馬琳，王直杰，朱曉明，許駿

（東華大學(xué) 上海 201620）

基于灰度共生矩陣的注塑模具瑕疵檢測(cè)

馬琳，王直杰，朱曉明，許駿

（東華大學(xué) 上海 201620）

遺留物檢測(cè)是注塑機(jī)工作過(guò)程中的一項(xiàng)重要工作。為實(shí)現(xiàn)比較精確的模具遺留物檢測(cè)，在對(duì)圖像進(jìn)行位置偏差矯正等預(yù)處理之后利用灰度共生矩陣算法，對(duì)標(biāo)準(zhǔn)圖像與采集圖像進(jìn)行紋理分析，得到了這兩幅注塑模具圖像的特征參數(shù)，取四個(gè)特征參數(shù)進(jìn)行分析，利用加權(quán)歐式距離對(duì)兩組參數(shù)進(jìn)行相似度比較，從而判斷采集的圖像是否為瑕疵圖像。最后，利用OPENCV圖像處理技術(shù)對(duì)系統(tǒng)進(jìn)行了實(shí)現(xiàn)，并且和常用方法差影法進(jìn)行了比較，試驗(yàn)結(jié)果表明，在光照不穩(wěn)定情況下，提出的算法在注塑模具的遺留物檢測(cè)中適用性更強(qiáng)。

圖像處理；遺留物；灰度共生矩陣；OPENCV；注塑模具

注塑行業(yè)[2]的注塑產(chǎn)品生產(chǎn)過(guò)程需要經(jīng)過(guò)很多復(fù)雜的工序，每道工序都要求自動(dòng)化完成。其工作原理是首先將原材料吸入一個(gè)真空容器中，進(jìn)行干燥處理，再傳入注塑機(jī)的機(jī)身中，將原料高溫加熱融化，注射到閉合的模腔內(nèi)，然后快速冷卻，開(kāi)模后用機(jī)械手取走成型模具。這樣反復(fù)循環(huán)。雖然目前注塑行業(yè)已經(jīng)進(jìn)入了自動(dòng)化生產(chǎn)階段，但是在脫模階段，經(jīng)常會(huì)發(fā)生原料殘留的現(xiàn)象，所以需要人工現(xiàn)場(chǎng)看護(hù)，這樣就大大降低了機(jī)器的自動(dòng)化水平。目前圖像處理技術(shù)在注塑模具殘留物檢測(cè)中已有所運(yùn)用，常用的方法有差影法。圖像差影法[3]即是圖像的相減運(yùn)算，但是差影法對(duì)圖像的預(yù)處理要求很高，受光線(xiàn)和位置偏差影響較大，很容易產(chǎn)生誤差。本文利用所有圖像都具有一定的紋理特性[4]，先對(duì)圖像進(jìn)行位置偏差矯正等預(yù)處理，然后基于灰度共生矩陣算法[4]，對(duì)模板圖像與采集圖像進(jìn)行紋理分析，判別是否有遺留物的存在。最后將文中方法與差影法做比較，證明了文中方法更加可靠。

1 系統(tǒng)設(shè)計(jì)

系統(tǒng)主要的流程圖如圖1所示。即先對(duì)相機(jī)采集的圖像進(jìn)行預(yù)處理以及位置偏差矯正，對(duì)圖像分塊操作，算取每個(gè)窗口的紋理特征值[5]，與模板圖像進(jìn)行相似度比較，最后取最小相似度的值，預(yù)先設(shè)定一個(gè)相似度閾值，若結(jié)果小于閾值，則此圖像存在遺留物，為不合格產(chǎn)品，否則為合格產(chǎn)品。本文的主要工作是對(duì)拍攝圖像進(jìn)行位置偏差矯正以及通過(guò)紋理分析比較標(biāo)準(zhǔn)圖像與測(cè)試圖像的相似度。

圖1 系統(tǒng)流程圖Fig.1 Flow chart of the system

2 位置偏差矯正

由于測(cè)試中，有可能因?yàn)闄C(jī)器振動(dòng)產(chǎn)生相機(jī)的位置偏差。文中利用圖像匹配算法，找出檢測(cè)圖中要檢測(cè)的區(qū)域作為接下來(lái)要處理的測(cè)試圖像。這樣比對(duì)的圖像就具有了一致性，解決了位置偏差的問(wèn)題。

文中采用的是基于灰度的相關(guān)匹配，它是一種對(duì)共軛圖像逐像元以一定大小的窗口的灰度陣列，按某種或幾種相似性度量順次進(jìn)行搜索匹配的方法，文中采用歸一化相關(guān)匹配算法。設(shè)模板由M(u,v)表示，當(dāng)前圖像中要搜索的區(qū)域由S(x,y)表示，歸一化互相關(guān)法（NCC）可表示為：

（u,v）和（x,y）分別表示模板和測(cè)試圖像的位置，（U,V）表示模板圖像的大小。對(duì)于各種類(lèi)型的圖像，NCC方法均具有良好的抗干擾性。

3 圖像的紋理特征提取

灰度共生矩陣[6-8]（記為W）是統(tǒng)計(jì)空間上具有某種位置關(guān)系的一對(duì)像元灰度對(duì)出現(xiàn)的概率，其實(shí)質(zhì)是從圖像中灰度為i的象素（其位置為（x,y））出發(fā)，統(tǒng)計(jì)與其距離為d灰度j的象素（x+Dx，y+Dy）同時(shí)出現(xiàn)的次數(shù)P（i,j,d,），數(shù)學(xué)表達(dá)式如下：

其中，x,y是圖像中的像素的坐標(biāo)，i,j是對(duì)應(yīng)坐標(biāo)點(diǎn)的灰度值，Dx和Dy表示位置的偏移量，d為生成W陣的步長(zhǎng)，θ為生成方向，可以取0°，45°,90°,135°4個(gè)方向。需要對(duì)上述矩陣進(jìn)行歸一化[9]，即得滿(mǎn)足某種位置關(guān)系的像素對(duì)出現(xiàn)的概率，R為歸一化常數(shù)。灰度共生矩陣共有14個(gè)特征參數(shù)，本文主要討論能量，熵，對(duì)比度以及相關(guān)性這4個(gè)特征[10-12]。

角二階矩也稱(chēng)為能量，反應(yīng)了圖像灰度分布均勻程度和紋理粗細(xì)程度，細(xì)紋理對(duì)應(yīng)較小的角二階距。

對(duì)比度反映了圖像的清晰度和紋理溝紋深淺的程度。紋理溝紋越深，其對(duì)比度越大，視覺(jué)效果越清晰；反之，對(duì)比度小，則溝紋淺，效果模糊。

相關(guān)是圖像所具有的信息量的度量，它表示了圖像中紋理的非均勻程度或復(fù)雜程度。

熵代表圖像的信息量，表示紋理的復(fù)雜度，是圖像內(nèi)容隨機(jī)性的度量。無(wú)紋理熵為0，有紋理熵最大。

4 試驗(yàn)設(shè)計(jì)與結(jié)果分析

4.1 試驗(yàn)設(shè)計(jì)

本文的主要設(shè)計(jì)步驟為：

1)對(duì)圖像進(jìn)行平滑去噪等預(yù)處理，然后對(duì)圖像進(jìn)行位置偏差矯正，根據(jù)模板圖像和采集圖像進(jìn)行匹配，劃定出所要檢測(cè)的區(qū)域。

圖2 模板匹配Fig.2 Template match

根據(jù)匹配的結(jié)果將區(qū)域截取下來(lái)，作為接下來(lái)要處理的圖像。如圖3所示。

圖3 ROI區(qū)域Fig.3 ROI area

2)利用灰度共生矩陣提取紋理參數(shù)；

本文根據(jù)灰度共生矩陣來(lái)判斷是否存在殘留物。通過(guò)分析灰度共生矩陣的4個(gè)紋理特征參數(shù)的變化規(guī)律，確立了適合描述本文模具的構(gòu)造方法。為了減少計(jì)算量，文中將圖像的灰度級(jí)量化到16級(jí)；并采用對(duì)特征參數(shù)取4個(gè)方向平均值的方法來(lái)消除生成方向的影響。以圖像的像素距離分別為1、3、5為例，得到不同的灰度共生矩陣以及相關(guān)參數(shù)。圖4是模板圖像和測(cè)試圖像得到的參數(shù)折線(xiàn)圖。

由折線(xiàn)圖可以看出，兩幅圖的四個(gè)參數(shù)相差的都很小，若選取一個(gè)參數(shù)作為檢測(cè)值，閾值很難選取，精確度會(huì)很低。

因此選擇將兩組紋理參數(shù)基于加權(quán)歐氏距離進(jìn)行相似度比較，得出相似度的值為0.98。

若先對(duì)兩幅圖像做分塊操作，以5×5大小的窗口遍歷圖像，計(jì)算出每個(gè)窗口圖像的灰度共生矩陣，其中圖像像素距離取3，求出四個(gè)特征參數(shù)，再與模板圖像相應(yīng)地進(jìn)行相似比較，算出最小相似度大小為0.84，與0.98進(jìn)行比對(duì)，證明分塊操作明顯提高了檢測(cè)的準(zhǔn)確性。

4.2 驗(yàn)結(jié)果分析

圖像差影法即是圖像的相減運(yùn)算，該運(yùn)算是把同一景物在不同時(shí)間拍攝的圖像或同一景物在不同波段的圖像相減，利用得到的圖像間的差異以達(dá)到監(jiān)測(cè)和識(shí)別等目的。圖4中，(a),(b)圖是不同光照條件下的模板圖，(c)圖為光照條件與(b)圖一樣的瑕疵圖。

圖4 數(shù)據(jù)分析圖Fig.4 Data graph

圖5 測(cè)試圖Fig.5 Test image

由差影法原理，將兩幅圖像相減結(jié)果如下。相同光照下圖像面積差求得為853，不同光照?qǐng)D像面積差為12662.5，由得出的數(shù)值可發(fā)現(xiàn)，不同光照下圖像減差法得出的結(jié)果差異較大。

圖6 測(cè)試結(jié)果圖Fig.6 Result image

而用本文方法，得到(b)，(c)圖的相似度為0.85，(a)，(c)圖的相似度為0.86，說(shuō)明在不同光照條件下，結(jié)果差異不大。由上述兩種方法可以看出，在光照條件不穩(wěn)定的情況下，文中的方法適用性更強(qiáng)一些。

5 結(jié)束語(yǔ)

文中提出了一種基于灰度共生矩陣的注塑模具殘留物檢測(cè)的方法，并且考慮了機(jī)器振動(dòng)給相機(jī)采集圖像帶來(lái)的影響，在預(yù)處理部分增加了位置偏差矯正這一環(huán)節(jié)，使得每次處理的圖像都是同一區(qū)域位置，排除了位置移動(dòng)帶來(lái)的影響；同時(shí)將灰度共生矩陣算法運(yùn)用到注塑模具的瑕疵檢測(cè)中，使其運(yùn)用更加廣泛。對(duì)圖像分塊進(jìn)行紋理分析，結(jié)合歐氏距離，利用相似度測(cè)量判定是否存在遺留物，經(jīng)多次試驗(yàn)，此方法可行有效，與差影法進(jìn)行試驗(yàn)比較，在光照條件不穩(wěn)定的情況下，此方法適用性更強(qiáng)，結(jié)果更精確可靠。但此方法對(duì)于具有規(guī)律紋理性的模具適用性更強(qiáng)，對(duì)于不同模具，具體參數(shù)需要根據(jù)實(shí)際情況重新選取，具有一定的局限性，仍需進(jìn)一步研究。

[1]于仕祺，劉瑞禎.學(xué)習(xí)OpenCV[M].北京：清華大學(xué)出版社，2009.

[2]胡朱華,張瑞林,張曉文,等.注塑生產(chǎn)中殘留物監(jiān)測(cè)系統(tǒng)的研究[J].工業(yè)控制計(jì)算機(jī),2011(5):54-55. HU Zhu-hua,ZHANG Rui-lin,ZHANG Xiao-wen,et al.Research on residue monitoring system in injection molding production[J].Industrial Control Computer,2011(5):54-55.

[3]降雨志,張義順,張華軍,等.投影法和差影法在焊縫跟蹤圖像識(shí)別中的應(yīng)用[J].沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào),2005(5):82-85. JIANG Yu-zhi,ZHANG Yi-shun,ZHANG Hua-jun,et al. Application of both projection and difference image methods in welding seam recognition system[J].Journal of Shengyang University of Technology.2005(5):82-85.

[4]馮建輝,楊玉靜.基于灰度共生矩陣提取紋理特征圖像的研究[J].北京測(cè)繪,2007(3):19-22. FENG jian-hui,YANG yu-jing.Study of texture images extraction based on gray level co-occurrence matrix[J]. Beijing Surveying and Mapping,2007(3):19-22.

[5]Leen-Kiat S，Costas T.Texture analysis of SAR sea ice imagery using gray level co-occurrence matrices[J].IEEE Tra-ns Geosci Remote Sensing，1999，37（2）：780-795.

[6]蘇靜,黎明.基于灰度共生矩陣的金屬斷口圖像的分類(lèi)研究[J].計(jì)算機(jī)工程與應(yīng)用,2008(9):223-225,234. SU Jing,LI Ming.Research of metal fracture image classfication based on GLCM[J].Computer English and Applications, 2008(9):223-225,234.

[7]Barald IA,Parm Iggian F.An investigation of texture characteristics associated with gray level co-occurrence matrix statistical parameters[J].IEEE Trans on Geoscience and Remote sensing,1995,33(2):293-303.

[8]王輝.基于灰度共生矩陣木材表面紋理模式識(shí)別方法的研究[D].哈爾濱：東北林業(yè)大學(xué),2007.

[9]白雪冰,王克奇,王輝.基于灰度共生矩陣的木材紋理分類(lèi)方法的研究[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2005(12):1667-1670. BAI Xue-bing,WANG Ke-qi,WANG Hui.Research on the classification of wood texture on gray level co-occurrence M [J].Journal of Harbin Institute of Technology,2005(12):1667-1670.

[10]YU Qing-cang,CHENG Harry H,CHENG Wayne W,et al. CH OpenCV for interactive open architecture computer vision[J].Advances in Engineering Software,2004,35(9):527-536.

[11]王晗,白雪冰,王輝.基于空間灰度共生矩陣木材紋理分類(lèi)識(shí)別的研究[J].森林工程,2007(1):32-36. WANG Hai,BAI Xue-bing,WANG Hui.Wood texture classification and recognition based on spatial GLCM[J].Forest Engineering,2007(1):32-36.

[12]寧順剛,白萬(wàn)民,喻鈞.基于灰度共生矩陣的圖像分割方法研究[J].電子科技,2009(11):69-71,91. NING Shun-gang,BAI Wan-ming,YU Jun.Research on the method of image segmentation based on gray level co-occurrence matrix[J].Electronic Technology,2009(11):69-71,91.

The detection of residuum in injection mold based on gray level co-occurrence matrix

MA Lin,WANG Zhi-jie,ZHU Xiao-ming,XU Jun
（DongHua University,Shanghai 201620,China）

Detection of residuum is very important in the working process of the injection molding machine.In order to achieve ideal result of detection,this paper gets the characteristic parameters by analyzing the texture of standard picture and defective picture with gray level co-occurrence matrix algorithm after making some corresponding pretreatment to them including deviation correction of their positons.This paper mainly uses four characteristic parameters,then use Weighted Euclidean distance to compare their similarity to judge whether the tested picture is defective.At last,this paper uses the image processing technology based on OpenCV[1]to detect the residuum,and compares this algorithm with common algorithm.The result indicates that the algorithm of this paper is superior in the area of the detection of residuum in the case of unstable light conditions.

image processing；residuum；GLCM；OpenCv；injection mold

TN06

A

1674－6236（2015）07-0138-03

2014-07-25 稿件編號(hào)：201407192

國(guó)家自然科學(xué)基金資助（61075105）

馬 琳(1989—)，女，江蘇南通人，碩士研究生。研究方向：數(shù)字圖像處理。