（测试计量技术及仪器专业论文）异型材断面尺寸视觉检测技术研究.pdf

摘要 摘要 测量的视觉化方法是测量领域的新方向，随制造业和计算机技术的发展而 出现，它采用工业摄像头或其他光电成像器件对被测物体成像，用数字图像处 理技术及其分析技术完成图像目标的识别及检测。视觉测量技术比传统测量技 术在某些方面具有比较显然的优越性，如比较容易实现自动化测量、快速测量 和非接触式测量。目前视觉技术在众多领域得到广泛地应用，特别是在制造业 中应用于产品的测量和检测。 在生产中，常常需要测量某些工件断面的几何参数。例如塑钢门窗型材断 面等。目前国内对这类产品的测量多是停留在手工卡尺测量的水平上，只能少 量的采样抽检，产品的高合格率得不到保证。 为适应这种需求，本课题设计了一种利用视觉方法实现工件断面尺寸和形 位参数自动测量的系统。主要研究内容为图像处理和测量算法，实现图像分析， 图像匹配，系统标定和参数测量等功能，完成了工件断面自动视觉测量的软件。 采集到的图像预处理是视觉系统中必不可少的重要步骤，针对常见断面图 像的特点，利用c a n n y 边缘化方法，在维护边缘定位精度的基础上，实现了理 想的单像素封闭边缘，为下一步图像分析做好准备。 寻找和定位被测量元素一直是视觉测量的重点和关键所在。论文在边缘图 像的基础上，采用面积匹配的方法，通过动态改变步长实现边缘图像和输入标 准图像的匹配。标准图像是一个由被测件设计图纸生成的包含所有测量元素信 息的位图，因此，匹配完成后，也就实现了全部的测量元素的定位；然后再按 要求对各种尺寸和形位参数进行测量。 精确的定位边缘，正确的匹配测量元素，合理的测量方法，这些保证了系统 在一般配置下对常见尺寸及形位参数的测量达到了一定的精度，满足一般工件 对尺寸的精度要求。 关键词：机器视觉：数字图像处理：标定：断面尺寸测量 a b s t r a c t a b s t r a c t m a c h i n ev i s i o ni san e wt e c h n o l o g ye m e r g e di nr e s e n t y e a r sw i t h t h e d e v e l o p m e n to fm a n u f a c t u r i n g t h ei m a g e so fo b j e c t sa r eg o r e nw i t hc a m e r a so r o t h e ri m a g eg r a b b i n gd e v i c e s a c c o r d i n gt ot h e s ei m a g e st h eo b j e c t si nt h ei m a g e sa r e i d e n t i f i e da n dd e t e c t e dw i mi m a g e a n a l y s i s a n dp r o c e s s i n g t h e na f t e r t h e d i m e n s i o n so ft h em e a s u r e do b j e c tc a nb ea t t a i n e d i ti so b v i o u st h a tt h em e t h o do f m a c h i n ev i s i o nm e a s u r e m e n th a so v e r w h e l m i n gs u p e r i o r i t y , s u c ha sa u t o m a t i z a t i o n ， e x p e d i t i o u s n e s sa n d n oc o n t a c tm e a s u r e m e n t m o r ea n dm o r ec o n v e n t i o n a l m e a s u r e m e n tm e t h o d si s r e p l a c e db ym a c h i n ev i s i o nm e t h o d s i nr e c e n ty e a r s ， m a c h i n ev i s i o nh a sb e e nw i d e l yu s e di nm a n yf i e l d s ，e s p e c i a l l yi nm a n u f a c t u r i n g i n d u s t r i a l i ti si m p o r t a n tt om e a s u r et h ec r o s s s e s s i o nd i m e n s i o n so ft h ew o r k p i e c e si nt h e f a c t o r yt o i n s u r et h e i rq u a l i t i e s s u c ha sd i m e n s i o n s o fp v cw i n d o wf r a m e c r o s s s e s s i o n s a tp r e s e n t ，t h e s ep r o d u c t sa r em e a s u r e dw i t hm i c r o m e t e rc a l i p e r s ，a n do n l ya s m a l lp o r t i o nc a nb em e a s u r e d s ot h eh i g hq u a l i t yc a nn o tb ea s s u r e d s oan e wm a c h i n ev i s i o nm e a s u r i n gm e t h o di sd e s c r i b e di nt h i sp a p e r , w h i c h c a l lm e a s u r ed i m e n s i o n so fc r o s s s e s s i o n sa u t o m a t i c a l l ya n df a s t i nt h i s s y s t e m ， i m a g ep r o c e s s i n ga l g o r i t h m ，an e wi m a g er e c o g n i t i o na n dm a t c h i n gm e t h o d ，s y s t e m c a l i b r a t i o nm e t h o da n dp a r a m e t e r sm e a s u r e m e n ta r ew e l ld e s i g n e d ad e m ov e r s i o n o f m e a s u r e m e n ts y s t e ms o f t w a r ei sc o m p l e t e d i m a g ep r o c e s s i n gi si m p o r t a n tt oam a c h i n ev i s i o ns y s t e m c o n s i d e r i n gt h e f e a t u r eo ft h eg r a b b e di m a g e ，c a n n ya l g o r i t h mi sa d o p t e d b yw h i c ht h ee d g ei m a g e c a nb eg o t t e nc o r r e c t l ya n dp r e c i s e l y f i n d i n ga n dp o s i t i o n i n gt h eo b j e c t sm e a s u r e di sak e ys t e po fm a c h i n ev i s i o n s y s t e m b a s e do nt h ee d g ei m a g e ，t h ea r e ao fo u t e rc o n t o u rb e t w e e ne d g ei m a g ea n d s t a n d a r de d g ei m a g ea r ec o m p a r e d t h r o u g hc o n t i n u o u s l yc o m p a r i n ga n dr o t a t i n g w i t had y n a m i cs t e pl e n g t ho fa n g l e ，c o m p l e t e l ym a t c h i n gc a nb ed o n e w h e n i i a b s t r a c t m a t c h i n gi sf i n i s h e d ，a l lk i n do fp a r a m e t e r sc a l lb ec a l c u l a t e do u t ，s u c ha st h i c k n e s s ， s t r a i g h t n e s s ，r o u n d n e s s ，e r e p o s i t i o n i n gp r e c i s e l y , c h o o s i n gm e a s u r i n gp o i n tc o r r e c t l ya n di t e r a t i o nd i s c r e t e p o i n t sa s s u r et h eu l t i m a t ep r e c i s i o n t h es y s t e mp r e c i s i o nc a nm e e tc o m m o nn e e do f w o r k p i e c e sm e a s u r e m e n t k e yw o r d s ：m a c h i n ev i s i o n ；d i g i t a li m a g ep r o c e s s i n g ；c a l i b r a t i o n ；c r o s s s e s s i o n m e a s u r e m e n t i i i 学位论文版权使用授权书 本人完全了解北京机械工业学院关于收集、保存、使用学位论文 的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和 电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、 缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以 及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向 国家有关部门或者机构送交论文的复印件和电子版；在不以赢利为目 的的前提下，学校可以适当复制论文的部分或全部内容用于学术活 动。 学位论文作者签名：朱家德 洳d 年；月，彳日 经指导教师同意，本学位论文属于保密，在年解密后适用 本授权书。 指导教师签名：学位论文作者签名： 年月；、日年 月曰 硕士学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行 研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文 的研究成果不包含任何他人创作的、己公开发表或者没有公开发表的 作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集 体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任 由本人承担。 签名：粜寝德、 m b 彳年弓月，g 日 第1 章引言 1 1 课题介绍 第1 章引言 本课题来源北京市教育委员会。主要内容是用视觉的方法实现工件断面各 种几何参数的测量，输入采用工业机器视觉常用的c m o s 摄像机作为图像的采集 装置。采用图像处理及图像分析的方法，根据具体工件图像的输入完成预定参 数的测量。 课题的主要内容包括：选择合适的方法对获取后的图像进行预处理，边缘 提取；设计在图像中寻找被测量对象的算法，实现采集图像和标准图像的匹配。 确定系统的标定方案，使系统能较容易的实现标定；编制系统的工作软件，使 软件可以自动按要求测量一些具体的尺寸信息，如壁厚，直线度，平行度，角 度，垂直度等；给出被测工件的缺陷信息。系统能完成不同工件的不同参数的 测量，实现尺寸测量的0 0 7 m m 精度的目标。 1 2 课题意义 课题的意义是把视觉测量的方法引入到工件断面测量的领域内，实现工件断 面尺寸测量的自动化和智能化。 在对一些工件断面的测量上，传统的方式是采用卡尺进行测量，这种方法测 量速度慢，在批量生产线上通常做不到1 0 0 检测率。特别是在测量复杂的断面 的时候，需要测量多种多个参数，卡尺往往不能胜任测量要求。 用视觉的方法检测不仅能实现工件断面的快速测量，而且能够保证一定的精 度，一般可以做到产品的全部检测。 1 3 机器视觉和机器视觉系统 视觉是人类感知外部信息的重要形式，大约8 0 的信息量是通过视觉得到的。 机器机器视觉是研究用计算机来模拟生物宏观视觉功能的科学和技术。通俗地 第i 章引言 说，就是用机器代替人眼来做测量和判断。首先采用摄像机将被摄取目标转换 成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息， 转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，如： 面积、长度、数量、位置等；最后，根据预设的容许度和其他条件输出结果， 如：尺寸、角度、偏移量、个数、合格不合格、有无等。机器视觉的特点是 自动化、客观、非接触和高精度，与一般意义上的图像处理系统相比，机器视 觉强调的是精度和速度，以及工业现场环境下的可靠性。 机器视觉是一个相当新且发展十分迅速的研究领域。人们从2 0 世纪5 0 年 代开始研究二维图像的统计模式识别，6 0 年代r o b e r t s 开始进行三维机器视觉 的研究，7 0 年代中，m i t ( 麻省理工) 人工智能实验室正式开设“机器视觉”课 程，8 0 年代开始，开始了全球性的研究热潮，机器视觉获得了蓬勃发展，新概 念、新理论不断涌现；现在，机器视觉仍然是一个非常活跃的研究领域，与之 相关的学科涉及：图像处理、计算机图形学、模式识别、人工智能、人工神经 元网络等。 1 3 i 机器视觉系统的构成和分类 典型的视觉系统一般包括如下部分：。3 光源，镜头，图像传感器，信号处理 单元( 即图像捕获卡) ，图像处理软件，监视器，通讯输入输出单元等。视觉系 统的输出并非图像视频信号，而是经过运算处理之后的检测结果，如尺寸数据。 上位机如p c 和p l c 实时获得检测结果后，指挥运动系统或i o 系统执行相应的 控制动作，如定位和分选。 从视觉系统的运行环境分类。1 ，可分为p c b a s e d 系统和p l c b a s e d 系统。 基于p c 的系统利用了其开放性，高度的编程灵活性和良好的w i n d o w s 界面，同 时系统总体成本较低。系统内含高性能图像捕获卡，一般可接多个镜头，相关软 件方面，从低到高有几个层次，有w i n d o w s 9 5 9 8 n t 环境下c c + + 编程用d l l ， 可视化控件a c t i v e x 提供v b 和v c + + 下的图形化编程环境，甚至w i n d o w s 下的 面向对象的机器视觉组态软件，用户可用它快速开发复杂高级的应用。在基于 p l c 的系统中，视觉的作用更像一个智能化的传感器，图像处理单元独立于系统， 通过串行总线和i o 与p l c 交换数据。系统硬件一般利用高速专用a s i c 或嵌入 式计算机进行图像处理，系统软件保存在图像处理器中，通过类似于游戏键盘 第1 章引言 的简单装置对显示在监视器中的菜单进行配置，或在p c 上开发软件然后下载。 基于p l c 的系统体现了可靠性高、集成化，小型化、高速化、低成本的特点。 1 3 2 机器视觉系统的应用 目前，国际上视觉系统的应用方兴未艾，工业视觉系统正在成为越来越多的 检测和测量问题的重要解决方案。 机器视觉极适用于大批量生产过程中的测量、检查和辨识“，如：零件装 配完整性，装配尺寸精度，零件加工精度，位置角度测量，零件识别，特性 字符识别等。其最大的应用行业为：汽车，制药，电子与电气，制造，包装食 品饮料，医学。如对汽车仪表盘加工精度的检查，高速贴片机上对电子元件的 快速定位，对管脚数目的检查，对i c 表面印字符的辨识，胶囊生产中对胶囊壁 厚和外观缺陷的检查，轴承生产中对滚珠数量和破损情况的检查，食品包装上 面对生产日期的辨识，对标签贴放位置的检查等等“”。 应用机器视觉系统能够大幅降低检验成本，提高产品质量，加快生产速度和 效率。作为高精度、非接触的测量方案，视觉系统涉及到光学和图像处理算法， 本身就是高度专业化的产品，在整个测量控制系统中，往往要与运动控制系统 配合完成位置矫正和进给控制：另外，生产线上对多工序进行同步连续检测时， 必须使视觉系统具备分布式联网能力。机器视觉与运动控制，网络通讯等先进 技术的结合正在改变工业自动化生产的面貌。目前国内已经出现了像北京四通 电机公司这样的具备运动控制，机器视觉，网络通讯几方面技术背景的系统集 成商，他们专业化的技术支持和服务能力使之成为原始供应商和最终用户之间 的桥梁。而对包装企业来说，意识到技术发展的趋势并首先付诸实施者无疑将 走在竞争的前列。 1 3 3 视觉测量系统的现状 国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概4 0 一5 0 都集中在半导体行业。具体如p c b 印刷电路，电子生产加工设备，机器视觉系 统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据 着举足轻重的地位。 而在中国，以上行业本身就属于新兴的领域，再加之机器视觉产品技术的普 第1 章引言 及不够，导致以上各行业的应用几乎空白，即便是有，也只是低端方面的应用。 目前在我国随着配套基础建设的完善，技术、资金的积累，各行各业对采用图 像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内有关大专院 校、研究所和企业近几年在图像和机器视觉技术领域进行了积极思索和大胆的 尝试，逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检 测等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等。真正高端 的应用还很少，因此，以上相关行业的应用空间还比较大。当然、其他领域如 指纹检测等等领域也有着很好的发展空间。 本课题涉及的视觉检测在系统构架，和一些典型的视觉检测系统相同，属于 中等视距的视觉检测系统。因而有一些系统构架可以借鉴。 第2 章测量系统设计 2 1 测量原理 第2 章测量系统设计 测量系统包含标定和测量两部分，标定完成标定系数的计算，测量完成被测 工件测量结果的计算输出僦”。 2 1 1 标定原理 在二维机器视觉中，标定是建立像素坐标和实际坐标之间对应关系的过程。 “”简单而言，就是确定图像中每个像素对应实际环境下几毫米。标定用标定块 作为被拍摄物体来完成标定，标定块是有标准尺寸的物体。标定过程中，标定 块的标准尺寸记录在一个尺寸描述文件中。尺寸描述文件可以由标定块的a u t o c a d 文件自动产生。标定的流程图如下。 图2 1 系统标定过程 第2 章测量系统设计 图2 1 中，标定块尺寸描述文件描述了各种点线的坐标。包含尺寸和位置信 息。当转化成标定块位图后实际尺寸就相应转化成像素尺寸。另外，采集标定 块的图像之后，预处理，然后提取边缘。然后，匹配标定块位图和边缘图像。 具体匹配过程和算法将在第4 章描述。匹配完成后，得到一个标定系数。标定 系数表示像素和实际尺寸的对应关系。 2 1 2 测量原理 在测量具体工件的时候，首先需要输入标准工件的尺寸描述文件，用以作为 匹配的基准。工件的测量流程见图2 2 。 图2 2 系统测量过程 和图2 1 一样，首先也要把工件的尺寸描述文件转化成标准工件位图，然后 再完成和采集后边缘化的图像匹配过程。在匹配完成之后进入定位测量元素的 过程。测量元素指的是边缘图像中某个或某些线条，在边缘图像中定位出这些 被测量对象后就进入测量环节，测量结果输出的是实际尺寸，这种转换通过标 定过程得到的标定系数来完成。 6 第2 章测量系统设计 2 2 测量系统 测量系统如图2 3 所示“。系统的实验平台由三部分组成：载物平台，环形 光源，c m o s 摄像机和计算机。这三部分之间的距离可以根据需要进行调节。 图2 3 测量系统示意图 载物平台为可升降的平台，平台表面为黑色，当拍摄浅色的工件时，平台作 为背景的一部分出现在图像中，在l e d 光源下有很好的图像质量。 光源采用c c s 公司的环形l e d 红色光源。光源是影响本系统测量精度的重要 因素之一。 镜头采用c o m p u t e r 公司的1 6 m m 或2 5 m m 镜头。主要的要求是视野满足条件， 图像畸变小。 适应不同精度及成本的要求，系统的图像采集设备采用c m o s 和c c d 两种。 其一是大恒公司的c m o s 工业摄像头，c m o s 芯片分辨率为1 2 8 0 1 0 2 4 u s b 2 0 接 口标准。另一个是c o g n e x 公司的i n s i g h ti i 智能图像传感器，感光芯片为c c d ， 分辨率为1 0 2 4 7 6 8 ，与外部的数据传输是通过普通的网线。利用网线把采集的 图像传输到p c 机上，利用p c 的强大处理能力完成测量。 本系统p c 机配置为p e n t i u m ( r ) 4c p u 2 o o g h z ，2 5 6 m b 内存。当测量的 图像分辨率是1 0 2 4 7 6 8 时完成单次测量耗时l o s 左右，能满足一般生产线的速 度要求。 系统实物图如下。 第2 章测量系统设计 图2 4 实验装置图 受限于摄像头的视野，系统的最大测量外围尺寸约为1 2 0 m m * 1 2 0 r a m ，摄像头 分辨率1 2 8 0 1 0 2 4 ，镜头焦距1 6 m m ，工作距离约5 0 0 m m 。在这种配置下，系统能 实现多种工件平面的视觉测量，可以实现多种尺寸和形位参数的测量工作，主 要包括：内外尺寸，平面上棱线之间的距离，直线度，平行度，垂直度，圆度， 角度等参数。此外，还能给出被测工件和理想尺寸之间的偏差，给出判断信息。 2 3 软件系统构成 软件系统上主要有图像的采集显示模块，边缘检测算法处理模块，匹配算法 模块，标定模块测量模块和系统面板模块等部分组成。 1 图像的输入输出及显示模块 这部分主要包含工件和标定块原理图纸的读入，图像输入，图像输出显示部 分。 系统开始标定的时候，要求用户给出标定物原理图纸的保存路径。标定后的 系数作为下次测量的标定值使用。 2 边缘处理模块 图像的边缘处理以全局函数模块的形式给出。函数接口是图像缓冲区的指 针，以及边缘化参数。对应系统菜单中编辑c a n n y 操作，完成边缘检测，输出 为二值化图像。 3 匹配模块 图像的匹配以全局函数的形式给出。函数接口是图像缓冲区指针和图像对应 工件或标定块原理图的存储路径。匹配模块的调用有两种情况下，一种情况是 标定的时候，另一种情况是测量的时候。 第2 章测量系统设计 4 标定模块 标定和匹配是同时实现的，以全局函数的形式给出，函数的输入和匹配模块 的输入相同。 5 测量模块 测量模块根据测量参数的不同提供了一组全局函数和一些内部函数。包含曲 线拟合，形位参数的测量实现。 6 系统框架模块 系统框架主要是用户界面的组建框架。如图2 5 所示，用户界面包含6 个结 果输出列表的工具栏按钮，分别是壁厚、直线度、平行度、垂直度、角度和原 弧度结果列表。还有一个用户卡尺，可以点击拖动鼠标实现标定后工件的某些 长度尺寸的测量。 在用户界面的状态栏上显示系统的当前标定结果，显示鼠标当前位置以及当 前像素点的灰度值。 在系统菜单的“测量”弹出式菜单上，包含两种测量方式，一种用原始图像 实现标定、标定测量，另一种方式是用经过边缘化的图像实现标定和标定侧量。 这两种方式可以比较使用，提供一个观察评定输出结果的观察窗口。 弹出式菜单“在线”包含图像的连续采集方式和单幅图像的采集方式。 图2 5 是本课题的软件面板n 2 “。 第2 章测量系统设计 2 4 小结 图2 5 系统软件面板 本章阐述了测量系统的测量原理，包含标定和测量两部分。 系统流程设计，从总体上分标定和测量两大部分。每一次启动系统的时候都 要做标定工作，然后进行工件的连续测量。 此外，本章还详细列出了软件系统的几个主要功能模块。 第3 章边缘检测 第3 章边缘检测 边缘检测是数字图像处理的重要组成部分，也是其中的难点之一“。 边缘是图像中标识变化的分界。边缘化方法是从目标区域的边界来标识目 标的。目标区域的边界反映在灰度图像中的特点是，灰度在某一方向上发生了 较大的跳变。正是利用这个特点产生了系列边缘化的经典方法和特色算法。 边缘检测过程主要是基于导数的计算，但受噪声影响较大，因此前期的滤 波是必须的。但是滤波器在降低噪声的同时也导致边缘强度的损失。增强算法 将在图像邻域中灰度有显著变化的点突出显示，一般通过计算一阶或二阶梯度 的幅值完成。然后就是检测过程，存在问题是在有些图像中梯度幅值较大的并 不是边缘点。最简单的边缘检测方法是梯度幅值阂值判定。最后一步是定位， 就是要尽可能精确的定位出边缘的位置。 3 1 几种边缘检测方法 这里首先介绍几种边缘检测方法，然后引入c a n n y 边缘检测方法，并阐述 c a n n y “”方法在本系统的应用。 3 1 1 基于梯度的边缘化方法 边缘化方法的主要目标和难点是找到感兴趣的特定目标区域并勾勒出区域 的边缘，特别是当图像有比较大噪声的时候“。边缘化的一种尝试是通过计算 梯度，然后用合适的处理过程来实现。 常见基于梯度的算子有r o b e r t s ，p r e w i t t ，s o b e l ，i s o t r o p i cs o b e l ， k i r s c h 等，它们都可以通过模板卷积来实现。实际中s o b e l 算子较为常用。 当原图像叠加较大的噪声后，边缘后的图像同样包含噪声边缘化的杂散点。 对于这种情况，常见的处理情况是对输入图像低通滤波。 3 1 2 基于零交叉的边缘化方法 第3 章边缘检测 零交叉对噪声图像的处理可以用下面的图3 1 阐述： 边缘 f ( x ) 一阶导数 f ( x ) 二阶导数 f ”( x ) 迥缘 ， 位置 ，。 八 图3 1 边缘描述 图3 1 是一维情况下边缘的例子，函数f ( x ) 的边缘点如图所示，其一阶导 数f ( x ) 是一个脉冲，边缘点对应脉冲的最大值。二阶导数f ( x ) ，边缘点变 成了过横轴的零点。因此边缘检测就转化成对零点的检测。 对应二维情况下函数为f ( x ，y ) ，二阶导数对应f ( x ，y ) 的拉普拉斯算予，用 式( 3 1 ) 表示。 v 2 似棚= 学+ 学 ， 其中一阶偏导数掣对应差分如下式： f ( x + 1 ，y ) 一f ( x ，y ) ( 3 2 ) 相j - - ，a 2 f ( x ，, y ) 坐, - - 阶差分： o x f ( x + l ，y ) 一f ( x ，y ) 一f ( x ，j ，) + f ( x 一1 ，y ) ( 3 3 ) 第3 章边缘检测 v 2 f ( x ，y ) 对应 f ( x + 1 ，y ) + f ( x 一1 ，y ) + f ( x ，y + 1 ) + f ( x ，y 1 ) 一4 f ( x ，y ) ( 3 4 ) 拉普拉斯算子是不依赖边缘方向的二阶微分算子，是一个标量而不是一个 向量，具有旋转不变性即各向同性的性质。 按照图像的拉普拉斯结果，在值改变符号的地方，就是边缘点所在的位置， 即零交叉点。但是拉普拉斯对图像高频噪声敏感，在运算之前可以先对图像实 施平滑操作。 3 1 3m a r r 方法 m a r r 算子( l o g 算子) 是一种过零点检测算子。基本原理首先是对有噪声 信号滤波： g ( x ) = 厂( x ) + h ( x ) 其中矗( x ) 为平滑卷积模板。f ( x ) 为输入信号 对g ( x ) 求一阶和二阶导数以检测边缘点： ( 3 5 ) g ( x ) 为滤波后信号。然后再 g ( = 掣= 瓦a o i ( 甜) 矗 一d ) 出= 厂( 口 一口) 如= 厂( x ) + 纵x ) g ( x ) ”= ，( x ) + hr t ( x ) 因此下面两步骤在数学上是等价的： 求图像与滤波器的卷积，再对卷积执行拉普拉斯算子运算。 求滤波器的拉氏变换，再求与图像的卷积。 其中，滤波器h ( x ) 应满足以下条件 1 当x 专o 。时，和h ( x ) 专o ，h ( x ) 为偶数 2 i h ( x ) a x = 1 3 h ( x ) 为一阶二阶可微。 最常用的滤波器函数是高斯函数 坼) = 志e x p ( 一吾) ( 3 6 ) ( 3 7 ) ( 3 8 ) 第3 章边缘检测 综上所述，总结m a r r 边缘检测算法如下 第一步：平滑滤波器采用高斯滤波器； 第二步：边缘增强用二阶导数( 二维拉普拉斯函数) ； 第三步：边缘检测判据是二阶导数零交叉点； 第四步：采用线性插值的方法估计边缘的位置。 因为采用拉普拉斯算子，g ( l a p l a c i a no fg a u s s i a n ) 滤波器。 幻g _ 俨姆川= 啬+ 罟 ( 3 9 ) m 朋= 嘉e x p ( 一 孑) ( 3 1 0 ) 枷= 嘉( 等- 1 ) 唧( 一等) ( 3 1 1 ) m a r r 过零点检测的优缺点如下： 过零点( z e r o c r o s s i n g ) 的检测所依赖的范围与参数d e l t a 有关，但边缘 位置与d e l t a 的选择无关，若只关心全局性的边缘可以选取比较大的邻 域( 如d e l t a = 4 时，邻域接近4 0 个像素宽) 来获取明显的边缘。 过度平滑形状，例如会丢失角点； 倾向产生环行边缘。 3 1 4c a n n y 方法 c a n n y 边缘检测方法一直以来被认为是较优的阶梯型边缘检测算法。“2 “。 1 概述 c a n n y 指出，图像边缘检测必须满足两个条件：一能有效地抑制噪声；二 必须尽量精确确定边缘的位置。 c a n n y 方法根据对信噪比与定位乘积进行测度，得到最优化逼近算子。类 似于m a r r 边缘检测方法，c a n n y 方法也对输入图像首先作了平滑。 2 c a n n y 边缘检测算法 第一步：用高斯滤波器平滑图像； 第二步：用一阶偏导的有限差分来计算梯度的幅值和方向； 第三步：对梯度幅值进行非极大值抑制； 第3 章边缘检测 第四步：用双阈值算法检测和连接边缘。 3 下面具体阐述。 第一步：高斯平滑函数： 坼朋- e x p ( 一 芋) 输入图像f ( x ，y ) ，平滑后图像为g ( x ，y ) g ( x ，y ) = f ( x ，y ) h ( x ，y ) 在离散情况下，可以执行二维离散卷积来实现平滑 和垂直两方向的一维卷积以节省运算时间。 第二步：两个方向上的一阶差分： 也可以写成卷积的形式，其模板及后续运算如下。 即卜1 妒l ：= ： - i r 3 1 2 ) ( 3 1 3 ) 也可以分别执行水平 吼( m ，i , t ) = f ( m ，n ) h 1 ( m ，n ) 妒2 ( m ，n ) = f ( m ，胛) h 2 ( m ，h ) 妒( m ) ：厩丽万丽瓦丽 ( 3 1 4 ) 臼( m ，。) ：t a i l 一- 掣 妒l ( 卅，n ) 其中，仍，胛) ，矿：( m ，胛) 分别是水平和垂直两个方向上的差分。妒( 坍，1 1 ) 是 梯度幅度。o ( m ，n ) 记录梯度的方向。 第三步：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 ，即n m s ) 仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部 梯度最大的点，抑制非极大值。 可以利用梯度的方向来实现非极大值的抑制。下图表示像素及其邻域情况， 其中0 是中心像素，0 的8 邻域像素分别对应1 8 共8 个像素。8 个邻域像素 两两构成4 个方向：水平，垂直，左斜，右斜。 第3 章边缘检测 f 田 黼 卜卜h i j 。j _ j 图3 2 像素8 连通邻域 邻域的中心像素0 与沿着梯度线的两个像素相比。如果中心像素点的梯度 值不比沿梯度线的两个相邻像素梯度值大，则抑制中心像素0 。 第四步：阈值化 减少假边缘段数量的典型方法是对非极大抑制后的图像进行阈值化。具体 实现是采用双阈值算法。选取两个阈值如7 - 和2 ，且t 2 t l 。在- 阈值化边缘图 像中收取边缘，将2 阈值化边缘图像中所有间隙连接起来。 3 2 工件图像特点及边缘检测状况 图3 3 给出了一种异型材工件的采集图像i 。可以看出其边缘的性质主要 是阶跃型的，对这种边缘的处理，c a n n y 方法是一个非常好的选择，可以连续的 勾勒出型材外轮廓的同时还能保证较好的边缘定位精度，如图3 4 所示，边缘图 像标识为e 图3 3 一个工件的采集图像( i ) 1 6 第3 章边缘检测 3 3 小结 图3 4c a n n y 方法边缘检测的结果( e ) 本章讨论了边缘化的方法，首先给出了几种常用的边缘化方法。对t a r r 算 法和c a n n y 算法的原理和具体实现作了较为详细的描述，并分析了它们的优点 和缺点。 分析本课题视觉系统采集图像的特点，边缘为阶跃型而且要求边缘定位的封 闭特性，考虑这些因素选择c a n n y 边缘化方法。 实验表明，边缘化的结果能兼顾正确性和精确度的要求。 冀 硅一 第4 章匹配方法 4 1 匹配介绍 第4 章匹配方法 图像的匹配方法有多种“”“8 “”1 ，一种较为常见的是模板匹配方法，利用相关 操作在图像中移动模板，统计相关系数，取最大相关的区域为匹配结果。这种 方法的实用性较差，而且一般不是旋转无关的。 另一种图像匹配的方法是基于图像描述的图像匹配技术。这种方法以图像分 析为基础，以图像描述为量度。一些公司，如m a t r o x 公司的m i l 和c o r e c o 公 司的s m a r ts e r i e s 的图像处理开发包提供的匹配函数就是采用了特征匹配的方 法。 4 2 本系统采用的匹配方法 作为本系统的一个关键步骤，就是要在图像中，找到被测量的目标。比如找 到段线条、一段圆弧等，这里称它们为图元。这些工作是进行下一步测量工 作的前提。 图元识别在视觉测量和检测领域中应用广泛，通常是用图像匹配的办法来实 现。在二维视觉测量过程中也需要在被测图像中找到被测量的对象，以实现测 量的目标。 图元识别是指在采集得到的图像中定位一系列测量元素的过程。为了测量一 个工件的断面的几何参数，就需要在图像中定位被测量的对象，即图元，如线 段或者圆弧等。常见的图元识别方法是基于定位采集图像中的某些特征部分的， 比如两个垂直的边缘作为定位检测线，灰度值有某种变化的地方作为定位的基 准。这些方法适用于简单平面图形的测量，当断面形状变得复杂的时候往往难 以胜任，而且一般是针对某种特定的测量对象。 本文提出的图元识别方法是基于两幅图像( 其中一幅图像作为模板) 匹配 的，能适用于复杂断面形状的测量，随着输入模板的不同，系统可以测量各种 不同的工件断面。算法的基本实现方法如图4 1 所示。 第4 章匹配方法 图4 1 图元识别算法框图 图4 1 中，工件的尺寸描述文件可以从一个a u t oc a d 文件中转换得到，它 描述了工件的尺寸设计信息。在匹配的时候，综合边缘图像的线条分布等情况， 和尺寸描述文件比对，从而完成匹配。 匹配包含建立匹配模板图像，旋转调整，实现匹配三部分，下面具体阐述。 4 2 1 建立匹配模板图像 本文的匹配识别算法使用两幅图像来实现匹配，其中待匹配的图像是边缘 图像，另外一幅是作为匹配模板的标准图像。匹配模板图像需要用工件的尺寸 表述文件来建立。 尺寸描述文件中的描述如下( 坐标单位是毫米) ： l 7 3 o o8 5 01 2 o o8 5 0 a 7 95 0 52 5 5 4o 5 0o8 2 其中以l 开头的行表示工件图纸设计中的直线图元，l 表示图元为直线， 序号为7 ，起点坐标( 3 o o ，8 5 0 ) ，终点坐标( 1 2 0 0 ，8 5 0 ) 。 其中以a 开头的行表示工件图纸设计中圆弧图元，a 表示图元为圆弧，序 号为7 9 ，圆心坐标( 5 0 5 ，2 5 5 4 ) ，圆弧半径0 5 ，起始角0 度，终止角8 2 度。 创建标准图像的时候，利用位图的灰度信息作为工件图纸中图元的索引。 如，灰度值7 对应7 号图元，灰度值2 9 对应2 9 号图元。 根据灰度对应图元的原则按一定的像素尺寸比作出标准图像。具体操作的 时候可以先设定一个较小的值，比如5 p i x e l m m ，然后比较标准图像和边缘图像 第4 章匹配方法 中目标的大小。目标大小的量度采用面积来描述，即外围线所围区域的大小来 表示面积。根据标准图像和边缘图像中的目标大小调整标准图像的大小。多次 比较，多次调整，直到二者的面积相等。一般来说，比较3 次后，二者目标的 大小就接近相等了。得到的标准图像如图4 2 所示。 4 2 2 旋转调整 吲 卜 j 燮 【】l】lj 】： 图4 2 标准图像 图4 2 得到的标准图像和边缘图像有相对偏转角。因为二者有不同的倾角， 因此在匹配工作中应当首先实现边缘图像和标准图像的相同取向“。 找到边缘图像和标准图像的中心，以此中心作为旋转的基准点旋转图像， 使标准图像和边缘图像取向相同。旋转结果得到最终的匹配模板图像，如图4 3 所示，标识为t 。 4 2 3 匹配实现 珂 扩 算 | ! v 琏，。j ：一 i ：二j ， 图4 3 匹配模板图像t 第4 章匹配方法 图3 4 中，e 是前面边缘化的采集输入图像。若t 和e 有相同的大小和旋 转角度，对照两幅图像可以确定边缘图像e 上的每一个像素点归属于哪一个图 元。结果如图4 4 所示。 设n 为边缘图像e 中的边缘点的数量，m 为按一定规则得到对应的边缘点 的数量。定义匹配率r ： r = m n( 4 1 ) 匹配率表达了匹配的程度。依据匹配率的概念，可以设定阈值，来判断匹 配的成败。 在匹配中，因为一个来源于工件的原理图纸，一个来源于实际的工件断面。 由于实际工件断面和原理图纸描述不全等以及取图过程中的误差，实现绝对位 置的配准是不现实的。这里在对应位置邻近的位置上去实现匹配。简单的方法 可以在对应位置的圆域中寻找，也可以在对应位置的直线的垂直方向上去寻找 非零点( 非零点表示轮廓上的像素点) 。 图4 4 匹配结果 图4 4 中，最左边近似在一条直线上的像素集合，匹配识别为1 号图元。2 、 3 和4 也同样标识对应的直线；最左上角的一小段圆弧上的像素匹配识别为7 1 号图元，7 2 ，7 3 ，7 4 也同样标识对应的圆弧。 4 3 小结 本章详细论述了本系统采用的匹配方法，这种方法是一种基于特征的图像 定位方法。在边缘图像的基础上，主要做区域像素统计；在尺寸描述文件的基 2 1 第4 章匹配方法 础上，做尺寸和像素之间的对应关系，创建标准图像。然后就是对两幅图像不 断调整的过程，直到二者达到一定程度的匹配。匹配占据了全过程的主要计算 量，匹配完成之后也就能在对应的位置上定位出各种不同标记的图元。 实验证明这种方法几乎能定位出任意一段测量元素的图元。 第5 章标定和测量 5 1 标定 第5 章标定和测量 关于摄像机的标定因系统设计不同有大量的方法可以参考。大部分都是摄 像机系统空间信息的三维标定。二维情况下的标定，根据不同系统也有不少具 体的标定方案。本系统采用方形标定块完成标定工作。“。 本系统是一个二维平面测量的系统，采用小畸变镜头，中等焦距，系统视 场角较小。本系统不考虑摄像装置的几何畸变。 为了满足系统的测量要求，要求一个像素到实际尺寸的转换。标定的目标 就是获得转换的量度。 为此，设计一个方形标定块，尺寸精确已知，长宽为m ，r l ，则面积为m n 在目标位置采集一幅图像，勾勒边缘为，统计目标区域像素为x ，则可得到一个 对应关系： 口= 熹 ( 5 1 ) 口2 丙 妯1j 则a 为得到的标定系数，具体意义为在现在的位置下，实际物体的一个毫 米对应图像中的a 个像素。 标定是视觉测量系统的必要一环，也是影响测量精度的关键。因此，视觉 测量系统的标定块一定要有必要高的精度。 考虑标定块图像的处理和被测工件的处理过程，标定块的材质选择上要接 近被测工件的材质，以保证较好的标定测量精度。 5 2 拟合方法介绍 第4 章确定下来的图元是图像平面上的一些离散点，他们确定一个特定的 曲线，如直线或圆弧等。确定直线或圆弧的各项参数用曲线拟合方法来实现“。 第5 章标定和测量 图5 1 直线拟合离散的点 设直线方程式为y = a x + 6 ，其中a ，b 是待定系数，于是，可以把拟合函 数在x 处的值与观察值的偏差平方和表示为关于待定系数a ，b 的二元函数 即 n q ( a ，6 ) = ( 甜，+ b ) - y ，】2 ( 5 2 ) 按照二元函数求极值的理论，其最小值应满足方程组 a 。o 。= ! ：。2 ( d x ，+ 6 ) 一y ，】x = 。( 5 3 ) 面8 q = 喜2 ( 刚沪睹1 ) _ 0 ( 础，+ 6 ) 一y ，k