董堯培 王景芹 崔玉龍

摘? 要： 為了提高鑄鋁制造行業(yè)中鋁錠厚度控制的效率和精度，在對測厚原理、圖像處理算法與工廠需求指標等研究的基礎上，結合HSV色彩空間和Hough變換等圖像處理技術，提出鋁錠在線測厚的方法，并通過Matlab對其進行了仿真驗證，結果證明該設計方案有效地提高了鋁錠在線測厚精度。

關鍵詞： 鋁錠在線測厚; HSV色彩空間; HSV顏色模型; 閾值分割; 圖像形態(tài)學; Hough變換

中圖分類號： TN911.73?34; TP391.4? ? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）05?0051?06

On?line thickness measurement method of aluminum ingot

based on HSV color space and Hough transform

DONG Yaopei1， 2， WANG Jingqin1， 2， CUI Yulong3

（1. State Key Laboratory of Reliability and Intelligence of Electrical Equipment Co?founded by Hebei Provincial People′s Government and

the Ministry of Science and Technology， School of Electrical Engineering， Hebei University of Technology， Tianjin 300401， China;

2. Key Laboratory of Electromagnetic Field and Electrical Apparatus Reliability of Hebei Province， School of Electrical Engineering，

Hebei University of Technology，Tianjin 300401， China;

3. Beijing University of Chemical Technology， Beijing 100029， China）

Abstract：On the basis of the research of thickness measurement principle， image processing algorithm and factory demand index， an online thickness measurement method for aluminum ingot is proposed in combination with HSV （Hue， Saturation and Value） color space， Hough transform and other image processing technologies to improve the efficiency and precision of aluminum ingot thickness control in cast aluminum manufacturing industry.The simulation and verification of the above?mentioned method are performed by Matlab. The results prove that this design scheme effectively improves the precision of online thickness measurement of the aluminum ingot.

Keywords：aluminum ingot online thickness measurement; HSV color space; HSVcolor model; threshold segmentation; image morpholog; Hough transform

0? 引? 言

在鋁錠制造過程中對于鋁錠的厚度要求較高，一旦出現(xiàn)過厚或過薄的情況都會導致鋁錠形態(tài)發(fā)生變化，最終會導致鋁錠直接報廢，不能使用。因此，在鋁錠制造過程中對鋁錠的厚度進行實時測量就具有十分重要的現(xiàn)實意義。目前，比較常見的控制鋁錠厚度的方法還是通過工人在刮渣的同時對鋁錠厚度進行判斷，然后進行人工調節(jié)，這樣的做法會有一定的滯后性，同時，人工調節(jié)的準確性也值得商榷，這樣的調節(jié)不僅影響效率，還會使廢品率提高。

目前的一種改進方式是通過激光發(fā)射法進行厚度調節(jié)，這種方法是在鋁液上方架設一個激光測距儀，將激光測距儀的數(shù)據(jù)提供給PLC進行自動控制。這種方法的好處在于整個厚度控制過程全部自動完成，減少了人為誤差的出現(xiàn)，并且控制的精確性相對于人工控制來說有了很大的提高，廢品率也得到了顯著下降。但這種厚度控制方法同樣存在著局限性：由于激光測距儀的測距平面為鋁錠表面，此時的鋁錠還為熔融狀態(tài)，表面熱輻射很強，會輻射出紅外線，影響激光測距儀的準確度，與此同時，由于鑄造過程中模具在運動，這個運動并不是平滑的運動，會導致熔融狀態(tài)的鋁液發(fā)生晃動，此時的鋁液表面并不能準確體現(xiàn)出最終鋁錠的真實厚度，因此會產生不可避免的誤差。結合這些問題，目前迫切需要找到一種測厚方法來解決上述問題。

目前關于鋁錠測厚方面的相關研究較少，本文提出的方法與圖像采集的相關研究有一定相似性。結合文獻[1?4]的相關研究，本文提出了一種利用HSV顏色空間和Hough變換的鋁錠厚度識別方法。該方法首先將圖像的RGB顏色模型轉換成HSV顏色模型，并根據(jù)HSV顏色模型中的S信息進行分割提取顏色候選區(qū)域;然后將原始彩色圖像轉化為標準化灰度圖像，并對標準化圖像進行預處理及灰度形態(tài)學操作，通過Hough變換來檢測鋁錠寬度;最后，根據(jù)鋁錠寬度和鋁錠厚度之間的函數(shù)關系，完成對鋁錠厚度的測量。本文中HSV顏色空間的選擇有效地避免了RGB顏色模型易受工廠內復雜光照變化的影響;圖像預處理和灰度形態(tài)操作大大減少了Hough變換在處理圖像之前檢測形狀所需要的時間，從而可以更加快速、穩(wěn)定地識別出鋁錠的寬度，進而實現(xiàn)對鋁錠厚度的非接觸測量。

1? 鋁錠測量模型

由于無法直接對鋁錠厚度直接進行測量，所以必須將鋁錠厚度進行轉換，使得測量過程可以操作。根據(jù)對滿足出廠條件的鋁錠進行的測量，可以得到模具表面寬度和厚度的相關關系。測量示意圖如圖1所示。鋁錠寬度和厚度測量結果如表1所示。

根據(jù)表1得出的數(shù)據(jù)進行曲線擬合，擬合曲線如圖2所示，利用該擬合曲線就能找到鋁錠寬度和厚度之間的關系，從而將難以測量的鋁錠厚度轉換為了便于測量的寬度。

2? 圖像預處理

2.1? 顏色模型的比較

圖3a）為最基本和最常用的面向硬件的顏色模型，即RGB顏色模型。從圖中可以看出，由于工廠內部環(huán)境復雜，整體圖像中干擾項較多，如果直接處理不能將需要處理的鋁錠位置很好地分離出來，因此需要找到一種合適的顏色模型使鋁錠部分更加明顯，更加容易進行后續(xù)操作。

顏色模型就是三維顏色空間中可見光的子集，其包含顏色域中的所有顏色。顏色模型主要有RGB，HSV，YCbCr，NTSC。

RGB是根據(jù)彩色照明原理來進行設計的，RGB模型分為三個顏色通道：紅色（R）、綠色（G）、藍色（B）。

HSV模型（見圖3b））是復合主觀感知的顏色模型。H，S，V分別指的是色調（彩）（hue）、色飽和度（saturation）和明度（value）YCbCr模型（見圖3c）），也稱為YUV模型，是視頻和數(shù)字圖像中常用的顏色模型。在YCbCr模型中，Y為亮度，而Cb和Cr則一同描述圖像的色調（色差），其中Cb和Cr分別是藍色分量和紅色分量相對于參考值的坐標[3]。

NTSC模型（見圖3d））是電視圖像中常用的一種顏色模型。NTSC模型使用的是YIQ顏色坐標系，其中，Y是光亮度，表征灰度信息;I是色調，Q是飽和度，均表示顏色信息[5]。

要處理照片在不同顏色模型下的狀態(tài)如圖3所示。

由圖3可以看出，HSV顏色模型下的鋁錠部分和周圍環(huán)境間的對比最為明顯，其余三種顏色模型都存在不同程度的干擾會影響鋁錠部分的檢測，因此，將原始圖像從RGB顏色模型轉換為HSV顏色模型可以提高圖像處理的準確度。

2.2? 候選區(qū)域提取

2.2.1? 顏色模型轉換

由RGB轉換為HSV是一個簡單的非線性變換。RGB到HSV模型的量化及過程[3，6]如下：

1） 對RGB進行歸一化處理，即：

[r=R255g=G255b=B255] （1）

2） 從RGB顏色模型到HSV顏色模型進行轉換，即：

[Cmax=max（r，g，b）Cmin=min（r，g，b）Δ=Cmax-Cmin] （2）

[H=60°×g-bΔ，Cmax=r且b≤g60°×（b-rΔ+6），Cmax=r且g

[S=0，? ? ?Δ=0ΔCmax，? ? ?其他] （4）

[V=Cmax] （5）

2.2.2? 剔除無關區(qū)域信息

圖像分割對于圖像處理來說起著至關重要的作用。圖像分割是將圖像中所關注的區(qū)域和其他無用部分進行分離并提取出來，使得圖像更易于理解和分析。上一節(jié)中找到了更加適合的顏色模型，但是不難看出鋁錠中間部分存在刮渣后產生的痕跡，這些痕跡對于之后的圖像識別會造成很大影響，最終導致寬度檢測出現(xiàn)很大的偏差。為了消除這種影響，可以考慮利用圖像分割對HSV顏色模型的圖像進行處理來減少不必要的誤差。由于HSV顏色模型是通過疊加[H]，[S]，[V]三個分量從而獲得的圖像，因此可以考慮將這三個分量分離，從而找到利于后續(xù)圖像處理的分量[7]。

HSV顏色模型三個分量分離后的圖像如圖4所示，可以看出，其中，[S]分量對于鋁錠的邊緣可以很好地區(qū)分，同時，有效地避免了內部刮渣痕跡對于圖像識別的影響。但由于只需考慮鋁錠部分的寬度，因此，可以將其余部分剔除。

通過觀察[S]分量的圖像不難看出，需要識別的鋁錠部分呈現(xiàn)黑色，其余需要剔除的部分主要偏灰色，利用圖像直方圖可以將除鋁錠外的部分進行剔除[4]。在本文中，需要處理的鋁錠部分的灰度范圍是通過在多個鋁錠上進行實驗得到的，如圖5所示。

因此，為了剔除無用信息，可以通過線性變換對圖像進行處理[4，8?9]。設圖像變換前灰度范圍和變換后灰度范圍分別為[f（x，y）]和[g（x，y）]。需要保留[f（x，y）]中灰度范圍為[0，0.1]的圖像，其余無關部分輸出為0。線性變換公式如下：

[g（x，y）=f（x，y），? ? ? ? f（x，y）∈[0，0.1]0，? ? ? ? ?f（x，y）∈（0.1，1]] （6）

線性變換后的圖像如圖6所示。

至此，便完成了對原始圖像的預處理。

3? 總體算法

3.1總體算法描述

總體算法的流程圖如圖7所示。

3.2? 鋁錠邊緣檢測

由于對原圖像進行了顏色模型轉換并提取了其中一個分量，此時處理后的圖像的灰度分布十分分散，十分不利于后續(xù)的圖像處理，因此，對預處理后的圖像進行二值化處理，使圖像的灰度分布更加均衡[2]。通過這一過程簡化了系統(tǒng)的步驟，減少了算法運行的時間，提高了系統(tǒng)的效率。

邊緣檢測其實就是利用算法來提取出圖像中對象和背景之間的邊界。邊緣也就是圖像中灰度變化十分明顯的區(qū)域邊界[6]。圖像灰度分布的梯度可以表述圖像灰度的變化情況，因此，可以用局部圖像微分技術來獲得邊緣檢測算子，下列是比較常用的邊緣檢測算子：Roberts算子、Sobel算子、Prewitt算子、Laplacian?Gauss算子和Canny算子[1]。在本文中，鋁錠的邊緣由Prewitt邊緣算子提取，由于Prewitt算子是邊緣樣板算子，它利用像素點四個方向上鄰點的灰度差，在邊緣處達到極值檢測邊緣，因此對噪聲較多的圖像來說可以起到抑制噪聲的效果[6]。由于邊緣點像素的灰度值與其鄰域點像素的灰度值有顯著的不同，在實際應用中通常采用微分算子和模板匹配方法來檢測圖像的邊緣。Prewitt算子的定義如下：

[px=f（x+1，y-1）+f（x+1，y）+f（x+1，y+1）-f（x-1，y-1）+f（x-1，y）+f（x-1，y+1）][py=f（x-1，y-1）+f（x，y+1）+f（x+1，y+1）-f（x-1，y-1）+f（x，y-1）+f（x+1，y-1）][P（i，j）=px2+py2]

卷積算子如下所示：

[px=10-110-110-1]

[py=-1-1-1000111]

Prewitt算子邊緣檢測后的圖像如圖8所示。

3.3? 圖像形態(tài)學運算

對邊緣圖像進行下一步處理，采用圖像形態(tài)學中的閉合運算。閉合運算是先膨脹后腐蝕。閉合運算能夠刪除不包含結構元素的對象區(qū)域，并且可以平滑對象的輪廓并縮短連接線窄的部分，刪掉細小并且突出部分，填充圖像對象內部的小孔，連接相鄰的物體，最終原圖像的面積和形狀沒有發(fā)生明顯的變化[8?9]。對于本文需要檢測的鋁錠寬度來說，圖像水平方向的分量便屬于無用信息，因此，可以通過腐蝕運算對水平方向的分量進行縮減，這樣有利于提高圖像處理的速度。同時由于邊緣檢測后豎直方向的分量并不十分連續(xù)，對之后的直線檢測十分不利，因此可以通過膨脹運算使相互獨立的斷續(xù)線段重新連通在一起。經(jīng)過多次試驗后發(fā)現(xiàn)，在邊緣圖像經(jīng)過一次開運算后再經(jīng)過一次膨脹運算后，如圖9所示，得到的圖像更利于后續(xù)的直線檢測。

3.4? Hough變換檢測直線

3.4.1? Hough變換基本原理

Hough變換本質上就是基于點?線的對偶性。它是通過坐標變換，將原始圖像空間中給定形狀的曲線或直線全部轉換到參數(shù)空間中，在變換后的參數(shù)空間中形成峰值點。從而將檢測問題從原始的圖像空間中轉化為參數(shù)空間的檢測問題，因此簡化了檢測的難度[10]。

設在原始圖像空間，[（x，y）]直線方程為：

[y=kx+b] （7）

將其轉換為極坐標作為變換空間，即：

[ρ=xcos θ+ysin θ] （8）

式中：[ρ]為原點到直線的距離;[θ]為該直線法線與[x]軸的夾角。

這樣空間中的點[xi，yi]對應著極坐標中的[ρ=xicos θ+yisin θ]，為正弦曲線，于是原始圖像空間中的指定直線上的所有點對應于變換空間的一個曲線族，如圖10和圖11所示，點[ρ0，θ0]為參數(shù)空間的共線點，即圖像空間的擬合參數(shù)。所以，只要能找到這個公共點，就一定可以檢測到這條直線。

3.4.2? Hough變換的基本步驟

1） 首先對圖像進行預處理以獲得邊緣點（二值化圖像），即特征點。

2） 設定累加器數(shù)組Accumulator[ρ，θ]，初始值設置為0，對每一個邊緣像素點[xi，yi]，通過取所有的[θ]來計算相應的[ρ]值，如果其值對應于累加器數(shù)組中的值，則該累加器值加1。

3） 當所有的[（x，y）]點都通過步驟2）的計算之后，遍歷所有的累加器的值以找出累加器的峰值點，其對應于原始圖像空間的共線點。

可以看出，Hough變換的突出優(yōu)點就是抗干擾能力強，魯棒性好，缺點也比較明顯，計算量相對來說比較大，精度控制起來也比較困難。Hough檢測后的圖像如圖12所示。

3.5? 算法改進及測厚結果

由于檢測后的結果需要實時輸出控制鋁錠的厚度，因此，對于圖像處理的速度也有一定的要求，而且鋁錠行進速度大約為2 s/錠，所以圖像處理的速度應限制在2 s以內。而上述圖像處理過程大約需要最少5 s的時間，這會嚴重影響鋁錠厚度控制的精度，必須要將時間縮短。由Hough變換的過程和特性可知，只有將圖像的像素數(shù)減少才能縮短運算時間，所以將原圖像均勻的裁剪出4個小部分，這就大大減少了需要處理的數(shù)據(jù)量，因此運算時間就可以控制到2 s以內，改進后的圖像如圖13所示。

通過多次實驗得到鋁錠寬度在圖像中占到約為122.625 pixel，根據(jù)圖像和實際尺寸的比例，可以得到鋁錠寬度約為95.65 mm，相對應的鋁錠的厚度為40.15 mm。

4? 仿真實驗與結果分析

在配備有2.8 GHz處理器和8 GB RAM的Intel Core i5?4200H CPU的計算機上使用Matlab測試上述算法。圖像的空間分辨率為1 920×1 080，攝像機位置距離地面約為1.5 m。本文提出的方法和目前常用的激光測厚處理相同鋁錠，平均測厚時間和測量誤差如表2所示。