,边缘提取的精度更高,4-7是Canny算子的相关公式:

  (4-7)

  δ——方差

  先用正态分布的高斯函数G(i,j)对图像P(i,j)进行平滑处理:

  (4-8)

  *代表卷积,然后用一阶有限差分计算两个阵列M和N:

  (4-9)

  (4-10)

  从而得到梯度的方位角、幅值:

  (4-11)

  (4-12)

  对幅值和方位角进行非极大值抑制,保留幅值局部变换最大的点。然后用双阈值法检测在吧边缘连接起来,连接高阈值边缘图,寻找图中出现的断点然后在断点的低阈值边缘图的8个邻点中找到所需的边缘点,即可确定图中阶跃边缘的位置。

  Canny算子是应用于边缘检测的算子中最优的一种,通过参数来控制算法的性能,根据不同的图像提取来选择不同的参数从而达到最佳效果,经过对着几种算子的比较在该课题中选择了Canny算子处理边缘,图12为处理的结果。

  图12

  轴类零件轮廓边缘提取

  首先将获得的图像进行图像转换,将其转化成灰度图像,然就对图像进行增强以及滤波处理平滑噪声,下来使用图像切割把图像的边缘部分分离出来然后用Canny算子进行边缘提取,下来要消除背景对边缘的影响,结果如下图图13。

  图13

  从上图可知经过Canny算子提取的工件轮廓还内部有着很多和轮廓边缘灰度一样的点难以处理,所以下来进行的就是图像分割把轮廓和背景分开,后续需要对图像进行二值化处理以突出工件轮廓。

  轮廓图像二值化

  灰度的阈值变化可以将灰度图像转换成黑白二值图像。它的操作过程由使用者指定一个阈值,如果图像中的灰度值小于该阈值则将该图像的灰度值设为0否则设为255,阈值变化后的图像将只有两个灰度值这样子工件的阈值边缘就很清晰了。

  灰度阈值变换的函数如下:

  (4-13)

  其中T为指定的阈值,当T为160时图像如下:

  可见选取适当的阈值对图像进行处理后工件的轮廓很清晰,对后续的工作很有用。

  进行阈值变换的关键在于阈值的选取,阈值选取的小会把轮廓边缘的点转换成和边缘轮廓一样的灰度;若是阈值大则背景和轮廓边缘很容易分开但是会丢失轮廓边缘上的点。阈值的选取应该根据图像的实际情况来选取不同的值。

  最小二乘法直线拟合

  由于利用Canny算子提取的边缘有折线所以采用最小二乘法进行边缘拟合,从而提高测量精度。

  最下二乘法可以用来处理一组数据,从数据中寻找变量之间的关系。

  设线性回归方程Y=a0+a1x

  a0和a1为回归方程的常数和系数,当提取值为x1,x2……xn时有相对应的回归值:

  (4-14)

  测量值yi与回归值yj之差用δi表示:

  (i=1,2,3,…3n)(4-15)

  上式表示全部测量值与回归值的偏离程度,设全部测量值和回归直线的偏差平方和为S,则:

  (4-16)

  上述公式反映了全部测量值与回归值的偏离程度。要使的回归直线和全部测量值最接近,根据极值条件有:

  (4-17)

  解得:

  上述可得到回归方程的常数和系数从而得到拟合直线,该直线即为通过像素的直线。

  本文中采用的是最小二乘法直线拟合,所用的函数是Polyfit函数,

  (1)P=Polyfit(x,y,n)用最小二乘法对数据进行拟合,返回n次多项式的系数,并用降序的向量表示。

  (4-18)

  (2)[P,S]=Polyfit(x,y,n)返回多项式系数向量P和矩阵S。S与Polyfit函数一起用时,可以得到预测值的误差估计。如数据y的误差服从方差为常数的独立正态分布,则Polyfit函数将生成一个包含50%预测值的误差范围。

  (3)[P,S,mu]=Polyfit(x,y,n)返回多项式的系数,mu是一个二维向量,μ1=mean(x),μ2=std(x),对数据进行预处理x=(x-μ1)/μ2。

  摄像机标定

  摄像机主要参数如下:

  分辨率:分辨率是用来表达图像在细节方便的一个重要参数,通常以水平*垂直的形式给出,为了提高测量的精度应采用高分辨率的摄像机。

  输出格式:只输出图像数据的格式。依照人的视觉对颜色敏感程度的不同可得:

  (4-19)

  Er为像素的亮度值,EREGEB为个像素的三个基色信号。

  输出接口:输出接口没有特别要求。

  帧率:帧率是指每秒钟能采集图像的数量,测量系统对此参数没有太高要求。

  调焦范围:6mm至无穷远,测量系统对此参数没有太高要求。

  因为本系统用于测量尺寸所以对分辨率的要求很高,且要求要一次成像所以要选用高分辨率的CCD摄像机。

  因为本文是对轴类的零件进行测量,所以必须测量出工件在轴线平面的轮廓尺寸,这就要求摄像机镜头的光轴与被测的轴的回转轴线垂直,如下图:

  过程如下:

  (1)当工作装卡在固定位置后,开始对摄像机进行标定。

  (2)控制摄像机,拍摄轴类的图像,提取轮廓经过系统处理获得清晰的轮廓。

  (3)处理刚拍摄的那段工件的实际尺寸,记该零件尺寸为D。

  (4)在(2)步骤中的图像中找到(3)步骤中对应的工件图像轮廓,使用系统的算法测得其尺寸标为d。

  (5)计算D和d之间的对应关系。设S为比例因子则S=d/D,当S确定后,实际尺寸和图像尺寸就对应起来了,相机的任务就完成了。

  结果处理

  轴径是轴类零件测量的重要项目,轴径表示为横截面最小二乘圆的直径。为了验证其测量精度,在工件处于静止状态条件下,周向等间距连续获取待测零件B、C、D三个轴段图片,每个轴段沿圆周方向均布采集16张图像。对采集的数字图像进行处理,下图为测量值:

  编号1 2 3 4 5 6 7 8

  Db图像测量值33.018 33.016 33.021 33.027 33.012 33.028 33.007 33.012

  Db实际测量值32.98 32.98 32.98 32.98 32.98 32.98 32.98 32.98

  测量误差0.038 0.036 0.041 0.047 0.032 0.048 0.027 0.032

  Dc图像测量值39.942 39.948 39.936 39.929 39.911 39.922 39.941 39.953

  Dc实际测量值39.85 39.85 39.85 39.85 39.85 39.85 39.85 39.85

  测量误差0.092 0.098 0.086 0.079 0.061 0.072 0.091 0.103

  Dd图像测量值26.951 26.972 26.946 26.939 26.967 26.972 26.942 26.965

  Dd实际测量值26.98 26.98 26.98 26.98 26.98 26.98 26.98 26.98

  测量误差0.029 0.008 0.034 0.041 0.013 0.008 0.038 0.015

  结果分析

  因为摄像机的规格不同,所以每个像素的尺寸不同。故在今后的应用过程中需根据摄像机的参数进行计算。

  影响测量系统结果的因素很多,不同的因素造成不同的测量误差,所以测量系统的误差由多个部分组成。对本文的测量系统进行分析可知,造成这种误差的原因有以下几种:

  (1)由摄像机本身的制造精度引起的测量误差;

  数码机的图像采集是由CCD感光单元组成的,所以CCD感光单元的灵敏度是防止产生重大误差的一个重要标准。其灵敏度误差是在CCD制造过程中使用的半导体材料杂志的不均匀造成的,各个感光单元的有效面积不一致也是影响此类误差的一-个重要因素。一般感光灵敏度误差不超过10%。

  (2)由工件的安装精度和卡具的制造精度所引起的测量误差;

  (3)摄像机的精度所引起的测量误差;

  摄像机的分辨率以及成像质量直接影响到检测精度,如摄像机分辨率高,则同样大小的图像对应的像素点数量大,则图像清晰度高,检测精度高。

  (4)由特征量计算过程引起的误差;

  在测量工件几何参数时,采用了最小二乘法来拟合直线。最小二乘法是根据所有数据点拟合曲线方程,当其中任意一点发生较大偏差时,都会产生很大的拟合偏差。