任金洋

摘要：加工精度關(guān)乎產(chǎn)品質(zhì)量，加工工件精度檢測(cè)是保證工件精度的重要工藝流程，要求高精度、高效率、柔性良好。傳統(tǒng)的產(chǎn)品精度檢測(cè)是人工檢測(cè)及簡(jiǎn)單的機(jī)械裝置檢測(cè)。提出了基于數(shù)字圖像處理的精度檢測(cè)系統(tǒng)，采用Matlab與OpenCv3.0相結(jié)合方法，將數(shù)字圖像處理技術(shù)引用到工件加工精度檢測(cè)中，采集加工工件圖片，將圖片經(jīng)過(guò)一系列預(yù)處理后，提取工件最清晰輪廓，與數(shù)據(jù)庫(kù)中標(biāo)準(zhǔn)模板進(jìn)行對(duì)比，判斷所加工工件的精度。該系統(tǒng)可有效提高檢測(cè)效率和檢測(cè)精度，提高生產(chǎn)效率。

關(guān)鍵詞：數(shù)字圖像處理；加工精度；邊緣檢測(cè)

中圖分類號(hào)：TP319

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)： 16727800（2017）004016303

0引言 現(xiàn)代制造業(yè)正朝著自動(dòng)化、高精度方向發(fā)展，對(duì)工件的加工精度要求越來(lái)越高[1]。由于工件加工過(guò)程中刀具與工件相互作用，刀具不可避免會(huì)發(fā)生磨損，從而導(dǎo)致所加工工件出現(xiàn)加工誤差，所以，檢測(cè)這一流程成為判斷加工工件精度的重要環(huán)節(jié)。本文提出了基于數(shù)字圖像處理的精度檢測(cè)系統(tǒng)，將數(shù)字圖像處理技術(shù)應(yīng)用到工件加工精度檢測(cè)，可有效提高檢測(cè)效率和檢測(cè)精度。1Matlab圖像處理 傳統(tǒng)的圖像處理包括圖像的基本運(yùn)算、圖像變換、圖像增強(qiáng)、圖像復(fù)原、圖像壓縮編碼、圖像邊緣檢測(cè)、圖像分割、圖像重建等[1]。MATLAB圖像處理工具箱提供了一套全方位的參照標(biāo)準(zhǔn)算法和圖像工具，可進(jìn)行圖像處理、分析、可視化和算法研究開發(fā)，可對(duì)有噪聲圖像或退化圖像進(jìn)行去噪和還原，獲得更高的圖像清晰度，根據(jù)特征、形狀和紋理對(duì)兩個(gè)圖像進(jìn)行匹配[2]。2系統(tǒng)架構(gòu) 本系統(tǒng)將MATLAB與OpenCv3.0結(jié)合，對(duì)通過(guò)CCD相機(jī)獲得的圖像進(jìn)行處理，并將處理好的圖片與數(shù)據(jù)庫(kù)中的模板圖片進(jìn)行對(duì)比、做差并判斷，繼而得出檢測(cè)結(jié)果，程序模塊組成如圖1所示。

本文采用的實(shí)驗(yàn)操作平臺(tái)如圖2所示。將工件標(biāo)準(zhǔn)圖紙作為模板通過(guò)掃描儀掃描，所得圖片以BMP格式保存。通過(guò)CCD攝像機(jī)采集待加工工件圖像，將采集的圖像進(jìn)行預(yù)處理，并將預(yù)處理后的圖像提取清晰輪廓與特征。最后，將處理后的工件圖像與模板圖像進(jìn)行對(duì)比、做差，根據(jù)兩幅圖像的差值大小判斷工件的加工精度[3]。

3工件預(yù)處理 為去除外界因素對(duì)圖片質(zhì)量的影響，要對(duì)待檢測(cè)圖像進(jìn)行預(yù)處理，得到質(zhì)量較高的圖像及準(zhǔn)確清晰的邊緣 [4]。 利用OpenCv中的imread函數(shù)讀取待處理工件圖片，在讀取圖片的同時(shí)，用函數(shù)CV_LOAD_IMAGE_GRAYSCALE對(duì)CCD相機(jī)獲取的待處理工件圖片作灰度化處理。圖片在內(nèi)存中的存在方式以像素形式存在，經(jīng)過(guò)灰度化后，圖片的像素值只有0（黑）或1（白）[5]。對(duì)不同灰度值的像素個(gè)數(shù)進(jìn)行統(tǒng)計(jì)來(lái)獲得直方圖。一副圖像的灰度統(tǒng)計(jì)直方圖是一個(gè)1-D的離散函數(shù)：fk為圖像f（x，y）的第k級(jí)灰度值，nk是圖像f（x，y）中具有灰度值fk的像素個(gè)數(shù)，n是圖像像素總和[6]。3.1工件圖像降噪噪聲是最常見的圖像退化因素之一。圖像往往存在噪聲，因此需要進(jìn)行濾波來(lái)抑制或消除噪聲。濾波有很多形式，如空域平滑濾波、頻域低通濾波和小波低通濾波等，本文根據(jù)需要選擇頻域低通濾波[7]。頻域低通濾波就是在頻域?qū)D像進(jìn)行低通濾波，然后進(jìn)行反變換，得到處理后的圖像，對(duì)圖像進(jìn)行傅立葉變換和余弦變換，得到頻譜分布[8]。

3.2工件邊緣檢測(cè)具有不同灰度的兩個(gè)區(qū)域之間存在灰度不連續(xù)，灰度不連續(xù)對(duì)應(yīng)于圖像的邊緣，因此，邊緣是指圖像上灰度不連續(xù)的點(diǎn)形成的軌跡。在圖像邊緣處，灰度一階導(dǎo)數(shù)取極值，灰度二階導(dǎo)數(shù)取零值。利用一階導(dǎo)數(shù)極值與二階導(dǎo)數(shù)零值可以實(shí)現(xiàn)對(duì)邊緣的跟蹤[9]。（1）利用OpenCv對(duì)待處理的圖片進(jìn)行去噪、膨脹、細(xì)化等預(yù)處理，得到質(zhì)量較高的圖像，然后采用Canny邊緣檢測(cè)算子對(duì)圖像進(jìn)行邊緣檢測(cè)。Canny的高斯算子g（x，y，σ）可表示為：

（2）MATLAB利用edge函數(shù)識(shí)別圖像邊緣，尋找圖像上灰度快速變化的位置。取灰度圖像或二值圖像作為輸入，返回的是相同尺寸的二值圖像。在返回圖像中對(duì)應(yīng)圖像邊緣的灰度值為1，其余為0。圖像處理常用邊緣檢測(cè)算法有：Sobel算法、Prewitt算法、Roberts算法、Laplacian of Gaussian算法、Zero-Cross算法、Canny算法，本文采用Canny算法進(jìn)行邊緣提取[10]：①BW=edge（I，'canny'），指定采用Canny方法，缺省采用Sobel方法；②指定采用Canny方法的閾值thresh。其中thresh是兩個(gè)元素的矢量，第一元素表示低閾值；第二元素表示高閾值。如果不指定thresh或thresh取空，那么edge函數(shù)自動(dòng)選擇高、低閾值；③采用Canny方法，指定Gaussian濾波器的標(biāo)準(zhǔn)偏差sigma（缺省時(shí)sigma=KF（2KF）），濾波器尺寸根據(jù)sigma自動(dòng)選擇[11]。4工件檢測(cè) 圖3為待檢測(cè)工件，檢測(cè)曲線輪廓AB，檢測(cè)時(shí)取A點(diǎn)為起始點(diǎn)，同時(shí)將A點(diǎn)作為CCD的目標(biāo)區(qū)域中心點(diǎn)。4.1檢測(cè)方法與步驟 對(duì)不同工件進(jìn)行檢測(cè)前都要將所加工工件的工程圖紙作為模板輸入到系統(tǒng)模板庫(kù)中，作為待檢測(cè)工件的標(biāo)準(zhǔn)模板。系統(tǒng)檢測(cè)過(guò)程中利用CCD攝相機(jī)來(lái)獲得CCD圖像， ROI（Region of Interesting）為圖像處理感興趣區(qū)域，其中心與軸線重合， ROI的位置和大小在檢測(cè)過(guò)程中保持不變。例如，為了檢測(cè)圖4中工件A（工件形狀如圖3）的加工精度，系統(tǒng)先要對(duì)待檢測(cè)工件進(jìn)行定位，然后將相機(jī)采集到的CCD圖像以BMP格式自動(dòng)保存在計(jì)算機(jī)中，此圖像即是待處理工件的圖像。經(jīng)過(guò)系統(tǒng)預(yù)處理后，可以得到具有明顯輪廓以及明顯特征的清晰輪廓圖，系統(tǒng)將此圖與模板庫(kù)中的該工件模板圖進(jìn)行匹配、對(duì)比并作差，即可得到待檢測(cè)工件的檢測(cè)值，同時(shí)得到待檢測(cè)工件與模板的差值，即工件檢測(cè)的誤差值。當(dāng)所得的差值在允許誤差范圍內(nèi)時(shí)，表示該工件加工精度符合加工要求，否則，該工件的加工精度不符合要求。圖5為系統(tǒng)檢測(cè)流程。

4.2檢測(cè)結(jié)果 檢測(cè)結(jié)果可以擬合出一條檢測(cè)曲線。將檢測(cè)曲線與模版庫(kù)中的標(biāo)準(zhǔn)理論曲線進(jìn)行對(duì)比、做差，即可得出工件加工過(guò)程中任意一點(diǎn)的加工精度，該誤差數(shù)據(jù)可作為判斷工件加工精度的重要數(shù)據(jù)，如圖6所示。

應(yīng)用系統(tǒng)對(duì)工件進(jìn)行檢測(cè)實(shí)驗(yàn)，得到檢測(cè)數(shù)據(jù)如表1所示，比對(duì)每次結(jié)果得出相應(yīng)結(jié)論。 通過(guò)表1可以看出，系統(tǒng)檢測(cè)結(jié)果符合精度檢測(cè)要求。由于實(shí)驗(yàn)條件所限，實(shí)驗(yàn)中用普通相機(jī)來(lái)代替工業(yè)用CCD相機(jī)，所以造成誤差相對(duì)較大。對(duì)表1數(shù)據(jù)進(jìn)行分析可知，系統(tǒng)對(duì)工件進(jìn)行加工精度檢測(cè)時(shí)可以得到相對(duì)準(zhǔn)確的檢測(cè)結(jié)果，所得檢測(cè)結(jié)果誤差都在誤差允許范圍之內(nèi)，應(yīng)用該系統(tǒng)可以對(duì)工件加工精度進(jìn)行檢測(cè)。如果采用工業(yè)相機(jī)，則可獲得較高質(zhì)量的工件圖像，大大減小檢測(cè)誤差。

4.3誤差分析與說(shuō)明 影響檢測(cè)精度的因素很多，如震動(dòng)、噪聲、粉塵等，另外，系統(tǒng)硬件自身也會(huì)造成誤差，如CCD攝像機(jī)本身的誤差等，本文采用的圖像預(yù)處理及圖像相減算法可以在很大程度上降低誤差。系統(tǒng)主要對(duì)待檢測(cè)工件圖像進(jìn)行處理，所以檢測(cè)過(guò)程中獲得較高質(zhì)量的工件圖像是保證系統(tǒng)檢測(cè)精度的關(guān)鍵。為此，系統(tǒng)在工業(yè)應(yīng)用中應(yīng)采用像素較高的工業(yè)攝像機(jī)，檢測(cè)過(guò)程中盡量保證環(huán)境一致，這樣有利于獲得較高質(zhì)量圖像，保證較高的檢測(cè)精度。5結(jié)語(yǔ) 隨著計(jì)算機(jī)數(shù)字圖像處理技術(shù)的發(fā)展，機(jī)械視覺理論不斷完善，視覺理論逐漸應(yīng)用于各個(gè)領(lǐng)域。本文采用MATLAB和OpenCv相結(jié)合的數(shù)字圖像處理技術(shù)，通過(guò)對(duì)加工工件圖片進(jìn)行檢查，與數(shù)據(jù)庫(kù)中標(biāo)準(zhǔn)模板比對(duì)、做差，以此判斷工件的加工精度。應(yīng)用表明，該系統(tǒng)可以應(yīng)用于精度要求較高的工件檢測(cè)工作。

參考文獻(xiàn)：

[1]陳炳權(quán)，劉宏立，孟凡斌.數(shù)字圖像處理技術(shù)的現(xiàn)狀及其發(fā)展方向[J].吉首大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，30（1）：1617.

[2]景曉軍.圖像處理技術(shù)及其應(yīng)用[M].北京： 國(guó)防工業(yè)出版社，2005.

[3]范壯.機(jī)械零件尺寸視覺檢測(cè)系統(tǒng)的研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2006.

[4]寇星源.基于圖像處理的智能機(jī)床刀具檢測(cè)技術(shù)研究[D].北京：北京郵電大學(xué)，2013.

[5]廖維.基于機(jī)器視覺的工件加工尺寸在線測(cè)量方法與系統(tǒng)研究[D].武漢：武漢理工大學(xué)，2012.

[6]章毓晉.圖像處理和分析技術(shù)[M].北京：高等教育出版社，2014.

[7]MERTES J G，MARRANGHELLO N，PEREIRA A S.Real-time module for digital image processing developed on a FPGA[J].IFAC Proceedings Volumes，2013，46（28）：405410.

[8]WANG X Y，WU J.A Featurebased robust digital image watermarking against desynchronization attacks[J].國(guó)際自動(dòng)化與計(jì)算雜志，2007，4（4）：428432.

[9]江燕，王敬東.圖像處理在平面零件分揀控制中的應(yīng)用[J].電氣傳動(dòng)，2015，45（2）：7680.

[10]KRUPINSKI E A，WILLIAMS M B，ANDRIOLE K，et al.Digital radiography image quality：image processing and display[J].Journal of the American College of Radiology Jacr，2007，4（6）：389400.

[11]FU Y，LIU Y.Development of a robust image processing technique for bubbly flow measurement in a narrow rectangular channel[J].International Journal of Multiphase Flow，2016（84）：217228.

（責(zé)任編輯：杜能鋼）