李陽

摘 要：首先分析了常見機(jī)械加工表面粗糙度檢測數(shù)字圖像技術(shù)，其次分析了數(shù)字圖像技術(shù)在機(jī)械加工表面粗糙度檢測中的實(shí)際應(yīng)用，以期為機(jī)械加工表面粗糙度檢測提供參考。事實(shí)證明，圖像采集、圖像預(yù)處理、圖像灰度化、圖像降噪、小波分解等數(shù)字圖像技術(shù)，均能夠被應(yīng)用于機(jī)械加工表面粗糙度檢測，并且可以獲得理想檢測效果，從而及時發(fā)現(xiàn)和處理機(jī)械加工表面粗糙度不合格產(chǎn)品。

關(guān)鍵詞：數(shù)字圖像技術(shù)；機(jī)械加工表面粗糙度檢測；灰度圖像；噪聲去除

1 前言

機(jī)械加工表面粗糙度指的是機(jī)械加工構(gòu)件表面存在的微觀幾何形狀特征，導(dǎo)致這一特征的主要因素有峰谷和較小的間距。隨著機(jī)械加工生產(chǎn)工藝的進(jìn)步，機(jī)械加工構(gòu)件對于表面粗糙度的要求越來嚴(yán)格，機(jī)械加工廠家有必要在機(jī)械加工作業(yè)完成之后，開展針對性表面粗糙度檢測。數(shù)字圖像技術(shù)便是近年來應(yīng)用頻率較高的機(jī)械加工表面粗糙度檢測技術(shù)，具備檢測速度較快、檢測精確程度較高等應(yīng)用優(yōu)勢。為此，本次選擇開展對于數(shù)字圖像技術(shù)及其在機(jī)械加工表面粗糙度檢測中的應(yīng)用分析。

2 機(jī)械加工表面粗糙度檢測數(shù)字圖像技術(shù)分析

2.1數(shù)字圖像類型

數(shù)字圖像類型主要包括灰度圖像、二值圖像兩種，機(jī)械加工表面粗糙度檢測應(yīng)用數(shù)字圖像類型為灰度圖像。對彩色圖像進(jìn)行灰度化處理之后，便能夠得到均為灰度的數(shù)字圖像，通過像素點(diǎn)的灰度來展示其區(qū)別。各個像素點(diǎn)灰度的等級不同，在RGB模型中，有多個等級的灰度，當(dāng)R=G=B時，表示各個像素點(diǎn)灰度一致，此時的灰度被稱為灰度值[1]。

2.2圖像采集

現(xiàn)階段有較多數(shù)字圖像采集設(shè)備，例如，數(shù)碼攝像機(jī)、掃描儀、數(shù)碼相機(jī)等。在機(jī)械加工表面粗糙度檢測中，應(yīng)用頻率較高的數(shù)字圖像采集設(shè)備為CCD圖像傳感器，具體包括面陣CCD圖像傳感器、線陣CCD圖像傳感器兩種類型。

2.3圖像預(yù)處理

數(shù)字圖像分割、降噪等操作可以統(tǒng)稱為圖像預(yù)處理，目的是提高數(shù)字圖像的清晰程度，盡量減少數(shù)字圖像中的干擾因素，從而從數(shù)字圖像中獲得所需信息，在機(jī)械加工表面粗糙度檢測數(shù)字圖像中，需要獲取的信息為加工構(gòu)件表面平整度、光滑度、密度等。

2.4圖像灰度化

對數(shù)字圖像進(jìn)行灰度化處理之后，才能夠展開后續(xù)分析及計(jì)算，這是因?yàn)橄啾容^彩色圖像，灰度圖像展現(xiàn)的信息更少，有利于從其中獲取關(guān)鍵信息，同時也能夠減輕信息處理壓力[2]。主要數(shù)字圖像灰度化處理包括分量法（從彩色圖像三原色中選出灰度值，以三原色亮度為三個灰度等級，并且結(jié)合實(shí)際情況確定灰度等級）、最大值法（以彩色圖像三原色最高的亮度為灰度等級）、平均值法（以彩色圖像三原色平均的亮度為灰度等級）等。

2.5圖像降噪

圖像濾波降噪方式較多，主要包括中值濾波噪聲去除方法、均值濾波噪聲去除方法、高斯濾波噪聲去除方法、銳化濾波噪聲去除方法，其中，應(yīng)用頻率最高的為中值濾波噪聲去除方法、均值濾波噪聲去除方法。

2.6小波分解

通過小波分解熱可以將數(shù)字圖像分解為低頻信息和高頻信息兩部分，其中，低頻信息指的是在數(shù)字圖像中變化較為平緩的信息，能夠展示數(shù)字圖像的基本框架及整體輪廓，為大部分?jǐn)?shù)字圖像信息類型。高頻信息指的是在數(shù)字圖像中變化較為迅速的信息。

3 數(shù)字圖像技術(shù)在機(jī)械加工表面粗糙度檢測中的實(shí)際應(yīng)用分析

3.1整體應(yīng)用現(xiàn)狀

數(shù)字圖像技術(shù)最早出現(xiàn)于20世紀(jì)60年代初期，主要被用于改善圖片質(zhì)量及圖片信息，常見的數(shù)字圖像處理方式包括圖像灰度化、圖像增強(qiáng)、圖像壓縮、圖像切割等。

隨著科學(xué)技術(shù)的發(fā)展，數(shù)字圖像技術(shù)開始被應(yīng)用于機(jī)械加工表面粗糙度檢測。據(jù)研究資料顯示，圖像灰度轉(zhuǎn)換技術(shù)、噪音去除方法不但能夠獲得理想的檢測效果，還能夠結(jié)合實(shí)際情況進(jìn)行參數(shù)調(diào)整。圖像灰度轉(zhuǎn)換指的是改變圖像像素的灰度范圍、灰度值，從而改變數(shù)字圖像明暗對比度、亮度層次[3]。數(shù)字圖像采集過程中難免會出現(xiàn)噪音，不同噪音的表達(dá)形式不同，需要機(jī)械加工廠家采取一定的噪音去除方法。

3.2機(jī)械加工表面粗糙度檢測數(shù)字圖像灰度轉(zhuǎn)換技術(shù)

（1）對數(shù)變換。

數(shù)字圖像對數(shù)變換指的是改變圖像的灰度，即對數(shù)字圖像中灰度較高的部分進(jìn)行壓縮處理，對數(shù)字圖像中灰度較低的部分進(jìn)行拉伸處理，從而提高機(jī)械加工表面粗糙度檢測數(shù)字圖像清晰程度，具體對數(shù)變換效果如圖1所示。

通過圖1，可以發(fā)現(xiàn)經(jīng)過對數(shù)變換的數(shù)字圖像的灰度值集中在高灰度區(qū)，導(dǎo)致數(shù)字圖像整體較黑，檢測結(jié)果顯示效果并不夠理想。

（2）伽馬變換。

伽馬變換與對數(shù)變換的本質(zhì)相同，同樣能夠改變數(shù)字圖像的灰度，凸顯數(shù)字圖像中的部分信息[4]。在經(jīng)過對數(shù)變換之后，機(jī)械加工表面粗糙度檢測數(shù)字圖像可能還會存在部分清晰度不足問題，此時便可以應(yīng)用伽馬變換校正、調(diào)節(jié)數(shù)字圖像，具體伽馬變換效果如圖2所示。

通過圖2，可以發(fā)現(xiàn)經(jīng)過伽馬變換的數(shù)字圖像的低灰度區(qū)面積增加，但是依然存在不夠均勻的問題，導(dǎo)致檢測結(jié)果顯示效果并不夠理想。

（3）灰度拉伸。

灰度拉伸同樣能夠凸顯數(shù)字圖像中的部分信息，但是與其他灰度轉(zhuǎn)換技術(shù)不同，灰度拉伸改變的是數(shù)字圖像的動態(tài)范圍[5]?；叶壤炷軌蛑苯訉Ρ榷容^低的機(jī)械加工表面粗糙度檢測數(shù)字圖像，拉伸為對比度較高的數(shù)字圖像，具體灰度拉伸效果如圖3所示。

通過圖3，可以發(fā)現(xiàn)經(jīng)過灰度拉伸的數(shù)字圖像的低灰度區(qū)分布較為均勻，數(shù)字圖像清晰度及質(zhì)量得到了提高，表示檢測結(jié)果顯示效果足夠理想。

3.3機(jī)械加工表面粗糙度檢測數(shù)字圖像噪聲去除方法

（1）中值濾波噪聲去除方法。

中值濾波噪聲去除方法屬于常見的機(jī)械加工表面粗糙度檢測數(shù)字圖像噪聲去除方法，指的是對數(shù)字圖像進(jìn)行非線性平滑濾波處理，即用數(shù)字圖像像素點(diǎn)鄰域內(nèi)灰度值的中值代替該像素點(diǎn)的灰度值。

首先，需要確定1個固定模板，一般為3mm×3mm正方形，應(yīng)用正方形模板在數(shù)字圖像內(nèi)進(jìn)行全方位滑動，從而去除圖像噪聲、完成圖像計(jì)算。其次，需要用數(shù)字圖像窗口內(nèi)所有像素灰度值的中值代替窗口中心的灰度值。當(dāng)數(shù)字圖像噪聲被降低后，數(shù)字圖像像素點(diǎn)的灰度值普遍在150-200之間，數(shù)字圖像的平滑程度及質(zhì)量能夠得到明顯提高。

（2）均值濾波噪聲去除方法。

有些去除難度較低的機(jī)械加工表面粗糙度檢測數(shù)字圖像噪聲，通過中值濾波噪聲去除方法便能夠去除[6]。如果數(shù)字圖像中存在去除難度較高的噪聲，例如，顆粒噪聲，便需要應(yīng)用均值濾波噪聲去除方法，即選擇1個具備A×B像素的原始數(shù)字圖像，確定其中的1個像素，用該像素點(diǎn)鄰域的灰度值代替該像素點(diǎn)的灰度值。均值濾波噪聲去除方法往往配合中值濾波噪聲去除方法共同應(yīng)用。

具體需要選擇3mm×3mm正方形模板，應(yīng)用模板在數(shù)字圖像內(nèi)進(jìn)行滑動，從而獲得均值濾波，同樣能夠明顯提高數(shù)字圖像的平滑程度及質(zhì)量。但是需要結(jié)合均值濾波特性科學(xué)選擇窗口。

（3）巴特沃斯頻域?yàn)V波噪聲去除方法。

機(jī)械加工表面粗糙度檢測數(shù)字圖像噪聲去除工作需要根據(jù)具體噪音來源開展，數(shù)字圖像噪音從空間層面可以劃分為頻域噪聲、空間域噪聲，因此，既可以選擇在頻域開展降噪處理，也可以選擇在空間域開展降噪處理。頻域降噪處理指的是將未處理的數(shù)字圖像從空間域轉(zhuǎn)移到頻域，然后進(jìn)行噪音去除，數(shù)字圖像經(jīng)過域的轉(zhuǎn)換之后，便能夠產(chǎn)生低頻信息、高頻信息（輪廓信息、邊緣信息、目標(biāo)信息等）的分別，從而實(shí)現(xiàn)對于不同類型信息的針對性降噪處理。

通過巴特沃斯頻域?yàn)V波去除方法能夠?qū)κ艿皆胍粲绊懙臋C(jī)械加工表面粗糙度檢測數(shù)字圖像進(jìn)行平滑處理。經(jīng)過噪聲去除數(shù)字圖像的平滑程度及質(zhì)量能夠得到明顯提高，但是偶爾會難以得到有效目標(biāo)信息，這是因?yàn)閿?shù)字圖像的紋理信息較為模糊，為此，在實(shí)際降噪處理過程中，需要注重對于數(shù)字圖像模糊程度的掌握程度，結(jié)合數(shù)字圖像的特征確定具體圖像處理方式。

3.4小波分解在機(jī)械加工表面粗糙度檢測中的應(yīng)用

小波分解技術(shù)在頻域降噪處理、空間域降噪處理中均能夠呈現(xiàn)出較為良好的局部化性質(zhì)，從而解決頻域和時域在分辨率方面的問題，

具體來講，在小波分解技術(shù)下，高頻信息分析處理應(yīng)用窄時窗，低頻信息分析處理應(yīng)用寬時窗。小波分解技術(shù)適合應(yīng)用于較為平穩(wěn)的、變化較少的信息信號分析處理，整體而言能夠獲得較高的數(shù)字圖像處理效果。

4 結(jié)語

綜上，機(jī)械加工表面粗糙度檢測應(yīng)用數(shù)字圖像類型為灰度圖像，通過圖像采集、圖像預(yù)處理、圖像灰度化、圖像降噪、小波分解等數(shù)字圖像技術(shù)，能夠切實(shí)完成機(jī)械加工表面粗糙度檢測工作。機(jī)械加工表面粗糙度檢測數(shù)字圖像灰度轉(zhuǎn)換技術(shù)具體包括對數(shù)變換、伽馬變換、灰度拉伸，噪聲去除方法具體包括中值濾波噪聲去除方法、均值濾波噪聲去除方法、巴特沃斯頻域?yàn)V波去除方法，最后需要配合小波分解技術(shù)應(yīng)用。需要注意的是，數(shù)字圖像技術(shù)在預(yù)處理方面存在一定技術(shù)缺陷，應(yīng)用不同的噪聲去除方法會得到不同的機(jī)械加工表面粗糙度檢測結(jié)果，需要機(jī)械加工廠家對圖像預(yù)處理技術(shù)、噪聲去除方法做出科學(xué)選擇及合理運(yùn)用。

參考文獻(xiàn)

[1]肖紅，陳希球.基于圖像角點(diǎn)匹配的機(jī)械加工零件表面缺陷檢測[J].機(jī)械與電子，2022，40（08）：62-65+70.

[2]任永泰，武方宸.機(jī)械加工零件表面磨損區(qū)域圖像檢測方法[J].制造業(yè)自動化，2022，44（05）：196-200.

[3]李銀濤.機(jī)械加工零件表面紋理缺陷檢測[J].設(shè)備管理與維修，2021（16）：26-28.

[4]宋劍.機(jī)械加工零件表面紋理缺陷檢測方法探究[J].中國設(shè)備工程，2021（14）：165-166.

[5]李蘭，奚舒舒，張才寶，等.基于DSSD模型的機(jī)械加工件表面缺陷檢測研究[J].機(jī)電工程，2021，38（02）：234-238+255.

[6]連璞.關(guān)于機(jī)械加工零件表面紋理缺陷檢測方法的研究[J].南方農(nóng)機(jī)，2018，49（23）：193.