張友朋　茅健

摘要：目前在自動化檢測領(lǐng)域，機器視覺檢測技術(shù)開始廣泛地應(yīng)用，這種技術(shù)的特征表現(xiàn)為高精度、非接觸、適用性強，操作方便。在智能制造需求的促進作用下，很多工業(yè)生產(chǎn)中開始應(yīng)用到機器視覺技術(shù)。本文對精密鉆孔法向檢測進行研究，根據(jù)檢測要求而選擇合適的檢測方法。首選用Canny邊緣檢測算法，但是在實際的應(yīng)用中這種算子會引入很多非目標(biāo)輪廓線，而對法向檢測產(chǎn)生不良影響。為應(yīng)對這種缺陷而結(jié)合了小波圖像分割算法，且據(jù)此建立起改進的Canny邊緣檢測算法。根據(jù)實證分析結(jié)果表明，在精密鉆孔法向檢測過程中，這種改進算法可很好地滿足應(yīng)用要求。

關(guān)鍵詞：圖像分割;Canny邊緣檢測算法;機器視覺

【Abstract】Atpresent，inthefieldofautomatedinspection，machinevisioninspectiontechnologyhasbeguntobewidelyused.Thecharacteristicsofthistechnologyarehighprecision，non-contact，strongapplicability，andconvenientoperation.Drivenbythedemandforintelligentmanufacturing，machinevisiontechnologyhasbeguntobeappliedinmanyindustrialproductions.Inthispaper，theprecisiondrillingnormaldetectionisstudied，andtheappropriatedetectionmethodisselectedaccordingtothedetectionrequirements.TheCannyedgedetectionalgorithmisthefirstchoice，butinpracticalapplicationsthisoperatorwillintroducemanynon-targetcontours，whichwillhaveanadverseeffectonnormaldetection.Inordertodealwiththisdefect，thewaveletimagesegmentationalgorithmiscombined，andanimprovedCannyedgedetectionalgorithmisestablishedaccordingly.Accordingtotheempiricalanalysisresults，thisimprovedalgorithmcanmeettheapplicationrequirementswellintheprocessofprecisiondrillingnormaldetection.

【Keywords】imagesegmentation;Cannyedgedetectionalgorithm;machinevision

作者簡介：張友朋（1996-），男，碩士研究生，主要研究方向：視覺檢測;茅?。?972-），男，博士，教授，主要研究方向：精密檢測與裝備自動化。

0引言

機器視覺檢測技術(shù)的核心在于圖像處理及算法部分，傳感器等硬件作為整個框架中的基礎(chǔ)性設(shè)備，隨著制造業(yè)水平的不斷提升，測量水平也應(yīng)與其保持同步，為了適應(yīng)更高標(biāo)準(zhǔn)的精度要求，可以通過改進算法部分來獲得更優(yōu)化的測量精度，而不需要升級整個硬件框架，這也使其具有了很好的適應(yīng)能力和較高的性價比而不會被淘汰[1]。隨著“工業(yè)4.0”的進一步實施以及國內(nèi)對于高速智能工業(yè)信息化發(fā)展的關(guān)注與重視，研究進一步提高了視覺檢測的效率和精度，對于促進高速智能工業(yè)視覺檢測的關(guān)鍵技術(shù)理論基礎(chǔ)探索和技術(shù)創(chuàng)新及有效滿足當(dāng)前國內(nèi)高速智能裝備制造業(yè)視覺檢測市場的迫切應(yīng)用需求皆具有十分重要的研究意義。

Canny算子[2]中含有最優(yōu)化思想，其特征表現(xiàn)為檢測精度和信噪比高，因而在當(dāng)下眾多的機器檢測領(lǐng)域得到廣泛應(yīng)用[3]。Canny算子是改進邊緣檢測方法而形成的，在邊緣檢測方面有明顯的優(yōu)勢，當(dāng)檢測時需依據(jù)特定準(zhǔn)則進行邊緣提取。通常情況下，圖像分割被認為是任何嘗試自動分析或解釋圖像的第一階段，彌補了低級圖像處理和高級圖像處理間的差距，低/中級圖像處理算法研究均旨在達到使輸入圖像更易于由高級圖像處理算法來進行加工變換的目的。小波圖像分割方法可有效地滿足圖像分割要求[4]。該算法是一種數(shù)學(xué)圖像分析工具，自2002年以來已得到了大范圍的使用，有著良好的圖像局部化性質(zhì)解析功能[5]。小波變換算法的特征表現(xiàn)為可以在各尺度下，對信號和圖像特異性進行分析，因此在二進圖像投影處理和直方圖分析等許多方面都取得了可觀成果[6]。圖像分割尺寸一般是基于相應(yīng)的直方圖控制。在分割操作時確定出粗略的直方圖投影后的直方圖系數(shù)，在發(fā)現(xiàn)分割結(jié)果不滿足要求情況下，則可通過二進小波直方圖系數(shù)不斷的細化，一直到滿足要求為止。處理所得結(jié)果主要受到圖像分割尺寸因素的影響[7]。

本文在進行圖像分割處理時，應(yīng)用了小波圖像分割算法，通過將目標(biāo)圖像劃分為一定量獨立區(qū)域，由此發(fā)現(xiàn)該種分割能夠很好地避免Canny檢測算法在處理時引入非目標(biāo)輪廓線與點的問題，符合本次課題研究的應(yīng)用要求。因而將其和Canny邊緣檢測算法結(jié)合起來，實現(xiàn)了Canny檢測算法優(yōu)化。對此擬展開研究論述如下。

1Canny邊緣檢測算法檢測精密鉆孔法向

邊緣檢測區(qū)域是反映圖像上數(shù)據(jù)灰度變化的主要檢測區(qū)域，數(shù)據(jù)灰度變化的常規(guī)數(shù)學(xué)檢測手段就是可以采用邊緣檢測微分的算子。對比分析發(fā)現(xiàn)對受高斯噪聲影響的邊緣檢測而言，Canny微分算子有明顯的優(yōu)勢，可很好滿足邊緣檢測要求[8]。Canny邊緣檢測算法可以分為以下5個步驟：

（1）通過高斯濾波器進行一定平滑去噪預(yù)處理。

（2）計算確定出覆蓋的全部像素點的梯度信息。

（3）利用非極大值抑制方法處理，將引入的雜散響應(yīng)去除掉。

（4）通過雙閾值方法確定出所需邊緣。

（5）對孤立的弱邊緣去除，實現(xiàn)檢測目標(biāo)。

綜上可知，在進行實驗研究時，選擇精密鉆孔為對象，鉆孔樣例見圖1。

對圖1的鉆孔通過Canny邊緣檢測算法進行檢測分析時，很容易帶來許多非目標(biāo)點與線，而影響了檢測結(jié)果，具體情況如圖2所示。為避免這種問題，本次研究中對Canny邊緣檢測算法進行適當(dāng)?shù)膬?yōu)化改進，在其中融合了小波變換圖像分割算法。

2算法融合

小波變換的二進圖像分割過程中主要進行一定形式的小波變換。過程中，先要對起始圖像的直方圖系數(shù)進行相關(guān)分解處理，并轉(zhuǎn)換為各尺度二進小波直方圖系數(shù)，接著依據(jù)相應(yīng)設(shè)定的閾值分割規(guī)則和小波系數(shù)進行對比，而確定出滿足要求的分割門限，最后由直方圖利用給定的閾值分割門限標(biāo)識出整個圖像所需要分割的區(qū)域[9]。這里對此將給出闡釋分述如下。

2.1圖像直方圖分辨率分析原理

2.3小波變換圖像分割Canny邊緣檢測算法

基于前文分析論述的2種算法的優(yōu)缺點和適用性可知，為更好地滿足圖像檢測要求，本文則將二者相結(jié)合，提出基于小波變換圖像分割的Canny邊緣檢測算法。該算法可以看作為對Canny邊緣檢測算法進行優(yōu)化而形成的，并同時具有這2種算法的優(yōu)勢，如在時頻域的圖像局部化分析性能良好，而且也可很好地滿足實時性和邊緣檢測性能要求。在實際應(yīng)用過程中，該算法先會通過小波變換圖像分割算法對目標(biāo)圖像做適當(dāng)?shù)姆指钐幚恚_定出圖像各區(qū)域的性質(zhì)，獲得已處理圖像。接著對已處理圖片通過Canny邊緣檢測算法進行檢測分析，算法的設(shè)計處理流程如圖3所示。

3實驗與分析

3.1實驗?zāi)康募皩嶒瀸ο?/p>

檢測小波變換圖像分割Canny邊緣檢測算法能否去掉非目標(biāo)輪廓線和邊緣噪點，并且可以應(yīng)用到精密鉆孔法向檢測中。本文實驗對象為精密鉆孔，見圖4。

3.2實驗平臺搭建

基于機器視覺的精密鉆孔檢測系統(tǒng)的結(jié)構(gòu)示意如圖5所示。由圖5可知，在線檢測系統(tǒng)由一臺面陣CCD工業(yè)相機、照明裝置、計算機等組成，精密鉆孔法向檢測系統(tǒng)基于機器視覺技術(shù)，利用目標(biāo)檢測框架進行精密鉆孔法向檢測。視覺檢測系統(tǒng)的參考視像見圖6。

3.3系統(tǒng)軟件設(shè)計

本文基于OpenGL虛擬成像系統(tǒng)進行設(shè)計，在應(yīng)用過程中就可以在顯示屏上繪制出三維場景的二維圖像，因而有明顯的優(yōu)勢。在進行投影時可選擇不同的模型，主要包括透視、正交投影模型等，每種模型都有各自的適用性，可靈活地進行選擇。在經(jīng)過對比分析后可知，第一種模型和視覺檢測中的相機成像模型基本上一致，在處理時關(guān)聯(lián)起OpenGL參數(shù)和采集的圖像內(nèi)外參數(shù)，就可以在此系統(tǒng)中進行相機成像的模擬研究。本文在采集目標(biāo)零件上導(dǎo)孔的成像時，根據(jù)應(yīng)用要求來選擇透視投影模型。

3.4鉆孔質(zhì)量評價

將獲得的導(dǎo)孔理論圖像與實際成像疊加效果，得到待測導(dǎo)孔的加工精度評價結(jié)果，使用理論與實際的孔心位置偏差進行對比得到公式為：

3.5實驗結(jié)果分析

研究中，先通過對比優(yōu)化前和優(yōu)化后的圖片，優(yōu)化后的圖片如圖7所示，對比可知，優(yōu)化后的Canny邊緣檢測算法即可有效地除去相關(guān)干擾的輪廓線和點。研究得到的檢測圖片如圖8所示。

基于此，再對比精密鉆孔的真實值和視覺檢測值，選擇20個值，精密鉆孔法向的真實值由三坐標(biāo)檢測儀測得，精密鉆孔的真實值和視覺檢測值見表1。分析對比后可知，該視覺檢測算法平均誤差小于0.08mm，滿足檢測要求。

4結(jié)束語

本文對機器檢測問題進行研究。論述了Canny邊緣檢測算法的特征和應(yīng)用局限性，對此原因分析后引入了小波變換分割算法，通過Canny邊緣檢測算法來檢測精密鉆孔存在的問題，得到優(yōu)化解。提出的新算法可以成功應(yīng)用在精密鉆孔法向檢測上。

參考文獻

[1]高晟麗.基于機器視覺的工件檢測技術(shù)研究[D].鄭州：解放軍信息工程大學(xué)，2006.

[2]CANNYA.Computationalapproachtoedgedetection[J].IEEETransactionsonPatternAnalysisandMachineIntelligence，1986，8（6）：679-698.

[3]張斌，賀賽先.基于Canny算子的邊緣提取改善方法[J].紅外技術(shù)，2006，28（3）：165-169.

[4]趙建偉，王朋，劉重慶.基于小波變換的分水嶺圖像分割方法[J].光子學(xué)報，2003，32（5）：601-604.

[5]范虹，張程程，侯存存，等.結(jié)合雙樹復(fù)小波變換和改進密度峰值快速搜索聚類的乳腺MR圖像分割[J].電子學(xué)報，2019，47（10）：2149-2157.

[6]同武勤，凌永順，黃超超，等.數(shù)學(xué)形態(tài)學(xué)和小波變換的紅外圖像處理方法[J].光學(xué)精密工程，2007，15（1）：138-144.

[7]蔡振江，王渝，張娟.基于離散平穩(wěn)小波變換和FCM的紋理圖像分割[J].計算機工程，2005，31（15）：142-143，150.

[8]林卉，趙長勝，舒寧.基于Canny算子的邊緣檢測及評價[J].黑龍江工程學(xué)院學(xué)報，2003，17（2）：3-6，16.

[9]雷良育，周曉軍，潘明清.基于機器視覺的軸承內(nèi)外徑尺寸檢測系統(tǒng)[J].農(nóng)業(yè)機械學(xué)報，2005，36（3）：131-134.