王瑩　王勁松　崔士寶　安志勇

摘要： 針對汽車發(fā)動機(jī)進(jìn)氣管中存在雜質(zhì)及缺陷難以檢測的現(xiàn)狀，提出了以機(jī)器視覺為基礎(chǔ)，以LabVIEW的Vision and Motion模塊及其附屬可視化軟件Vision Assistant獲取圖像信息的檢測方法。通過對圖像進(jìn)行預(yù)處理、形態(tài)學(xué)處理、圖像分割、高級形態(tài)學(xué)處理等建立起一個完整的汽車發(fā)動機(jī)進(jìn)氣管檢測系統(tǒng)。實(shí)踐表明，該檢測方法操作合理，檢測方便，實(shí)用性強(qiáng)，可視化效果好，完全滿足檢測技術(shù)要求。

關(guān)鍵詞：

LabVIEW； 圖像處理； 雜物檢測

中圖分類號： TP 751 文獻(xiàn)標(biāo)志碼： A doi： 10.3969/j.issn.1005-5630.2015.04.006

Abstract： In this paper，a method based on machine vision has been presented，which is used to detect the impurities and defects existing in the intake pipe of automobile engine. By establishing the module of Vision and Motion in LabVIEW and Vision Assistant，the method conducts a series of image processing，such as image preprocessing，image morphology processing，image segmentation，senior morphology processing，and develops the detection system for the intake pipe of automobile engine. Practice shows that this detection method is reasonable and the operation is convenient and practical. The visual effect is good. The detection method meets the testing requirements.

Keywords：

LabVIEW； image processing； impurity detection

引 言

發(fā)動機(jī)是汽車系統(tǒng)中最為關(guān)鍵的部件，隨著汽車產(chǎn)業(yè)的飛速發(fā)展，對汽車發(fā)動機(jī)性能也有了更高的要求。進(jìn)氣管則是汽車發(fā)動機(jī)的關(guān)鍵部件之一，然而傳統(tǒng)檢測發(fā)動機(jī)進(jìn)氣管好壞的方法已不能滿足發(fā)動機(jī)的性能要求，因此必須設(shè)計(jì)出更先進(jìn)的檢測設(shè)備。針對汽車發(fā)動機(jī)進(jìn)氣管中的雜物和缺陷[1-3]，本文利用NI公司的LabVIEW軟件及其附帶可視化軟件Vision Assistant和機(jī)器視覺技術(shù)，獲取圖像信息并進(jìn)行分析，提出了一種運(yùn)用機(jī)器視覺檢測的方法。

1 系統(tǒng)組成及其原理

汽車發(fā)動機(jī)進(jìn)氣管檢測系統(tǒng)主要由自帶光源攝像頭、凌華圖像采集卡、LabVIEW處理平臺和一系列硬件設(shè)備等組成，其設(shè)備俯視圖如圖1所示。

該系統(tǒng)利用LabVIEW平臺通過繼電器來控制檢測設(shè)備，當(dāng)被檢測器件在夾具中放置好后，啟動設(shè)備攝像頭1和3進(jìn)行外部圖像采集，將采集到的圖像進(jìn)行一系列的處理，此圖像處理是該檢測系統(tǒng)的核心。然后氣缸1推動夾具將進(jìn)氣管口對準(zhǔn)到攝像頭2和4運(yùn)動軌道，再推動氣缸2和3使攝像頭2和4進(jìn)入管內(nèi)，對管內(nèi)進(jìn)行圖像采集和處理，處理后顯示結(jié)果。全部完成后設(shè)備還原成檢測前狀態(tài)。

2 圖像采集

圖像采集是圖像處理的前提，圖像質(zhì)量的好壞將會對圖像處理產(chǎn)生影響。本設(shè)備采用凌華圖像采集卡ADLINK，完成圖像采集卡安裝后，在LabVIEW中會多出ADLINK Vision子模塊，子模塊中提供了獲取圖像的各種子vi模塊，包括：打開相機(jī)、配置相機(jī)、啟動采集、獲取圖像、關(guān)閉相機(jī)等子vi模塊，編寫程序后便可采集圖像。采集圖像子程序如圖2所示。

3 圖像處理

為了能夠清晰地捕捉到排氣管中圖像信息，本系統(tǒng)采用2個攝像頭對圖像進(jìn)行采集，因此在圖像處理過程中將分為外部攝像頭圖像處理和內(nèi)部攝像頭圖像處理兩部分。在圖像處理之前首先應(yīng)用Color Plane Extraction子vi模塊來將彩色圖像轉(zhuǎn)換為灰度圖像，以方便進(jìn)行后續(xù)圖像預(yù)處理、形態(tài)學(xué)處理、圖像分割、高級形態(tài)學(xué)處理[4-5]。由于雜物圖像與缺陷圖像的性狀類似，所以本文以雜物圖像為例進(jìn)行說明。

3.1 外部攝像頭圖像處理

外部攝像頭采集到的圖像如圖3所示，（a）為無缺陷排氣管內(nèi)部圖像，（b）為有雜物排氣管內(nèi)部圖像。外部攝像頭圖像處理流程如圖4所示。

（1） 圖像預(yù)處理

在圖像采集和傳輸過程中，往往會因?yàn)閮?nèi)部和外界因素的干擾而產(chǎn)生噪聲，進(jìn)而影響圖像質(zhì)量，圖像預(yù)處理的目的就是減弱圖像中的噪聲[6-7]，結(jié)合采集到圖像的特點(diǎn)，本實(shí)驗(yàn)的圖像預(yù)處理只需進(jìn)行圖像濾波。在LabVIEW中常用到的濾波放法有：低通濾波、平滑濾波、高斯濾波、中值濾波。

對比4種濾波方法，中值濾波能夠使得被檢目標(biāo)缺陷邊緣更明顯，得到的濾波效果最優(yōu)，因此本文采用中值濾波，濾波結(jié)果如圖5所示。

（2） 形態(tài)學(xué)處理

為了進(jìn)一步消除噪聲的影響，并保留重要的輪廓極值信息，達(dá)到使雜物或缺陷邊緣突出的目的，需對圖像進(jìn)行邊緣檢測，然后根據(jù)邊緣檢測所得到的圖像作為標(biāo)記進(jìn)行灰度形態(tài)學(xué)重建。

在LabVIEW模塊中邊緣檢測的方法有很多，經(jīng)過試驗(yàn)表明，其中Prewitt算子效果最為明顯。Prewitt算子是一種一階微分算子的邊緣檢測，利用像素點(diǎn)上下、左右鄰點(diǎn)的灰度差，在邊緣處達(dá)到極值檢測邊緣，去掉部分偽邊緣，對噪聲具有平滑作用 。其原理是在圖像空間利用2個方向模板與圖像進(jìn)行鄰域卷積來完成的，這2個方向模板中的一個檢測水平邊緣，另一個檢測垂直邊緣。邊緣檢測結(jié)果如圖6所示。

灰度形態(tài)學(xué)重建是在形態(tài)學(xué)梯度圖像的基礎(chǔ)上，利用形態(tài)學(xué)的開閉重建運(yùn)算對梯度圖像進(jìn)行重建，在保留重要區(qū)域輪廓的同時去除細(xì)節(jié)和噪聲。利用形態(tài)學(xué)開閉重建運(yùn)算對原始圖像的形態(tài)學(xué)梯度圖像進(jìn)行濾波重建，在簡化梯度圖像的同時，保持輪廓分水線的準(zhǔn)確定位，消除產(chǎn)生過分分割的根源。分割過程中需選擇一個結(jié)構(gòu)元素，對圖像進(jìn)行形態(tài)學(xué)重建。該結(jié)構(gòu)元素應(yīng)該對圖像處理后，使圖像中的灰度躍變急劇增強(qiáng)，以消除梯度對邊緣方向的依賴性，同時，結(jié)構(gòu)元素半徑較小，以避免梯度圖像產(chǎn)生過厚邊緣造成的區(qū)域輪廓定位誤差。由于噪聲的影響，采用形態(tài)學(xué)開閉重建運(yùn)算對梯度圖像進(jìn)行重建，消除噪聲，保留重要的輪廓極值信息。隨著結(jié)構(gòu)元素的遞增，圖像中的局部極值會消除，而不會產(chǎn)生新的區(qū)域極值。以邊緣檢測輸出的圖像作為標(biāo)記來進(jìn)行灰度形態(tài)學(xué)重建，明顯可以發(fā)現(xiàn)噪聲和細(xì)節(jié)消失了，如圖7所示。

（3） 圖像分割

圖像處理的最終目的應(yīng)是完成對圖像的正確理解，即對圖像中物體的正確識別，以指導(dǎo)下一步的行動。在這一過程中，圖像分割是關(guān)鍵的一步。圖像分割是按照具體應(yīng)用的要求將圖像分割成一塊塊有意義的子區(qū)域，目的是將感興趣的對象提取出來。本系統(tǒng)檢測管內(nèi)部分，所以應(yīng)用掩碼將管外部分去掉并選取閾值進(jìn)行分割，結(jié)果如圖8所示。

（4） 高級形態(tài)學(xué)處理

形態(tài)學(xué)是建立在格論和拓?fù)鋵W(xué)基礎(chǔ)之上的圖像分析，其基本運(yùn)算包括二值腐蝕和膨脹、二值開閉運(yùn)算、骨架抽取、極限運(yùn)算、擊中擊不中變換、形態(tài)學(xué)梯度、Top-hat變換、顆粒分析、流域變換、灰值腐蝕膨脹、灰值開閉運(yùn)算、灰值形態(tài)學(xué)梯度等。本文采用的是一種基于這些運(yùn)算的高級運(yùn)算——凸殼（convex hull），處理后圖像如圖9所示。

3.2 內(nèi)部攝像頭圖像處理

內(nèi)部攝像頭采集圖像如圖10所示，其中（a）為無缺陷排氣管內(nèi)部圖像，（b）為有雜物排氣管內(nèi)部圖像。接下來重點(diǎn)說明內(nèi)圈褶皺部分的處理方法，該部分處理流程如圖11所示。

（1） 圖像預(yù)處理

同樣為了得到一個噪聲較小，邊緣清晰的圖像，需對此圖像進(jìn)行預(yù)處理，根據(jù)內(nèi)部攝像頭采集到圖像的特點(diǎn)，圖像預(yù)處理步驟是先進(jìn)行圖像的灰度變換，然后進(jìn)行圖像濾波。

灰度變換是指對圖像在空間域進(jìn)行圖像增強(qiáng)的簡單而有效的圖像處理方法。圖像由于成像時曝光不足或過度，或成像、記錄設(shè)備的非線性動態(tài)范圍太窄等因素，都會產(chǎn)生對比度不足的弊病，使圖像的細(xì)節(jié)分辨不清。這時如將圖像灰度線性擴(kuò)展，常能顯著改善圖像的對比效果，此謂灰度變換法。根據(jù)圖像降質(zhì)的原因不同，圖像特征不同，采用不同的變換方法。常用的灰度變換函數(shù)有線性變換、伽瑪變換、對數(shù)變換和指數(shù)變換等。

考慮到實(shí)驗(yàn)的實(shí)際情況，通過對比，對數(shù)變換可大幅度拉伸圖像的低灰度（亮度）區(qū)域，同時壓縮圖像的高灰度區(qū)域，所以在此選擇對數(shù)變換，結(jié)果如圖12所示。此時將灰度變換后的圖像進(jìn)行低通濾波，這樣能夠使亮度高低相間的環(huán)狀部分對比更加明顯，如圖13所示。

（2） 初級形態(tài)學(xué)處理

初級形態(tài)學(xué)處理包括腐蝕，膨脹以及開、閉運(yùn)算。其中膨脹運(yùn)算是使得物體的邊界擴(kuò)大，膨脹結(jié)果與圖像本身和結(jié)構(gòu)元素的大小有關(guān)，常用于將圖形中原本斷開的同一物體橋接起來。因此我們要采用膨脹運(yùn)算來消除規(guī)則高亮度圓環(huán)部分中的低亮度圓環(huán)狀部分，結(jié)果如圖14所示。

（3） 圖像分割

該部分圖像分割原理與外部攝像頭采集圖像分割原理相同，均進(jìn)行掩碼和二值化便可以清楚地提取出雜物，結(jié)果如圖15所示。

用LabVIEW進(jìn)行編程，將檢測出的雜質(zhì)在原圖像中用IMAQ Convert Rectangle to ROI模塊和IMAQ Overlay ROI模塊在原圖像上標(biāo)出，并進(jìn)行報(bào)警。處理結(jié)果如圖16所示，（a）為外部攝像頭處理結(jié)果，（b）為內(nèi)部攝像頭處理結(jié)果。

5 結(jié) 論

本文對發(fā)動機(jī)進(jìn)氣管中存在的雜質(zhì)和缺陷的檢測方法進(jìn)行了闡述，并詳細(xì)介紹了圖像處理的方法。實(shí)踐表明，該系統(tǒng)操作合理，檢測方便，可視化效果好，完全滿足檢測技術(shù)要求，解決了發(fā)動機(jī)進(jìn)氣管難以檢測這一難題，同時為今后機(jī)器視覺的發(fā)展提供參考。

參考文獻(xiàn)：

[1] 王燕，林蘇斌，繆希仁.基于LabVIEW的機(jī)器視覺在玻璃缺陷檢測中的運(yùn)用[J].工業(yè)控制計(jì)算機(jī)，2011，24（4）：75-77.

[2] 范焱.基于虛擬儀器技術(shù)的汽車發(fā)動機(jī)檢測分析儀的研究與開發(fā)[D].北京：北京理工大學(xué)，2006.

[3] 李永剛.汽油發(fā)動機(jī)綜合測試儀的虛擬設(shè)計(jì)[D].廣州：華南農(nóng)業(yè)大學(xué)，1999.

[4] 張錚，王艷平，薛桂香.數(shù)字圖像處理與機(jī)器視覺[M].北京：人民郵電出版社，2010.

[5] 謝昭莉，白穎杰.Prewitt圖像邊緣檢測及邊緣細(xì)化的FPGA實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用，2010（6）：39-41.

[6] 楊樂平，李海濤.LabVIEW 程序設(shè)計(jì)與應(yīng)用[M].北京：電子工業(yè)出版社，2001：1-4.

[7] 連海洲，趙英俊.基于LabVIEW技術(shù)的虛擬儀器系統(tǒng)[J].自動化博覽，2001，18（3）：21-23.

（編輯：劉鐵英）