朱先鋒，潘洪軍

(浙江海洋學(xué)院數(shù)理與信息學(xué)院，浙江舟山 316000)

基于Halcon 的硒鼓缺陷檢測與一維尺寸測量

朱先鋒，潘洪軍

(浙江海洋學(xué)院數(shù)理與信息學(xué)院，浙江舟山 316000)

為實現(xiàn)硒鼓表面缺陷檢測和尺寸測量的自動化，運用圖像處理算法中的數(shù)學(xué)形態(tài)學(xué)算子對硒鼓表面點缺陷和線缺陷進行精確檢測與分類，并根據(jù)亞像素測量方法對硒鼓尺寸進行精確測量，通過機器視覺專用軟件Halcon和.NET開發(fā)了硒鼓缺陷自動檢測與尺寸測量系統(tǒng)。測試結(jié)果表明，該方法與應(yīng)用像素級測量法相比，其精度提高1～2個像素，具有精度高、穩(wěn)定性強等優(yōu)點。

形態(tài)學(xué)算子;缺陷檢測;亞像素測量

0 引 言

隨著圖像處理技術(shù)的飛速發(fā)展，非接觸式測量應(yīng)運而生，非接觸式測量主要包括激光三角測量法［1］、工業(yè)CT測量法［2］和機器視覺測量法［3，4］等，其中機器視覺測量法是人工智能與測量技術(shù)相結(jié)合的智能測量法。非接觸式測量可以消除人工測量時對硒鼓表面的損傷和擦傷等，因此，越來越多的產(chǎn)業(yè)借助計算機圖像處理技術(shù)和非接觸式測量，實現(xiàn)了產(chǎn)業(yè)生產(chǎn)的自動化檢測。由于不受工人的心理因素干擾，客觀、可靠、重復(fù)性高、非接觸無損傷，不僅提高了檢測效率，而且提高了檢測的精度，能自動檢測一些人肉眼無法識別的缺陷和差異。硒鼓檢測正是其中一項極其重要的應(yīng)用。

硒鼓在加工過程中，需要對成品或半成品進行表面缺陷檢測以及幾何尺寸的測量，要求具有較高的精度、較快的速度和較強的穩(wěn)定性。筆者主要運用強大的機器視覺圖像處理軟件Halcon，結(jié)合.NET采用圖像處理技術(shù)，如blob分析、形態(tài)學(xué)、匹配、測量、識別和立體視覺等，為硒鼓表面缺陷檢測和一維尺寸測量提供了高速、高精度、可靠性高的方法。筆者運用數(shù)學(xué)形態(tài)學(xué)知識［5，6］，并結(jié)合了一維測量等方法，運用Halcon軟件，實現(xiàn)了對硒鼓表面點缺陷、線缺陷以及硒鼓的長和直徑精確檢測與測量。Halcon能測量的精度可以達到亞像素級別。

1 系統(tǒng)流程

機器視覺檢測系統(tǒng)主要包括5部分：圖像采集、圖像預(yù)處理、缺陷檢測、尺寸測量和軟件集成。整個系統(tǒng)流程如圖1所示。

圖1 機器視覺檢測系統(tǒng)流程圖Fig.1 Flow chart ofmachine vision inspection system

2 基于Halcon的硒鼓缺陷檢測與一維尺寸測量

2.1 圖像采集

圖像采集［7］主要負責(zé)把真實的能量圖像轉(zhuǎn)化為能被計算機處理和存儲的數(shù)字圖像［8］。圖像的采集可分為兩種方式：1)直接從計算機硬盤中讀取圖片，通過read_image便可從文件中讀取硒鼓圖片;2)實時地在線讀取硒鼓圖片，先通過open_framegrabber指明圖像采集接口名稱，再通過grab_image實時抓取硒鼓圖片。在通過攝像機實時抓取圖片時，攝像機的成像平面應(yīng)盡量平行于被測硒鼓平面，否則會產(chǎn)生較大的徑向畸變和切向畸變［9］，攝像機必須進行標(biāo)定［10］。采集到的硒鼓圖片如圖2所示。

圖2 硒鼓源圖Fig.2 Source image of the toner cartridge

2.2 圖像預(yù)處理

2.2.1 圖像灰度化

圖像采集得到的圖片是RGB 3通道的彩色圖片，為便于后續(xù)的圖像處理，需要將RGB彩色圖片通過rgb1_to_gray轉(zhuǎn)換為灰度圖像，灰度化原理為加權(quán)平均法則

其中g(shù)為灰度圖像的像素灰度值;R為紅色通道值;G為綠色通道值;B為藍色通道值?；叶葓D像主要用于硒鼓邊緣的亞像素提取。

2.2.2 圖像分解

圖像分解是指將RGB 3通道彩色圖片通過decompose3分解成3幅單通道的圖片，分別為紅色通道圖(R)、綠色通道圖(G)、藍色通道圖(B)。分解出的圖(R)主要用于硒鼓的一維測量。

2.2.3 圖像去噪

通常情況下，采集到的圖片都含有噪聲，噪聲［11］會影響硒鼓邊緣的提取，引起假邊緣。因此需要對灰度化和分解后的圖片進行平滑濾波［12］，以濾去噪聲，如中值濾波、均值濾波和高斯濾波［13］等。

2.2.4 亞像素級邊緣提取

使用算子 edges_sub_pix(GrayImage，Edges，‘lanser2’，0.1，20，40)通過 lanser2 遞歸濾波器對硒鼓區(qū)域進行階躍邊緣的亞像素級邊緣提?。?4］，直接返回由像素點組成的邊緣，具有亞像素精度。edges_sub_pix算子使用類似滯后閾值算法，振幅大于高閾值的點被選做邊緣點，振幅小于低閾值的點被舍棄，其他的點如果與提取的邊緣點相連，則被選做邊緣點。提取的亞像素級硒鼓邊緣如圖3所示。

圖3 硒鼓亞像素邊緣Fig.3 Sub-pixel edge of the toner cartridge

2.3 硒鼓缺陷檢測

2.3.1 圖像平滑

根據(jù)邊緣提取區(qū)域，利用算子change_domain或reduce_domain便可得到除去背景的硒鼓圖像。為防止噪聲對缺陷檢測的影響，需要對此硒鼓圖像進行一次均值濾波，以濾去部分噪聲。均值濾波算法又叫鄰域平均法［15］，是一種比較容易實現(xiàn)的圖像平滑算法，基本思想是用窗口內(nèi)像素的灰度平均值代替窗口中心點像素灰度值，即

其中D為遍歷的窗口;n為窗口內(nèi)像素個數(shù);g(x，y)為每個像素灰度值;g'(x，y)為均值平滑后每個像素灰度值。

均值濾波是一種低通濾波器，也是一種典型的線型濾波器。這里所用的均值濾波是指濾波器矩陣中各像素系數(shù)都相等的空間均值濾波器(有時也稱為盒濾波器)，濾波模板采用11×11像素的平滑濾波器。對圖像邊緣像素采取直接映射的方法保留。

2.3.2 動態(tài)閾值二值化

由于灰度化后的硒鼓圖中的缺陷與正常部分的灰度值差異較小，因此，尋找一個固定閾值將缺陷部位分離出來比較困難。此方案選擇的是圖像平滑后在局部鄰域內(nèi)進行局部動態(tài)閾值二值化［16］，局部鄰域由均值濾波器確定。在每個局部鄰域內(nèi)將滿足條件go≥gt+f的像素點提取出來。其中g(shù)o為原始灰度圖的像素值;gt為均值濾波后灰度圖的像素值;f為自定義設(shè)置的像素值偏移量。

最優(yōu)范圍為5＜f＜40，若f值過小，則包括噪聲在內(nèi)的很多小區(qū)域都會被提取出來;f過大，則容易導(dǎo)致提取不到區(qū)域，此方案中f=8。

動態(tài)閾值二值化提取出的區(qū)域并不都是缺陷區(qū)域，需要進行一次開運算，將誤檢測的較小點除去。通過以上幾個步驟便可以將缺陷檢測出來，然后通過似圓度C區(qū)分出線缺陷和點缺陷。C的取值范圍為［0，1］，C越接近1，表明該區(qū)域越接近于圓，該試驗取C在［0.28，1］范圍內(nèi)的缺陷看作點缺陷，取C在［0.01，0.28］范圍內(nèi)的缺陷看作線缺陷。計算如下

其中F為缺陷面積;Dmax為缺陷中線點到缺陷輪廓線的最大距離;π為圓周率。

2.3.3 缺陷檢測

經(jīng)過以上幾個步驟的處理，即可將缺陷檢測出來，并可求出點缺陷和線缺陷的面積和中心點坐標(biāo)(見圖4)。圖5和圖6為缺陷放大圖片。為突出提取效果，將原圖像的缺陷部位放大后顯示出來(見圖7和圖8)。

圖4 缺陷精確提取效果圖Fig.4 Renderings of accurately extracting defects

圖5 點缺陷Fig.5 Point defects

圖6 線缺陷Fig.6 Line defects

圖7 源圖點缺陷Fig.7 Point defects of source image

圖8 源圖線缺陷Fig.8 Line defects of source image

2.4 硒鼓一維尺寸測量

筆者采用的基于Halcon的一維尺寸測量方法通過紅色通道圖像［17］達到測量目的。

2.4.1 Region of Interest(ROI)內(nèi)邊緣提取

利用算子 fit_rectangle2_contour_xld(SelectedXLD，‘regression’，－ 1，0，0，3，2，Row，Column，Phi，Length1，Length2，PointOrder)擬合2.2.4步驟提取的亞像素邊緣的外接矩形并返回外接矩形的相關(guān)參數(shù)。根據(jù)擬合的外接矩形的角度 Phi，通過算子 gen_rectangle2(ROI，Row，Column，Phi+rad(90)，Length11，Length21)在硒鼓區(qū)域產(chǎn)生一個矩形感興趣區(qū)域ROI，矩形感興趣區(qū)域與硒鼓邊緣的外接矩形相互垂直(見圖9)。在矩形感興趣區(qū)域內(nèi)每間隔一個像素建立一條投影的線段，線段的長度等于ROI的寬度，這些線段稱為等距線。在每條等距線上取線段中點并連接起來，形成帶有方向的線段，稱作剖面線，線段的方向代表矩形感興趣區(qū)域的方向(見圖10)。

圖9 矩形感興趣區(qū)Fig.9 Region of interest

圖10 ROIFig.10 Region of interest

然后根據(jù)算子 gen_measure_rectangle2(Row，Column，Phi，Length11，Length21，Width，Height，Interpolation，MeasureHandle)創(chuàng)建測量目標(biāo)，測量目標(biāo)即矩形感興趣區(qū)域所覆蓋的區(qū)域，測量目標(biāo)的各個屬性值通過MeasureHandle句柄調(diào)用。在測量目標(biāo)內(nèi)沿著每條等距線計算等距線上的灰度均值，由這些灰度均值組成的序列稱為剖面線。

如果等距線不是水平或垂直的，則等距線上的灰度值需要進行插值。插值類型主要包括3種，分別為最鄰近插值法［18］、雙線性插值法［19］和雙立方插值法［20］。最簡單的插值算法是最鄰近插值法，又稱為零階插值。它輸出的像素灰度值等于距離其映射位置最近的輸入像素灰度值，即取插值點的4個鄰點中距離最近的鄰點灰度值作為該點的灰度值。最鄰近插值算法速度最快，但精度不夠高。雙線性插值是利用需要處理的插值像素點周圍4個像素點的相互關(guān)系，通過雙線性算法計算得到的。如圖11所示，已知(0，0)、(0，1)、(1，0)、(1，1)4 個點的灰度值，由相鄰像素的灰度值f(0，0)和f(1，0)在X方向上線性插值求出(x，0)的灰度值f(x，0)，由另外兩個相鄰像素f(0，1)和 f(1，1)在 X 方向上線性插值求出(x，1)的灰度值 f(x，1)，最后由 f(x，0)，f(x，1)在 Y 方向上進行線性插值得到(x，y)的灰度值f(x，y)。在同一行內(nèi)根據(jù)待插值像素點與其前后的原圖像像素點的位置距離進行加權(quán)法線性插值;行間根據(jù)待插值行與其上下的原圖像行間的距離進行加權(quán)法線性插值。

雙立方插值就是在一維空間，在寬和高方向上做兩次插值，雙立方插值采用三次多項式。定義在矩形網(wǎng)格上的某個小矩形［xi－1，xi］［yi－1，yi］的雙立方插值函數(shù)共有16項，其對應(yīng)矩陣的右邊各元素，表示如下

圖11 雙線性插值原理Fig.11 Bilinear interpolation principle

給定(xi－1，yi－1)、(xi－1，yi)、(xi，yi－1)、(xi，yi)4 個點的函數(shù)值 f(xi－1，yi－1)、f(xi－1，yi)、f(xi，yi－1)、f(xi，yi)，以及兩個一階差分值和二階差分值，一共16個已知條件，即可確定雙立方插值算法的16個系數(shù)，從而可確定插值像素點的灰度值。雙立方插值算法具有很高的精確度，但它執(zhí)行速度較慢，效率較低。比較上述3種插值算法，雙線性插值算法在執(zhí)行速度和插值精度兩方面取得了較好的折中，因此，在計算投影等距線上灰度均值時使用雙線性插值算法。插值算法使剖面線具有亞像素精度，從而提高了硒鼓ROI區(qū)域內(nèi)邊緣的提取精度。

每條等距線上的平均灰度值可通過算子measure_projection(Image，MeasureHandle，GrayValues)計算得到，然后使用算子create_funct_1d_array(GrayValues，F(xiàn)unction)建立平均灰度值與對應(yīng)的剖面線上像素序列的關(guān)系，從而畫出相應(yīng)的直方圖。等距線的長度，即矩形感興趣區(qū)域的寬度W，決定了其上灰度值的平均程度。圖12和圖13感興趣區(qū)域剖面線上的灰度直方圖如圖14和圖15所示。由此可以看出，ROI區(qū)域越寬，剖面噪聲越少，則硒鼓的一維尺寸測量越精確。因此，只要硒鼓邊緣與剖面線垂直，即，ROI與根據(jù)硒鼓輪廓擬合的外接矩形互相垂直，則ROI應(yīng)盡可能選擇較寬區(qū)域。

圖12 ROI寬度W=20像素 Fig.12 ROIof W=20 pixel

圖13 ROI寬度W=80像素Fig.13 ROIof W=80 pixel

圖14 ROI寬度W=20，未平滑F(xiàn)ig.14 ROIof W=20，no smoothing

圖15 ROI寬度W=80，未平滑F(xiàn)ig.15 ROIof W=80，no smoothing

利用算子smooth_funct_1d_gauss(Function，S，SmoothedFunction)對得到的剖面進行高斯平滑，為了效果明顯，取高斯平滑系數(shù)S=6。高斯平滑效果如圖16和圖17所示，高斯平滑濾波器的標(biāo)準差由測量算 子 measure_pairs(Image， MeasureHandle， S， Threshold， Transition， Select， RowEdgeFirst，ColumnEdgeFirst，AmplitudeFirst，RowEdgeSecond，ColumnEdgeSecond，AmplitudeSecond，IntraDistance，InterDistance)中的S參數(shù)確定。然后再利用算子derivate_funct_1d(Function，Mode，Derivative)計算平滑后剖面的一階導(dǎo)數(shù)(或一階差分)，并畫出其一階灰度差分圖(見圖18)。筆者把平滑(實際平滑系數(shù)S=1)后的剖面灰度直方圖(圖18中上方圓滑曲線)與其一階灰度差分直方圖(圖18中下方圓滑曲線)統(tǒng)一繪制在一個坐標(biāo)系中。

圖16 ROI寬度W=20，S=6Fig.16 ROIof W=20，S=6

將剖面灰度一階導(dǎo)數(shù)的極值點作為邊緣的候選點，候選點的位置均為亞像素精度。只有一階導(dǎo)數(shù)絕對值大于預(yù)先設(shè)定的閾值邊緣候選點才被選作為邊緣中心點。這里設(shè)灰度閾值為10，剖面灰度的一階差分值大于10的極值點及其對應(yīng)的灰度剖面上的點如圖18中用帶有箭頭的粗線段所示。對于每條邊緣，返回其與剖面線的交點位置。檢測到的邊緣點如圖19中一條近似ROI寬度的直線段所示。

圖18 ROI寬度W=80，S=1Fig.18 ROIof W=80，S=1

圖19 檢測到的結(jié)果邊緣Fig.19 Detected edges

2.4.2 硒鼓的一維尺寸測量

通過2.4.1中多重步驟的檢測與計算，最后利用算子measure_pairs(Image，MeasureHandle，Sigma，Threshold， Transition， Select， RowEdgeFirst， ColumnEdgeFirst， AmplitudeFirst， RowEdgeSecond，ColumnEdgeSecond，AmplitudeSecond，IntraDistance，InterDistance)便可計算檢測到的兩條硒鼓邊緣之間的距離IntraDistance，即硒鼓的直徑。硒鼓長度的檢測與硒鼓直徑的檢測程序一致，這里不再贅述。硒鼓的最終一維尺寸測量結(jié)果如圖20和圖21所示。

圖20 硒鼓直徑Fig.20 Diameter of the toner cartridge

圖21 硒鼓長度Fig.21 Length of the toner cartridge

2.5 軟件集成

硒鼓缺陷檢測與一維尺寸測量主要由強大的視覺軟件Halcon完成，在Halcon程序調(diào)試成功后，將其導(dǎo)入.NET中，利用.NET設(shè)計并美化軟件系統(tǒng)界面，以Halcon為后臺運行，并優(yōu)化其中的程序，實現(xiàn)了Halcon與.NET結(jié)合的硒鼓檢測。

3 結(jié) 語

筆者利用局部動態(tài)閾值二值化的方法檢測缺陷比直接二值化的效果好，精度高。此外，一般的硒鼓尺寸測量是對提取的輪廓進行外包圍矩形的擬合，擬合出矩形的寬作為硒鼓的直徑，擬合出矩形的長作為硒鼓的長。由于提取的輪廓線不是光滑的線，而且擬合的矩形是像素精度，所以該方法求出的一維尺寸會有3～4個像素的誤差，精度不高。而筆者先求出硒鼓的亞像素輪廓，創(chuàng)建與硒鼓垂直的測量目標(biāo)，利用雙線性插值等算法計算邊緣點的位置信息也是亞像素精度，所以計算的硒鼓一維尺寸也具有亞像素精度。

［1］劉立波，趙暉，張海波.激光三角測距中光斑細分定位方法研究［J］.計算機測量與控制，2008，13(10)：1396-1398.

LIU Libo，ZHAO Hui，ZHANG Haibo.Research on Spot Subdivided Locating Method in Laser Triangulation Measurement［J］.Computer Measurement＆ Control，2008，13(10)：1396-1398.

［2］先武，李時光，王壓.最佳無損檢測手段［J］.工業(yè)CT技術(shù)的發(fā)展，1995，22(4)：51-58.

XIANWu，LI Shiguang，WANG Ya.The Optimal Nondestructive Testing Approach ［J］.Industrial CT Technology Development，1995，22(4)：51-58.

［3］賈云德.機器視覺［M］.北京：科學(xué)出版社，2000.

JIA Yunde.Machine Vision［M］.Beijing：Science Press，2000.

［4］章煒.機器視覺技術(shù)及其工業(yè)應(yīng)用［J］.紅外，2005，27(2)：11-17.

ZHANGWei.Machine Vision Technology and Its Industrial Applications［J］.Infrared，2005，27(2)：11-17.

［5］任獲榮.數(shù)學(xué)形態(tài)學(xué)及其應(yīng)用［D］.西安：西安電子科技大學(xué)機電工程學(xué)院，2004.

REN Huorong.Mathematical Morphology and Its Applications ［D］.Xi'an：School of Mechanical Engineering，Xi'an University，2004.

［6］王樹文，閆成新，張?zhí)煨?，?數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用［J］.計算機工程與應(yīng)用，2004(32)：89-92.

WANG Shuwen，YAN Chengxin，ZHANG Tianxu，et al.The Application of Mathematical Morphology in Image Processing［J］.Computer Engineering and Applications，2004(32)：89-92.

［7］劉煥軍，王耀南，段峰.機器視覺中的圖像采集技術(shù)［J］.電腦與信息技術(shù)，2003(1)：18-21.

LIU Huanjun，WANG Yaonan，DUAN Feng.Image Capture Technology in Machine Vision［J］.Computer and Information Technology，2003(1)：18-21.

［8］朱錚濤，黎紹發(fā).鏡頭畸變及其校正技術(shù)［J］.光學(xué)技術(shù)，2005(1)：136-138，141.

ZHU Zhengtao，LIShaofa.Lens Distortion and Its Correction Technology［J］.Optical Technology，2005(1)：136-138，141.

［9］HENRIMAITREWRITE.現(xiàn)代數(shù)字圖像處理［M］.孫洪譯.北京：電子工業(yè)出版社，2006：190-210.HENRIMAITREWRITE.Modern Digital Image Processing［M］.Beijing：Electronic Industry Press，2006：190-210.

［10］邱茂林，馬頌德，李毅.計算機視覺中攝像機標(biāo)定綜述［J］.自動化學(xué)報，2000，26(1)：43-55.

QIU Maolin，MA Songde，LIYi.Overview of Camera Calibration for Computer Vision［J］.Acta Automatica Sinica，2000，26(1)：43-55.

［11］李波.數(shù)字圖像噪聲消除算法研究［D］.曲阜：曲阜師范大學(xué)計算機科學(xué)與技術(shù)學(xué)院，2008.

LIBo.Noise Cancellation Algorithm of Digital Image［D］.Qufu：School of Computer Science and Technology，Qufu Normal University，2008.

［12］王建勇.二維圖像降噪、特征檢測的算法及實用化技術(shù)研究［D］.北京：北京郵電大學(xué)信息工程學(xué)院，2005.

WANG Jianyong.Research on Algorithms and Realization of Image Noise Removal and Feature Detection［D］.Beijing：School of Information Engineering，Beijing University of Posts and Telecommunication，2005.

［13］包曉敏，張云華，汪亞明，等.基于離散高斯濾波器的紡織品圖像增強［J］.紡織學(xué)報，2005(4)：121-123.

BAO Xiaomin，ZHANG Yunhua，WANG Yaming，et al.Textile Image Enhancement Based on Discrete Gaussian Filter［J］.Journal of Textile Research，2005(4)：121-123.

［14］張美靜.亞像素邊緣檢測技術(shù)研究［D］.沈陽：沈陽理工大學(xué)信息科學(xué)與工程學(xué)院，2013.

ZHANG Meijing.Sub-Pixel Edge Detection Technique［D］.Shenyang：School of Information Science and Engineering，Shenyang University of Technology，2013.

［15］韓殿元.簡單鄰域平均圖像去噪算法的改進研究［J］.濰坊學(xué)院學(xué)報，2006(6)：12-14.

HAN Dianyuan.Improvement of Simple Neighborhood Average Image Denoising Algorithm ［J］.Journal of Weifang College，2006(6)：12-14.

［16］馬馳，張紅云，苗奪謙，等.改進的多閾值動態(tài)二值化算法［J］.計算機工程，2006(6)：203-205，208.

MA Chi，ZHANG Hongyun，MIAO Duoqian，etal.Improved Dynamic Multi-Threshold Binarization Algorithm［J］.Computer Engineering，2006(6)：203-205，208.

［17］祁小平，歐陽益明，張啟衡，等.多通道圖像的并行處理［J］.半導(dǎo)體光電，2006(6)：770-773.

QIXiaoping，OUYANG Yiming，ZHANG Qiheng，et al.Parallel Processing of Multi-Channel Image ［J］.Se-Miconductor Optoelectronics，2006(6)：770-773.

［18］劉麗君，駱婷.插值法在圖像處理中的應(yīng)用［J］.硅谷，2009(9)：9-10.

LIU Lijun，LUO Ting.Application of Interpolation Method in Image Processing［J］.Silicon Valley，2009(9)：9-10.

［19］王森，楊克儉.基于雙線性插值的圖像縮放算法的研究與實現(xiàn)［J］.自動化技術(shù)與應(yīng)用，2008(27)：44-46.

WANG Sen，YANG Kejian.An Image Scaling Algorithm Based on Bilinear Interpolation［J］.Automation and Applications，2008(27)：44-46.

［20］熊振翔.插值多項式與插值樣條［M］.北京：國防工業(yè)出版社，1995.

XIONG Zhenxiang.Interpolating Polynomial and Spline Interpolation［M］.Beijing：National Defense Industry Press，1995.

Defect Detection and One-Dimensional Size Measurement of Toner Cartridge Based on Halcon

ZHU Xianfeng，PAN Hongjun

(School of Mathematics，Physics and Information Science，Zhejiang Ocean University，Zhoushan 316000，China)

Surface defect detection and sizemeasurementof the toner cartridge is an important part to determine whether it is qualified.To achieve this aspect ofwork automation，the toner cartridge surface point defects and line defects are accurately detected and classified by mathematical morphology operators of image processing algorithms，and its size is precisely measured according to sub-pixelmeasurements.The cartridge automatic defect detection and sizemeasurement system is developed by the specialmachine vision software Halcon and.NET.Testing shows that the system has a high accuracy， speed， stability and other distinctive characteristics.

morphology operator;defect detection;sub-pixelmeasurement

TP391

A

1671-5896(2014)03-0308-08

2013-06-20

浙江省科技廳基金資助項目(2011C11045)

朱先鋒(1989— )，男，江蘇睢寧人，浙江海洋學(xué)院碩士研究生，主要從事計算機視覺研究，(Tel)86-18368086367(E-mail)ilanliu90@yahoo.com.cn;通訊作者：潘洪軍(1966— )，男，吉林桑樹臺人，浙江海洋學(xué)院教授，博士，碩士生導(dǎo)師，主要從事計算機軟件與理論研究，(Tel)86-15088875366(E-mail)Hongjunp66@163.com。

何桂華)