鐘美鵬，袁巨龍，姚蔚峰，吳喆

(1.嘉興學(xué)院 機(jī)電工程學(xué)院，浙江 嘉興 314001；2.浙江工業(yè)大學(xué) 超精密加工中心，杭州 310014；3.合肥工業(yè)大學(xué)宣城校區(qū) 機(jī)械工程系，安徽 宣城 242000)

滾子的表面缺陷會(huì)影響圓柱滾子軸承的可靠性及服役壽命[1-2]，基于機(jī)器視覺的圓柱軸承滾子缺陷自動(dòng)識(shí)別可提高滾子分揀的效率與可靠性，滾子缺陷圖像的增強(qiáng)預(yù)處理是缺陷識(shí)別過程的重要環(huán)節(jié)[3-4]。識(shí)別缺陷區(qū)域的大小是判斷滾子工件是否合格的重要判據(jù)，為提高缺陷識(shí)別的可靠性，需要在缺陷區(qū)域提取前對(duì)滾子缺陷圖片進(jìn)行有效增強(qiáng)。

反銳化掩模是圖像邊緣增強(qiáng)的常用方法，其通過加強(qiáng)圖像的高頻成分突出圖像的細(xì)節(jié)和邊緣，并將低頻分量從原始圖像中去除從而實(shí)現(xiàn)圖像增強(qiáng)。傳統(tǒng)的反銳化掩模采用了線性高通濾波器，由于圖像的細(xì)節(jié)和噪聲同時(shí)被增強(qiáng)，即使很小的噪聲，在圖像平坦區(qū)域內(nèi)也會(huì)非常明顯。調(diào)整疊加系數(shù)的反銳化算法[5]、立方反銳化掩模技術(shù)[6]、自適應(yīng)反銳化掩模技術(shù)[7]等方法的處理效果相對(duì)于線性反銳化掩模技術(shù)有所提高，但仍然會(huì)在平滑區(qū)引入人為噪聲。文獻(xiàn)[8-9]在自適應(yīng)反銳化掩模技術(shù)的基礎(chǔ)上提出了基于細(xì)節(jié)區(qū)域原理的分割算法，較好地抑制了平坦區(qū)的噪聲，但由于采用傳統(tǒng)高通濾波器，在采用低增強(qiáng)系數(shù)時(shí)對(duì)細(xì)節(jié)邊緣的增強(qiáng)效果不足，而采用高增強(qiáng)系數(shù)時(shí)會(huì)產(chǎn)生明顯的過沖現(xiàn)象。

針對(duì)現(xiàn)有反銳化掩模方法在滾子缺陷區(qū)域增強(qiáng)中存在的問題，提出一種采用改進(jìn)高通濾波器的非線性反銳化掩模方法，在實(shí)現(xiàn)滾子缺陷邊緣增強(qiáng)的同時(shí)抑制背景區(qū)域的噪聲。

1 反銳化掩模

1.1 非線性反銳化掩模

非線性反銳化掩模(Non-Linearity Unsharp Masking，NLUM)算法能根據(jù)圖像的灰度特性調(diào)節(jié)具有增強(qiáng)作用的加權(quán)系數(shù)，可非線性地增強(qiáng)滾子圖像缺陷的邊緣細(xì)節(jié)，提高缺陷區(qū)域分割質(zhì)量。經(jīng)過大量試驗(yàn)得出，決定增強(qiáng)程度的加權(quán)因數(shù)Kn(x，y)為[10]

(1)

式中：D0(x，y)為原始圖像的灰度；M為圖像的最大灰階。

非線性反銳化掩?？筛鶕?jù)原始圖像缺陷特征的強(qiáng)弱實(shí)現(xiàn)不同強(qiáng)度的邊緣增強(qiáng)處理,從而避免圖像平坦區(qū)域的噪聲被過分增強(qiáng)。

1.2 基于改進(jìn)高通濾波的非線性反銳化掩模

當(dāng)原始圖像中缺陷區(qū)域邊緣較為模糊時(shí)，傳統(tǒng)反銳化掩模銳化項(xiàng)中所使用的高通濾波模板對(duì)細(xì)節(jié)邊緣的增強(qiáng)效果不足，因此，引入一種基于卷積運(yùn)算的低通濾波模板，其表達(dá)式為

B(x,y)=D0(x,y)H(m,n)，

(2)

式中：H(m，n)為低通卷積模板。若模板過小，圖像反銳化掩模效果不明顯；若模板過大，則低通濾波效果過于明顯，會(huì)使反銳化掩模后的圖像產(chǎn)生過沖現(xiàn)象。因此，選擇5×5低通卷積模板，即

(3)

將改進(jìn)的高通濾波器以及Kn(x，y)代入線性反銳化掩模[11]的表達(dá)式可得

Dp(x,y)=D0(x,y)+Kn(x,y)[D0(x,y)-

B(x,y)]，

(4)

式中：Dp(x，y)為處理之后的圖像的灰度。

2 銳化及缺陷區(qū)域提取效果對(duì)比

2.1 量化評(píng)價(jià)指標(biāo)

為驗(yàn)證反銳化掩模算法的有效性，對(duì)原始缺陷圖像、線性及非線性反銳化掩模增強(qiáng)圖像進(jìn)行銳化及缺陷區(qū)域提取對(duì)比試驗(yàn)。選擇分布分離指標(biāo)(Distribution Separation Measure，DSM)作為滾子圖像銳化效果的量化評(píng)價(jià)指標(biāo)[12]。DSM是一種基于灰度概率分布的評(píng)價(jià)方法，其基本思想為：將待評(píng)價(jià)圖像分為目標(biāo)區(qū)域與背景區(qū)域，目標(biāo)區(qū)域與背景區(qū)域的灰度概率分布會(huì)出現(xiàn)重疊，若圖像增強(qiáng)效果較好，則目標(biāo)區(qū)域與背景區(qū)域的灰度概率分布會(huì)偏向與分離，其定義為

(5)

式中：μ，σ分別為滾子圖像中不同區(qū)域的均值與校準(zhǔn)差；下標(biāo)B，T分別表示背景區(qū)域與目標(biāo)區(qū)域(缺陷區(qū)域)；上標(biāo)O，E分別表示銳化前與銳化后。理想情況下，所獲得的DSM值應(yīng)大于0，且DSM值越大，表明銳化增強(qiáng)效果越好。若DSM值小于0，則表明增強(qiáng)效果較差。

銳化后先對(duì)圖像進(jìn)行二值化處理(閾值系數(shù)0.25)，再對(duì)二值化圖像取反并使用邊長為3的方形結(jié)構(gòu)元素對(duì)圖像進(jìn)行開運(yùn)算以達(dá)到滾子圖像缺陷提取的目的。

2.2 試驗(yàn)條件

圓柱滾子加工表面質(zhì)量監(jiān)測裝置如圖1所示，圓柱滾子缺陷圖像通過光源和CCD攝像頭拾取，缺陷信號(hào)經(jīng)視頻采集卡傳遞到計(jì)算機(jī)，通過軟件將缺陷信號(hào)處理成可視化信號(hào)。計(jì)算機(jī)對(duì)圖像識(shí)別處理后，通過串口線將特征值發(fā)送給聲光模塊從而顯示缺陷點(diǎn)數(shù)。

圓柱滾子外徑面的展開圖片中，邊緣缺失及夾渣缺陷的邊緣非常清晰，使用普通閾值分割即可。而麻點(diǎn)缺陷由于邊緣不規(guī)則且缺陷區(qū)域灰度分布復(fù)雜，是缺陷提取中的難點(diǎn)。因此，選擇2例圓柱滾子圖像麻點(diǎn)缺陷來進(jìn)行增強(qiáng)與提取，以驗(yàn)證非線性反銳化掩模方法的有效性。帶缺陷的圓柱滾子如圖2所示，其中1#滾子為群點(diǎn)缺陷，每個(gè)缺陷區(qū)域大小約1.2 mm×1.5 mm；2#滾子為單點(diǎn)缺陷，缺陷區(qū)域大小約1.5 mm×1.0 mm。

圖2 帶缺陷的圓柱滾子

2.3 對(duì)比分析

采用不同算法分別對(duì)群點(diǎn)缺陷及單點(diǎn)缺陷的滾子進(jìn)行處理，缺陷圖像及提取效果如圖3和圖4所示。

圖3 不同算法對(duì)1#滾子的提取效果

圖4 不同算法對(duì)2#滾子的提取效果

從圖中可以看出：1)對(duì)于缺陷圖像，采用傳統(tǒng)線性反銳化掩模的增強(qiáng)效果較為均勻，即在缺陷區(qū)域得到增強(qiáng)的同時(shí)，背景區(qū)域的噪聲及波紋也得到了增強(qiáng)；非線性反銳化掩模對(duì)缺陷區(qū)域的增強(qiáng)效果與線性反銳化掩模接近，但背景區(qū)域相對(duì)較為平滑；基于改進(jìn)高通濾波模板的非線性反銳化掩模方法對(duì)缺陷區(qū)域的增強(qiáng)效果最為明顯，背景區(qū)域也較為平滑，但是在局部區(qū)域出現(xiàn)了過沖現(xiàn)象。2)對(duì)于缺陷提取效果，原始圖像的邊緣較為模糊，缺陷區(qū)域提取后出現(xiàn)明顯缺失，會(huì)影響缺陷大小的判斷，進(jìn)而影響滾子合格與否的判定；經(jīng)過線性與非線性反銳化掩模增強(qiáng)的圖像，由于缺陷邊緣得到增強(qiáng)，缺陷提取區(qū)域更加接近真實(shí)缺陷，但由于增強(qiáng)效果有限，缺陷局部仍然出現(xiàn)了區(qū)域缺失，也會(huì)影響缺陷大小的判斷；而基于改進(jìn)高通濾波模板的反銳化掩模方法對(duì)缺陷區(qū)域的增強(qiáng)效果進(jìn)行了改進(jìn)，缺陷提取區(qū)域的大小最接近真實(shí)缺陷，尤其在一些難以增強(qiáng)的局部區(qū)域(圖5中的實(shí)線框區(qū)域)，該方法也得到了較好的增強(qiáng)效果，成功獲取了所需的目標(biāo)區(qū)域。

圖5 缺陷圖像的目標(biāo)區(qū)域

為進(jìn)一步驗(yàn)證本文方法的有效性，計(jì)算3種不同的反銳化掩模方法對(duì)滾子缺陷圖像提取后圖像的DSM值，結(jié)果如圖6所示。從圖中可以看出,基于改進(jìn)高通濾波模板的非線性反銳化掩模方法的DSM值最高，即具有最好的缺陷區(qū)域增強(qiáng)效果。

圖6 不同增強(qiáng)缺陷圖像的DSM值

3 結(jié)束語

通過引入改進(jìn)的高通濾波器，提出一種改進(jìn)的非線性反銳化掩模方法，并以圓柱滾子缺陷圖像為處理對(duì)象進(jìn)行了圖像增強(qiáng)及缺陷區(qū)域提取試驗(yàn)，得出如下結(jié)論：

1)與線性反銳化掩模相比，非線性反銳化掩?？梢栽谠鰪?qiáng)缺陷邊緣的同時(shí)抑制背景區(qū)域的過分增強(qiáng)，但增強(qiáng)效果有限。在缺陷局部出現(xiàn)了區(qū)域缺失，影響缺陷大小的判斷。

2)基于改進(jìn)高通濾波模板的非線性反銳化掩模方法可以改善缺陷區(qū)域的增強(qiáng)效果，尤其在難以增強(qiáng)的細(xì)節(jié)區(qū)域。與線性及非線性反銳化掩模方法相比，本文方法增強(qiáng)后缺陷圖像的DSM值最高，缺陷提取區(qū)域大小最接近真實(shí)缺陷。在后續(xù)研究中，將對(duì)該方法在滾子圖像缺陷圖像增強(qiáng)與提取過程中的自適應(yīng)性進(jìn)行進(jìn)一步研究。