王　麗

（重慶工業(yè)職業(yè)技術(shù)學(xué)院，重慶，401120）

基于機(jī)器視覺的齒輪缺陷研究

王麗

（重慶工業(yè)職業(yè)技術(shù)學(xué)院，重慶，401120）

本文主要研究了在直齒圓柱齒輪的缺陷檢驗中，采用計算機(jī)圖像技術(shù)的相關(guān)理論和方法，對提取到的齒輪圖像進(jìn)行灰度直方圖變換、圖像分割和數(shù)字減影等數(shù)字圖像處理技術(shù)進(jìn)行處理，以獲得減影圖像。通過對減影結(jié)果進(jìn)行分析，可以獲得齒輪缺陷的相關(guān)信息，實現(xiàn)了對齒輪缺陷的快速、準(zhǔn)確的檢測判斷，具有一定的工程實用價值。

計算機(jī)圖像技術(shù)；齒輪缺陷識別；數(shù)字圖像技術(shù)

1　圖像采集系統(tǒng)

要對齒輪表面圖像進(jìn)行數(shù)字處理和分析，首先需要將大量的膠片轉(zhuǎn)化為數(shù)字圖像，以便進(jìn)一步的分析。本文采用CCD攝像機(jī)在暗室條件中拍攝，通過此方法獲得的數(shù)字圖像可以作為本文研究的基礎(chǔ)，本文圖像采集系統(tǒng)的構(gòu)成如下圖：

圖1　齒輪圖像采集系統(tǒng)結(jié)構(gòu)示意圖

測試系統(tǒng)主要包括：CCD攝像機(jī)、鏡頭、照明系統(tǒng)和圖像采集卡。

2　齒輪圖像的預(yù)處理

2.1灰度直方圖均衡化。直方圖是構(gòu)成圖像灰度特征的重要參數(shù)，它是圖像的灰度統(tǒng)計分布，其橫坐標(biāo)是灰度值，縱坐標(biāo)是對應(yīng)灰度值出現(xiàn)的數(shù)目。一般來說，處理前圖像的直方圖在灰度區(qū)間［0，70］與［130，220］的區(qū)間中數(shù)目較多，圖像中等亮度區(qū)域中的細(xì)節(jié)看不清楚，因而需要對直方圖進(jìn)行均衡化，從而使其灰度分布較均勻，圖像中的各個細(xì)節(jié)部分也能看清。在 MATLAB 中，用 histeq 函數(shù)來進(jìn)行直方圖均衡化并用 imhist 函數(shù)繪制直方圖。

3　齒輪圖像的分析

3.1圖像數(shù)字分割。本文的齒輪圖像包括灰度較大的物體和灰度較小的背景。為了將物體分離出來，需要對圖像進(jìn)行分割。本文采用閾值化技術(shù)來實現(xiàn)圖像分割，它通過選取合適的灰度閾值，然后以閾值作為區(qū)分標(biāo)準(zhǔn)，將像素灰度值大于閾值的作為一類（值設(shè)為255），其它的劃分為另一類（值設(shè)為0），從而實現(xiàn)對圖像的分割，整個技術(shù)的關(guān)鍵就是選擇合適的閾值。本文借鑒文獻(xiàn)［1］采用迭代法求最佳閾值。其步驟如下：

（1）求出圖像中的最大和最小灰度值A(chǔ)i和Ak，并令初始閾值為：

（2）根據(jù)閾值Hk將圖像分割成目標(biāo)圖像和背景圖像兩部分，再求出這兩部分的平均灰度值A(chǔ)o和Ab：

式中，A（i，j）是圖像某點（i，j）的灰度值；N（i，j）是點（i，j）的加權(quán)系數(shù)，一般為1，

（3）求出新的閾值：

（4）如果Tk=Tk+1，則迭代結(jié)束，否則K+1→K，轉(zhuǎn)到2步繼續(xù)迭代據(jù)上面這種算法，獲得分割后的二值化圖像如圖7（a）所示。

3.2數(shù)字圖像減影。對于經(jīng)過圖像分割后的圖像采用數(shù)字減影法來檢測齒輪的缺陷情況，它通過將待測缺陷圖像與標(biāo)準(zhǔn)模板圖像進(jìn)行點對點的減法運算，以突顯兩幅圖的差異部分，從而提取出我們關(guān)心的缺陷部分。

為了找到缺陷齒輪與模板圖像的最大重合位置，需要不斷將缺陷圖像進(jìn)行旋轉(zhuǎn)，以計算兩圖的相似性，本文采用灰度直方圖來計算二者的相對位置關(guān)系，其計算方法如下。

①分別計算模板圖像和缺陷圖像的灰度直方圖數(shù)組fa［255］，fb［255］，及其聯(lián)合直方圖hab［255，255］.

②采用下式對直方圖數(shù)值進(jìn)行歸一化。

③計算圖像信息熵

④記兩圖像信息熵之和為I

當(dāng)兩圖像位置重合時I的值達(dá)到最大，將圖5沿著順時針方向旋轉(zhuǎn)，每隔1°計算一次I的值，求出Imax所對應(yīng)的位置即兩齒輪重合時的位置。

（2）標(biāo)準(zhǔn)模板的合成

本文的標(biāo)準(zhǔn)模板采用多個合格齒輪圖像合成的方式獲得。具體做法為：設(shè)（x'，y'）為齒輪上某一點，其8個領(lǐng)域就是一個3×3模板的范圍即S3×3，g（x'，y'）是鄰域內(nèi)點的像素值，該點均值f（x，y）可表示為：

然后對10幅圖像求均值，設(shè)f1（x，y），f2（x，y），…，f10（x，y）是齒輪坐標(biāo)為f（x，y）對應(yīng)的像素值，f（x，y）為最后的均值，從而實現(xiàn)了模板的合成，如圖7（a），與圖6相比，其齒廓更為清楚。

將調(diào)整好位置的模板圖像和缺陷圖像相減，可以得到圖像差影，即缺陷的圖像特征如圖7。

（a）齒輪模板圖像 （b）缺陷齒輪圖像 （c）缺陷圖像圖2數(shù)字減影結(jié)果

通過程序?qū)p影結(jié)果圖像進(jìn)行分析，即可確定待判斷齒輪是否存在缺陷，或是根據(jù)減影出的缺陷圖像的不同幾何特征，如缺陷圖像面積、周長、長徑比和圓度等判斷出缺陷的類型和程度。該研究結(jié)果可以作為齒輪工業(yè)生產(chǎn)中大批量自動化缺陷檢測的基礎(chǔ)。

4　結(jié)論

本文的研究可以提高齒輪大批量生產(chǎn)中缺陷檢測識別的問題，并且具有成本低，速度快、精度高的特點，具有一定的工程實用價值。

Study of computer image technology in gear defect identification

Wang Li
（Chongqing Vocational Institute of Industry Technology，Chongqing，401120）

This paper mainly studies the defect inspection of spur gears， and the relevant theories and methods of computer image technology are used.The digital image processing technology， such as gray level histogram transform， digital filter， image segmentation and digital subtraction， is processed to obtain the image subtraction images.By analyzing the result of the reduction， we can get the relevant information of the gear defects， and realize the fast and accurate detection of the gear defects， which has a certain practical value.

computer image technology； gear defect identification； digital image technology

王麗（1980—），女，山東人，碩士，講師，主要從事機(jī)械傳動結(jié)構(gòu)設(shè)計、機(jī)電一體化的理論研究與教學(xué)工作

劉良江，王耀南等基于機(jī)器視覺的滾動軸承外徑檢測系統(tǒng)［J］.系統(tǒng)仿真學(xué)報， 2007， 19（21）：4981-4989.