殷蘇民，鮑紅力，吉彬斌，劉金亮，張建剛

（江蘇大學(xué)機(jī)械工程學(xué)院，江蘇鎮(zhèn)江 212013）

0 引言

某汽車(chē)發(fā)動(dòng)機(jī)鑄件生產(chǎn)企業(yè)在產(chǎn)品下線之前，要求對(duì)工件外觀進(jìn)行檢驗(yàn)，防止有缺陷的不合格工件出廠，對(duì)后續(xù)的機(jī)械加工設(shè)備產(chǎn)生不良影響。傳統(tǒng)的檢測(cè)方法是根據(jù)檢測(cè)要求進(jìn)行人工目測(cè)，這種測(cè)量方法檢測(cè)效率低，勞動(dòng)強(qiáng)度大，并且檢測(cè)結(jié)果受檢測(cè)人員的主觀影響較大。為此，在實(shí)際生產(chǎn)線上采用機(jī)器視覺(jué)系統(tǒng)進(jìn)行在線檢測(cè)，自動(dòng)識(shí)別工件的瑕疵，實(shí)現(xiàn)質(zhì)量檢測(cè)的自動(dòng)化，以提高生產(chǎn)效率，減輕勞動(dòng)強(qiáng)度，提高檢測(cè)質(zhì)量。本文討論的圖像模板匹配技術(shù)即是視覺(jué)系統(tǒng)中采用的一種信息處理方法，也是圖像處理中一個(gè)很重要的研究方向。圖像匹配方法有多種:基于灰度信息、基于特征、基于變換域［1］。本文針對(duì)發(fā)動(dòng)機(jī)缸體圖像自身的特點(diǎn)，在基于灰度匹配算法的基礎(chǔ)上，提出一種基于圖像小區(qū)域的模板匹配算法，在實(shí)際應(yīng)用中獲得了良好的識(shí)別效果。

1 圖像匹配原理

圖像匹配是對(duì)兩幅圖像在灰度和空間上的配準(zhǔn)，一般的圖像匹配技術(shù)是利用已知的模板利用某種算法對(duì)識(shí)別圖像進(jìn)行匹配計(jì)算，進(jìn)而獲得圖像中是否含有該模板的信息和坐標(biāo)。如圖1所示，匹配模板就是待匹配圖像中的一幅已知的小圖像（大小為m×n），而模板匹配就是在待匹配圖像中（大小為M×N）搜尋含有匹配模板信息（這些信息主要包括灰度值等）的目標(biāo)，通過(guò)一定的算法使匹配模板在待匹配圖像中找到所要匹配的目標(biāo)匹配區(qū)域，并確定目標(biāo)匹配區(qū)域的坐標(biāo)位置和相似度。

由于在圖像中含有最多的信息就是灰度值，所以，如何依靠灰度值進(jìn)行模板匹配成為了目前研究模板匹配的重要方法之一。對(duì)于特定目標(biāo)進(jìn)行模板灰度匹配時(shí)，對(duì)灰度匹配的模板圖像要求較高，通常要使用合格的圖像作為基準(zhǔn)圖像，再在基準(zhǔn)圖像上構(gòu)建待搜索圖像S（大小為M×N），并選擇具有明顯特征的小區(qū)域作為模板圖T（大小為m×n），設(shè) Si，j為模板覆蓋下的子圖 （i，j為子圖的 左 上角像素在S圖中的坐標(biāo)）;可以對(duì)灰度匹配原理描述如下:Si，j（m，n）和T（m，n）分別為搜索子圖和模板中圖位于m×n處得像素灰度，比較 Si，j（m，n）和 T（m ×n）的內(nèi)容，求出二者的相關(guān)函數(shù) f（i，j）來(lái)衡量 Si，j（m，n）和 T（m，n）的相似程度。相似程度計(jì)算公式由具體的灰度算法決定。

圖1 模板匹配原理Fig 1 Template matching principle

依據(jù)上述原理，可以建立相應(yīng)的灰度值匹配數(shù)學(xué)模型，假設(shè)S為待匹配圖像的二維坐標(biāo)數(shù)組，T為模板圖像的二維坐標(biāo)數(shù)組，I1（x，y）和I2（x，y）分別為待匹配圖和模板圖像空間位置處的灰度值，兩幅圖像的匹配表達(dá)式可以表示為

利用上述等式作為依據(jù)來(lái)進(jìn)行灰度匹配。

2 區(qū)域模板分割與模板庫(kù)的構(gòu)建

由于本文的研究對(duì)象是發(fā)動(dòng)機(jī)缸體，其尺寸較大，形狀復(fù)雜，缸體灰度顏色相近，對(duì)整幅圖直接進(jìn)行圖像匹配時(shí)，算法處理速度較慢，甚至?xí)霈F(xiàn)誤判和錯(cuò)判現(xiàn)象。依據(jù)文獻(xiàn)［2］可知，被搜索圖像越大，匹配速度越慢，模板越小，匹配速度越快。因此，為了提高匹配速度和精度，本文提出對(duì)發(fā)動(dòng)機(jī)缸體圖像進(jìn)行區(qū)域分割，進(jìn)行基于小區(qū)域的模板圖像匹配。該方法是在保證圖像質(zhì)量的前提下，通過(guò)進(jìn)行區(qū)域模板分割，減少找到匹配目標(biāo)所需用的匹配時(shí)間。根據(jù)模板圖像與各面待匹配圖像的特征和大小對(duì)待匹配圖像進(jìn)行區(qū)域分割，以使匹配的時(shí)候可以更好地得到待匹配圖像中各個(gè)區(qū)域與模板中對(duì)應(yīng)區(qū)域的相似性和灰度值。在區(qū)域分割完成后，將多個(gè)小區(qū)域模板進(jìn)行集合，并用數(shù)值依次對(duì)它們進(jìn)行區(qū)域編號(hào)，使其在進(jìn)行圖像匹配時(shí)，能夠根據(jù)具體的要求方便地調(diào)用相應(yīng)的區(qū)域模板。

3 基于灰度相關(guān)算法研究

進(jìn)行區(qū)域分割后，要對(duì)待匹配圖像進(jìn)行灰度匹配?；叶绕ヅ淠軌颢@得比較高的定位精度，在灰度匹配中通常采用2種方法來(lái)衡量模板圖T（m，n）和待匹配圖Si，j的相似程度:歸一化互相關(guān)（normalized cross-correlation，NCC）算法和序貫相似檢測(cè)算法（sequence similarity detection algorithm，SSDA）。

3．1 NCC 算法

NCC算法［3］首先選擇一個(gè)大小為 m×n的模板圖T（m，n），然后在待搜索圖上循環(huán)選取m×n大小的區(qū)域，循環(huán)范圍是整幅待匹配圖S，循環(huán)匹配的過(guò)程中進(jìn)行NCC相似度計(jì)算，歸一化互相關(guān)算法得到的互相關(guān)值用于確定匹配的程度。NCC相似度公式為

根據(jù)施瓦茲不等式可以知道上式中0≤NCC（x，y）≤1，NCC的值越大，模板圖和待匹配圖的相似度越大。定義一個(gè)閾值 T，NCC（x，y）＞T，匹配成功;反之，匹配失敗。

3．2 SSDA 算法

SSDA算法［4］的實(shí)現(xiàn)步驟如下:首先，選取一個(gè)誤差準(zhǔn)則作為終止不匹配點(diǎn)計(jì)算的標(biāo)準(zhǔn)，通?？蛇x取絕對(duì)誤差，即有

其中

其次，設(shè)定一個(gè)不變閾值Tk，匹配過(guò)程是在子圖象中隨機(jī)選取一點(diǎn)，計(jì)算它與模板中相應(yīng)點(diǎn)的絕對(duì)誤差值ε，將每一隨機(jī)點(diǎn)對(duì)的誤差累加起來(lái)，若累加到第r次時(shí)誤差超過(guò)設(shè)定閾值Tk，則停止累加，記下此時(shí)的累加次數(shù)r，同時(shí)定義SSDA算法檢測(cè)曲面為

并且在曲面最大值處對(duì)應(yīng)的位置即為模板最佳匹配位置。這是因?yàn)樵擖c(diǎn)需要多次累加誤差才能超過(guò)閾值，因此，相對(duì)于其他點(diǎn)，它最有可能是匹配位置。

3．3 改進(jìn)的SSDA算法

由于SSDA算法中閾值Tk的設(shè)置是固定的，因此，導(dǎo)致處理速度相對(duì)較慢，并且針對(duì)特定的圖像，閾值Tk需要重新設(shè)置，這樣就給自動(dòng)測(cè)量帶來(lái)很大的不便。如果通過(guò)設(shè)定一個(gè)動(dòng)態(tài)閾值Tk，對(duì)不在閾值Tk范圍的像素點(diǎn)，跳過(guò)搜索不進(jìn)行比較，這樣可以減少搜索的像素點(diǎn)數(shù)和進(jìn)行相似度比較的次數(shù)，有效地改進(jìn)圖像單閾值的搜索速度，利用動(dòng)態(tài)閾值的方法可以達(dá)到提高處理速度的目的。

文獻(xiàn)［5］中可知改進(jìn)的相似度計(jì)算公式為

利用公式（7），采用對(duì)模板圖像進(jìn)行粗細(xì)匹配相結(jié)合的方法進(jìn)行相似度計(jì)算，進(jìn)而找到匹配的最佳位置，并求出最佳匹配點(diǎn)和相似度。這種對(duì)SSDA算法進(jìn)行改進(jìn)的方法在匹配過(guò)程中有效地減少了相關(guān)性運(yùn)算次數(shù)，達(dá)到了提高算法處理速度的目的。

4 發(fā)動(dòng)機(jī)缸體區(qū)域匹配實(shí)驗(yàn)與結(jié)果分析

在上述模板區(qū)域分割和匹配算法的理論指導(dǎo)下，本文基于小區(qū)域模板匹配的發(fā)動(dòng)機(jī)缸體檢測(cè)算法流程如圖2所示。

圖2 模板匹配算法流程圖Fig 2 Flow chart of template matching algorithm

1）取發(fā)動(dòng)機(jī)缸體的標(biāo)準(zhǔn)樣板圖像作為模板圖像，并進(jìn)行圖像采集;

2）對(duì)發(fā)動(dòng)機(jī)缸體圖像進(jìn)行區(qū)域分割;根據(jù)發(fā)動(dòng)機(jī)缸體側(cè)面的形狀參數(shù)進(jìn)行區(qū)域分割，在區(qū)域分割完成后，構(gòu)造多個(gè)小區(qū)域模板進(jìn)行集合，用數(shù)值依次對(duì)區(qū)域進(jìn)行編號(hào);

3）根據(jù)實(shí)驗(yàn)要求，調(diào)出所需的2個(gè)實(shí)驗(yàn)小區(qū)域模板;

4）對(duì)發(fā)動(dòng)機(jī)缸體進(jìn)行粗匹配;利用式（7）計(jì)算模板圖像與待搜索圖像隔m行n列的起始像素D（0，0）的值，所隔的行數(shù)和列數(shù)根據(jù)實(shí)際的模板圖來(lái)確定。此時(shí)的D（0，0）值作為初始閾值T，然后計(jì)算待匹配圖上其他像素位置（x，y）處的D（x，y）值，如果計(jì)算過(guò)程中 D（x，y）超過(guò) T，則停止計(jì)算此處的D（x，y），轉(zhuǎn)入進(jìn)行下一個(gè)像素點(diǎn)的計(jì)算，如果計(jì)算完所有的像素點(diǎn)后D（x，y）值仍小于T，則將此像素的位置定為相關(guān)匹配點(diǎn)，并用D（x，y）值來(lái)更新閾值T后再重新進(jìn)行匹配，最后得到一個(gè)匹配后的粗匹配點(diǎn)集，粗匹配結(jié)束。粗匹配點(diǎn)集可以采用取最小的幾個(gè)粗匹配點(diǎn)或利用設(shè)定差值的方法來(lái)獲取。

5）對(duì)發(fā)動(dòng)機(jī)缸體進(jìn)行精匹配;在得到粗匹配點(diǎn)集后，對(duì)粗匹配點(diǎn)集上的每個(gè)點(diǎn)都進(jìn)行精匹配。以粗匹配位置點(diǎn)為中心，在一定的矩形區(qū)域范圍內(nèi)逐行逐列進(jìn)行計(jì)算，尋找最優(yōu)的匹配點(diǎn)，最終得到搜索子圖和模板圖的最佳匹配值，計(jì)算出匹配點(diǎn)和相似度。

依據(jù)上述算法流程，在VC++6．0開(kāi)發(fā)環(huán)境下編寫(xiě)程序。選擇某一型號(hào)的汽車(chē)發(fā)動(dòng)機(jī)缸體區(qū)域劃分后的2個(gè)待匹配小區(qū)域進(jìn)行匹配計(jì)算。

區(qū)域Ⅰ和區(qū)域Ⅱ的匹配實(shí)驗(yàn)如圖3和圖4所示。

圖3 區(qū)域I實(shí)驗(yàn)Fig 3 RegionⅠexperiment

表1是對(duì)區(qū)域Ⅰ和區(qū)域Ⅱ采用傳統(tǒng)的NCC算法、SSDA算法和改進(jìn)SSDA算法進(jìn)行匹配的時(shí)間比較。

表1 不同方法的實(shí)驗(yàn)數(shù)據(jù)對(duì)比Tab 1 Comparison of experimental datas by different methods

本文在基于小區(qū)域模板匹配算法對(duì)發(fā)動(dòng)機(jī)缸體區(qū)域Ⅰ和區(qū)域Ⅱ多次實(shí)驗(yàn)的基礎(chǔ)上得出結(jié)論:在保證發(fā)動(dòng)機(jī)缸體要求的前提下，該方法能夠?qū)崿F(xiàn)發(fā)動(dòng)機(jī)缸體圖像缺陷識(shí)別，且運(yùn)算速度較快，能夠滿足實(shí)時(shí)性要求。通過(guò)進(jìn)行各種算法匹配時(shí)間的比較，可以發(fā)現(xiàn)采用粗精匹配相結(jié)合搜索策略的SSDA算法運(yùn)算速度最快。

5 結(jié)束語(yǔ)

圖像檢測(cè)技術(shù)具有非接觸、在線實(shí)時(shí)、速度快、精度合適、現(xiàn)場(chǎng)抗干擾能力強(qiáng)等優(yōu)點(diǎn)，本文在分析以往模板匹配方法的基礎(chǔ)上，結(jié)合發(fā)動(dòng)機(jī)缸體缺陷檢測(cè)的實(shí)際情況提出基于小區(qū)域模板匹配算法。實(shí)驗(yàn)結(jié)果表明:該算法能夠很好地滿足發(fā)動(dòng)機(jī)缸體缺陷在線實(shí)時(shí)檢測(cè)的要求，基本消除了人工檢測(cè)的誤判，顯著提高了工作效率。

［1］ 薛 菲，張榮國(guó)，張建國(guó)，等．基于NCC與SSDA的快速特征點(diǎn)匹配融合算法［J］．計(jì)算機(jī)與數(shù)字工程，2010，38（10）:19－22．

［2］ 左 力，王棟民．圖像處理系統(tǒng)在自動(dòng)化設(shè)備中用作位置反饋的一種方法［J］．機(jī)械與電子，2004（1）:43 －44．

［3］ 孫卜郊，周東華．基于NCC的存在旋轉(zhuǎn)的圖像匹配方法［J］．傳感器與微系統(tǒng)，2008，27（5）:43 －46．

［4］ 王哲峰．基于提升小波變換的圖像匹配算法研究［D］．長(zhǎng)春:吉林大學(xué)，2007．

［5］ 李俊山，譚園園，張媛莉．SSDA的改進(jìn)算法［J］．電光與控制，2007，14（2）:66 －68．