王艷玲 溫守轟

(桂林師范高等專(zhuān)科學(xué)校 物理與工程技術(shù)系， 廣西 桂林 541001)

?

基于圖像處理直線零件幾何參數(shù)測(cè)量研究

王艷玲 溫守轟

(桂林師范高等專(zhuān)科學(xué)校 物理與工程技術(shù)系， 廣西 桂林 541001)

為了不接觸被測(cè)零件，又能快速地測(cè)量零件的幾何參數(shù)，提出了一種基于圖像處理的直線零件參數(shù)測(cè)量技術(shù)。該技術(shù)采用CCD采集零件圖像，測(cè)量系統(tǒng)采用中值濾波、Canny邊緣檢測(cè)等圖像預(yù)處理方法，得到單像素二值邊緣圖像，為了提高系統(tǒng)測(cè)量精度，對(duì)圖像邊緣進(jìn)行亞像素定位，最后，采用“先局部，后全局”及閾值的直線檢測(cè)快速Hough變換算法測(cè)量零件的參數(shù)。實(shí)驗(yàn)結(jié)果證明該測(cè)量系統(tǒng)速度快，測(cè)量精度良好，適用于清潔度要求高、測(cè)量精度要求不太高的工業(yè)在線參數(shù)測(cè)量。

圖像測(cè)量；圖像處理 ；Canny邊緣檢測(cè)；亞像素邊緣定位；直線Hough變換

0 引言

在機(jī)械制造業(yè)中測(cè)量技術(shù)是保證產(chǎn)品質(zhì)量的一項(xiàng)重要手段，傳統(tǒng)的產(chǎn)品尺寸測(cè)量方法，首先是要求接觸被測(cè)零件，這種測(cè)量方法無(wú)法滿足對(duì)產(chǎn)品清潔度要求較高的企業(yè)；其次是傳統(tǒng)的尺寸測(cè)量方法存在勞動(dòng)強(qiáng)度大，只能對(duì)產(chǎn)品進(jìn)行抽檢，測(cè)量結(jié)果受視覺(jué)偏差和人眼疲憊而產(chǎn)生測(cè)量誤差，檢測(cè)效率低，無(wú)法滿足企業(yè)對(duì)生產(chǎn)和質(zhì)量控制的要求。圖像測(cè)量技術(shù)[1]的出現(xiàn)和發(fā)展為解決上述問(wèn)題提供了可能，基于圖像處理的測(cè)量技術(shù)采用CCD攝像機(jī)獲取零件的圖像，利用圖像處理方法從中提取有用的信號(hào)，進(jìn)行處理、分析、算出零件的被測(cè)尺寸。測(cè)量系統(tǒng)的圖像處理過(guò)程基本流程如圖1所示。

圖1 測(cè)量系統(tǒng)圖像處理過(guò)程基本流程圖

1 圖像預(yù)處理

由CCD獲取的零件圖像為彩色數(shù)字圖像，為了提高測(cè)量系統(tǒng)的測(cè)量速度和測(cè)量精度，需要對(duì)彩色數(shù)字圖像進(jìn)行預(yù)處理。圖像預(yù)處理過(guò)程如下：打開(kāi)彩色圖像文件→灰度化→濾波→二值化→邊緣檢測(cè)。

本文所要檢測(cè)的零件圖像邊緣為直線，點(diǎn)和尖頂細(xì)節(jié)少，故采用中值濾波進(jìn)行圖像去噪，詳細(xì)分析比較了幾種比較常用的邊緣檢測(cè)算法，并用C++Buider6.0工具軟件進(jìn)行了實(shí)驗(yàn)，結(jié)果表明Canny算法具有較好的邊緣檢測(cè)能力和抗噪聲能力，得到的圖像邊緣斷裂少，較完整，并且能夠得到單像素寬的邊緣；為了進(jìn)一步減少圖像信息量，提高參數(shù)檢測(cè)速度，采用逐次逼近迭代二值化算法[2]將單像素邊緣圖像二值化。

圖2所示是采用中值濾波后的零件邊緣檢測(cè)，濾出噪聲，然后再進(jìn)行Canny算子邊緣檢測(cè)的結(jié)果。

(a)含有噪聲的灰度圖 (b)灰度直方圖

(c)中值濾波后的零件圖 (d)Canny算子檢測(cè)的邊緣

2 亞像素邊緣定位和細(xì)分

提高測(cè)量系統(tǒng)測(cè)量精度主要有兩個(gè)因素，一是提高CCD的分辨率，圖像采集系統(tǒng)的標(biāo)定和誤差修正精度；二是提高圖像中測(cè)量目標(biāo)的定位精度。CCD分辨率越高其價(jià)格也越昂貴，將極大地增加系統(tǒng)的成本。顯然，亞像素邊緣定位屬于利用軟件處理的方法來(lái)將零件圖像邊緣定位在一個(gè)像素以?xún)?nèi)，以達(dá)到提高測(cè)量精度的目的。

分析對(duì)比了一維灰度矩法 、基于最小二乘直線的擬合法及二次多項(xiàng)式插值等幾種常用的亞像素細(xì)分算法，本文采用Canny算子檢測(cè)出圖像的單像素邊緣，用改進(jìn)的8方向Sobel算子[4]檢測(cè)邊緣點(diǎn)的梯度，在梯度方向上進(jìn)行二次多項(xiàng)式插值得到邊緣的亞像素位置。具體算法如下：

①用Canny算子檢測(cè)出圖像的單像素級(jí)邊緣。

②梯度方向的計(jì)算。運(yùn)用改進(jìn)的8個(gè)方向Sobel微分算子模板，計(jì)算水平、垂直方向的偏微分幅值Rx(i,j)、Ry(i,j)，邊緣點(diǎn)的梯度方向?yàn)椋?/p>

θ(i,j)=arctan(Ry/Rx)

(1)

③在梯度方向上進(jìn)行二次多項(xiàng)式插值得到邊緣的亞像素位置。

在一個(gè)3×3鄰域進(jìn)行，中心像素點(diǎn)Q(xi,yi)梯度的幅值用R0表示，梯度方向上相鄰像素點(diǎn)的梯度幅值分別用R-1和R1表示，判斷是否滿足：R0>R-1, 且R0>R1，若滿足，把R0、R-1和R1代入二次多項(xiàng)式插值函數(shù)式(2)中進(jìn)行計(jì)算。

(2)

對(duì)上式在梯度方向上求導(dǎo)可得亞像素點(diǎn)的x坐標(biāo)為：

亞像素點(diǎn)的y坐標(biāo)為：

其中：(xi,yi)為整像素點(diǎn)的位置，w為x方向的像素間距，h為y方向的像素間距。

用本文提出的在梯度方向上進(jìn)行二次多項(xiàng)式插值得到邊緣的亞像素邊緣細(xì)化算法細(xì)化結(jié)果如圖3所示，零件的亞像素坐標(biāo)如表1所示，其中(xi,yi)是像素級(jí)坐標(biāo)。

(a)Canny算子檢測(cè)的邊緣 (b)細(xì)化邊緣圖3 零件細(xì)化邊緣

3 零件尺寸測(cè)量

3.1 直線檢測(cè)的快速Hough變換算法

在隨機(jī)直線Hough變換算法及各種改進(jìn)算法[2，5-7]的基礎(chǔ)上，提出了本系統(tǒng)的快速Hough變換直線檢測(cè)算法。算法基于一條直線上每個(gè)點(diǎn)的ρ和θ相同這一原理，為提高檢測(cè)速度，采用“先局部，后全局”的思想，在邊緣圖像中按一定規(guī)律確定種子點(diǎn)，在種子點(diǎn)的局部鄰域中，計(jì)算種子點(diǎn)和其它點(diǎn)的直線參數(shù)，將其它點(diǎn)的參數(shù)與種子點(diǎn)參數(shù)比較并投票表決，統(tǒng)計(jì)出投票數(shù)最多的局部領(lǐng)域直線參數(shù)，以該參數(shù)作為待測(cè)直線參數(shù)，然后在整個(gè)邊緣圖像中找與該參數(shù)相同的其它點(diǎn)，點(diǎn)數(shù)與設(shè)定的閾值相比較，判斷直線是否存在，從而提高了算法的速度和魯棒性。

表1 零件亞像素坐標(biāo) (pixel)

(xi，yi)亞像素坐標(biāo)(x，y)52，1352，12856186，14186317，13684256，18256177，1832，19831555，19755571，1371，1284387，1387315，1268430，1430343，1453，1452728，14

具體算法如下：

①?gòu)纳系较聫淖蟮接覓呙枞珗D，將檢測(cè)到的圖像中第一個(gè)邊緣點(diǎn)作為一個(gè)種子點(diǎn)P(xi,yj)。

②以種子點(diǎn)為起始點(diǎn)的一個(gè)小區(qū)域S內(nèi)搜索其它的點(diǎn)，并根據(jù)式(3)計(jì)算種子點(diǎn)P(xi,yj)和其它點(diǎn)確定的直線參數(shù)值(ρ,θ)。

(3)

④若nmax大于一定的閾值TS，轉(zhuǎn)到步驟⑤；否則，轉(zhuǎn)至步驟7。

⑦將P(xi,yj)點(diǎn)清除，返回步驟①，直到圖像中不再有種子點(diǎn)時(shí)結(jié)束。

3.2 測(cè)量直線零件的系統(tǒng)標(biāo)定

對(duì)一個(gè)方形的標(biāo)準(zhǔn)件(橫向?qū)挾葹?5.00 mm)進(jìn)行測(cè)量，按照測(cè)量直線的圖像處理、邊緣細(xì)化和檢測(cè)方法測(cè)得橫向?qū)挾葹?98個(gè)像素，用公式計(jì)算出每個(gè)像素代表的實(shí)際物理尺寸為0.126 mm。

3.3 零件參數(shù)的測(cè)量

與在線系統(tǒng)標(biāo)定時(shí)各參數(shù)設(shè)置、環(huán)境完全相同的情況下，用本文提出的測(cè)量系統(tǒng)對(duì)零件參數(shù)進(jìn)行檢測(cè)，檢測(cè)的量有水平線上、下和垂直線左、右各兩條，測(cè)量結(jié)果如表2所示。

表2 零件參數(shù)測(cè)量結(jié)果

參數(shù)上下左右時(shí)間/msρ/pixel1314639256θ/(°)18818844長(zhǎng)度/pixel391269388095234126233333長(zhǎng)度/mm4931489229532964340

4 結(jié)論

用精度為0.1 mm的游標(biāo)卡尺測(cè)得零件的參數(shù)：上水平線50.12 mm、下水平線48.05 mm、左邊垂直線30.15 mm、右邊垂直線29.96 mm,測(cè)量的絕對(duì)誤差最大為0.87 mm，最小為0.32 mm，相對(duì)誤差控制在1.9%之下。實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)的測(cè)量系統(tǒng)與傳統(tǒng)測(cè)量方法相比，具有測(cè)量精度良好，誤差在預(yù)期范圍之內(nèi)，測(cè)量速度適中等優(yōu)點(diǎn)。

因此，由上述圖像處理的零件幾何參數(shù)測(cè)量具有非接觸、測(cè)量速度快、能消除人為因數(shù)的影響、提高產(chǎn)品的檢測(cè)率等特點(diǎn)，該測(cè)量技術(shù)對(duì)促進(jìn)工業(yè)生產(chǎn)自動(dòng)化的發(fā)展，并得到越來(lái)越多的行業(yè)關(guān)注和研究。

[1]張紅哪,王祈.圖像測(cè)量技術(shù)及其應(yīng)用[J].電測(cè)與儀表，2003，40(7)：19-21,36.

[2]周虹.基于圖像處理技術(shù)的機(jī)械零件幾何量測(cè)量研究[D].桂林：廣西師范大學(xué),2010.

[3]楊博雄. CCD細(xì)分技術(shù)及其應(yīng)用研究[D].北京：中國(guó)地震局地球物理研究所,2005.

[4]王艷玲. 一種改進(jìn)的Sobel邊緣檢測(cè)和細(xì)化算法[J]. 桂林師范高等專(zhuān)科學(xué)校學(xué)報(bào),2011,25(2):152-154.

[5]王小梅.圖像特征提取與匹配算法研究及其在印刷品圖像檢測(cè)中的應(yīng)用[D].南京：南京理工大學(xué)，2008.

[6]王建勇，周曉光，廖啟征.一種改進(jìn)的直線檢測(cè)算法[J]. 計(jì)算機(jī)工程,2006,32(16)：172-173,187.

[7]李榮果.非接觸式平板裂縫天線結(jié)構(gòu)尺寸測(cè)量與分析[D].西安：西安電子科技大學(xué),2011.

[責(zé)任編輯 劉景平]

Geometry Parameter Measurement Research Based on Image Processing Line Parts

WANG Yanling, WEN Shouhong

(Department of Physics and Engineering Technology, Guilin Normal College, Guilin, Guangxi 541001, China)

In order to quickly measure geometric parameters of the parts without contacting them, this paper puts forward a parameter measurement technology based on image processing of straight line parts. The technique uses CCD image acquisition parts; the measurement system uses median filter and Canny edge detection image preprocessing methods. In order to improve the system measurement precision, the image edge subpixel localization is done. Finally, uses the method of "the local first, the global second" and the threshold’s line detection fast Hough transform algorithm to measure the parameters of the parts. The experimental results show that the measurement system is high in speed, good in measurement precision, and so suitable for industrial online parameter measurement which has high cleanliness requirements, but not too high measurement accuracy.

image measurement; image processing; Canny edge detection; subpixel edge location; linear Hough transform

TP391

A

1672-9021(2016)05-0077-05

王艷玲(1972-)，女，廣西桂林人，桂林師范高等專(zhuān)科學(xué)校物理與工程技術(shù)系講師，主要研究方向:圖像處理及應(yīng)用、電子技術(shù)。

廣西高等學(xué)校科研立項(xiàng)項(xiàng)目(201204LX494)。

2016-06-20