（计算机软件与理论专业论文）基于图像的螺纹表面缺陷检测.pdf

摘要本文根据目前工业领域中零件螺纹的缺陷检测和质量评价一般由人工进行的现状。以基于图像的螺纹表面缺陷的检测作为研究对象，尝试刹用计算帆视觉技术与数字图像处理技术来处理，使其能够完成对零件螺纹的表面是否有缺陷的识别及缺陷严重程度的判定，这种检测足数字化、非接触性的检测，其特点是效率高、自动化程度高可靠性强，具有较强的实际和经济意义。首先是从图像的采集开始，结合光源的合理设置以便在图像中将待检测物体与背景较好的分离，利用光学投影的原理，使待检零件在数码相机上成像，并利用转动平台的转动，每隔一个固定的角度转动一次并采集图像，这样得到分别对应每个转动角度的零件轴剖面的多幅数字斟像。为顺利进行螺纹歃陷的识剐，还需要经过计算机图像处理技术进行去噪、边缘检测、二值化等预处理，然后运用数学形态学的二值细化方法经过计算统计得到相对螺距参数和特征点，在每幅图像中提取得到的螺纹轮廓边缘线区域内，以此为依据指引搜索螺纹区域。由于各种不同类型的零件其表面结构、参数各不相同，因此有必要为每稀零件各自确定一种螺纹区域确定算法。由于螺纹的缺陷仅通过单独的一幅图像难以进行判定，同时每个待检零件的所有图像巾的信息具有相关性，需要将其中全部的螺纹区域结合起来分析，得到以另外多幅图像裹示的零件螺纹三维展开形式，这些图像依从卜到下顺序刻画了螺纹从外向罩的信息，然后，对标准的无缺陷零件及各种缺陷零件相应的三维信息5 - 另1 1 进行统计、分析，得到一系列的统计数据，从这些数据中提取合适的特征形成规则，并依据规则的指导区分出缺陷的有无及程度，得出检测的结果。在这里，评判依据和规则标准是关键，本文尝试利用模式识别的形式对缺陷特征进行分类，在定性分析的基础上，以区域特征对缺陷进行定量分析。此外还将数学形态学的理论和算法应用到了系统中的处理( 膨胀和腐蚀消除图像中零件内部的光斑区域，细化进行图像中零件的相对螺距的测定) 。本文的零件缺陷检测框架以检测零件类型的可扩展性、检测结果的有效性、检测过程的时间效率为目标，使其更具有实用性和通用性。关键词：螺纹：缺陷检测；数学形态学；模式识别d e f e c t sd e t e c t i o no ns u r f a c eo f t h r e a db a s e do nd i g i t a li m a g ed i r e c t e db yf a n g y ia b s t r a c ta c c o r d i n gt ot h es i t u a t i o nt h a td e f e c td e t e c t i o na n dq u a i l t ye v a l u a t i o no fs c r e wt h r e a da r eo p e r a t e db yw o r k e r si nt h er e a l mo fi n d u s t r yn o w a d a y s ，t h i sp a p e rp u t st h ed e f e c td e t e c t i o nb a s e do nd i g i t a li m a g eo ns u r f a c eo ft h r e a da sr e s e a r c ho b j e c ta n dt r i e st od ot h e mu s et h et e c h n o l o g yo fc o m p u t e rv i s i o na n dd i g i t a li m a g ep r o c e s s i n g ，t h e ne n a b l ei tt op e r f o r md e f e c tr e c o g n i t i o no ns u r f a c eo fs c r e wt h r e a da n da s s e r t i o no nt h ed e g r e eo fd e f e c tg r a v e n e s s i ti st h ed e t e c t i o no fd i g i t i z i n g ，n o - c o n t a c t i n g ，m o s te f f i c i e n t ，h i g h l ya u t o m a t i c ，s t r o n g l yr e l i a b l e ，s oi to fn o to n l yg r e a tp r a c t i c a ls i g n i f i c a n c eb u te c o n o m i c w es t a r tf r o mt h ec o l l e c t i o no fi m a g e s p h o t os o u r c e ss h o u l db el a i do u ta p p r o p r i a t e l ys oa st ol e tt h eo b j e c tp h o t o g r a p h e da n dt h eb a c k g r o u n d ss e p a r a t ec l e a r t h es c r e wc o n c e r n e dc a nb ep h o t o g r a p h e db yd i g i t a le a m e mo nt h ep r i n c i p l eo fo p t i c a lp r o j e c t i o n r o t a t i n gar o u n dp l a t f o r mt h a ts u s t a i n ss c r e wf o re a c hp a r t i c u l a ri n v a r i a b l ea n g l ea n dp h o t o g r a p h i n gt h eo b j e c ta tt h es a m et i m e ，w eo b t a i ni m a g e so ft h r e a da x i sp r o f i l es e c t i o na c c o r d i n g l y i no r d e rt od e t e c ta n dr e c o g n i z ed e f e c to ft h r e a d ，w ey e tn e e dt op r o c e s st h ei m a g e sa d v a n c e dw i t ht e c h n o l o g yo fd i g i t a li m a g ep r o c e s s i n gl i k er e m o v i n gn o i s e s 、e d g ed e t e c t i o n 、t ob i n a r yt r a n s f o r m a t i o na n ds oo n w i t ht h em e t h o do fb i n a r yt h i n n i n go fm a t h e m a t i c a lm o r p h o l o g y , w ec o m p u t et h er e l a t i v ed i s t a n c eb e t w e e nt w oc o n t i g u o u st h r e a da n df e a m r ep o i n t s t h e nw es e a r c he a c hr e g i o no f t h r e a di n s i d et h ee d g el i n eo fs c r e w b e c a u s et h es u r f a c es w u c m r ea n dp a r a m e t e ma r ed i f f e r e n ta m o n ge a c ht h r e a do fv a r i e dt y p e ，w eh a v et ow o r ko u tap a r t i c u l a rs o l u t i o nt od e t e r m i n ee a c hs i n g l et h r e a dr e g i o nf o re a c ht y p e b e c a u s ew ec a n ta s s e s sd e f e c t sw i t ho n l yo n ei m a g ea n dt h ei n f o r m a t i o no fa l li m a g e so fo n es c r e wi sa r er e l a t e dr e l a t i v e l y , w en e e dt os y n t h e s i z ea l lt h es c r e wa x i sp r o f i l es e c t i o n sa n da n a l y z et h e ma 1 1 t h er e s u l ti sat h r e e - d i m e n s i o n a ls t r u c t u r ei n d i c a t e db yo t h e rm u l t i p l ei m a g e s ，w h i c hd e p i c tt h ei n f o r m a t i o no ft h r e a df r o mo u t s i d et oi n s i d eb yas e q u e n c ef r o mt o pt ob o t t o m t h e nw ec o m p u t ea n da n a l y z et h e s et h r e e d i m e n s i o n a ls t r u c t u r e so fs t a n d a r dn o n - d e f e c mt h r e a da n dv a r i e dd e f e c t i v et 1 1 r e a ds e p a r a t e l yt oo b t a i nas e r i e so fs t a t i s t i c sf r o mw h i c hw ec a ne x t r a c ts u i t a b l ef e a t u r e st of o i t f lr u l e s w i t ht h eg u i d a n c et h e s er u l e s ，w ec a na s s e s sw h e t h e rt h e r ea r es o m ed e f e c t sa n di fy e s ，t h es o r t ，d e g r e eo f e a c hd e f e c t , a n dt h e ng e tt h ef i n a lr e s u l t h o wt of o r mt h e s er u l e si si m p o r t a n t t h i sp a p e ra t t e m p t st oc l a s s i f yd e f e c tf e a t u r e su s i n gp a t t e r nr e c o g n i t i o n , a n dp r o c e e dw i t hq u a n t i t a t i v ea n a l y s i sw i t hr e g i o n a lf e a t u r e sb a s e do nq u a l i t a t i v ea n a l y s i s a d d i t i o n a l l y , t h i sp a p e ra p p l i e sm a t h e m a t i c a lm o r p h o l o g yt h e o r ya n da r i t h m e t i ct ot h ep r o c e s s ( u s ed i l a t i o na n de r o s i o nt or e m o v et h en o i s e sc a u s e db yl i g h ta n dt h i n n i n gt oo b t a i nt h er e l a t i v ed i s t a n c eb e t w e e nt w oc o n t i g u o u st h r e a di ni m a g e ) t h i sp a p e ra i m sa tt h eo b j e c t i v eo fe x p a n s i v e n e s so fs c r e wt y p e ，e f f e c t i v e n e s so fr e s u l ta n de f f i c i e n c yo f p r o c e s s i n g ，a n dt r i e st om a k ei tap r a c t i c a ls y s t e mw h i c hc a nb eu s e df o rg e n e r a lt y p e so ft h r e a d k e y w o r d s ：s c r e wt h r e a d ：d e f e c t sd e t e c t i o n ：m a t h e m a t i c a lm o r p h o l o g y ：p a t t e r nr e c o g n i t i o n第一章绪论第一章绪论1 1 回转体零件缺陷检测研究的目的和意义螺纹零件是工业生产及生活中最重要的紧固、连接和传动组件。随着工业的高速发展，工业零件螺纹的缺陷检测和质量评价已成为工业生产中极为重要的一个环节，而且对缺陷检测技术水平的要求也越来越高。当前，螺纹测量有多种测量方法，但检测过程中都存在一些问题。而螺纹表面的质量直接影响工业的正常生产，由于磨蚀、磨损使其缺陷严重，导致接头的螺纹松动即脱扣，会影响生产并产生安全隐患，例如油田抽油管管柱破坏和失效引起的检泵井数在逐年上升，己占各种检泵情况之首。因此如何采用一种行之有效的螺纹检测方法，是目前急需解决的问题，这不仅要求检测效果好，而且还要速度快。传统的检验方法一般是由人工利用量规等工具对每个零件逐个进行，不仅工作量大，而且工人的眼睛长时间注视动态零件易疲劳，效率低下。而且，受测定人员的技术素质和经验限制，判断结果往往因人而异。判断结果的保存和查询也由手工进行，比较费时费力。同时，在对使用过的较大型零件的检查其磨损程度时，人工检测的主观性较强，难以保证一定的质量要求。面对工业上的需要，基于人工操作的传统的检测方法显得越来越无法胜任，迫切需要对传统的检测实现自动化。近年来，由于计算机硬件的不断发展，处理数据的速度和能力不断提高，以及计算机技术、图像处理和模式识别技术的不断完善和发展，国内外很多大学和科研机构相继尝试使用计算机代替人工进行检测，它的特点及优点是自动化程度高，减少了人为误差和干扰，信息处理量大，储存和检索快捷方便等。但是目前工业检测中的计算机视觉系统存在的主要问题是：准确度和精确性还有待提高。这是多方面原因造成的。一个是图像质量受成像系统和环境条件影响较大，另一个相关方向如模式识别、图像处理的理论研究还不够完善。本文以回转体零件的表面缺陷检测图像为研究对象，结合最新发展起来的数学形态学理论及数字图像处理技术，对采集到的零件图像进行处理、缺陷特征提取及定量分析，探索适于通用的可扩展的零件检测图像中螺纹缺陷的提取和判定方法，为零件的质量评价提供可靠依据。基于图像的回转体零件表面缺陷检测的研究具有较大的经济价值和现实意义。本文不仅能较有效的自动检测待检零件螺纹的各个局青岛大学硕士学位论文部缺陷情况，而且能综合起来对零件缺陷程度做出相应的评价。1 2 传统的零件缺陷检测的原理和方法工业上的物体形貌检测方法多种多样，从测量方式上分为接触式和非接触式两种。接触式测量都带有不同类型的探头，通过探头在物体表面滑动感知物体形貌的变化。这类表面质量检测系统，可以检测平缓曲面和平面的质量，如表面有无蚀坑等小缺陷。例如，轮廓仪可以精确测定物体轮廓的起伏变化，径向精度可以达到o 0 5 i t m ，主要用于精密表面的轮廓检测。三坐标测量仪可以测量较为复杂的机械加工表面，通过探针在表面滑动可以给出表面各点的二维坐标，精度较高，主要用于形位公差的测量。但是以上设备测量精度高，价格昂贵，要求测量表面的起伏范围极小，一般都是平缓变化的曲丽或平面。对于像螺纹牙这样凸兀的轮廓，虽然也可用三坐标仪测量，但成本高、效率低，难以进行测量。非接触式测量以光测为主。光测方法f = | 前都与图像处理技术相结合，利用光学方法对目标的位置、尺寸、形状、方位和目标间相互关系等进行测定，在工业检测方面具有广泛应用。光测具有非接触、全场测量和高精度的三大重要特点。非接触测量使得对被测物不用加以任何干扰限制，因此可以独立地、客观地对被测物进行静态或动态的测量。这使得许多不能在被测物上附加传感器的测量成为可能，且更客观和直观。光测方法主要有云纹法( m o i r em e 出o d ) 、激光散斑干涉( s p e c l ( 1 ei n t e r f e r o m e t r ym e t h o d ) 计量技术、直接光学成像测量方法。云纹法是通过测定出云纹并对其进行分析以确定试件的位移场或应变场的一种实验分析方法。将试件栅牢固地贴在试件表面，再将标准栅叠放在试件栅上，当试件栅随试件变形后，两栅片的栅格交叠形成条纹，通过条纹的分布与变化计算物体变形。云纹法分为面内和离面两种。面内云纹法需两块栅。它们相互接触重叠，就会因干涉而形成云纹。离面云纹法无须在试件表面印制栅线，常用的有影子云纹和反射云纹两种方法，前者用来测物体表面的等高线以及板壳变形后的挠度分布等，后者测平板的弯矩和扭矩分布。由于利用光传递栅线变形的信息，所以抗干扰性和稳定性都较好，也适用于非接触式测量。散斑干涉法 2 1 是1 9 7 0 年提出的，该测量方法具有非接触、高精度、全场等特点，利用相干激光束在物体表面产生干涉散斑，以干板记录干涉场的光强信息r 然后对于板的图像进行计算分析。八十年代后出现了数字散斑干涉技术( d i g i t a ls p e c k l e第章绪论p a t t e r ni n t e r f e r o m e t r y ) ，将散斑图量化为数字图像，大大提高了干涉条纹的清晰度，利用图像技术进行分析和测量也大大提高了测量效率。该技术以c c d 或t v 摄像机采集相干散斑干涉场的光强信息，电子信号经过数字处理后就以条纹图的形式显示出来，条纹可代表物体表面的振动模式、离面位移、位移导数及物体形状的等值线图。电子散斑干涉可以测量光学粗糙表面位移或变形等物理量，具有波长量级的灵敏度。散斑干涉技术要求的干涉条件苛刻，相干光源应位于极平稳的工作台面上，由于它可在粗糙度极低的表而上产生明显的干涉图样，所以对零件螺纹牙产生的散斑图样过于分散，难于分析和理解。以上的非接触式测量有很高的灵敏度，适合于精密表面的形貌和微小缺陷检测，但不适用高度尺寸变化很大的螺纹牙的检测。1 3 国内外研究的现状以数字图像为载体的计算机视觉系统是以计算机和获取的图像为工具，以图像处理技术、图像分析技术、模式识别技术、人工智能技术为依托，依据一定的规则或知识库处理所获得的图像信号，并从图像中获取某些特定信息。主要的研究领域有医学图像识别、光学字符识别( o p t i c a lc h a r a c t e r r e c o g n i t i o n ) 、指纹识别、人脸识别等。所用的方法多种多样，如小波分析、神经网络h l 、遗传算法等等。工业上，在电子工业、汽车制造业、纺织工业、机械加工业等行业，计算机视觉检测技术有着较广泛的应用，有的已开发出了成功的系统如集成电路的缺陷检测口】、纺织业质量监测 6 1 、焊点缺陷检测”8 1 等，成果十分丰富。从检测的原理上，从目前国内外文献有关计算机缺陷检测技术研究的报导，可以将这些技术大致分为三大类：1 、图像一图像参考m 1就是直接将被检测图像和参考图像进行比较，最简单的是求异或运算，发现显著区别的就判为缺陷存在点。这种方法常被用于印刷电路板的缺陷检测”1 。一般分两步进行，首先从参考图像中建立模板。参考图像是与被检测图像类似但无缺陷的图像。然后，将被检测的图像与参考图像和模板进行比较。还有一种情况是将同+图像的被检测区域与标准区域进行比较判断。文献2 1 在壁纸缺陷检测中用到的就是这种方法。作为被检测对象的壁纸，正常情况下是左右对称的，如果在生产中壁纸出现缺陷，则壁纸图案将不再左右对称，由此而引起对应位置上的灰度级出现较大的差别。2 、基于规则的检测技术”9 1基于规则的检测实质上是基于知识检测的一种。在这里，知识库是用规则库的青岛大学硕士学位论文形式来表示。检测过程中，先提取待测产品的图像特征，再与库中的规则进行比较，满足规则的为正常点，违背的则为缺陷点。规则的形式有多种，特征向量的取值范围就是其中之一。当待检测点的特征向量在特征空间中的位置属于正常的区域时，这点为正常点；否则就是缺陷点。规则库主要包括两个部分：( 1 ) 基于规则的系统的结构；( 2 ) 规则中的参数。规则库结构的选择是视具体问题而定的，例如，在处理多类分类的问题时，规则库可采用决策树的结构【1 0 l 。规则中的参数则通常是由专家经验或对样本进行训练来获得。采用基于规则的技术时，系统的运行分为两个阶段：学习阶段和检测阶段。学习阶段是为了得到不同像素的聚类区域，即区间划分，所得到的这种区间划分便作为检测时的判断规则。检测阶段则是根据规则对待测图像进行检验，由像素点是否满足规则来确定这点的性质。基于规则的检测技术无需对图像进行配准，它具有很大的灵活性，可以很方便地改变、增加参数、特征和规则。当环境改变导致参数需要重新训练时，基于规则的系统很容易对参数进行在线调整。但是，这种系统中难以一次性达到最优的效果，因此，在实际应用中需要不断地调整规则。此外，由于要进行规则提取、匹配等操作，检测的过程比较耗时。3 、基于模型的技术1 1 1 , 1 2 1基于模型的技术是目前工业检测中使用最为广泛的一种。在这种技术中，将待检测的图像用某种模型来描述，模型中包含相应的参数，这些模型参数取值范围便可作为图像性质的判别标准，如果待检测图像区域的模型参数在正常范围内，则认为该区域不存在缺陷，否则，认为该区域存在缺陷，从而实现了缺陷的检测。采用基于模型的技术进行检测时，选择一个合适的模型结构对后续的处理是极为重要的，有许多结构可用来描述模型，如字串、树结构和图表等。常见的有马尔可夫随机场模型( m r f ) 、自回归滑动平均模型( a r m a ) 等。一般地，基于模型的系统的运行也分为两个阶段：学习阶段和检测阶段。学习阶段是利用无缺陷的图像作为训练数据，对系统进行训练，从而得到模型的参数范围。检测阶段的任务是决定待测图像中是否存在缺陷，并获取与缺陷相关的信息，如缺陷位置等。此外，随着人工神经网络技术的发展，利用人工神经网络技术口0 1 进行缺陷的检测也取得了一些进展。通过检索各种参考文献，目前在工业中对螺纹参数尺寸测量的研究很多，但采用计算机视觉技术对零件螺纹等进行缺陷与质量检测只是处于研究阶段，并未实现产品化。国内外的文献所报道的都只是对相关的技术进行实验性研究的情况。这是由于螺纹缺陷的检测虽然也有定量的测量在里面，但是如何对其进行判定却不仅仅第一章绪论是点测量的问题，它是对相关的一片螺纹区域的综合分析，其难点在于对相关性区域信息的分析。1 4 本章小结本章首先介绍了回转体零件螺纹缺陷检测的目的和意义，在回顾了传统的检测方法和原理后，结合当前相关领域的研究和应用现状，探讨对零件螺纹进行缺陷与质量检测的研究。第二章回转体零件表面图像的采集2 1 采集系统设计在广泛研究了光、电等各门学科相关理论的基础上。按照测量要求选用、购买仪器及加工配件，既要保证测量精度、测试方法的先进性，又要兼顾经济、高效的原则。2 1 1 硬件构成图像采集系统主要由零件、固定和支持平台、转动装置、光源、数码相机组成。零件固定和支持平台用到的是一个表面光滑平整的圆盘，直径为2 0 厘米，圆盘的表面刷成白色或者淡红淡绿淡蓝等纯彩色，以便和黑或灰色的零件在图像中有较好的对比分离。圆平台表面的边缘用浅色标志出刻度，相邻的刻度与圆心等角。转动装置用到的是一个滚动轴承，直径为4 7 厘米，高0 9 厘米。以c c d 技术为核心，目前图像获取设备有黑白摄像机、彩色摄像机、扫描仪、数字相机等，性能与价格主要取决于c c d 的规格，如尺寸等。除了这些常见的类型外，于许多厂商提供各种其它的专用设备，如显微摄像设备、红外摄像机、高速摄像机、胶片扫描器等等。而图像的数字化设备可分为两类，一类是使用图像采集卡或通过图像卡将模拟制式的视频信号( r s l 7 0 c c i r 黑白电视信号、p a l n t s c 彩色电视信号、s - v i d e o 视频信号等) 采集到计算机，另一类是数码摄像机或相机及c c d摄像头本身带有数字化部件可以直接将数字图像通过计算机端口( 如并口、u s b 接口、i e e e1 3 9 4 接口等) 或标准设备( 如磁盘驱动器) 传送进计算机。相比较而言，图像卡目前仍是专业的常用图像数字化设备，低端的图像采集卡一般不具有图像帧青岛大学硕士学位论文存体而是直接将图像采集到计算机的内存中以供处理，如加拿大m a t r o x 公司的m e t e r o 系列，而高端的图像卡是集采集和处理于一一身的较贵的非标准配件，具有帧存体和数字信号处理器d s p 集邻域处理加速器n o a ，用于开发高速或实时处理应用。此外，还有一类普及型的多媒体视频采集卡，主要用于视频会议、视频邮件等应用。本文根据研究的情况，采集设备用到的是松下d s 3 0 摄像机，取它的相机功能，调整图像的大小为6 9 6 5 4 0 像素，2 4 位二进制颜色值，b m p 文件格式。因为本课题主要致力于螺纹的缺陷识别和分类，所以暂且不需建立过于复杂的摄像枫模型。本文进行摄像机内外参数标定的目标主要是标定合适的相应参数如：焦距、曝光量、视场角、快门速度、光圈大小等，使得所得到的图像能清晰、准确地反映被测物体的视觉信息。这里的前提是对于要检测的螺纹类型，我们已经知道了实际的螺距等参数。如果排除这个前提，那么，在螺纹旁与相机镜头光心垂直的位置放置一个标尺即可，其中标尺到光心的距离等于螺纹相对于成像的轮廓线所成的垂直平面到光心的距离，这样在图像处理中，就可以根据标尺上的刻度线之间的像素数与刻度单位的比例来确定以像素表示的物体的大小与实际尺寸的比例。2 1 2 背景与光照由于照明系统对视觉检测的影响很重要，照明装置设计的好坏直接影响到采集图像质量的优劣，好的照明装置能使待检零件的边缘轮廓较好的与周围的背景在图像中分离开，使后续的边缘检测能有良好的效果。本文为排除环境光对检测的干扰，光源用到的是两个1 0 0 瓦的普通照明以及相机的闪光灯，分别设置在左右两侧的位置上，这样会造成一种类似无影灯样的效果，减少了零件在图像中生成阴影而与背景混淆的可能。由于强光的直接照射，会使物体在成像上造成局部的光斑，如果是在边缘部分，则会给边缘检测的处理带来困难，因此，对各个光源都进行了柔和化处理。为了在后续过程中方便对图像的处理，在实际中可以考虑将环境设置成单一纯彩色色调或者白色，这也是由于一般的工业用回转体零件多呈灰色到黑色之间的灰度颜色，这样在采集到的图像中背景与零件的对比很鲜明，能够达到很好的分辨处理效果，这和两个照明光源的设置是出于同样的原因。2 1 3 装置设置因为数码相机的c c d 摄像头只能取得零件螺纹牙某一方向轮廓的二维数据信息，要想获得其各个不同方向轮廓的数据图像，待采集物体和相机之间必须要有某种形式的相对位置转动。而对于不同的回转体零件，有的类型我们需要其纵向的剖面，例如螺丝；有的类型我们需要它的横向剖面的数据，例如齿轮。因此对于不同的零件类型，本文设计了两种针对相机的固定装置。第二章同转体零件表面图像的采集( 一) 相机在平台的外侧上方，通过相机镜头光心的垂直线平行于平台，即相机的镜头垂直对准通过平台圆心的垂直线。调整焦距，使得相机视角在一定的范围之内。如图2 1 ，2 2 所示。图2 1 单台相机采集侧视图相机图2 2 单台相机采集俯视图平台动参考点( 二) 相机在平台的顶部且保持一定的距离，通过相机镜头光心的垂直线垂直于平台且在平台的中心附近，即相机正面正对着平台平面。这样的设置是针对某些种类的零件如齿轮等，它们的横截面均对齐。对于高度较小的零件，最少采集一幅即可；对于较高的，则可以作为用装置( 一) 采集零件信息的补充。将零件支持平台的圆心与轴承的旋转中心对齐，放置在轴承上，将零件垂直放置在平台的中心，平台边缘的某个刻度旁有一个固定指针，指向平台的刻度。平台与数码相机是处于同一个水平面上，以保证在采集到的图像中零件是垂赢于图像底边的。相机与平台的转动圆心保持一个确定的距离，调整好相机的焦距，使零件位于图像的合适部位，以后焦距保持不变。采集图像时先选取某一个刻度点作为开始点，将转动平台边缘的该点对齐一个固定的指针针尖，然后每隔一个刻度即固定的角度转动一次，同时相机成像一次。采集时零件两侧的轮廓同时出现在图像上，这样就不必转3 6 0 0 而只转半周就可以了，因此有公式n = 1 8 0 么( 其中n 是每个零件青岛大学硕士学位论文采集的数目，卢是每次转动的角度) 。每次转动角度的大小与采集到的螺纹信息完整性关系密切，角度越小，信息越完整，但是每个零件采集的图像数量增加了。本文设计的转动装置是依靠手动来进行的，如果为机械步进电机带动，并且使用较大面积的转动平台，则可大大提高效率和精确度。还可以利用两台或多台相机来进行采集，如图2 3 所示：多台相机放器在与转动平台平行的同一平面上，并且到平台圆心的距离都相等，即某一相同半径的与平台平行的平面圆环上，相邻的两台相机与平台圆心形成的夹角两两相等，且该圆环在平台平面的上方。多台相机之间等距分布，此时相邻的两台相机与平台的圆一t l , 索性成的角度都相等。由于多台相机分布在被测物体的周围，平台每转动一个刻度，可同时拍摄到不同方向多幅图像，因此，平台每转动一次的弧度可以是单台相机情况下的多倍，即平台每次转动的弧度与相机的台数成正比关系。在多台相机的情况下，务必要保证每个相机的画面中没有其他相机的成像，即它们都是在零件的某一个扇面范围内，否则可能使图像中相机与零件重叠。利用多台采集设备不仅大大提高了原始数据的采集效率，而且在相邻的两台相机与平台的圆心索性成的角度不相等的情况下可以获得被采集零件的更完整的轴剖顽轮廓图像信息。图2 3 多台相机采集俯视图数码相机与计算机之间通过通用串行总线( u s b ) 传输数据。带有标准u s b 接口的u s b 缆线由p a n a s o n i c 公司提供，目前市场上占主流的计算机均配有标准u s b接口，因此数码相机与计算机之间的数据传输十分方便。通过u s b 接口将采集的图第二章回转体零件表面图像的采集像输入计算机后，用计算机数字图像处理与识别的手段实现螺纹缺陷的显示与识别。除此之外，我们还可以利用摄像机的摄像功能，此时需由步进电机带动，电机以匀速机械带动来转动平台，摄像机则录制下整个过程。这样相对于开始的点，转过的角度与时间成正比，因此在视频中每隔一个固定的间隔选取一帧图像，以此作为要处理的数据，就可以达到与前面所提到的采集过程相同的效果，而且采集过程短，并可以根据需要任意调整间隔，具有很大的方便性。此时需要用到带有i e e e l 3 9 4接口的视频采集卡。i e e e l 3 9 4 规范最大比特率为4 0 0 m p h s ，较u s b 更具速度优势，具有适合流动视频的高数据传输速率。本实验中所选计算机的基本配置为主频1 g h z 带m m x 技术的p e n t i u mc p u ，4 0 g 的硬盘，2 5 6 m 内存，显卡为n v i d i a g e f o r c e z m x 带3 2 m 显存。2 。2 工作原理它是利用零件的有规则的转动，并结合光照及光学投影的原理，使各个转动角度的零件表面螺纹的轮廓投影在数码相机的c c d 上完成单个零件的全部采集工作。2 3 采集步骤根据圆面形检测平台边缘的刻度，每隔一个刻度均转动一次，同时数码相机拍照一次，随着检测平台完成一周的转动，采集完一个零件的全部信息。分别对标准的无缺陷零件和待检测零件进行图像的采集。在采集标准无缺陷零件图像的过程中可以没有先后顺序之分，因为在对数据的处理过程中有选择的，即先对标准的无缺陷零件图像进行处理。但是对采集到的每种类型的标准无缺陷零件图像必须分别置于各自不同的文件夹中，以避免各个不同的零件之间信息的混淆，这一步很重要。而且在采集待检测零件图像的过程中，应保持采集系统的各项参数不变。2 4 本章小结本章介绍了采集系统的总体设计和用到的相关硬件设备、照明和背景布置、其工作原理及采集方法和步骤，不仅要考虑它们各自的性能能否满足要求，还必须保证这些设备组合在一起是能协调工作，以便为后续的处理打下良好的基础。青岛大学硕士学位沦文第三章图像的预处理在各类图像系统中，图像的传送和转换总要造成图像质量降低。必须对采集到的降质图像进行改善处理，也即图像预处理。对图像进行预处理的主要目的是对图像质量加以提高，使图像更加清晰，从图像中划定所需要的区域，这有助于提高后续处理的效果。经过依次为图像去噪、边缘检测、目标区域分割的流程，最后得到二值化的图像。对图像进行二值化处理是必要的，这是因为在实用的图像处理系统中，要求处理的速度高、成本低、处理流程多、信息量大，彩色或者灰度图像处理花销太大，不是很理想，而且二值化后的图像能够用几何学中的概念进行分析和特征描述，比起灰度图像来说方便的多，更有优势。3 1 图像去噪处理图像预处理结果的优劣直接影响检测的结果。图像在采集和生成的过程中的每一步都会受到各种噪声的干扰和影响，使图像质量下降。为了抑制噪声，改善图像质量，必须对图像进行平滑处理。而一般的边缘检测技术，对图像中各区域像素灰度对比度大的边缘提取效果良好，而对对比度较小的边缘，其检测效果则不理想，或根本无法检测出来。不过，由于我们在图像采集的过程中，经过合理的调整和分配光源，使得待检目标与背景有了较好的分离，在图像中表现为相邻区域之间对比度较高。因此，在进行边缘检测之前不需对图像进行增强处理。然而，这种对光源的布置和运用导致背景噪声加大了，c c d 芯片在数字化数据的过程中也会产生噪声，必须进行图像去嗓处理。本文中噪声的种类按其产生的原因有( 1 ) 随机噪声( 包括高斯噪声和椒盐噪声) 。随机噪声主要是由摄像机c c d 传感器等电子设备以及传输过程中各种电气信号的干扰所产生，它具有离散性和随机性。各种传感器所获得的图像数据般都含有这两种噪声，或者其中之一为主要的噪声。高斯噪声主要表现为，对同一景物连续几次采集图像，某些像素在不同的图像中其值不同。而椒盐噪声则表现在某一像素值的突变上，该值与它周围的像素值完全不相干。( 2 ) 系统固有噪声。系统固有噪声主要是图像采集系统的测量误差引入的，如光源产生的照明视场噪声等。在图像中，固有噪声的存在主要表现为一组像素的值明显地异于真实图像。常用的噪声去除方法：传统的去除噪声的方法是在空问域和频域中对图像进行平滑处理。频域方法通1 0 第三章图像的预处理常是先对图像在频域中进行某种变换( 傅立叶变换、小波变换等) ，再实施相应处理。这种方法能有效地抑制信号中的随机噪声，但是它容易造成图像信息的损失。空问域方法主要采用各种图像平滑模板对图像进行卷积处理，以达到压抑或消除噪声的目的，不过，在消除或压抑随机点噪声的同时往往会使图像变模糊，损失图像中大量的微细影纹和边缘特征信息。l 空间域除噪方法( 1 ) 低通滤波通常情况下，图像的能量大部分集中在幅度谱的低频和中频部分，而噪声主要位于高频部分，在图像中表现为灰度的突变。低通滤波器的作用就是滤掉高频分量保留低频分量，从而达到减少图像噪声的目的。对数字图像进行低通滤波是将某一像素的值替换为它邻域内的像素的加权和，它实质上是利用一模板对图像进行平滑运算，不同的模板中，邻域像素的加权系数是不同的，但各权数必须是不为负的整数。低通滤波能有效地抑制高斯噪声和高频的系统噪声，但是，它会造成图像的模糊，从而丢失了图像的边缘信息。( 2 ) 中值滤波中值滤波是把以某点( x ，y ) 为中心的小窗口内的所有像素的伙度接从大n 4 , 的顺序排列，将中间值作为( x ，y ) 处的灰度值( 若窗口中有偶数个像素，则取两个中间值的平均) 不同于低通滤波会使图像模糊的特点，中值滤波在去除噪声的同时保留了图像的边缘信息。它对椒盐噪声有良好的抑制作用，但对高斯噪声却无能为力。( 3 ) 邻域平均将每个像素的灰度用其邻域内的像素灰度的平均值代替，这就是邻域平均法的思想。邻域的选择通常有两种：以单位距离为半径或以单位距离的八倍为半径，前者形成四点邻域，后者则为八点邻城，即取某一像素周围的四个或八个像素来计算其灰度平均值。邻域平均法能有力地抑制噪声，但它仍然会使图像模糊，模糊程度与邻域半径成正比。2 频域除噪方法傅立叶变换是一种经典的方法。但在这些传统的除噪方法中存在。个至今尚未得到很好解决的难题，即在去除图像随机噪声的同时会引起图像边缘的模糊，而在保留和增强图像边缘的同时又会增强图像的噪声。为了解决这个难题，人们一直在寻找新的算法和技术，近年来小波变换作为一种有效的时间空间尺度分析方法，受到了j “泛的关注，其应用已遍及信号和图像分析处理的多个研究领域。多分辨率分析是小波分析的重要概念，一个信号在不同尺度上的多分辨率分析，相当于对同一景物在不同距离上的摄影，因而能够以不同的层次显示信号的特征。多分辨率分析的实质就是把信号在一系列不同层次的空间上进行分解。这种信号分解可以将各青岛大学硕士学位论文种交织在一起的、不同频率组成的混合信号分解成才；同频率的子信号，因而能有效地应用于如信噪分离、编码解码、识别模式等问题。的确，为滤除、平滑图像中的噪声，人们已经提出了很多方法。从另一个角度，数字图像的平滑去噪技术还可以分为两类：一类是全局处理，即对噪声图像的整体或大的块进行校正以得到平滑的图像。如在变换域中使用w i e n e r 滤波、最小二乘滤波等。这些技术需要知道信号和噪声的统计模型。但对于大多数图像来说，人们不知道或不可能用简单的随机过程精确地描述统计模型，而且，这些技术计算量也相当大。第二类平滑技术是对噪声图像使用局部算子。当对某一像素进行平滑处理时，仅对它的局部小邻域的一些像素加以运算，其优点是计算效率高，而且可以多个像素并行处理，可实现实时或者准实时处理，适合于本文。具体采用哪种平滑处理方法，视噪声图像本身的特性而定。在本文中，由于精心设计了图像采集系统，从多个方面减少了采集过程中产生的噪声，包括环境的干扰噪声、照明视场噪声和热电子噪声等干扰，所得到的产品图像比较清晰，且噪声较少。在这种情况下，除噪措施可采用简单的空间域除噪方法。根据前面的讨论，空间域方法对随机噪声具有良好的抑制作用，但它对图像的模糊效应是不容忽视的。经过实验比较发现，由于考虑了位置的影响，利用高斯模板5有比较好的效果。经过与未经过高斯模板处理后的边缘检测如图3图3 1 经高斯模板去噪后的g a u s s l a p l a c e 边缘检测。j 、。”。一“图3 2 未经高斯模板去噪的g a u s s l a p l a c e 边缘检测35666一不如o 所23 铂6丑 ，第三章图像的预处理3 2 边缘检测一幅原始图像通过数字图像增强方法处理后，噪声大幅降低，图像质量也有明显的改善。有时候人们感兴趣的只是图像中的某一部分内容，例如图像的目标物体、边界轮廓等。因此，去掉冗余信息，保留图像的特征信息就成为我们下一步的研究内容。利用计算机进行图像处理有两个主要的目的：一是产生根适合人们观察和识别的图像；二是希望能有计算机自动识别和理解图像，根据人眼的胜利特点，总是对场景中亮度变化较快的部分和不同物体相互交互的部分比较敏感，所以从某种意义上可以认为图像的边缘部分集中了图像大部分的信息。图像边缘的确定与提取对于整个图像中目标物体的识别与理解是非常重要的。好的边缘检测算法对进行更高层次的图像分析、理解等的有着不可忽视的实用价值和影响。边缘检测指在一幅有一个或多个物体的场景图中寻找其涉及的研究对象与背景问或对象之间的边界如物体边界、阴影边界、表面突变点等等。通常我们通过某图像确定点的灰度值、色度等来分辨物体的边界，这是寻找并定位不连续的灰度值的过程。图像的边缘是图像的最基本的特征。所谓边缘是指其周围像素灰度有阶跃变化或者山头状变化的那些像素的集合。边缘广泛存在与物体与背景之间、物体与物体之间。物体的边缘是由灰度不连续性所反映的。经典的边缘提取方法是考察图像的每个像素在某个邻域内灰度的变化，利用边缘附近一阶或二阶方向导数变化规律，用简单的方法检测边缘，这种方法称为边缘检测局部算子法。边缘的种类可以分为两种：一种称为阶跃状边缘，它的两边的像素的灰度指有着显著的不同：另一种称为屋顶状边缘，它位于灰度值从增加到减少的变换转折点。对于阶跃状边缘，二阶方向导数在边缘处呈零交叉；而对于屋顶状边缘，二阶方向导数在边缘处取极值。对于图像中某一个物体边界上的一点，它的邻域是一个灰度的变化带，对这种变化最有用的两个特征是灰度的变化率和方向，它们分别以梯度向量的幅度和方向来表示。边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，也包括方向的确定，大多数采用导数掩模求卷积的方法。在实际应用中，常用的边缘检测算子有：1 、r o b e r t s 算子这是一种利用局部差分算子寻找边缘的算子，其采用两个2 x 2 大小的掩模模板l1oi 、lo1l 对图像的边缘进行检测。从形式上看，该算子是比较简单的。该l o l jl lo j13 青岛大学硕士学位论文g ( x ，y ) = 厕一7 ：瓦丽】2 “7 而一、7 丽 2 ) 烂或g ( x ，y ) = 1x f ( x ，y ) 一厂( x + 1 ，y + 1 ) i + l ( x + l ，y ) 一，( 石，y + 1 ) 1睢卅盼1 畔- 1 州_ 1 ；川矧a 。( 0 0 方向)爿2 (