劉紅　薛立勤

摘要：傳統(tǒng)的金屬制品檢測(cè)方法不但容易造成誤檢或者漏檢，而且檢測(cè)速度過慢，原材料損失較大。設(shè)計(jì)了一種基于數(shù)字圖像處理技術(shù)進(jìn)行金屬圓柱體缺陷檢測(cè)的方法，可以有效解決上述問題。以數(shù)字圖像處理技術(shù)為核心，通過MATLAB平臺(tái)進(jìn)行軟件編程仿真實(shí)現(xiàn)。設(shè)計(jì)包括采集圖像信息、圖像預(yù)處理、提取圖像特征三部分。通過實(shí)驗(yàn)，實(shí)現(xiàn)了計(jì)算機(jī)對(duì)金屬圓柱體缺陷圖像的自動(dòng)檢測(cè)，具有非常好的擴(kuò)展功能，大大提高了工作效率，節(jié)省了成本。

關(guān)鍵詞：數(shù)字圖像處理；機(jī)器視覺；圓柱體；表面缺陷

DOIDOI：10.11907/rjdk.151551

中圖分類號(hào)：TP317.4

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)文章編號(hào)：16727800（2015）008020502

0 引言

傳統(tǒng)的金屬圓柱體檢測(cè)大部分采用人工檢測(cè)方法，主觀判斷、工作強(qiáng)度大等因素影響，容易造成圓柱體的誤檢或者漏檢?；跀?shù)字圖像處理技術(shù)的檢測(cè)方法不受主觀因素、工作強(qiáng)度等限制，應(yīng)用范圍廣泛。與平面物體的檢測(cè)相比，圓柱體因受曲率和表面材料等因素的影響，導(dǎo)致表面受光不均勻，圖像采集與處理實(shí)現(xiàn)相對(duì)困難。本文通過機(jī)器模擬人的視覺系統(tǒng)，采集被檢測(cè)區(qū)域圖像，統(tǒng)計(jì)被檢測(cè)區(qū)域相應(yīng)的像素點(diǎn)個(gè)數(shù)，進(jìn)而換算成以平方米為單位的面積[1]。然后依據(jù)不同的表面特征，將這些特定區(qū)域用數(shù)字圖像處理方法提取出來進(jìn)行相應(yīng)的檢測(cè)，實(shí)現(xiàn)對(duì)圓柱體的快速檢測(cè)。

1 圖像采集

采用線掃描相機(jī)實(shí)現(xiàn)圓柱體的360°全周圖像高速采集，將線掃描數(shù)據(jù)輸入計(jì)算機(jī)并拼接展開成一幅完整的平面圖像，然后對(duì)此圖像進(jìn)行處理，繼而對(duì)圓柱體產(chǎn)品外表面及其相關(guān)區(qū)域進(jìn)行詳細(xì)的檢測(cè)。線掃描相機(jī)獲得圓柱體側(cè)表面完整圖像的過程如圖1所示。

其中，線掃描相機(jī)分辨率b（mm）、掃描周期τ與被測(cè)圓柱體的角速度ω滿足的關(guān)系為：

2b=τωD（1）

首先通過米尺確定D的粗測(cè)值，用D的粗測(cè)值確定τ和ω的乘積區(qū)間，然后用試探法分別確定τ值和ω值。其中τ值由軟件調(diào)節(jié)。這樣，當(dāng)圓柱體旋轉(zhuǎn)一周時(shí)，線掃描相機(jī)可掃描出H=πD /b條線，即可得到高是H（行）寬是W（列）的圖像S，整幅圖的掃描周期為Ti=τπD /b[2]。

2 圖像預(yù)處理

為形成計(jì)算機(jī)較為容易分析的圖像，需將線掃描相機(jī)采集到的原始圖像進(jìn)行預(yù)處理。本文采集高質(zhì)量圖像并對(duì)其進(jìn)行預(yù)處理是整個(gè)設(shè)計(jì)的關(guān)鍵所在。對(duì)于圖像預(yù)處理主要從圖像濾波去噪和圖像分割兩個(gè)方面進(jìn)行。

2.1 圖像濾波去噪

圖像噪聲的種類多種多樣，根據(jù)產(chǎn)生原因的不同可分為內(nèi)部噪聲與外部噪聲。通常采用濾波的方法來消除噪聲，提高圖像質(zhì)量和突顯目標(biāo)特征等信息。本設(shè)計(jì)采用3×3中值模板濾波，得到的圖像比較清晰并能夠很好地保留圖像邊緣信息。在這里不能選擇過大的窗口，否則會(huì)丟失圖像的邊緣信息，使圖像邊緣變得模糊不清。

中值濾波原理為：坐標(biāo)點(diǎn)（x，y）、大小為m×n的窗口表示為Sxy，中值濾波是選取窗口Sxy中被干擾圖像g（x，y）的中值[3]，作為坐標(biāo)點(diǎn)（x，y）的輸出，公式為：

f（x，y）=Median（s，t）∈sxy[g（s，t）]（2）

在MATLAB中，采用函數(shù)medfilt2（I，[m，n]）對(duì)圖像進(jìn)行中值濾波。采用中值濾波模板后圖像如圖2所示。

圖2 3×3中值模板濾波

左圖為加了椒鹽噪聲的灰度圖像，噪聲密度為0.05，右圖為模板濾波之后的圖像。從圖中可以看出，3×3中值模板濾波對(duì)椒鹽噪聲的抑制效果良好，缺陷區(qū)域的邊緣信息得到了有效保留。

2.2 圖像分割

圖像分割是計(jì)算機(jī)機(jī)器視覺技術(shù)中必不可少的關(guān)鍵步驟。圖像分割的優(yōu)劣將對(duì)計(jì)算機(jī)視覺中的圖像理解產(chǎn)生重要影響。針對(duì)本設(shè)計(jì)中圓柱體缺陷檢測(cè)特點(diǎn)和算法本身性能，決定采用耗時(shí)少并且算法計(jì)算簡(jiǎn)單的Roberts算子。

對(duì)離散圖像f（x，y），邊緣檢測(cè)算子用圖像的垂直和水平差分來逼近梯度算子[4]，即：

在進(jìn)行邊緣檢測(cè)時(shí)，對(duì)于圖像中的每一個(gè)像素計(jì)算f，然后求絕對(duì)值，最后進(jìn)行閾值操作[5]。Roberts算子計(jì)算公式為：

Roberts算子是由如圖3所示的兩個(gè)模板組成。

圖3 Roberts算子模板

在MATLAB中，采用函數(shù)edge（）進(jìn)行圖像邊緣檢測(cè)，函數(shù)返回與輸入圖像大小相同的二值圖像，數(shù)據(jù)類型是邏輯型。調(diào)用格式為BW=edge（I，Roberts，thresh）。采用Roberts算子邊緣檢測(cè)的圖像如圖4所示。

從圖4可以看出，Roberts算子對(duì)圖像提取的邊緣響應(yīng)較好，達(dá)到了本設(shè)計(jì)在圖像預(yù)處理后對(duì)圖像特征提取的要求。

圖4 Roberts算子邊緣檢測(cè)

3 圖像特征提取

系統(tǒng)提出諸如形態(tài)、紋理、灰度等特征的缺陷特征種類，由于計(jì)算量大、計(jì)算度比較復(fù)雜，本設(shè)計(jì)只針對(duì)圓柱體的缺陷面積、周長(zhǎng)、圓度等參數(shù)進(jìn)行提取。

3.1 圖像缺陷面積提取

特征區(qū)域的面積是區(qū)域的一個(gè)基本特性，區(qū)域面積的大小和缺陷直接相關(guān)，通過計(jì)算特征區(qū)域內(nèi)標(biāo)記了的像素?cái)?shù)目，把像素值變?yōu)闃?biāo)號(hào)，對(duì)標(biāo)號(hào)的總和進(jìn)行統(tǒng)計(jì)即可得出特征區(qū)域的面積。對(duì)一個(gè)區(qū)域R來說，它的面積S可用如下公式進(jìn)行計(jì)算：

S=∑（x，y）d（x，y）（5）

式（5）中（x，y）表示像素點(diǎn)坐標(biāo)。

3.2 圖像缺陷周長(zhǎng)提取

周長(zhǎng)是一種簡(jiǎn)單的區(qū)域特征，它是圍繞特征區(qū)域中目標(biāo)像素的外邊界上的像素點(diǎn)數(shù)之和。鏈碼用于描述目標(biāo)圖像的邊界，按照標(biāo)準(zhǔn)方向的斜率可分為4向鏈碼和8向鏈碼[6]，如圖5所示。

圖5 4向鏈碼和8向鏈碼編號(hào)

設(shè)邊界線上鏈碼為偶數(shù)的像素點(diǎn)個(gè)數(shù)為M，鏈碼為奇數(shù)的像素點(diǎn)個(gè)數(shù)為N[7]。從圖5可知，傾斜方向的像素之間距離為2，并列方向的兩個(gè)像素之間距離為1，所以特征區(qū)域的周長(zhǎng)C可表示為：

C=M+2N（6）

3.3 圖像缺陷圓度提取

缺陷的圓度反映了特征區(qū)域與圓相接近的程度，是測(cè)量區(qū)域形狀常用的量[8]。閉區(qū)域的面積S與閉區(qū)域周長(zhǎng)的平方C2的比值乘以4π即為圓度的計(jì)算公式，通常用e來表示：

e=4πSC2（7）

其中，e=1時(shí)，目標(biāo)區(qū)域?yàn)閳A形。e越小，目標(biāo)越復(fù)雜。

對(duì)金屬圓柱體的幾何缺陷特征樣本提取測(cè)量結(jié)果見表1。

4 結(jié)語

本文基于數(shù)字圖像處理技術(shù)對(duì)金屬圓柱體進(jìn)行缺陷檢測(cè)，對(duì)金屬圓柱體采集圖片通過軟件編程仿真，實(shí)現(xiàn)對(duì)圖片的預(yù)處理與特征提取，大力提高了工作效率，滿足了無損檢測(cè)要求。其中關(guān)鍵是圖像的采集和圖像的預(yù)處理兩個(gè)部分。系統(tǒng)設(shè)計(jì)相對(duì)簡(jiǎn)單，本文對(duì)于圖像采集部分中圖片拼接技術(shù)沒有過多介紹，對(duì)圓柱體的缺陷特征檢測(cè)技術(shù)闡述較少。

參考文獻(xiàn)：

[1] 樂靜，郭俊杰，朱虹.回轉(zhuǎn)曲面上特定區(qū)域面積的圖像檢測(cè)方法[J].西安理工大學(xué)學(xué)報(bào)，2003（3）：7679.

[2] 孫曉軍.線陣CCD在圓柱體表面檢測(cè)系統(tǒng)中的應(yīng)用[J].光學(xué)技術(shù)，2000（1）：123125.

[3] 楊丹.趙海濱.龍哲.MATLAB圖像處理實(shí)例詳解[M].北京：清華大學(xué)出版社，2013.

[4] 何俊峰.基于視覺原理的圖像邊緣檢測(cè)算子研究[D].武漢：華中科技大學(xué)，2006.

[5] 王勇智.基于圖像處理的變形迷彩目標(biāo)發(fā)現(xiàn)研究[D].重慶：重慶大學(xué)，2009.

[6] 厲謹(jǐn).圖像型火災(zāi)探測(cè)技術(shù)的研究[D].西安：西安建筑科技大學(xué)，2010.

[7] 史顏玲.基于形狀特征的圖像特征提取方法及其在醫(yī)學(xué)圖像分析中的應(yīng)用[J].許昌學(xué)院學(xué)報(bào)，2011，30（2）：4750.

[8] 王慧楠.基于機(jī)器視覺的圓柱滾子表面缺陷檢測(cè)系統(tǒng)[D].洛陽：河南科技大學(xué)，2012.

（責(zé)任編輯：杜能鋼）