柱体表面缺陷区域面积自动检测系统的研究.docx
- 文档编号:26418308
- 上传时间:2023-06-19
- 格式:DOCX
- 页数:5
- 大小:18.71KB
柱体表面缺陷区域面积自动检测系统的研究.docx
《柱体表面缺陷区域面积自动检测系统的研究.docx》由会员分享,可在线阅读,更多相关《柱体表面缺陷区域面积自动检测系统的研究.docx(5页珍藏版)》请在冰豆网上搜索。
柱体表面缺陷区域面积自动检测系统的研究
柱体表面缺陷区域面积自动检测系统的研究
摘要在高精度面阵CCD相机的支持下和计算机图像处理技术基础上,提出柱体表面缺陷面积的检测方法,首先将柱体曲面图片展开为平面图,提出确定阈值、噪声去除和轮廓跟踪的方法;再从处理后图像中提取表征缺陷轮廓特征,并补全轮廓,利用区域填充方法对缺陷面积进行填充,实现了计算机对缺陷图像面积的自动监测。
关键词CCD;柱体表面缺陷;图像处理;阈值;噪声去除;轮廓跟踪
表示某种特征的面积在生产和科研中有着广泛的应用。
目前,在现代的很多企业里面,仍然采用人工视觉检测的方法进行原材料、成品和半成品的表面面积进行检测。
人工检测具有主观性误差,使得检测合格率的可信度较低,因此对产品的质量都有重要影响。
人工视觉的检测方式已明显不能满足高效率、低成本的要求。
面对当今科学技术的飞速发展的形势,不能不看到人工视觉检测存在着极大不足。
而且面积检测基本上采用间接测量法,对非规则图形要准确测量面积就比较困难。
图像检测技术在它不受图形形状的限制,适用范围广,基本思路为统计被检测区域相应像素点数,再换算成以平方米为单位的面积。
这些被检测区域可以是表面的锈斑、烧蚀、划伤、磨损等不规则区域,可根据表面特征的不同用图像处理方法将特定区域提取出来(这些工作已有很多书刊涉及到)。
但被测对象大多数都是平面物体的面积,而对柱体曲面上任意形状面积的高精度检测或计量方面的相关论文非常少。
采用高精度面阵CCD相机通过摄影测量方法对柱体表面缺陷面积进行了检测。
该检测方法利用CCD相机获取柱体及缺陷区域,为了提高检测精度,要求柱体部分必须占到场景的80%以上。
这样利用提出柱体表面缺陷面积的检测方法,将其从随机拍摄的图片还原到平面图上,确定其阈值、去除噪声和跟踪轮廓,再从处理后图像中提取能表征缺陷轮廓特征,并补全轮廓,从而实现计算机对柱体缺陷图像面积的自动识别。
该检测方法与其他检测方法相比,具有精度高、成本低、误差小,实时快速测量的优点。
1实验系统与方法
本系统主要有CCD摄像头、图像采集卡、图像处理计算机等三个部分组成,图1为系统结构示意图。
CCD摄像头
CCD摄像头光学镜头和图像传感器及相关电路组成,与待检测物垂直安装在的正前方。
中使用的CCD为Akita(爱科)公司生产的DC-24型彩色摄像头,其主要性能指标如下:
1)视频信号制式:
PAL
2)有效像素数:
752×582
3)扫描面积:
×
4)信噪比:
50分贝
5)最低照度:
,图像采集卡
图像采集卡的主要作用是对CCD摄像头采集到的图像信号进行A/D转换,然后输入到计算机中。
采用的图像采集卡为天敏公司生产的SDK2000型采集卡,其主要性能指标为:
1)PCI总线,兼容Windows即插即用(PNP),安装简易。
2)每秒可达30帧。
3)显示分辨率可达640x480、24位真彩色。
2从透视图像到平行投影图像的转换
每个镜头都有一定的景深,在景深范围内的物体均能清晰地成像。
因柱体表面为曲面,其上各点到摄像头的距离各不相同,此时CCD摄像头所拍摄到的图像是依据透视变换关系将三维物体通过镜头成像在CCD敏感面上的二维平面图像,这里笔者称其为透视图像。
这里计算实际面积必须进行从透视图像到平行投影图的转换。
其方法是:
⑴图像水平旋转校正,利用hough变换找到柱体的轮廓边缘的轮廓直线和标记直线,将其旋转校正至水平。
⑵图像垂直移位,将柱体中轴与图像中心线重合。
尽管图像已经水平,但在图像中的柱体部分或上或下偏移图像中心,这就需要将图像中的柱体部分移至图像中央,即图像中轴线与柱体中轴线重合。
根据以标定的标尺和照片上标尺的实际大小可以确定相机至柱体的距离,可以算出柱体对应的角,又已知柱体半径,根据照相点和投影点的关系可以将圆柱体表面还原,再以圆柱中心对应等距离照相点投影到该面上的投影就是我们要求的。
这就将柱体中轴与图像中心线重合。
⑶图像垂直校正,将曲面图形转换成平面图像。
求出脱粘面的边缘轮廓坐标,这样利用轮廓在中轴线上横坐标(以图中心为坐标原点)值i不变,垂直于中轴线上的纵坐标值j按照r*asin(j/r));,将缺陷面的轮廓还原成平面上的实际轮廓大小,利用matlab工具箱中的函数求出轮廓内的象素点的个数.
3图像预处理
柱体表面缺陷图CCD相机取出,记取在图像缓冲器上后,将灰度图像二值化,除去干扰,可进行缺陷轮廓提取。
二值化以下的处理计算机进行。
以下,阐述图像的滤波、阈值的确定、缺陷轮廓提取及缺陷图像的复原。
在图像拍摄过程中,于光照不均而造成的亮度不均会严重影响图像的二值化,从而使图像边缘轮廓部分丢失,因此需要针对亮度不均进行校正,以便正确地分离出边缘轮廓,运用同态滤波对亮度不均进行校正,运用同态滤波使图像的光照得到了整体上的抑制,并使目标与背景的对比度有所改善。
阈值的确定
为了检测出缺陷的边缘,进行图像分割(缺陷子图像的提取),灰度分割阈值T的选择相当重要。
在对图像进行了二值化,对于直方图双峰明显,谷底较深的图像,双峰法和迭代法,这两种方法可以较快地获得满意结果。
双峰法实现简单,要根据直方图特征设定一个合理的峰宽;迭代法运算稳定,但运算量大;简单统计法避免了分析灰度直方图,因此适应面广,实现也很简单。
但是对于直方图双峰不明显,或图像目标和背景比例差异悬殊,此两种方法就不能完全提取出重要的信息,使处理出的图像效果都不是非常理想。
最大类间方差法(OTSU法)处理出的图像边缘比较清晰,算法也比较稳定。
对于不同光照条件下得到的图像,最大类间方差法处理出的图像边缘一致性最好,重复性边缘定位基本可以控制在一个像素范围内。
最大类间方差法致命的缺陷是当目标物与背景灰度差不明显时,会出现无法忍受的大块黑色区域,甚至会丢失整幅图像的信息。
为了解决这个问题,有人提出了灰度拉伸的增强最大类间方差法。
这种方法的原理其实就是在最大类间方差法的基础上通过增加灰度的级数来增强前后景的灰度差,从而解决问题。
灰度增加的方法是用原有的灰度级乘上同一个系数,从而扩大灰度的级数,选择一个比较合适的拉伸系数改进最大类间方差法后处理图像效果会更好,因为图像的边缘会随着图像拉伸而变化,不合适的拉伸系数会破坏图像的边缘。
缺陷轮廓提取
对预处理过的图像进行图像特征抽取,所抽取出的象素点可能粗细不均,为了突出轮廓线的形状特点和后续轮廓提取,则需要进行轮廓细化。
这里给出一种简单的细化算法,所谓细化就是从原来的图像中去掉一些点,但仍要保持原来的形状,实际上是保持原来的骨架。
判断一个点是否删去可根据它邻域内的八个相邻点来判断。
具体的细化算法如图2:
一幅图像中的一个3*3区域,对各点标记名称A1,A2,…A9,其中A1位于中心。
如果A1=1即黑点,且下面四个条件同时满足,则删除Ai。
2≤NZ(A1)≤6
Z0(A1)=1
A2*A4*A8=0ORZ0(A1)≠1
A2*A4*A6=0ORZ0(A4)≠1
标记点和邻点
几种不可删除的情况图2细化示意图
对图像中的每一个点重复这一步骤,直到所有的点都不可删除为止。
轮廓坐标提取采用二值图像轮廓跟踪的算法提取轮廓坐标。
首先找到第一个边界象素,按照从左到右,从下到上的顺序搜索,找到第一个黑点一定是最左下方的边界点,记下该点坐标。
以该边界点为起始点,沿顺时针方向环绕整个图像一圈找到所有边界点。
于边界是连续的,所以每一个边界点都可以用这个边界点对前一个边界点所张的角度来表示。
因此可以使用下面的跟踪准则:
从第一个边界点开始,定义初始的搜索方向为沿左上方;如果左上方的点是黑点,则为边界点,否则顺时针旋转45度。
这样一直到找到第一个黑点为止。
然后把这个黑点作为新的边界点,在当前搜索方向的基础上逆时针旋转90度,继续用同样的方法继续搜索下一个黑点,直到返回最初的边界点为止。
每搜索到一个边界点就记下该点坐标,这样,轮廓坐标数据就得到了。
4根据已知的轮廓,计算轮廓内的象素点,再利用已知标定线的与象素的关系求出实际面积。
5结束语
讨论了在高精度CCD相机的支持下和计算机图像处理理论基础上,提出柱体表面缺陷的检测方法,给讨论了柱体曲面上的区域面积检测的相关技术,设计的测量方法解决了摄像机标定、因曲面引起的各点物距不同所造成的影响等问题,能自动、高精度地完成特定面积的检测。
这种测量方法能很好的利用CCD相机与计算机的高度结合,消除了个人主观误差,保证了面积测量的精确度。
以后将就提高精确度、非典型曲面面积检测做进一步的研究工作。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 柱体 表面 缺陷 区域 面积 自动检测 系统 研究