（测试计量技术及仪器专业论文）基于模板的微型零件完整成像测量方法的研究.pdf

中文摘要 随着讨算机技术魏发震，影像测量技术在工业零件的检测中褥裂了越来越多 的应用。在目前的微型零件影像测量中，受精度要求的限制，测量系统只能对极 小区域成像，当测量点较多时，成像系统和零件需要频繁相对运动，且无觏律可 言，因此，为了完成一次测量任务往往需要进行多个机械动作，这样的测量方式 难以大幅度提高检测效率，从根本上实现自动化、智能化测量。 本文针对上述闯题提毒了一个有效盼孵决方案，采用了基于模扳的完整成像 法，研究了完整成像法中图像拼接技术，以及高精度的图像特征提取技术，并在 软件上实现了图像的拼接与图像特征的测量。论文的主要工作如下： 1 介绍了微型零件完整成像法的特点，对各种拼接方法进行了对比和分析，最 终采用了基于模板的拼接方法；设计了适合测量系统使用的图像四拼接模板， 并鼠针对拼接模板分析了进行图像拼接的方法，推导出用于图像透拼接的算 法。 2 。针对基于模板翡拼接方法以及微型零件尺寸测量的要求，对各种边缘检测算 法进行了深入研究，其中着重研究了亚像素边缘定位技术，对几种不同算法 进符了实验，通过比较算法的精度与速度，最终确定了使用b 样条拟合法作 为本课题的豫像素边缘定位算法。 3 在对亚像素边缘定位技术研究的基础上，本文对图像特征的提取算法进行了 研究，实现了对圆形特征的高耩度圆心定位襄半径测量，将模板适配技术、 图像分割技术、轮廓提取技术和边界跟踪技术应用于图像拼接过程中单元图 像僚置信息的获取。 4 根据上述算法，在v i s u a lc 抖环境下，实现了图像的拼接和测量，并且实现 了m a t l a b 引擎在v c 中的调用，建立了人机交互的测量环境；对图像拼接和 匿像特薤测量的算法邀行了实验，验证了所选方法灼有效性。 关键词：完整成像法图像拼接模板鼗像素 a b s t r a c t w i t ht h ed e v e l o p m e n to f c o m p u t e rt e c h n i q u e s ，i m a g em e a s u r i n gt e c h n i q u e si sm o r e a n dm o r ew i d e l yu s e di nt h ei n s p e c t i o no fi n d u s t r i a lp a r t s h o w e v e r , i nt h ei m a g e m e a s u r i n go fm i c r o p a r t s , t h ei m a g i n ga r e ao ft h em e a s u r i n gs y s t e mn e e d st ob e r e d u c e dt oo b t a i nh i i g hm e a s u r e m e n tp r e c i s i o n w h e nn u m b e r so fp o i n t so nm i c r o p a r t a r em e a s u r e d ，t h ef r e q u e n tr e l m i v em o v e m e n t sb e t w e e nt h ei m a g i n gs y s t e ma n dt h e m i c r o p a r ta r en e e d e d s om a n ym e c h a n i s m m o v e m e n t sa r er e q u i r e dt om e a s u r ej u s t o n em i c r o p a r t t h ee f f i c i e n c yo ft h em e a s u r e m e n ti sh a r dt ob ei m p r o v e di nt h i sw a y a n di ti sa l s od i f f i c u l tt oa c h i e v ea u t o m a t i ca n di n t e l l i g e n t i z e dm e a s u r e m e n t 。 t os o l v et h ep r o b l e ma b o v e ，t h i st h e s i sp r o p o s e sa ne f f e c t i v es o l u t i o n t h ee n t i r e i m a g i n gm e a s u r i n gm e t h o di sa d o p t e d ，w h i c hi sb a s e do nt e m p l a t e i m a g em o s a i c i n g a n dh i g hp r e c i s i o ni m a g ef e a t u r ee x t r a c t i o na r es t u d i e d a n dt h es e l e c t e dm e t h o d sa r e a l s oi m p l e m e n t e db ys o f t w a r e t h em a i nr e s e a r c hw o r ki nt h i st h e s i si n c l u d e s ： 1 弧ef e a t u r e so fe n t i r ei m a g i n gm e a s u r i n gm e t h o da r ed e s c r i b e d a n dd i f f e r e n t k i n d so fi m a g em o s a i c i n gm e t h o d sa r ec o m p a r e d f i n a l l y , t h em o s a i cm e t h o d b a s e do nt e m p l a t ei sa d o p t e d at e m p l a t ei sd e s i g n e d ，w h i c hi su s e df o rm o s a i c i n g f o u ri m a g e s n ea l g o r i t h mf o rm o s a i c i n gf o u ri m a g e si sa l s od e d u c e d 2 m a n yk i n d so fe d g ed e t e c t i o nm e t h o d sa r es t u d i e d ，c o n s i d e r i n gt h ed e m a n do ft h e t e m p l a t eb a s e di m a g em o s a i c i n gm e t h o da n dt h ep r e c i s i o no fm i c r o p a r t s m e a s u r e m e n t 1 n h es u b p i x e le d g ed e t e c t i o na l g o r i t h m sa r em a i n l yi n v e s t i g a t e d e x p e r i m e n t sa l ep e r f o r m e dt ov a l i d a t et h ea l g o r i t h m s bs p l i n ec u r v ef i t t i n gi s s e l e c t e dt oo b t a i nt h es u b p i x e ll o c a t i o no f t h ee d g e 3 i m a g ef e a t u r ee x t r a c t i o na l g o r i t h m sa r es t u d i e d t h ec e n t e r - p o i n ta n dt h er a d i u so f t h ec i r c l ec a nb eo b t a i n e dw i t hh i l 曲p r e c i s i o n t e m p l a t em a t c h i n g ，i m a g e s e g m e n t a t i o n ，c o n t o u re x t r a c t i o n a n dc o n t o u r s e a r c h i n ga l g o r i t h m s a r e i m p l e m e n t e dt og e ti n f o r m a t i o nf r o me v e r ys i n g l ei m a g eb e f o r em o s a i c i n g 4 t h ea l g o r i t h m sf o ri m a g em o s a i c i n ga n dm e a s u r i n ga r ei m p l e m e n t e di nv i s u a l c + + e n v i r o n m e n t 。a n dm a l l c o m p u t e ri n t e r a c t i o nf u n c t i o nf o rm e a s u r i n gi sa d d e d i nt h es o f t w a r e e x p e r i m e n t sf o ri m a g em o s a i c i n ga n d m e a s u r i n ga r ec a r r i e do u tt o v a l i d a t et h ea l g o r i t h m s t h er e s u l t si n d i c a t et h a tt h em i c r o p a r te n t i r ei m a g i n g m e a s u r i n gm e t h o dh a sa c h i e v e dh i 曲p r e c i s i o n k e yw o r d s ：e n t i r ei m a g em e a s u i n gm e t h o d ，i m a g em o s a i c ，t e m p l a t e ， s u b p i x e l 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得苤洼盘鲎或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名：撤 签字日期：。7 年月占日 学位论文版权使用授权书 本学位论文作者完全了解苤盗盘堂有关保留、使用学位论文的规定。 特授权苤鲞盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：髹 导师签名： 玖中 f ! i ! i - 71 11 1 ：矽呷年月石日 签字日期：渺7 年月6 日 第一章绪论 第一章绪论 本文是天津市应用基蚕窭磺究计划l 螽上项爨“微型零件完整成像法测量技术研 究”的予课题。该课题旨在通过高精度单元成像与图像拼接，扩大高精度成像区 域，获取被测工件完整的二维图像，继焉完全凭借图像处理，实现高精度、智能 化检测。本章首先通过介绍微型零件测量领域的发展现状，阐述了完整成像法在 微型零件测量领域的重要意义，然后提出课题研究的主要目的和内容。 1 1 微型零件测量的发展现状 现代科技正在迅速向微小、精密领域发展。近年来，计算机、通讯、医疗和 航空航天等许多领域对微型零件的需求日益增长，同时随着工业铡造技术和加工 工艺的改进和提高，对微型零件的检测手段、检测效率和检测精度提出了更高的 要求。 在微型零件的溅量领域，一直以来主要使用万能工具显微镜和轮痹便等作为 测量仪器，其测量过程是单人肉眼主观观测的过程，而恩需要手工操作，不仅操 作上比较麻烦，藤且检测效率低，测量的精度还会受到操作者经验的影响。嚣此， 在信息时代，传统的检测方法已经不能适应时代发展的新要求，必须寻找种新 的检测手段。 随着计算机技术稻光电技术的发展，在计算机视觉研究的基础上，发展出了 计算机视觉检测技术，这一技术已经越来越多地应用在测量领域。它把图像当作 检溅帮传递售息的手段或载体热以利翔，从鹜像中提取有用的信息，透过处理被 测物体的图像而获得物体的几何参数i 。该技术有利于实现测量过程的自动化， 从而实现测量的离精度和高效率。利用计算机视觉检测技术来测量微型零件正在 成为一个研究热点，国内外推出了许多基于这一技术的影像测量仪，如日本n i k o n 公司的n e x i v 系列产品，三丰公司的q u i c ks c o p e 系列产品，瑞士m a r c e l a u b e r t s a 公遥的影像测量系统，美国光学量具产品公司韵s m a r ts c o p e 系捌以及 m i c r o - v u 的v e r t e x 系列等，我国贵阳新天光电科技有限公司，万濠精密仪器 有限公弼也有相应产品问世1 2 l 。 我们使用传统测量显微镜时，需要先通过分划板上的瞄准图案对准被测对象 第一章绪论 的第一个测量点，记录下此时的坐标信息；然后移动被测对象或镜头瞄准下一个 测量点，再次记录坐标信息。通过求两次坐标差哥获得诱测量点阅的距离。我时， 测量精度主要取决于位移坐标记录精度和瞄准精度。这种方法的不足之处在于： 瞄准过程要人工操作，因此无法保证瞄准精度，并且人王瞄准和记录都比较费时。 这种类型的产品采用的另外一种测量方法是影像法：只要目标出现在视场内，就 可以通过计算机图像处理，自动完成瞄准工作，然后再记录观测点与测量头坐标 系中心熬相对坐标差，最后程用枫械位移量昶榴对坐标差之闻的关系，计算遗甄 点间的距离。当测量点为类似于圆心的虚点时，影像法更具优势。与传统测量方 法相比，影像法简化了测量操作，提高了工僬效率，并且可以获得较高的精度。 日本n i k o n 公司的n e x i v 系列产品，万濠精密仪器有限公司的v m s 1 5 1 0 a 、 s 2 5 1 5 a 影像测量仪以及m a r c e la u b e r ts a 公司的影像测量系统都采用了影像 法。 上述产品在测量过程中必须要有瞄准操作，这种瞄准式测量方法，仅能完成 点对点溅量。当测量点较多时，鞋准头_ 稻工件将多次穗对运动，且运动无觏律可 言。另外，目前采用点到点测量方法的仪器都需要精确位移机构，致使仪器成本 大为提高，检测效率大为降低。 本课题中的完整成像法就是锌对上述闻题提出的，该方法旨在完全凭借对图 像的处理完成工件的各种梭测任务，而不需要精确的位移机构。由于具有足够分 辨力豹物镜通常褫场很小，阋融鍪予当前c c d 器件的制造水平和成本，对于测 量精度要求很高的微型零件，难以次获取得整个零件的图像。对此，完整成像 法提出了化整为零，再积零为整的鳃决方法，即先获得足够精度的局部图像，然 后再利用相应精度的图像拼接技术生成被灏爵标的完整图像。 微型零件是完整成像法测量最具优势的对象，通过较少次数拼接就可以获得 完整的图像，实现高精度、高效率黔测量。亏| 入完整成像的思想，结合图像拼接 技术及贬像素边缘定位技术，可以高效而又经济地克服光学测量系统中视场与精 度的矛羼，进而能够实现嚣接触、高效率、高精度、大范匿以及蟹能化测量，对 推动视觉柃测技术的发展以及提高零件生产检测水平有着非常重要的意义。 1 2 本课题磷究的主要内容 本课题作为“微型零件完整成像法测量技术磅究的子课题，针对箕软箨方 面的技术难点，具体完成的研究工作有： 1 研究和分析了各种图像拼接方法的特点，最终确定了采煺基于模板的二 维图像拼接方法，并对该方法进行了分析。研究利用拼接模板实现在微 第一章绪论 小视场中增加外在拼接信息的方法，选择了利用模板上的框标作为外在 的辅助拼接信息，设计出用于四幅单元图像进零亍捞接的模板，并且推导 出图像拼接时计算单元图像相互位置的公式。 2 根据基于模板的拼接方法以及微型零件尺寸测量的要求，对边缘检测技 术迸行了研究，分析了不同方法的原瑗和特点，着重研究了亚像素边缘 检测技术，通过实验，对几种亚像素边缘定位方法进行了比较，最终选 择出了b 样条掇合法作为本课题妁贬像素边缘定位算法。 3 高精度的图像特征提取技术也是本课题研究的重点，在高精度边缘定位 的基础上，本文实现了利用误差方程拟合方法对圆形特征进行高精度的 圆心定位与半径测麓，将模板匹配技术、图像分割技术、轮廓提取技术 和边界跟踪技术应用于图像拼接过程中单元图像位置信息的获取。 4 穰用v i s u a lc + 结合m a t l a b ，对上述算法进行了实现。完成了具有零件图 像采集、拼接与测量功能的软件，并建立了人机交互的测量环境。 5 对采用的图像拼接与图像特征测量的算法进行了实验验证，首先对测量 结果的重复性进行了实验，然后对拼接后图像中的圆孔以及圆心躐进行 了测量，以验证基于模板的拼接方法的精度。 第二颦微型零传完整成像法中的拼接技术 第二章微型零件完整成像法中的拼接技术 微型零件完整成像法的主要思想就是利用图像拼接，扩大视场范围，实现对 被测物体的完整成像。因此，选择合适的图像拼接方法是本课题的重点之一。本 章首先简要介绍了微型零件完整成像系统，然后分析了完整成像法中图像拼接的 特点，并以此作为依据确定了最终的拼接方案。 2 1 微型零件完整成像系统 本课题实验系统硬件部分主要由c c d 相机、光学镜头、光源、支架、二维 平移工作台和计算机组成；软件部分主要是用于图像拼接及测量的软件。整个系 统框图如图2 1 所示，其中，c c d 稽机、光学镜头、和光源用于保证获得的单元 图像的精度，支架用于提供紧凑的元件连接设备并为各元件提供位置调节装置， 工作台焉予承载被测零件并在图像采集时执行平移动作，计算机主要惩子强像信 息的读取，并对读取到的图像信号进行分析与处理。 圈2 1 微型零件完整成像系统框图 对于视觉捡测系统来说，图像是关键翡信息来源，瑟图像的质量是由光学成 第二耄微型零件究整成像法中的拼接技术 像系统决定的。通常，由于图像质量差引起的误差不能完全用软件纠正，因此成 像系统的每一个设备的选择都很关键。下垂介绍微型零件完整成像系统中几个主 要设备： 1 c c d 相机 本系统选用的是b a s l e r 公司的a 1 0 2 数字相机，它具有灵敏度高，像元一 致性好，动态范围大，控制方式灵活等优点，充分满足本课题的需要。该相机的 像敏单元数为1 3 9 2 1 0 4 0 ，每个像元大小为6 4 5 a n x 6 4 5 1 # n ，配合下瑟所介绍 的镜头可以在高精度的前提下获得较大的视场。 2 镜头 本课题以手表零件作为被测对象，零件被测表面的高度差一般小于3 r a m ，被 测表面高度的变化会导致其在光学系统中的物距不同，从而使像高发生变化，继 而使所测物体翡尺寸也发生变化，帮产生了测量误差。使用物方远心镜头酉以解 决上述问题，本系统选用了z e i s s 公司的v i s i o n m e s2 2 1 i 0 0 5 物方远心镜头， 其景深为2 5 r a m ，完全适合本课题中零件测爨的需要，簏够消除物距变纯带来 的测量误差。 3 光源 系统中使用的是发光二极管( l e d ) 光源，用诧种光源可以获得稳定、均匀 的照明条件。利用非直射低角度环形光源提供前向照明，利用高密度l e d 阵列 为零件测量提供背光照暖。 2 2 图像拼接方案的确定 对于两幅不完全重叠的图像，可以由多种方法实现二维图像拼接。通常可以 分为基于灰度的图像拼接耨基于特征的图像拼接两种类型。 基于灰度的二维图像拼接方法中，常用空间相关法p 1 、不变矩法或频域相关 法f 4 l 等方法确定单元图像在二维平匿中的穗互位置关系。基予灰度的图像甄配方 法具有精度高的优点，但是这种方法对图像的灰度变化比较敏感，而且计算的复 杂度高。对于本课题而言，豳于微型零件完整成像法提出的目标是在保证精度的 情况下尽可能地扩大视场范围，因此各个单元图像之闻熏叠的部分应该尽可能地 小，而基于灰度的图像拼接主要是利用了图像重叠部分的灰度信息，若待拼接图 像重叠部分较少，也会降低该方法的拼接精度。霞此，基于灰度的图像拼接方法 不满足本课题的需要。 在基于特征的二维图像拼接方法中，单元图像相互位置的确定是利用图像内 部被测翻标的特征进彳亍的，如角点、弱标边缘或者某些线特征。瞻于待拼接图像 第二章微型零件宪整成像法中的拼接技术 的零件本身受加工精度的限制，其边缘轮廓有可能非常粗糙，或者零件本身的尺 寸有较大误差，这样裁会影响特征点提取的精度，最终影响图像的拼接精度。面 且对于不同零件，在图像拼接时选择的特征点也会不同，有时会需要测量者参与 特征点的选取，这样增加了图像拼接的复杂度，很难实现图像拼接的自动化。 可见，上述拼接方法对于奉课题而言，有很多局限性，因此不能用于完整成 像法的图像拼接。 本文采取了为被测对象增加井部信息的方法，瑟借助予拼接模板上的框标信 息进行图像拼接，进而实现零件的完整成像。 在图像采集时，把被测零件放在拼接模叛上，由于模板在制作时，框标的形 状、尺寸和位置都是己知的，并且保证每幅图像中都会出现框标，这样就可以在 图像拼接时，利用框标相互间已知的位置关系 确定单元鹜像的檩互位置关系，飙而进行图像 拼接。 本文研究鲍是针对四幅图像鲍拼接，匪幅 单元图像的位置如图2 2 所示。进行图像采集 时，工作台承载着拼接模板和被测零件按照固 定的次序移动采集单元图像，工作台移动三次 就可以完成整个图像采集过程，然后利用模板 进行图像拼接。下一节将详缨会绍拼搂模板的 设计。 2 3 拼接模板的设计 五之 l 厶 图2 。2 蹬拼接示意豳 由予光刻玻璃模板的制作精度嚣常高，能够达载0 。2 a n 。因此，拼接模板制 作方式采用的是光刻玻璃模板。根据系统的特点和测量任务的要求，模板上图案 魏制作需要麸以下方面考虑： 1 模板尺寸 根据选用的远心镜头的参数，物方视场直径为2 2 r a m ，可知清晰成像时整 个成像系统物方视场对角线长度为2 2 r a m 。由视场的长宽吃为4 ：3 ，可以计算 出系统每次成像的视场大小为1 7 6 r a m 1 3 2 r a m 。因此对于四幅单元图像的拼 接，在图像没有重合部分的情况下，拼接螽可以溅量魏零件尺寸大奎为 3 5 2 m m 2 6 4 r a m 。考虑到模板上有框标等辅助拼接的图案，而且为了便于 定位，各个图案之间还必须有一定距离；同时为保证在图像采集时4 i 漏捧零 件任何部分的图像信息，圈幅单元图像需要有少许的重叠部分，此外，模板 第二耄微型零传完整成像法中的拼接技术 边缘还需要有划定测量范围的边框以便用户操作。除去模板上的框标、边框 以及匿像重叠部分，嚣在长宽方向上各减去1 6 r a m ，最终确定的整个溺拼接 模板的内部尺寸为3 3 6 r a mx2 4 8 r a m 。 2 。框标的选择 拼接模扳上框标的主要作用是为了识别不同的单元图像并且确定单元图 像之间的相互位置。文献【2 】中列举出了许多可供选择的框标图案，如正方形、 繇形移字形等等。其中，由予睡具有凡德对称性，毁一定规律分布酶几个 圆，比如分布在长方形顶点上的四个圆，其圆心常常被选作检测或者定位的 基准。因此，本文最终选择了具有圆形图案的框标，如图2 3 所示。 o00o 圈2 3 拼接模板上的四个框标 上图中的陲个框标在拼接模板孛的位鼹如图2 碡所示，它们能够分别实现 对整个拼接图像左上方、右上方、左下方、右下方的四幅单元图像的识别与 定位。框标圆内的图案用于对框标的识别，框标的外圆用于定心，以实现单 元图像的精确定位。 3 拼接模板上的辅助定位标记 拼接模板上除了边框_ 帮框标以外，还震要有其它的辖助定位标记，铡如 用来计算图像中模板的摆放与水平位置的倾角的标记。如图2 4 所示，辅助 定位标记的形状也选择了圆形，并且规律地分布在模板上，为了尽可熊地扩 大测量范围，辅助标记的尺寸应该尽可栽小，但是若尺寸过小，在定位时对 算法的要求就会非常高。经过分析，辅助定位圆形标记的半径取0 4 r a m 。 暑o 塞 o 耋 o 三 圈2 4 霆拼接揆叛 第二章微型零l 睾宠整成像法中的拼接技术 整个拼接模板的设计如上图所示，为配合背光照明，模板中间是透明的，模 板四周的正交长童线既是整个模板的边界信息，又露以蔫于整体上检验图像捞接 精度，网条短的直线标明了每次成像时单元图像的范围，便于测爨人员操作。利 用该模板可以测量直径小于2 2 6 r a m 的圆形零件；对于其它形状的零件，在零件 形状不会对框标造成遮挡的情况下，可以测登的最大尺寸为2 2 6 r a m 3 1 4 r a m 。 2 。4 基于模板的图像拼接 对予图像拼接来说，第一步需要进行图像采集，将模板敖在王作台上，傺证 模板上的直线与工作台移动的方向基本相同；固定模板，然后将零件放在模板中 间；移动工作台，按照模板上标记的范围依次采集四幅单元图像。整个图像采集 过程只有工作台x y 方向上的移动，因此西幅单元图像之润共存在平移关系。 单元图像之间的坐标关系如图2 5 所示： 鞠2 。5 萃焉鞠像之同鹣燕菰关系 设采集的单元图像分别为五、厶、厶、厶，经过对框标的精确圆心定位后，从 4 幅图像中提取出来的框标圆心分别为瓴，为) 、( x 2 ，致) 、( x j ，乃 及墨，苁) 。以 中的框标圆心“，咒) 为基准，( 酝：，觚：) 表示( ，舅) 与( 屯，兑) 在实际模板中的位 置关系，( 缸，觚，) 及( 缸。，觚。) 所表示的位置关系与( 纰：，觚：) 类似。 设歹为最终拼接完成籍的图像，( ，z ) 、蔓，z ) 、弼，) 及，艾) 分别为 各幅单元图像的框标圆心在，中的位置，如图2 6 所示，其中w 和l 均为己知 量，分别为拼接模扳中框标圆心的横向和纵向的距离，根据拼接模板的设计，并 将长度转化为像素数，有：矽= 1 9 0 q ，l = 2 7 8 q ，其中q 为测量系统对应的 像素当量，q 的计算详见第六章。 第二章微型零件完整成像法中的拼接技术 图2 6 框标圆心在拼接图像中的位置 拼援时，以l 为基准图像，百先把j l 放置在j 的左上角，然后在授顺序放置 厶、厶及，不考虑图像倾斜时有： 靡i ， 誓一西。簟z j 堋+ 而 ( 2 2 ) l 兄一乃= 坝2 = 0【弘= 咒 、。 12 簟，2 鬈j x a = w ，+ x ， ( 2 3 ) 【乃一乃= 胡3 = 一三【乃= 一三+ m 、。 ，一五5 2o ，j 2 而， ( 2 4 ) 【儿一咒= m 4 = 一【儿= 一三+ 咒 、 。 所以在图像拼接中，单元图像厶、厶及厶中每个像素的移动量( 砭，舰) 、 ( 赋，觚) 及( 舰，儿) 为： l 峨= 而一恐= 矽+ 五一而 【觇= 弘一咒= 咒一儿 la x 32x 3 一x 32 形+ x l x 3 【少3 = y ；一y 3 = 一l + 乃一y 3 i k = x 4 一x 4 = 五一毛 【a y + = 儿一儿= 一l + 咒一儿 ( 2 5 ) ( 2 6 ) ( 2 7 ) 第二章微型零传究整成像法中的拼接技术 f a r 2 = c o s 形+ 毛一恐 l a y 2 = s i n a * 形十强一兑 f 弓= c o s 口幸十s i n p l 幸五十五一黾 【a y 3 = s i n c r 一c o s 口奎l 十儿一乃 | 矗磁= s i n g 枣l 墨一 【地= 一c o s ，i 五十朋一儿 ( 2 8 ) ( 2 9 ) ( 2 1 0 ) 因为图像由像素点构成，而上述摹元图像像素的位移量可能是浮点数，在这 种情况下，若要将待拼接图像精确移动到浮点数所示的位置，需要先按照位移量 的小数部分对图像进行插值处理，本文采用对图像的双三次样条插值，对图像进 行亚像素移动，然后再按照位移量的整数部分移动图像，即可精确地拼接摹元图 像。 拼接完成之后要对图像重叠区域进行处理，一般采用图像融合来减小两幅图 像的视觉偏差，如对重叠区域图像像素进行加权平均等。为了尽可能地保留原始 数据信息，本文采用直接剪切单元图像的方法，即在重叠区域，各自去掉一部分 图像以使得图像不存在重叠区域，尽量保证原始信息不丢失。 第三章视觉梭测中的边缘定位技术 第三章视觉检测中的边缘定位技术 要想精确地得到图像中模板上的框标位置信息，并且对图像中的零件特征进 行高精度尺寸测量，首先必须能够精确判断图像中边缘的位置。 图像的边缘是图像最基本的特征之一。所谓边缘是指其周围像素灰度宵阶跃 变化或屋顶变化的那些像素的集合岭l ，它反映的是图像灰度的不连续性。边缘广 泛存在予露标与背景之闻、屠标与露标之阂，以及基元与基元之间。p o g g i o 等指 出：“边缘具有十分令人满意的特性，它能大大减少所要处理的信息，但是又保 誉了图像中物体的形状信怠。”并定义边缘检溅力：“主要是( 图像的) 灰度变化 的度量、检测和定位 6 1 。边缘检测是图像分割、纹理特征提取和形状特征提 取等图像处理方法的重要基础，也是视觉检测中最为关键的一步。因此，图像的 边缘检测一直是豳像处理领域的一个研究热点。 本章首先讨论了几种经典边缘检测方法的实现，然后列举出几种具有豫像素 级精度翡边缘定位方法，荠且剩用实验送行了对比，最终选择7 一种适合本课题 的亚像素级边缘检测方法。 3 1 经典边缘检测方法 3 1 。1 一阶微分边缘检测算子 数的取样点阵列。因此，二维图像信号f ( x ，y ) 的灰度显著变化夥可用梯度的离 w = 阡圈 ， v f = m a g ( v f ) = 如力= 蝴( 鬻) ( 3 2 ) ( 3 3 ) 第三章视觉检测中的边缘定位技术 对于数字图像，式( 3 1 ) 的一阶微分计算可用对图像灰度值的垂直和水平差分 来近似。由此思想产生出一系列基予一阶微分的边缘检测方法。 1 r o b e r t s 算子 l - gr o b e r t s 最早开始系统地研究边缘检测，他于l8 6 3 年发袭的博士毕业论 文1 7 是最早分析阁像中的边缘、线、模型和图形学的文章，其中也提出了剃用局 部差分检测边缘的r o b e n s 算予： v y = 4 ( f i , j l - f i + l ，歹+ 1 1 ) 2 + ( a i + l ，歹】- ，【i ，j + 1 1 ) 2 ( 3 为简化计算，可以用r o b e r t s 绝对值来近似： v y 矿【f ，歹】一月f + l ，歹+ l 】| + 1 月f + l ，歹】一【式歹+ l 】| ( 3 5 ) r o b e r t s 边缘检测的卷积算子为( 标注的为当前像索的位置) ： ( ：一0 ，)( 三三) 8 6 ， 该算子简单直观，有利习：检测低噪声图像中的陡峭边缘，但e l j 于不包括平滑， 所以对噪声比较敏感，总体的边缘检测效果并不理想。 2 p r e w i t t 算子和s o b e l 算子 19 7 0 年左右，p r e w i t t 和s o b e l 分别提出了p r e w i t t 算子【8 1 和s o b e l 算子【9 1 ，这 两个算予都是由鹾拿卷积梭形成酶，都是采用3 x 3 靛稀度模板。 p r e w i t t 边缘检测算子为： f ，一l l l 、f l0 一l 、 | 0 0 0 | l0 一l | ( 3 7 ) ll ll jl l0 1 ，j s o 泌l 边缘检测算子为： f ，一l 一2 一l 、r 一101 、 l 0 0 0l l 202 i ( 3 8 ) l l2lj l l 0 lj p r e w i t t 算子对图像中的小区域先做平均，然后求差分。而s o b e l 算予是一 种先徽加权平均，然后求差分的非线性算子，其孛的权值2 静用于透过增嬲中 心点的权重，而实现某种程度的平滑效果。 这掰幂巾算子对于灰度激变、低噪声的图像能够得到较好的边缘检测效果，僵 它们同时也会检测出伪边缘，边缘检测精度不高l 挎1 。 3 k r i s c h 算子和r o b i n s o n 算子 k r i s c h 算子 1 1 帮r o b i n s o n 算子l 投1 都是壶8 个卷积核组成，圈像中豹每个点 都用8 个3 x 3 掩模进行卷积，每个掩模都对某个特定边缘方向作出最大响应方 向夹焦为4 5 度，所有8 个方向中的最大值作为边缘幅度图像输懋。 这两种算子除了能够增强图像边缘外，还有平滑噪声的作用，不足之处是 第三章视觉检测中的边缘定位技术 计算量比较大【1 l l 。 4 c a n n y 边缘检测算子 上述计算方法都是用模板对图像中每个像素的邻域进行卷积运算，如 r o b e r t s 、p r e w i t t 、s o b e l 等算子，这些算子的主要缺点是对噪声敏感而且边缘定 位精度低。为了对边缘检测算法进行有效性评价，1 9 8 6 年，j o h nc a n n y 提出了 边缘检测的三个准则，并给出了其数学表达式，同时在此基础上得出了c a n n y 边缘检测算子1 1 3 1 。 c a n n y 提出的三个边缘检测的准则可以概括为： ( 1 ) 最优检测：即漏检真实边缘的概率和误检非边缘的概率都尽可能，j 、； ( 2 ) 最优定位：检测到的边缘点的位置距实际边缘点位置最近，或者由于噪声 影响而引起的检测到的边缘与实际边缘的偏离最小； f 3 ) 检溅点与边缘点一对应：要求边缘检测算子对予同一边缘点要有尽可能 低的响应次数。 c a n n y 边缘检测算子利用的是二维高颠邈数的一阶导数，因为此导数是在检 测阶跃边缘时，对上述准则中( 1 ) 和( 2 ) 所得数学表达式乘积的最优化逼近算子。 对于二维图像信号f ( x ，y ) ，则高斯函数的一阶导数v g ( 墨y ) 与图像信号作用 后的输出为： 日“y ) = ( v g ( x ，y ) ) f ( x ，) = v ( g 阮j ，) 奉f ( x ，力)( 3 9 ) 由上式看出，可以先采瘸g a u s s 添数对图像进行平滑，再对图像求梯凄。 因此，c a n n y 算子的基本思想是：首先对图像信号选择一定的g a u s s 酯数进 行平滑滤波；然后采用一阶偏导的有限差分计算梯度的幅值和方向，再对梯度进 行非极大值抑制( n o n - m a x i m as u p p r e s s i o n ) ，最后用双阈值算法迸一步检测边缘并 进行边缘连接。具体算法详见参考文献【1 3 】。 利黑c a n n y 算子进行边缘检溺的关键是选取适当的g a u s s 滤波器邻域大小帮 适当的阂值【1 4 】。c a n n y 算予属于具有平滑功能的一阶微分算子，它能够较好地解 决检测精度和抗噪声能力之间的矛矮，具有良好的边缘定位精度。 3 1 2 二阶微分边缘检测算子 由予一阶导数的局部最大值对应着二酚导数的过零点，因此可以通过寻找灰 度变化曲线二阶导数的零交叉点得到边缘位置，由这一思想，产生了利用二阶微 分算子检测边缘的算法。 下面将介绍两种利用二阶微分进行边缘检测的算法：拉普拉斯算子和l o g 算子。 1 拉普拉斯算子 第三章视觉稔测中的边缘定位技术 对于二维图像信号f ( x ，j ，) 的二阶导数应理解为梯度方向的二阶方向导数，因 此，一般采用一种各自同性的两阶微分算子，瘁拉普挝斯( l a p l a c e ) 算子： v 2 f _ - 窘+ 窘 ( 3 - 1 0 ) 使用差分方程对x 和y 方向上的二阶偏导数近似如- f ： 巷o f a g + _ _ _ h _ 一= = _ _ _ - 一 众2 厉 一z ，乏难蠢歹+ l 】一歹 式歹】) 。i 一 ( 3 1 1 ) 绪 、o 。j1 ， 一c t f i , j + 1 】d f i , j = _ _ - _ - _ _ _ _ _ _ 。 履凌 = f ，歹+ 2 卜2 歹 歹+ 1 】) + 歹 刃 类似地： 力2 ， = ：= f t i + l ，歹卜2 ，【式歹】) + f i - 1 ，j 】 ( 3 1 2 ) 砂 ，把式( 3 11 ) 和( 3 1 2 ) 合并为一个算子，可得到用来近似拉普拉斯算子的模板： f 0 l 0 、 il v 2 f l 一4 1 l b l o j 由于二阶微分算子对予图像灰度的一阶导数极大值敏感，因此该算法熊对图 像较暗区域的微弱边缘和较亮区域的边缘一样做出响应f 1 5 j ，并且可以确定一个像 素是在边缘碴静一边还是在边缘亮的一边【潮。 拉普拉斯算子也有其不足之处：由于利用的是二阶微分，因此它对图像中的 噪声会更加敏感；处理图像时可能会产生双边缘；拉酱拉额算予具有各自同性， 因此不能够检测出边缘的方向。 2 l o g 算子 虽然边缘检测的基本思想报简单，僵在实际实现时翔遇到了很大困难，许多 研究者很早就指出，边缘检测是一个病态问题，其根本原因是实际信号都是有噪 声的网。利用图像强度二阶导数的零交叉点来求边缘点的算法会对噪声十分敏 感。解决这一问题的办法是在边缘检测之前，先对图像信号进行平滑滤波，滤去 噪声。为此，m a n 和h i l d r e t h 将高期滤波和拉普拉斯边缘检测结合在一起，形成 l o g ( l a p l a c i a no f g a u s s i a n ，l o g ) 算法 疆l ，也称之为拉普拉斯高斯算法。 l o g 算法的基本原理可表述为：图像首先与高斯滤波器进行卷积，这一步既 平滑了图像又降低了噪声，孤立的噪声点和较小酶结构缀织将被滤除。由予平滑 会导致边缘的延展，因此边缘检测器只考虑那些具有局部梯度最大值的点为边缘 点，这一点可以用二阶导数的零交叉点来实现。将拉普拉斯函数用作二维二阶导 数的近似，是因为它是一种具有各向同性的算子。 第三章视觉检测中的边缘定位技术 对于二维图像信号，( x ，一，l o g 算子的输出 y ) 是通过卷积运算得到的： m z ，y ) = v 2 【g ( ，卜，扛，计1 【3 1 3 ) 上式中g ( x ，) 表示高斯平滑滤波器，根据卷积的运算性质，有： h ，y ) 2 i v2 9 ( r ，州+ ，( x ，) ( 3 l 钔 其中： v 钡w ，= ；( - 一等尸 称之为饕西哥草帽函数，如阁3l 所示 图3 i二维l o g 函数图像的翻转图，其中口：4 值得注意的是，l o g 算子在生物视觉系统中已经得到验证9 l 。l o g 算子模板 可以通过在w x w 窗口内采样连续区域脉冲响应函数式( 31 5 ) 获得。为避免截顶 现象的产生，应对模板的大小进行设置，使矿：知或者更大一些，其中c ：2 b 是l o g 函数正向中心凸起宽度珥i 。常用的l o g 算子5 5 模板如下： 0 0 0 一i l 一2 0 一1 00 00 - 1 0 2 一l - l0 0o l o g 算子对直线边缘的定位精确，而对曲线边缘的检测存在误差，误差的大 小与边缘的曲率有关。 3 2 亚像素边缘定位技术 上一节所述的边缘椅测方法大部分都是在像素级精度上进行的，然而在微型 第三章视觉捻测中的边缘定位技术 零件视觉检测系统中，对边缘定位精度的要求非常高，如果要想进一步提高系统 酌测量精度，最直接的方法是提高c c d 摄像机翡分瓣褰，增加像素熹阵数。叁 于c c d 制造技术的限制，这种提高硬件分辨率的代价是相当高的。因此，许多 研究者尝试利用亚像素边缘定位技术来解决图像中边缘的高精度定位问题。 3 2 1 亚像素定位技术的基本原理 剩用预先知道的匿标特性，对图像西标进行处理分析( 铡如滤除噪声，突出 特征，提取特征和拟合灰度特征等) ，识别并确定与目标特征最吻合的位雹。在 此分析定位过程巾，采用浮点运算，哥实现对强标优予整像素精度的定位。这种 利用目标特性从图像中分析计算出最符合特性的目标位置的方法称为图像目标 贬像素定位技术1 2 l l 。 从以上定义可以看出应用亚像素定位技术需要的两个基本条件： 1 、目标是由一系列具有定的几何和灰度分布特性的点组成的。如果目标 是一个孤立的像素，则不存在缨分魏可能性。 2 、对于具有一定特征的目标，必须明确网标定位基准点在目标上的具体位 置，因为这是算法实现的依据。例如对于矩形疆标，定位基准点是矩形的中心点， 还是端点；对某一日标定位基准点是目标中的最亮点或最暗点，还是灰度变化最 大点等。待定位目标的特征可以是人为建立的理想模型，也可以是从某一实际图 像幸提取逛的特定场景，或者是两者的结合。 亚像素算法的建立和选择，是基于许多前提条件的。首先假设已经用普通的 像素级特征检测方法对垦标进行了初步定位，邸得到了整像素精度的定位，此过 程被称为粗定位；然后进行亚像素定位分析，这一过程称为精确定位。 目前主要有两种亚像素定位方法：矩方法和曲线曲面拟合或插值法。下面将 分裂介绍这两种方法。 3 2 2 矩方法 矩方法是计算机视觉和模式识别中广泛使用