單桂軍，胡 偉

(1.江蘇科技大學(xué)電信學(xué)院，江蘇 鎮(zhèn)江 212003;2.鎮(zhèn)江高等專科學(xué)校電子與信息系，江蘇 鎮(zhèn)江 212003;3.湖南第一師范學(xué)院科研處，湖南 長(zhǎng)沙 410002)

責(zé)任編輯:魏雨博

隨著現(xiàn)代先進(jìn)制造技術(shù)的進(jìn)步，要求測(cè)量技術(shù)向著高精度化、高速化和網(wǎng)絡(luò)化方向發(fā)展，傳統(tǒng)的檢測(cè)方法已無(wú)法完全滿足現(xiàn)代制造業(yè)的特殊要求。目前大多數(shù)廠家進(jìn)行零件檢測(cè)，通常是人工檢測(cè)，大批工人用游標(biāo)卡尺、通止規(guī)等進(jìn)行測(cè)量，并用手工進(jìn)行數(shù)據(jù)記錄，效率很低，已經(jīng)無(wú)法滿足批量大、精度要求高的零件測(cè)量［1－2］。因而需要一種快速準(zhǔn)確的非接觸的尺寸測(cè)量方法以適應(yīng)生產(chǎn)的檢測(cè)要求。虛擬儀器技術(shù)由于充分利用了計(jì)算機(jī)在網(wǎng)絡(luò)傳輸、數(shù)據(jù)庫(kù)存儲(chǔ)等方面的巨大優(yōu)勢(shì)，近年來(lái)在測(cè)量技術(shù)領(lǐng)域取得廣泛應(yīng)用。機(jī)器視覺(jué)技術(shù)由于可以實(shí)現(xiàn)對(duì)于物體的非接觸測(cè)量，伴隨數(shù)字圖像技術(shù)的發(fā)展得到迅速成長(zhǎng)［3－4］。本文就是將虛擬儀器技術(shù)與機(jī)器視覺(jué)技術(shù)相結(jié)合，利用圖像處理技術(shù)以及虛擬儀器技術(shù)強(qiáng)大的數(shù)據(jù)采集、分析處理功能，建立了一種基于CCD的零件尺寸非接觸測(cè)量系統(tǒng)。

1 系統(tǒng)的整體設(shè)計(jì)

基于CCD的非接觸尺寸測(cè)量系統(tǒng)的工作原理:在白天環(huán)境光的照射下，利用平行發(fā)光管兩個(gè)日光燈增強(qiáng)光照強(qiáng)度，首先要對(duì)該測(cè)量系統(tǒng)進(jìn)行校準(zhǔn)，從而保證零件被檢測(cè)面的法線方向與物鏡的軸線基本重合，在測(cè)量時(shí)采用小角度軸向光照明的方式照射被測(cè)零件;然后零件的反射光通過(guò)標(biāo)準(zhǔn)鏡頭成像到CCD攝像機(jī)上，通過(guò)CCD圖像傳感器光信號(hào)轉(zhuǎn)化為模擬信號(hào)，再利用圖像采集卡把模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，并通過(guò)PCI總線傳送到計(jì)算機(jī)內(nèi)部;最后利用LabVIEW開(kāi)發(fā)環(huán)境下開(kāi)發(fā)的儀器軟件模塊讀取圖像信息，對(duì)采集的圖像進(jìn)行預(yù)處理和邊緣檢測(cè)，提取出有效的輪廓，再根據(jù)標(biāo)定結(jié)果，完成尺寸測(cè)量，并選定Microsoft Access作為后臺(tái)數(shù)據(jù)庫(kù)，與數(shù)據(jù)庫(kù)相結(jié)合對(duì)測(cè)量結(jié)果進(jìn)行數(shù)據(jù)讀取、寫(xiě)入、存儲(chǔ)、顯示。系統(tǒng)結(jié)構(gòu)如圖1所示。

2 圖像處理

采集系統(tǒng)捕獲的原始圖像，往往會(huì)因?yàn)楦鞣N因素含有噪聲和干擾，圖像的邊緣不夠清晰，為了得到可供尺寸參數(shù)測(cè)量的清晰的邊緣輪廓，需進(jìn)行圖像處理。

圖1 非接觸尺寸測(cè)量系統(tǒng)

2.1 濾波平滑

選用二維快速中值濾波算法，即用某種結(jié)構(gòu)的二維滑動(dòng)模板 W(i，j)，W(i，j)表示中心位于(i，j)的窗口，把窗口中心位置在圖像上逐像素移動(dòng)。將板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升(或下降)的二維數(shù)據(jù)序列。找出中間值;若當(dāng)前中心在(i，j)，則濾波后圖像(i，j)像素之值為窗口w(i，j)內(nèi)所有像素的中值，輸出即為

式中:f(x，y)，g(x，y)分別為原始圖像和處理后圖像數(shù)據(jù)。

2.2 圖像銳化

采用拉普拉斯銳化法，對(duì)去噪后的圖像進(jìn)行銳化處理。拉普拉斯算子是二階導(dǎo)數(shù)的二維等效式。圖像灰度函數(shù)f(x，y)的拉普拉斯公式為

假設(shè)i對(duì)應(yīng)x方向，j對(duì)應(yīng)y方向，使用差分方程對(duì)x和y方向上的二階偏導(dǎo)數(shù)近似如下

同理可以得到根據(jù)式(2)、式(3)推出兩個(gè)方向上的近似8鄰域拉普拉斯算子的掩模板

2.3 圖像閾值分割與區(qū)域填充

由于非接觸測(cè)量系統(tǒng)使用的是黑白CCD攝像機(jī)，拍攝的是灰度圖像，為了便于處理，需將灰度圖像變?yōu)楹诎讏D像，便于圖像邊緣提取。通過(guò)比較分析，本系統(tǒng)采用一種全局閾值選取法。該方法是基于直方圖的灰度信息來(lái)確定一個(gè)最佳閾值，將直方圖在某個(gè)閾值處分割成兩組，使圖像進(jìn)行二值化分割處理，被分成的兩組目標(biāo)物和背景像素的類間方差最大時(shí)即為最佳閾值。方差值越大，圖像越分明。原理如下:取一幅圖像，灰度值被分為0～m級(jí)，其中灰度值為i的像素為ni，那么總像素?cái)?shù)為

c0的概率為

c1的概率為

依據(jù)式(6)、式(7)可推導(dǎo)出c0的平均值為

c1的平均值為

結(jié)合式(6)～式(9)可推導(dǎo)出兩組之間的方差公式為

在0～m之間對(duì)k值進(jìn)行改變，求σ2(k)最大值，當(dāng)σ2(k)取得最大值時(shí)，此時(shí)的k值就是圖像二值化分割的最佳閾值T。然后可以利用該T值并結(jié)合二值化公式實(shí)現(xiàn)對(duì)圖像的二值化處理，二值化公式為

經(jīng)過(guò)全局閾值選取法二值化后的圖像對(duì)比圖如圖2a、圖2b所示。

圖2 二值化后的圖像對(duì)比圖

通過(guò)圖2可以看出，采用全局閾值選取法對(duì)圖像進(jìn)行二值化處理，處理后的圖像十分清晰，且噪聲點(diǎn)少。對(duì)于圖像中存在的噪聲點(diǎn)，主要是因?yàn)楸粶y(cè)零件頂部反光使得圖像頂部灰度值過(guò)大所致，對(duì)于這種情況，系統(tǒng)采用四連通將目標(biāo)相鄰像素為數(shù)值0的背景像素設(shè)置為目標(biāo)的邊界像素值255，從而填充空洞。填充后的效果如圖3a、3b所示。

圖3 填充前后的效果對(duì)比圖

2.4 圖像的邊緣提取

工業(yè)生產(chǎn)對(duì)測(cè)量精度的要求越來(lái)越高，傳統(tǒng)的邊緣提取像素級(jí)精度已經(jīng)無(wú)法滿足高精度零部件的檢測(cè)。需要提取高精度的邊緣，對(duì)整個(gè)檢測(cè)系統(tǒng)來(lái)說(shuō)，可以一定程度上提高CCD相機(jī)的分辨率，但是系統(tǒng)成本增加。因此利用軟件的方法來(lái)提高像素精度定位問(wèn)題是一個(gè)好的選擇。本系統(tǒng)對(duì)亞像素邊緣檢測(cè)法進(jìn)行了研究。亞像素邊緣檢測(cè)是以傳統(tǒng)邊緣檢測(cè)算法為基礎(chǔ)發(fā)展起來(lái)的。本系統(tǒng)將該方法中的zernike正交矩法應(yīng)用于對(duì)稱目標(biāo)圖像的亞像素精度定位中，從而得到邊緣參數(shù)的近似值，取得了非常好的效果。邊緣提取后的結(jié)果如圖4所示。

圖4 提取邊緣效果圖

3 軟件實(shí)現(xiàn)與數(shù)據(jù)分析

3.1 軟件實(shí)現(xiàn)

利用LabVIEW模塊化設(shè)計(jì)思想，遵循了自上而下的設(shè)計(jì)方法，根據(jù)系統(tǒng)的總體特性，將系統(tǒng)進(jìn)行了功能模塊劃分，逐個(gè)實(shí)現(xiàn)對(duì)數(shù)據(jù)進(jìn)行讀取、存儲(chǔ)、顯示等，再將各個(gè)功能模塊集成在一個(gè)主程序中［5］。利用基于ADO技術(shù)的Lab-VIEW數(shù)據(jù)庫(kù)訪問(wèn)包，直接在LabVIEW中實(shí)現(xiàn)對(duì)數(shù)據(jù)庫(kù)的訪問(wèn)、添加。利用Microsoft Access作為后臺(tái)數(shù)據(jù)庫(kù)。通過(guò)SQL語(yǔ)句“SELECT*FROM 磁環(huán)數(shù)據(jù)”、“INSERT INTO磁環(huán)數(shù)據(jù)(圓環(huán)，平均值)VALUES(‘壁厚’，)”等對(duì)數(shù)據(jù)庫(kù)進(jìn)行自動(dòng)訪問(wèn)添加。最后，將分析后的數(shù)據(jù)添加到數(shù)據(jù)庫(kù)表中。

3.2 數(shù)據(jù)分析

利用該系統(tǒng)對(duì)硬質(zhì)磁環(huán)進(jìn)行測(cè)量，測(cè)量值與實(shí)際值對(duì)比如表1所示。

表1 實(shí)際值與系統(tǒng)最終測(cè)量值做對(duì)比分析

分析可知，磁環(huán)的內(nèi)徑、外徑與壁厚的測(cè)量結(jié)果與實(shí)際值基本吻合，兩者之間測(cè)量的絕對(duì)誤差小于0.02 mm，相對(duì)誤差小于0.07%，引起測(cè)量誤差的環(huán)節(jié)可能包括光學(xué)系統(tǒng)的像差、CCD的精度誤差以及圖像的閾值處理誤差等。這一精度與游標(biāo)卡尺和千分尺的測(cè)量精度相當(dāng)，滿足高精度工程要求，并且CCD測(cè)量法可實(shí)現(xiàn)對(duì)環(huán)形工件尺寸的自動(dòng)、快速和非接觸測(cè)量，該原理只要在計(jì)算方法上稍作改動(dòng)同樣適合于對(duì)矩形、橢圓形乃至復(fù)雜形狀的工件尺寸的測(cè)定，因此具有廣泛的實(shí)用價(jià)值。

4 總結(jié)與展望

本文設(shè)計(jì)了一種基于CCD的環(huán)形部件尺寸非接觸測(cè)量系統(tǒng)，通過(guò)對(duì)圖像的平滑處理、圖像銳化處理，并采用全局閾值選取法實(shí)現(xiàn)對(duì)圖像的二值化處理與填充，最終利用亞像素邊緣檢測(cè)法實(shí)現(xiàn)對(duì)圖像邊緣的提取，實(shí)驗(yàn)表明該測(cè)量方法方便可行。本文的系統(tǒng)也具有很大的實(shí)用性，可以實(shí)現(xiàn)對(duì)批量零件的檢測(cè)，不但可以減小檢測(cè)成本，還可以避免人為因素帶來(lái)的誤判，另外，還可以適應(yīng)高溫、有污染或腐蝕性物質(zhì)的工業(yè)現(xiàn)場(chǎng)環(huán)境。隨著技術(shù)的進(jìn)一步發(fā)展，算法的進(jìn)一步改進(jìn)，這種測(cè)量系統(tǒng)的的精度會(huì)越來(lái)越高，應(yīng)用范圍越來(lái)越廣。

［1］黃艷巖，鐘紹俊，徐紅偉.基于LabVIEW的零件尺寸測(cè)量系統(tǒng)［J］.微計(jì)算機(jī)信息，2007，23(34):131－133.

［2］聶錕，蕭澤新.圖像處理技術(shù)在微小沖壓件尺寸測(cè)量中的應(yīng)用［J］.電視技術(shù)，2005，29(S1):156－158.

［3］李培江，李淑清，高華，等.基于虛擬儀器技術(shù)的電池夾視覺(jué)檢測(cè)系統(tǒng)［J］.新技術(shù)新工藝，2006(12):28－31.

［4］IMAQ Vision for LabVIEW User Manual October［EB/OL］.［2012 －11 －05］.http://www.ni.com/pdf/manuals/322917b.pdf.

［5］陳永清，盧炎麟，賈虹，等.基于虛擬儀器的尺寸測(cè)量及數(shù)據(jù)庫(kù)存儲(chǔ)的實(shí)現(xiàn)［J］.輕功機(jī)械，2007，25(5):88－90.