李曉斌

(山西農(nóng)業(yè)大學(xué) 工學(xué)院，山西 太谷 030801)

?

車輛輪轂直徑和圓度的圖像法檢測

李曉斌

(山西農(nóng)業(yè)大學(xué) 工學(xué)院，山西 太谷 030801)

摘要：[目的]直徑和圓度作為車輛輪轂的基本參數(shù)，對車輛行駛的平順性和安全性有重要影響。研究輪轂尺寸在線測量技術(shù)，可以為工廠化輪轂生產(chǎn)及尺寸檢測提供高效、準(zhǔn)確的方法。[方法]以上海大眾桑塔納轎車輪轂為研究對象，以Matlab圖像處理為技術(shù)手段，采集自然光狀態(tài)下車輛輪轂圖像，通過灰度化、二值化處理，從原始圖像中初步提取出車輛輪轂，再利用imclearborder、bwareaopen等函數(shù)對圖像進(jìn)行相應(yīng)后處理，得到邊緣銳利、清晰、平滑、完整的輪轂二值圖像，為精確測量輪轂尺寸提供保證。經(jīng)標(biāo)定后，利用regionprops函數(shù)可以準(zhǔn)確計(jì)算出輪轂直徑及圓度值。[結(jié)果]檢測結(jié)果表明，輪轂直徑測量的相對誤差為0.6%，圓度為2.47 mm，檢測精度較高，檢測結(jié)果可靠。[結(jié)論]該研究一方面為輪轂尺寸在線測量提供一種準(zhǔn)確性好、精度高的方法，另一方面，也可為解決類似圖像處理問題提供參考和依據(jù)。

關(guān)鍵詞：輪轂直徑； 圓度； 圖像處理； 檢測

輪轂作為車輛底盤行駛系統(tǒng)的重要工作部件，其尺寸及精度直接影響車輛行駛的安全性、平順性和輪胎的使用壽命。目前在工廠化生產(chǎn)中，輪轂尺寸檢測主要由人工完成，難以滿足流水線快速檢測的要求，且檢測精度難以保證，檢測誤差大。因此，探索一種精度高、速度快、自動化程度高且操作簡單的輪轂尺寸在線測量技術(shù)十分必要。

周長明[1]針對國產(chǎn)鋁合金輪轂，運(yùn)用圖像檢測技術(shù)對輪轂安裝孔分布等參數(shù)進(jìn)行了高精度檢測，并提出了一種自動識別算法。許昊等[2]針對傳統(tǒng)檢測方法費(fèi)時(shí)費(fèi)力且誤判率高的缺點(diǎn)，設(shè)計(jì)了彈簧外形視覺檢測流程，并使用Labview軟件開發(fā)了檢測程序，可實(shí)現(xiàn)毛刺識別，尺寸測量，不合格產(chǎn)品篩選等功能。經(jīng)驗(yàn)證，該方案可以滿足彈簧內(nèi)徑尺寸的高精度檢測。王善巍[3]根據(jù)氣門各尺寸參數(shù)測量的精度要求，利用機(jī)器視覺技術(shù)及HALCON軟件對發(fā)動機(jī)氣門相關(guān)參數(shù)進(jìn)行了亞像素級測量，檢測結(jié)果滿足精度要求。

本文以轎車輪轂為研究對象，以Matlab圖像處理為基本手段，采集車輛輪轂圖像，通過灰度化、二值化、去除孤立小目標(biāo)、去除與邊界連通的對象等處理，得到邊界銳利、平滑的輪轂二值圖像，經(jīng)標(biāo)定后，再利用regionprops函數(shù)準(zhǔn)確計(jì)算輪轂直徑及圓度值。該研究運(yùn)用Matlab(R2015a)圖像處理技術(shù)，建立一種輪轂尺寸快速、準(zhǔn)確的在線監(jiān)測方法，提高在線檢測效率和準(zhǔn)確性。

1圖像采集

使用索尼DSC-RX100型數(shù)碼相機(jī)(ExmorCMOS，其尺寸為13.2mm×8.8mm)采集上海大眾桑塔納汽車輪轂圖像，如圖1所示。為便于后續(xù)標(biāo)定，在圖像采集時(shí)，設(shè)定相機(jī)與輪轂的距離為1.5m。

圖1　桑塔納轎車輪轂原始圖像Fig.1　Original image of wheel hub of Santana

2圖像處理

圖像處理的目的就是能成功識別并準(zhǔn)確提取目標(biāo)區(qū)域，以保證結(jié)果的準(zhǔn)確性和精確性。因此，有必要對采集的輪轂原始圖像進(jìn)行灰度化、二值化和去除孤立的小目標(biāo)等處理，保證得到邊緣清晰、銳利的輪轂圖像，以實(shí)現(xiàn)其直徑和圓度的圖像法測量[4]。

2.1圖像灰度直方圖

圖像灰度直方圖可以形象的刻畫并統(tǒng)計(jì)原始圖像各像素的亮度在灰階范圍內(nèi)的頻數(shù)分布狀況，為評價(jià)圖像整體亮度及二值化圖像時(shí)閾值的選擇提供指導(dǎo)和依據(jù)。輪轂原始圖像的灰度直方圖如圖2所示。由圖2可以看出，原圖像整體亮度較低，且集中在80附近。

圖2　灰度直方圖Fig.2　Grey level histogram

2.2圖像二值化處理

由于原始圖像為RGB彩色圖像，其顏色信息對輪轂直徑及圓度測量無用，故使用自動閾值分割法(graythresh選項(xiàng))[5～8]將原始RGB圖像變?yōu)槎祱D像，如圖3所示。

圖3　二值化圖像Fig.3　Binary image

2.3去除與邊界連通的對象

由圖3可以看出，輪轂部分提取結(jié)果較理想，黑色的輪胎和車身部分又直接與圖像邊界連通但輪轂并未與圖像邊界直接相連，故可用imclearborder函數(shù)[9]將這些無關(guān)部分整體去除，結(jié)果如圖4所示。

嚴(yán)格意義上講，甲狀腺結(jié)節(jié)性病變從其發(fā)病特點(diǎn)上區(qū)分，可分為兩類。第一類，單發(fā)性結(jié)節(jié)；第二類，多發(fā)性結(jié)節(jié)。在臨床診斷治療領(lǐng)域，需要密切關(guān)注的是病變性的結(jié)節(jié)特征。具體來看，包括結(jié)節(jié)的大小、部位、質(zhì)地、功能等。如上所述，甲狀腺結(jié)節(jié)病變主要呈現(xiàn)為單發(fā)性和多發(fā)性，包括有增生性、腫瘤性、膠體性、囊性、甲狀腺炎性等?？傊谂R床治療尤其是早期控制階段，對不同類型的甲狀腺結(jié)節(jié)性病變予以對應(yīng)的治療措施是非常關(guān)鍵的。正如開篇所言，B超檢查診斷的臨床意義巨大。

圖4　二值化圖像Fig.4　Binary image

2.4去除孤立的小目標(biāo)

由圖4可以看出，輪轂周圍存在無關(guān)的白色條狀區(qū)域，這些干擾區(qū)域應(yīng)當(dāng)去除，否則會影響輪轂直徑和圓度計(jì)算。利用bwareaopen函數(shù)[10]可有效去除圖4中的干擾區(qū)域，而只保留輪轂部分。從而得到適合直徑和圓度值測量的理想圖像，如圖5所示。

圖5　二值化圖像Fig.5　Binary image

2.5孔洞填充

圖5較清晰的提取到輪轂部分。對于輪轂直徑和圓度測量而言，其內(nèi)部輻板等都屬于無用部分，可用imfill函數(shù)[11]對該部分進(jìn)行填充，其調(diào)用格式為：

g=imfill(f, ’holes’)

圖6為進(jìn)行孔洞填充后的輪轂圖像。

圖6　經(jīng)孔洞填充后的輪轂二值圖像Fig.6　Binary image of hub by imfill function processing

3輪轂直徑及圓度測量

3.1Regionprops函數(shù)

D=regionprops(L,properties)

其中，變量properties是一個(gè)用逗號分隔的字符串列表。本研究則利用“BoundingBox”對輪轂直徑和圓度值進(jìn)行計(jì)算。即：

D=regionprops(L,“BoundingBox”)

運(yùn)算結(jié)果D為[ul_cornerwidthx_widthy_width] 1×4向量。其中，x_width和y_width分別為我們所關(guān)心的目標(biāo)區(qū)域(輪轂)最小外接矩形的長和寬。

3.2輪轂直徑計(jì)算

首先用bwlabel函數(shù)對圖6所示圖像進(jìn)行標(biāo)記，再運(yùn)用Regionprops函數(shù)和BoundingBox選項(xiàng)計(jì)算輪轂直徑。經(jīng)MATLAB(R2015a)軟件計(jì)算得到該輪轂的直徑為1468(D1，x_width)和1449(D2，y_width)像素。為了能更客觀的測量輪轂直徑，將被測圖像旋轉(zhuǎn)(imrotate函數(shù))一定角度(30°)后得到一個(gè)新的被測圖像，再對其進(jìn)行直接測量。結(jié)果如表1所示。

表1輪轂直徑圖像法測量結(jié)果

Table1Themeasurementresultsofhubdiameterbyimageprocessingmethod

旋轉(zhuǎn)角度/°Rotateangle直徑D1/像素DiameterD1直徑D2/像素DiameterD2014681449301463145560145414651201455146315014651454

計(jì)算表1中所有直徑的平均值，得到該輪轂的圖像法測量結(jié)果為1 459像素。若將該值轉(zhuǎn)換為實(shí)際長度值，需進(jìn)行圖像標(biāo)定，即計(jì)算出圖上1像素代表的實(shí)際長度值[12]。以200mm(m1)標(biāo)準(zhǔn)直徑圓板為參照物，采用與輪轂相同的拍攝條件采集圖像，并用相同的圖像處理算法進(jìn)行計(jì)算，得到該圓板的圖像尺寸為771像素(m2)，則圖上1像素代表的實(shí)際長度為0.259 4mm。因此，該被測輪轂實(shí)際直徑應(yīng)為378.5mm。又由于該輪轂實(shí)際直徑為381.0mm，容易算得檢測結(jié)果的相對誤差為0.6%，檢測精度較高。

3.3圓度計(jì)算

可用表1中測得的最大直徑Dmax與最小直徑Dmin的差值來計(jì)算輪轂外圓圓度：

(1)

因?yàn)镈max=1 468，Dmin=1 449，故輪轂的圓度為2.47mm。

為驗(yàn)證輪轂直徑圖像法檢測的可行性和準(zhǔn)確性，分別采集馬自達(dá)6和福特?？怂箖煽钴囕嗇瀳D像，運(yùn)用本文所述圖像處理方法分別對其進(jìn)行輪轂直徑的測量。結(jié)果表明，直徑測量的相對誤差分別為0.52%和0.35%。由此可見，運(yùn)用圖像法對車輛輪轂直徑和圓度值進(jìn)行測量準(zhǔn)確性較好，與相關(guān)硬件設(shè)施配套使用可用于輪轂尺寸在線測量。

4結(jié)論和討論

隨著我國經(jīng)濟(jì)社會的不斷發(fā)展，汽車的使用需求不斷擴(kuò)大。僅2016年3月，我國汽車產(chǎn)銷分別完成252.1萬輛和244萬輛，汽車產(chǎn)銷環(huán)比和同比均呈增長，其中同比增幅高于去年同期，這使得輪轂的大規(guī)模生產(chǎn)和快速檢測變得越來越重要。本文利用MATLAB圖像處理技術(shù)，實(shí)現(xiàn)了汽車輪轂外圓直徑和圓度的快速、精確測量。在圖像預(yù)處理、圖像分割、圖像后處理和圖上測量等方面均進(jìn)行了詳細(xì)闡述，并得出了以下幾方面結(jié)論：

(1)運(yùn)用自動閾值法對采集到的輪轂圖像進(jìn)行二值化處理，分割結(jié)果理想。

(2)通過邊界對象抑制、刪除小面積對象和孔洞填充等處理，得到了完整、清晰、唯一的輪轂輪廓圖像。

(3)使用regionprops函數(shù)和BoundingBox描繪子測量了輪轂直徑和圓度值，并根據(jù)標(biāo)定結(jié)果計(jì)算出被測輪轂實(shí)際直徑和圓度值。

(4)檢測結(jié)果表明，輪轂尺寸測量的相對誤差為0.6%，檢測精度較高，檢測結(jié)果可靠。

除直徑和圓度外，影響輪轂使用性能的參數(shù)還有輪轂寬度、孔位參數(shù)、偏距、螺孔直徑、中心孔等，在輪轂生產(chǎn)和檢測過程中對這些參數(shù)的測量也非常重要。在后續(xù)工作中，應(yīng)繼續(xù)研究和編制相應(yīng)的Matlab程序，以實(shí)現(xiàn)對上述參數(shù)的在線、精確測量。

綜上所述，Matlab圖像測量技術(shù)，一方面為輪轂尺寸在線測量提供一種準(zhǔn)確性好、精度高的方法，另一方面，也可為解決類似圖像分割及處理問題提供參考和依據(jù)。

參考文獻(xiàn)

[1]周長明. 基于CCD的輪轂安裝孔形位參數(shù)測量[D]. 杭州：浙江大學(xué)，2007.

[2]許昊，范詳，魏文杰，等. 基于機(jī)器視覺的彈簧內(nèi)徑尺寸檢測研究[J]. 機(jī)電產(chǎn)品開發(fā)與創(chuàng)新，2016，29(1)：78-79.

[3]王善巍. 基于機(jī)器視覺的氣門幾何參數(shù)測量研究[D]. 哈爾濱：哈爾濱工業(yè)大學(xué)，2015.

[4]章毓晉. 圖象工程[M]. 北京：清華大學(xué)出版社，2000： 212-220.

[5]鄧羅虹. 基于線陣CCD的機(jī)器視覺測量系統(tǒng)的研究[D].蘭州：蘭州大學(xué)，2014.

[6]李曉斌. 汽油機(jī)火花塞間隙圖像法測量[J]. 山西農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015，35(6)：664-667.

[7]李曉斌. 運(yùn)用圖像處理技術(shù)在線監(jiān)測真空凍干果蔬含水率[D].太谷：山西農(nóng)業(yè)大學(xué)，2013.

[8]陳秉陶. 汽油發(fā)動機(jī)點(diǎn)火系統(tǒng)火花塞間隙擊穿電壓有效檢測技術(shù)實(shí)踐[J]. 裝備制造技術(shù)，2013(10)：198-199.

[9]秦襄培.MATLAB圖像處理與界面編程寶典[M]. 北京：電子工業(yè)出版社，2009： 362-500.

[10]岡薩雷斯著，阮秋琦譯.數(shù)字圖像處理(MATLAB版)[M]. 北京：電子工業(yè)出版社，2006： 180-300.

[11]姚敏. 數(shù)字圖像處理[M]. 北京：機(jī)械工業(yè)出版社，2006：121-160.

[12]KlausHS，MartinL.Stepwisecalibrationoffocusedplenopticcameras[J].ComputerVisionandImageUnderstanding，2016，145(4)：140-147.

(編輯：馬榮博)

Measuringofthediameterandcirculardegreeofhubbasedonimageprocessingmethod

LiXiaobin

(College of Engineering， Shanxi Agricultural University， Taigu 030801， China)

Abstract:[Objective]As the basic parameters of the vehicle hub, diameter and circular degree have an important influence on the ride comfort and safety. The on-line measuring technology of Hub size could provide an efficient and accurate method for production and measurement of hub. [Methods]Shanghai Volkswagen Santana car wheel as the research object, Matlab image processing for the technical means to collect the vehicle wheels image under natural light state, the vehicle hub image was extracted after grayscale and binary processing from the original image, imclearborder and bwareaopen functions were used to obtain a sharp, clear, smooth, full hub binary image. After calibrating, regionprops function was used to accurately calculate the hub diameter and circular degree. [Results] The results showed that the relative error of hub size measured was 0.6%, and circular degree was 2.47 mm, it had a higher precision and the result was reliable. [Conclusion]The research on the one hand to provide an accurate, high precision method for online measurement of hub size, on the other hand, can also provide reference and basis for solving similar image processing problems.

Key words:Hub diameter； Circular degree； Image processing； Measurement

收稿日期：2015-04-13 修回日期：2016-04-26

作者簡介：李曉斌(1983-)，男(漢)，山西平定人，講師，博士，研究方向：機(jī)器視覺和圖像處理技術(shù)及應(yīng)用

基金項(xiàng)目：山西農(nóng)業(yè)大學(xué)科技創(chuàng)新基金(2014004)

中圖分類號：TP391

文獻(xiàn)標(biāo)識碼：A

文章編號：1671-8151(2016)07-0529-04