甘 泉，魏利勝，張平改

(安徽工程大學(xué) 電氣工程學(xué)院，安徽 蕪湖 241000)

基于圖像處理的圓形工件尺寸檢測方法

甘 泉，魏利勝，張平改

(安徽工程大學(xué) 電氣工程學(xué)院，安徽 蕪湖 241000)

針對工業(yè)流水線上圓形工件的檢測與定位問題，研究了一種基于圖像處理的尺寸檢測方法，以測量出圓形工件的位置與半徑大小。首先，根據(jù)所設(shè)定的灰度圖閾值將源圖像進(jìn)行二值化處理，并采用區(qū)域搜索策略以對工件區(qū)域進(jìn)行填充；在此基礎(chǔ)上，進(jìn)一步利用邊緣檢測算法推導(dǎo)出預(yù)處理圖像的邊緣坐標(biāo)信息，并根據(jù)所統(tǒng)計數(shù)值組擬合出工件的位置與半徑大小。最后，利用五個實例驗證該方法的有效性與可行性。

圖像處理；圓形；檢測定位；邊緣算法

隨著科學(xué)技術(shù)的快速發(fā)展，我國制造產(chǎn)業(yè)的規(guī)模正在逐步擴(kuò)張，而傳統(tǒng)生產(chǎn)中圓形工件的檢測都是通過人工進(jìn)行操作，其工作效率低，且極易出現(xiàn)操作錯誤。為了提高生產(chǎn)操作的準(zhǔn)確度，人們將圖像處理技術(shù)應(yīng)用到圓形工件檢測中，以改善工業(yè)生產(chǎn)的效率。然而如何對工廠流水線上圓形工件進(jìn)行檢測定位具有一定的實際研究意義。

自機(jī)器視覺被應(yīng)用到制造業(yè)中以來，工業(yè)流水線上圓形工件檢測定位已成為圖像處理領(lǐng)域的研究熱點問題，[1]125-136，[2] 20-25國內(nèi)外學(xué)者對其進(jìn)行了大量的探索和研究，并取得了一定的研究成果。姜坤等[3] 89-95結(jié)合了多目標(biāo)優(yōu)化策略與路徑擇優(yōu)算法，提出一種無須人工干預(yù)的自動檢測算法，從而精確對工件進(jìn)行檢測定位；張靜等[4] 1871-1876在研究了局部圖像方差強(qiáng)度原理的基礎(chǔ)上，提出了一種局部圖像紋理空間模型，以完成金屬圓形工件的位置信息檢測；全燕鳴等[5] 1054-1061在傳統(tǒng)的雙目標(biāo)定的基礎(chǔ)上，研究了一種基于球面圓靶標(biāo)的雙目視覺檢測技術(shù)，從而有效地獲取到工業(yè)流水線上的工件位置信息與半徑數(shù)值；李彩花等[6] 73-75+78對圓形工件的圖像中心識別，采用極值均值法、最小二乘曲線擬合交點均值法和點Hough變換圓中心檢測法分別對改進(jìn)的LOG算法的邊緣檢測結(jié)果進(jìn)行了中心坐標(biāo)的提取，并通過攝像機(jī)標(biāo)定結(jié)果把圖像的中心坐標(biāo)轉(zhuǎn)化為實際坐標(biāo)系的中心位置坐標(biāo)，從而準(zhǔn)確地對工件進(jìn)行加工操作；趙曉麗等[7] 104-112采用了一種帶函數(shù)的約束優(yōu)化模型，對工件的位置信息進(jìn)行了預(yù)判斷，并考慮了工件的移動位置與速度之間的關(guān)系，完成了工件的精確識別；秦國華等[8] 2935-2943分析了工件與抓手元件的接觸方式，以給出不同工件的識別規(guī)則，并利用了矢量環(huán)投影策略以獲取到工件的位置信息，實現(xiàn)了圓形弓箭的快速精確識別與定位；陳聞[9] 8-11+30等提出了一種針對不同形狀工件的視覺檢測識別方案，采用基于Hu矩方法和最小二乘法的圓擬合對圓形工件進(jìn)行識別，并計算出圓形工件相關(guān)特征的尺寸參數(shù)；富帥等[10] 430-438在攝像機(jī)成像系統(tǒng)的基礎(chǔ)上，提出了一種簡便易行的工業(yè)現(xiàn)場自標(biāo)定方法，從而有效地完成了流水上物體的檢測識別；李釗寶[11] 1866-1870等采用雙線性差值算法，實現(xiàn)工件邊緣的亞像素提取，并通過黑塞范式直線擬合，精確地找到物體圖像邊緣，從而實現(xiàn)對工件尺寸的高精度測量。周森等[12] 1524-1530利用三維激光掃描儀，并結(jié)合二維誤差分離方法，設(shè)計一種工業(yè)流水線快速檢測系統(tǒng)，以完成工件的精確檢測識別。

本文將在以上研究的基礎(chǔ)上，通過對源圖像進(jìn)行預(yù)處理以獲取其完整的二值化圖像，并利用邊緣檢測算法對其邊緣信息進(jìn)行計算，同時結(jié)合最小二乘法以擬合出其位置坐標(biāo)值與半徑大小，最后進(jìn)行像素尺寸半徑和物理尺寸半徑的轉(zhuǎn)換。

1 圓形工件檢測定位算法

隨著我國制造產(chǎn)業(yè)的快速興起，圖像處理技術(shù)正逐漸被應(yīng)用到工業(yè)現(xiàn)場中，通過圖像處理技術(shù)對圓形工件進(jìn)行檢測與定位，從而達(dá)到快速精確識別圓形工件的目的，實現(xiàn)了工業(yè)現(xiàn)場的智能化與信息化，提高了工業(yè)生產(chǎn)的效率。首先，利用攝像機(jī)獲取到流水線上圓形工件的圖像信息，由于所采用的流水線與工件存在明顯色差，且流水線顏色只為一種固定的顏色，故可以通過圖像二值化處理得出工件的大致信息，然而由于光照等因素影響，其工件部分有可能被二值化為背景像素，故需要采用區(qū)域搜索策略將圓形工件部分進(jìn)行精確識別，從而得出完整的工件二值化圖像。在此基礎(chǔ)上，利用邊緣檢測算法統(tǒng)計出預(yù)處理二值化圖像的邊緣坐標(biāo)信息，并根據(jù)所統(tǒng)計數(shù)值組擬合出工件的位置與半徑大小，從而完成圓形工件的識別檢測與坐標(biāo)位置以及半徑大小的計算以及像素和物理尺寸的轉(zhuǎn)換，其流程圖如圖1所示。

圖1 圓形工件檢測定位算法的流程示意圖

1.1 圖像的預(yù)處理

首先通過攝像頭所采集的初始圖像進(jìn)行二值化處理，可以得到圓形工件的有效信息，并過濾圖像中的無效信息。一般將二值化處理后的圖像用0來代替其黑色區(qū)域，用1來代替其白色區(qū)域，如公式(1)表示：

(1)

其中，g(x,y)是原始圖像像素點的灰度值，T為灰度圖的閾值，在公式(1)中，把小于等于閾值T的像素點用1表示，即白色；反之則用0表示，即黑色。

由于光照等因素的影響，經(jīng)過上述圖像二值化處理后，圓形工件的像素部分可能被處理為黑色像素點，不利于后期的工件檢測識別操作，故需要利用區(qū)域搜索策略對二值化圖像進(jìn)行進(jìn)一步處理，其具體操作步驟如下所示。

步驟一：對像素值為0的點周圍進(jìn)行掃描，并設(shè)定一個以該點為中心點，邊長為n×n個像素的正方形搜索模塊，其搜索模塊的像素點總數(shù)為s1表達(dá)式如下所示：

s1=n×n

(2)

步驟二：對該區(qū)域內(nèi)的像素信息進(jìn)行掃描，以統(tǒng)計出該區(qū)域內(nèi)的白色像素點信息個數(shù)，以及該區(qū)域內(nèi)的黑色像素點信息個數(shù)，分別利用字母s2、s3進(jìn)行表示。

步驟三：計算出該區(qū)域內(nèi)的白色像素點個數(shù)、黑色像素點個數(shù)占該區(qū)域像素比例，其表達(dá)式分別為p1、p2，如下所示：

p1=s2/s1

(3)

p2=s3/s1

(4)

步驟四：根據(jù)上述的白色像素點個數(shù)與黑色像素點個數(shù)比例，對二值化后圖像進(jìn)行填充處理，以分割圓形工件的完整二值化圖像，其填充規(guī)則如下所示：如果比例p1大于0.5，說明該點應(yīng)該為工件部分像素，則將其填充為白色，反之則保持該像素點為黑色。

1.2 工件的檢測與識別

對上述填充完成的圖像進(jìn)行逐行掃描，以確定出圓形工件的邊緣像素信息，當(dāng)某一個像素點信息掃描為0、其下一個像素點信息掃描為1時，或者當(dāng)某一個像素點信息掃描為1，其下一個像素點信息掃描為0時，可以判斷出該黑的像素點為工件的邊緣區(qū)域，其判斷表達(dá)式如下所示：

(5)

經(jīng)過上述的圓形工件的邊緣檢測識別后，可以得出一組關(guān)于其邊緣坐標(biāo)信息(x1,y1),(x2,y2),(x3,y3)……(xn,yn)。而圓形工件的中心點坐標(biāo)表示為(x,y)，可表示出中心點到各個邊緣坐標(biāo)的距離R1,R2,R3……Rn，其表達(dá)式分別如下所示：

(6)

現(xiàn)假設(shè)圓形工件的半徑大小為R，則所檢測的每個邊緣坐標(biāo)到中心點的距離與實際的半徑大小的誤差為E1,E2,E3,……En，其表達(dá)式分別如下所示：

(7)

而所有邊緣坐標(biāo)點到中心點的距離數(shù)值與實際的半徑大小數(shù)值的誤差之和為ΔE，其表達(dá)式如下所示：

ΔE=E1+E2+E3+……+En

(8)

現(xiàn)將公式(7)代入公式(8)中可獲得誤差之和ΔE，其表達(dá)式如下所示：

ΔE=|R-R1|+|R-R2|+|R-R3|+……+|R-Rn|

(9)

現(xiàn)利用最小二乘法來擬合出圓形工件的中心點位置坐標(biāo)與半徑大小，當(dāng)公式(9)中的誤差之和為ΔE為最小時，其計算出的圓形工件參數(shù)最為精確。

1.3 像素尺寸和物理尺寸之間的轉(zhuǎn)換

本文在已知攝像頭參數(shù)的條件下，把已知像素尺寸和物理尺寸的圓形工件作為標(biāo)定物，獲得物理尺寸和像素尺寸之間的轉(zhuǎn)換關(guān)系，即標(biāo)定系數(shù)t，計算步驟如下：

(1) 選取一個實際物理尺寸已知的圓形工件作為參照樣本，其物理尺寸半徑記為R。

(2) 測量未知圓形工件像素尺寸時，要滿足光照強(qiáng)度、攝像頭的參數(shù)以及攝像機(jī)與參照圓形工件的相對位置均基本相同的條件下，通過圖像處理方法得到該參照樣本的像素尺寸半徑為r。

(3) 由公式t=R/r獲得標(biāo)定系數(shù)。

(4) 被測量圓形工件的物理尺寸半徑Z由標(biāo)定系數(shù)t和被測量圓形工件的像素尺寸半徑z乘積轉(zhuǎn)換得到，即Z=t·z。

2 實驗驗證及結(jié)果分析

為了驗證所提出方法的有效性，現(xiàn)利用五個實例來進(jìn)行實驗仿真。本次仿真實驗是通過在實際生活中隨機(jī)選取的五個圓形物體，并將其放置在白紙上，以模擬出圓形工件在流水線上效果，然后利用相機(jī)進(jìn)行拍攝，其拍攝效果圖如圖2所示(五個拍攝圖像的像素大小為4160×3120)，其中圖(a)為易拉罐拍攝效果圖，圖(b)為一元硬幣拍攝效果圖，圖(c)(d)(e)分別為三種不同杯蓋模型拍攝效果圖。

圖2 原始模型圖像拍攝效果圖

現(xiàn)對上述原始圖像進(jìn)行二值化處理，并采用搜索策略對工件像素區(qū)域進(jìn)行白色像素的填充操作，可得到上述五個不同模型的預(yù)處理后圖像效果，其效果圖如圖3所示。

圖3 原始圖像預(yù)處理效果圖

然后，利用邊緣檢測算法對預(yù)處理效果圖進(jìn)行邊緣信息的提取，并根據(jù)所提取的邊緣信息組進(jìn)行最小二乘法的圓形擬合處理，從而得出其邊緣信息與中心點標(biāo)定效果，其效果圖如圖4所示，同時統(tǒng)計出不同模型的中心點像素的X坐標(biāo)值與Y坐標(biāo)值，以及其半徑像素點個數(shù)，并以原始圖像的橫坐標(biāo)為100進(jìn)行數(shù)值的換算，以得出其中心點坐標(biāo)值與半徑值，其不同模型的各個參數(shù)如表1所示。

圖4 本仿真實驗的檢測識別效果圖

表1 本次仿真實驗的檢測識別參數(shù)表

從上述的檢測識別效果圖中可以看出，所提出的方法有效地識別出所采用模型的中心點以及其半徑，從而為后期的機(jī)器手進(jìn)行抓取提供坐標(biāo)信息，使工業(yè)生產(chǎn)進(jìn)行自動化的模式。

同時從檢測識別參數(shù)表中可知，本文方法能有效地計算出五種圓形物體的坐標(biāo)值與半徑大小，其中易拉罐的X軸像素點為1962、Y軸像素點為1576以及半徑像素個數(shù)為810，并將像素信息按照橫向坐標(biāo)為100進(jìn)行轉(zhuǎn)化，以分別得出易拉罐的中心點坐標(biāo)為(47.16,37.88)、像素半徑大小為19.47，通過實驗得到的物理尺寸為2.86 cm，而實際物理尺寸為2.88 cm，誤差為-0.2mm；同樣從杯蓋模型2可知，其定位后中心點坐標(biāo)值為(51.49,37.24)、像素半徑大小數(shù)值為13.46，通過實驗得到的物理尺寸為1.97 cm，而實際物理尺寸為1.94 cm，誤差為+0.3mm；實驗結(jié)果誤差存在正負(fù)誤差。

3 結(jié)論

本文研究了一種圖像處理的方法以精確檢測出圓形工件的位置與半徑大小，首先通過圖像二值化與搜索填充策略對圖像進(jìn)行預(yù)處理，并采用圖像邊緣檢測算法提取出圖像的邊緣信息，從而利用最小二乘法擬合出原始圖像上工件的中心點坐標(biāo)與半徑大小，并由像素尺寸半徑大小推導(dǎo)出圓形工件的物理尺寸半徑大小，最后實現(xiàn)圖像處理對圓形工件的精確檢測與定位。

[1]Wu Yunjie, Deng Yu. Dual tree complex wavelet transforms approach to copy-rotate-move forgery detection [J]. Science China: Information Sciences, 2014,16(1)．

[2]NEHARKAR M K, SUDHANSU S K. Multiresolution mosaic images by using Laplacian of Gaussian method[J]. International Journal of Engineering Research and Applications, 2012, 2(2).

[3]姜坤, 周雄輝, 黎旻, 孔嘯. 檢具設(shè)計中工件定位方案的自動確定方法[J]. 計算機(jī)集成制造系統(tǒng),2014,20(1).

[4]張靜，葉玉堂，謝煜，劉霖，常永鑫. 金屬圓柱工件缺陷的光電檢測[J]. 光學(xué)精密工程，2014,22(7).

[5]全燕鳴，黎淑梅，麥青群. 基于雙目視覺的工件尺寸在機(jī)三維測量[J]. 光學(xué)精密工程，2013,21(4).

[6]李彩花，王昕，王學(xué)影. 邊緣檢測技術(shù)在工件中心位置識別中的應(yīng)用[J]. 傳感器技術(shù)，2005,24(4).

[7]趙曉麗，唐立新. 帶有線性惡化工件和釋放時間的兩個代理單機(jī)調(diào)度問題[J]. 自動化學(xué)報，2015,41(1).

[8]秦國華，黃華平，葉海潮，周美丹. 基于運動學(xué)與有向尺寸路徑的工件定位誤差自動分析算法[J]. 計算機(jī)集成制造系統(tǒng)，2014,20(12).

[9]陳聞, 樊留群. 基于計算機(jī)視覺技術(shù)的工件檢測識別研究與應(yīng)用[J]. 機(jī)電一體化，2016，23(2).

[10]富帥, 張麗艷, 葉南, 劉勝蘭. 面向大型工件現(xiàn)場測量的光筆式視覺測量系統(tǒng)[J]. 儀器儀表學(xué)報，2015，36(2).

[11]李釗寶, 汪新新, 賈茜媛. 基于機(jī)器視覺的工件尺寸高精度測量方法[J]. 計算機(jī)測量與控制，2015，23(6).

[12]周森,郭永彩,高潮,吳小燕.基于三維激光掃描的移動大尺寸圓柱體工件長度快速檢測系統(tǒng)[J].光學(xué)精密工程，2014，22(6).

Class No.:TP391.41 Document Mark：A

(責(zé)任編輯：宋瑞斌)

Detection Method for Size of Circular Workpiece Based on Image Processing

Gan Quan, Wei Lisheng, Zhang Pinggai

(School of Electrical Engineering，Anhui Polytechnic University, Wuhu, Anhui 241000，China)

Image processing methods for detecting the circular workpiece in industrial assembly line was proposed to measure the position and radius of the circular workpiece. Firstly, the source image was processing by the grayscale threshold given, and the workpiece areas were filled by the search strategy. Based on this, the edge detection algorithm was used to deduce the edge coordinate information of pretreatment image. And the position and radius size of workpiece were fitted by the statistical group numerical. Finally, the five experiment results show the effectiveness and feasibility of the proposed method.

image processing; circular; detection location; edge algorithm

甘泉，在讀碩士，安徽工程大學(xué)。研究方向：智能信息處理與應(yīng)用。 魏利勝，博士后，副教授，安徽工程大學(xué)。研究方向：圖像識別與應(yīng)用、嵌入式儀器儀表及系統(tǒng)，智能化網(wǎng)絡(luò)控制理論、系統(tǒng)和仿真。

國家自然科學(xué)基金項目(編號：61203033)，安徽省自然科學(xué)基金項目(編號：1608085MF146)，安徽省高校自然科學(xué)研究項目(編號：KJ2016A062)，2016年安徽省高校優(yōu)秀中青年骨干人才國內(nèi)外訪學(xué)研修項目(編號：gxfxZD2016108)以及安徽工程大學(xué)中青年拔尖人才項目(編號：2016BJRC008)資助。

1672-6758(2017)07-0039-5

TP391.41

A