甘 泉，魏利勝，張平改

(安徽工程大學(xué) 電氣工程學(xué)院，安徽 蕪湖 241000)

基于圖像處理的圓形工件尺寸檢測(cè)方法

甘 泉，魏利勝，張平改

(安徽工程大學(xué) 電氣工程學(xué)院，安徽 蕪湖 241000)

針對(duì)工業(yè)流水線上圓形工件的檢測(cè)與定位問題，研究了一種基于圖像處理的尺寸檢測(cè)方法，以測(cè)量出圓形工件的位置與半徑大小。首先，根據(jù)所設(shè)定的灰度圖閾值將源圖像進(jìn)行二值化處理，并采用區(qū)域搜索策略以對(duì)工件區(qū)域進(jìn)行填充；在此基礎(chǔ)上，進(jìn)一步利用邊緣檢測(cè)算法推導(dǎo)出預(yù)處理圖像的邊緣坐標(biāo)信息，并根據(jù)所統(tǒng)計(jì)數(shù)值組擬合出工件的位置與半徑大小。最后，利用五個(gè)實(shí)例驗(yàn)證該方法的有效性與可行性。

圖像處理；圓形；檢測(cè)定位；邊緣算法

隨著科學(xué)技術(shù)的快速發(fā)展，我國制造產(chǎn)業(yè)的規(guī)模正在逐步擴(kuò)張，而傳統(tǒng)生產(chǎn)中圓形工件的檢測(cè)都是通過人工進(jìn)行操作，其工作效率低，且極易出現(xiàn)操作錯(cuò)誤。為了提高生產(chǎn)操作的準(zhǔn)確度，人們將圖像處理技術(shù)應(yīng)用到圓形工件檢測(cè)中，以改善工業(yè)生產(chǎn)的效率。然而如何對(duì)工廠流水線上圓形工件進(jìn)行檢測(cè)定位具有一定的實(shí)際研究意義。

自機(jī)器視覺被應(yīng)用到制造業(yè)中以來，工業(yè)流水線上圓形工件檢測(cè)定位已成為圖像處理領(lǐng)域的研究熱點(diǎn)問題，[1]125-136，[2] 20-25國內(nèi)外學(xué)者對(duì)其進(jìn)行了大量的探索和研究，并取得了一定的研究成果。姜坤等[3] 89-95結(jié)合了多目標(biāo)優(yōu)化策略與路徑擇優(yōu)算法，提出一種無須人工干預(yù)的自動(dòng)檢測(cè)算法，從而精確對(duì)工件進(jìn)行檢測(cè)定位；張靜等[4] 1871-1876在研究了局部圖像方差強(qiáng)度原理的基礎(chǔ)上，提出了一種局部圖像紋理空間模型，以完成金屬圓形工件的位置信息檢測(cè)；全燕鳴等[5] 1054-1061在傳統(tǒng)的雙目標(biāo)定的基礎(chǔ)上，研究了一種基于球面圓靶標(biāo)的雙目視覺檢測(cè)技術(shù)，從而有效地獲取到工業(yè)流水線上的工件位置信息與半徑數(shù)值；李彩花等[6] 73-75+78對(duì)圓形工件的圖像中心識(shí)別，采用極值均值法、最小二乘曲線擬合交點(diǎn)均值法和點(diǎn)Hough變換圓中心檢測(cè)法分別對(duì)改進(jìn)的LOG算法的邊緣檢測(cè)結(jié)果進(jìn)行了中心坐標(biāo)的提取，并通過攝像機(jī)標(biāo)定結(jié)果把圖像的中心坐標(biāo)轉(zhuǎn)化為實(shí)際坐標(biāo)系的中心位置坐標(biāo)，從而準(zhǔn)確地對(duì)工件進(jìn)行加工操作；趙曉麗等[7] 104-112采用了一種帶函數(shù)的約束優(yōu)化模型，對(duì)工件的位置信息進(jìn)行了預(yù)判斷，并考慮了工件的移動(dòng)位置與速度之間的關(guān)系，完成了工件的精確識(shí)別；秦國華等[8] 2935-2943分析了工件與抓手元件的接觸方式，以給出不同工件的識(shí)別規(guī)則，并利用了矢量環(huán)投影策略以獲取到工件的位置信息，實(shí)現(xiàn)了圓形弓箭的快速精確識(shí)別與定位；陳聞[9] 8-11+30等提出了一種針對(duì)不同形狀工件的視覺檢測(cè)識(shí)別方案，采用基于Hu矩方法和最小二乘法的圓擬合對(duì)圓形工件進(jìn)行識(shí)別，并計(jì)算出圓形工件相關(guān)特征的尺寸參數(shù)；富帥等[10] 430-438在攝像機(jī)成像系統(tǒng)的基礎(chǔ)上，提出了一種簡便易行的工業(yè)現(xiàn)場(chǎng)自標(biāo)定方法，從而有效地完成了流水上物體的檢測(cè)識(shí)別；李釗寶[11] 1866-1870等采用雙線性差值算法，實(shí)現(xiàn)工件邊緣的亞像素提取，并通過黑塞范式直線擬合，精確地找到物體圖像邊緣，從而實(shí)現(xiàn)對(duì)工件尺寸的高精度測(cè)量。周森等[12] 1524-1530利用三維激光掃描儀，并結(jié)合二維誤差分離方法，設(shè)計(jì)一種工業(yè)流水線快速檢測(cè)系統(tǒng)，以完成工件的精確檢測(cè)識(shí)別。

本文將在以上研究的基礎(chǔ)上，通過對(duì)源圖像進(jìn)行預(yù)處理以獲取其完整的二值化圖像，并利用邊緣檢測(cè)算法對(duì)其邊緣信息進(jìn)行計(jì)算，同時(shí)結(jié)合最小二乘法以擬合出其位置坐標(biāo)值與半徑大小，最后進(jìn)行像素尺寸半徑和物理尺寸半徑的轉(zhuǎn)換。

1 圓形工件檢測(cè)定位算法

隨著我國制造產(chǎn)業(yè)的快速興起，圖像處理技術(shù)正逐漸被應(yīng)用到工業(yè)現(xiàn)場(chǎng)中，通過圖像處理技術(shù)對(duì)圓形工件進(jìn)行檢測(cè)與定位，從而達(dá)到快速精確識(shí)別圓形工件的目的，實(shí)現(xiàn)了工業(yè)現(xiàn)場(chǎng)的智能化與信息化，提高了工業(yè)生產(chǎn)的效率。首先，利用攝像機(jī)獲取到流水線上圓形工件的圖像信息，由于所采用的流水線與工件存在明顯色差，且流水線顏色只為一種固定的顏色，故可以通過圖像二值化處理得出工件的大致信息，然而由于光照等因素影響，其工件部分有可能被二值化為背景像素，故需要采用區(qū)域搜索策略將圓形工件部分進(jìn)行精確識(shí)別，從而得出完整的工件二值化圖像。在此基礎(chǔ)上，利用邊緣檢測(cè)算法統(tǒng)計(jì)出預(yù)處理二值化圖像的邊緣坐標(biāo)信息，并根據(jù)所統(tǒng)計(jì)數(shù)值組擬合出工件的位置與半徑大小，從而完成圓形工件的識(shí)別檢測(cè)與坐標(biāo)位置以及半徑大小的計(jì)算以及像素和物理尺寸的轉(zhuǎn)換，其流程圖如圖1所示。

圖1 圓形工件檢測(cè)定位算法的流程示意圖

1.1 圖像的預(yù)處理

首先通過攝像頭所采集的初始圖像進(jìn)行二值化處理，可以得到圓形工件的有效信息，并過濾圖像中的無效信息。一般將二值化處理后的圖像用0來代替其黑色區(qū)域，用1來代替其白色區(qū)域，如公式(1)表示：

(1)

其中，g(x,y)是原始圖像像素點(diǎn)的灰度值，T為灰度圖的閾值，在公式(1)中，把小于等于閾值T的像素點(diǎn)用1表示，即白色；反之則用0表示，即黑色。

由于光照等因素的影響，經(jīng)過上述圖像二值化處理后，圓形工件的像素部分可能被處理為黑色像素點(diǎn)，不利于后期的工件檢測(cè)識(shí)別操作，故需要利用區(qū)域搜索策略對(duì)二值化圖像進(jìn)行進(jìn)一步處理，其具體操作步驟如下所示。

步驟一：對(duì)像素值為0的點(diǎn)周圍進(jìn)行掃描，并設(shè)定一個(gè)以該點(diǎn)為中心點(diǎn)，邊長為n×n個(gè)像素的正方形搜索模塊，其搜索模塊的像素點(diǎn)總數(shù)為s1表達(dá)式如下所示：

s1=n×n

(2)

步驟二：對(duì)該區(qū)域內(nèi)的像素信息進(jìn)行掃描，以統(tǒng)計(jì)出該區(qū)域內(nèi)的白色像素點(diǎn)信息個(gè)數(shù)，以及該區(qū)域內(nèi)的黑色像素點(diǎn)信息個(gè)數(shù)，分別利用字母s2、s3進(jìn)行表示。

步驟三：計(jì)算出該區(qū)域內(nèi)的白色像素點(diǎn)個(gè)數(shù)、黑色像素點(diǎn)個(gè)數(shù)占該區(qū)域像素比例，其表達(dá)式分別為p1、p2，如下所示：

p1=s2/s1

(3)

p2=s3/s1

(4)

步驟四：根據(jù)上述的白色像素點(diǎn)個(gè)數(shù)與黑色像素點(diǎn)個(gè)數(shù)比例，對(duì)二值化后圖像進(jìn)行填充處理，以分割圓形工件的完整二值化圖像，其填充規(guī)則如下所示：如果比例p1大于0.5，說明該點(diǎn)應(yīng)該為工件部分像素，則將其填充為白色，反之則保持該像素點(diǎn)為黑色。

1.2 工件的檢測(cè)與識(shí)別

對(duì)上述填充完成的圖像進(jìn)行逐行掃描，以確定出圓形工件的邊緣像素信息，當(dāng)某一個(gè)像素點(diǎn)信息掃描為0、其下一個(gè)像素點(diǎn)信息掃描為1時(shí)，或者當(dāng)某一個(gè)像素點(diǎn)信息掃描為1，其下一個(gè)像素點(diǎn)信息掃描為0時(shí)，可以判斷出該黑的像素點(diǎn)為工件的邊緣區(qū)域，其判斷表達(dá)式如下所示：

(5)

經(jīng)過上述的圓形工件的邊緣檢測(cè)識(shí)別后，可以得出一組關(guān)于其邊緣坐標(biāo)信息(x1,y1),(x2,y2),(x3,y3)……(xn,yn)。而圓形工件的中心點(diǎn)坐標(biāo)表示為(x,y)，可表示出中心點(diǎn)到各個(gè)邊緣坐標(biāo)的距離R1,R2,R3……Rn，其表達(dá)式分別如下所示：

(6)

現(xiàn)假設(shè)圓形工件的半徑大小為R，則所檢測(cè)的每個(gè)邊緣坐標(biāo)到中心點(diǎn)的距離與實(shí)際的半徑大小的誤差為E1,E2,E3,……En，其表達(dá)式分別如下所示：

(7)

而所有邊緣坐標(biāo)點(diǎn)到中心點(diǎn)的距離數(shù)值與實(shí)際的半徑大小數(shù)值的誤差之和為ΔE，其表達(dá)式如下所示：

ΔE=E1+E2+E3+……+En

(8)

現(xiàn)將公式(7)代入公式(8)中可獲得誤差之和ΔE，其表達(dá)式如下所示：

ΔE=|R-R1|+|R-R2|+|R-R3|+……+|R-Rn|

(9)

現(xiàn)利用最小二乘法來擬合出圓形工件的中心點(diǎn)位置坐標(biāo)與半徑大小，當(dāng)公式(9)中的誤差之和為ΔE為最小時(shí)，其計(jì)算出的圓形工件參數(shù)最為精確。

1.3 像素尺寸和物理尺寸之間的轉(zhuǎn)換

本文在已知攝像頭參數(shù)的條件下，把已知像素尺寸和物理尺寸的圓形工件作為標(biāo)定物，獲得物理尺寸和像素尺寸之間的轉(zhuǎn)換關(guān)系，即標(biāo)定系數(shù)t，計(jì)算步驟如下：

(1) 選取一個(gè)實(shí)際物理尺寸已知的圓形工件作為參照樣本，其物理尺寸半徑記為R。

(2) 測(cè)量未知圓形工件像素尺寸時(shí)，要滿足光照強(qiáng)度、攝像頭的參數(shù)以及攝像機(jī)與參照?qǐng)A形工件的相對(duì)位置均基本相同的條件下，通過圖像處理方法得到該參照樣本的像素尺寸半徑為r。

(3) 由公式t=R/r獲得標(biāo)定系數(shù)。

(4) 被測(cè)量圓形工件的物理尺寸半徑Z由標(biāo)定系數(shù)t和被測(cè)量圓形工件的像素尺寸半徑z乘積轉(zhuǎn)換得到，即Z=t·z。

2 實(shí)驗(yàn)驗(yàn)證及結(jié)果分析

為了驗(yàn)證所提出方法的有效性，現(xiàn)利用五個(gè)實(shí)例來進(jìn)行實(shí)驗(yàn)仿真。本次仿真實(shí)驗(yàn)是通過在實(shí)際生活中隨機(jī)選取的五個(gè)圓形物體，并將其放置在白紙上，以模擬出圓形工件在流水線上效果，然后利用相機(jī)進(jìn)行拍攝，其拍攝效果圖如圖2所示(五個(gè)拍攝圖像的像素大小為4160×3120)，其中圖(a)為易拉罐拍攝效果圖，圖(b)為一元硬幣拍攝效果圖，圖(c)(d)(e)分別為三種不同杯蓋模型拍攝效果圖。

圖2 原始模型圖像拍攝效果圖

現(xiàn)對(duì)上述原始圖像進(jìn)行二值化處理，并采用搜索策略對(duì)工件像素區(qū)域進(jìn)行白色像素的填充操作，可得到上述五個(gè)不同模型的預(yù)處理后圖像效果，其效果圖如圖3所示。

圖3 原始圖像預(yù)處理效果圖

然后，利用邊緣檢測(cè)算法對(duì)預(yù)處理效果圖進(jìn)行邊緣信息的提取，并根據(jù)所提取的邊緣信息組進(jìn)行最小二乘法的圓形擬合處理，從而得出其邊緣信息與中心點(diǎn)標(biāo)定效果，其效果圖如圖4所示，同時(shí)統(tǒng)計(jì)出不同模型的中心點(diǎn)像素的X坐標(biāo)值與Y坐標(biāo)值，以及其半徑像素點(diǎn)個(gè)數(shù)，并以原始圖像的橫坐標(biāo)為100進(jìn)行數(shù)值的換算，以得出其中心點(diǎn)坐標(biāo)值與半徑值，其不同模型的各個(gè)參數(shù)如表1所示。

圖4 本仿真實(shí)驗(yàn)的檢測(cè)識(shí)別效果圖

表1 本次仿真實(shí)驗(yàn)的檢測(cè)識(shí)別參數(shù)表

從上述的檢測(cè)識(shí)別效果圖中可以看出，所提出的方法有效地識(shí)別出所采用模型的中心點(diǎn)以及其半徑，從而為后期的機(jī)器手進(jìn)行抓取提供坐標(biāo)信息，使工業(yè)生產(chǎn)進(jìn)行自動(dòng)化的模式。

同時(shí)從檢測(cè)識(shí)別參數(shù)表中可知，本文方法能有效地計(jì)算出五種圓形物體的坐標(biāo)值與半徑大小，其中易拉罐的X軸像素點(diǎn)為1962、Y軸像素點(diǎn)為1576以及半徑像素個(gè)數(shù)為810，并將像素信息按照橫向坐標(biāo)為100進(jìn)行轉(zhuǎn)化，以分別得出易拉罐的中心點(diǎn)坐標(biāo)為(47.16,37.88)、像素半徑大小為19.47，通過實(shí)驗(yàn)得到的物理尺寸為2.86 cm，而實(shí)際物理尺寸為2.88 cm，誤差為-0.2mm；同樣從杯蓋模型2可知，其定位后中心點(diǎn)坐標(biāo)值為(51.49,37.24)、像素半徑大小數(shù)值為13.46，通過實(shí)驗(yàn)得到的物理尺寸為1.97 cm，而實(shí)際物理尺寸為1.94 cm，誤差為+0.3mm；實(shí)驗(yàn)結(jié)果誤差存在正負(fù)誤差。

3 結(jié)論

本文研究了一種圖像處理的方法以精確檢測(cè)出圓形工件的位置與半徑大小，首先通過圖像二值化與搜索填充策略對(duì)圖像進(jìn)行預(yù)處理，并采用圖像邊緣檢測(cè)算法提取出圖像的邊緣信息，從而利用最小二乘法擬合出原始圖像上工件的中心點(diǎn)坐標(biāo)與半徑大小，并由像素尺寸半徑大小推導(dǎo)出圓形工件的物理尺寸半徑大小，最后實(shí)現(xiàn)圖像處理對(duì)圓形工件的精確檢測(cè)與定位。

[1]Wu Yunjie, Deng Yu. Dual tree complex wavelet transforms approach to copy-rotate-move forgery detection [J]. Science China: Information Sciences, 2014,16(1)．

[2]NEHARKAR M K, SUDHANSU S K. Multiresolution mosaic images by using Laplacian of Gaussian method[J]. International Journal of Engineering Research and Applications, 2012, 2(2).

[3]姜坤, 周雄輝, 黎旻, 孔嘯. 檢具設(shè)計(jì)中工件定位方案的自動(dòng)確定方法[J]. 計(jì)算機(jī)集成制造系統(tǒng),2014,20(1).

[4]張靜，葉玉堂，謝煜，劉霖，常永鑫. 金屬圓柱工件缺陷的光電檢測(cè)[J]. 光學(xué)精密工程，2014,22(7).

[5]全燕鳴，黎淑梅，麥青群. 基于雙目視覺的工件尺寸在機(jī)三維測(cè)量[J]. 光學(xué)精密工程，2013,21(4).

[6]李彩花，王昕，王學(xué)影. 邊緣檢測(cè)技術(shù)在工件中心位置識(shí)別中的應(yīng)用[J]. 傳感器技術(shù)，2005,24(4).

[7]趙曉麗，唐立新. 帶有線性惡化工件和釋放時(shí)間的兩個(gè)代理單機(jī)調(diào)度問題[J]. 自動(dòng)化學(xué)報(bào)，2015,41(1).

[8]秦國華，黃華平，葉海潮，周美丹. 基于運(yùn)動(dòng)學(xué)與有向尺寸路徑的工件定位誤差自動(dòng)分析算法[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2014,20(12).

[9]陳聞, 樊留群. 基于計(jì)算機(jī)視覺技術(shù)的工件檢測(cè)識(shí)別研究與應(yīng)用[J]. 機(jī)電一體化，2016，23(2).

[10]富帥, 張麗艷, 葉南, 劉勝蘭. 面向大型工件現(xiàn)場(chǎng)測(cè)量的光筆式視覺測(cè)量系統(tǒng)[J]. 儀器儀表學(xué)報(bào)，2015，36(2).

[11]李釗寶, 汪新新, 賈茜媛. 基于機(jī)器視覺的工件尺寸高精度測(cè)量方法[J]. 計(jì)算機(jī)測(cè)量與控制，2015，23(6).

[12]周森,郭永彩,高潮,吳小燕.基于三維激光掃描的移動(dòng)大尺寸圓柱體工件長度快速檢測(cè)系統(tǒng)[J].光學(xué)精密工程，2014，22(6).

Class No.:TP391.41 Document Mark：A

(責(zé)任編輯：宋瑞斌)

Detection Method for Size of Circular Workpiece Based on Image Processing

Gan Quan, Wei Lisheng, Zhang Pinggai

(School of Electrical Engineering，Anhui Polytechnic University, Wuhu, Anhui 241000，China)

Image processing methods for detecting the circular workpiece in industrial assembly line was proposed to measure the position and radius of the circular workpiece. Firstly, the source image was processing by the grayscale threshold given, and the workpiece areas were filled by the search strategy. Based on this, the edge detection algorithm was used to deduce the edge coordinate information of pretreatment image. And the position and radius size of workpiece were fitted by the statistical group numerical. Finally, the five experiment results show the effectiveness and feasibility of the proposed method.

image processing; circular; detection location; edge algorithm

甘泉，在讀碩士，安徽工程大學(xué)。研究方向：智能信息處理與應(yīng)用。 魏利勝，博士后，副教授，安徽工程大學(xué)。研究方向：圖像識(shí)別與應(yīng)用、嵌入式儀器儀表及系統(tǒng)，智能化網(wǎng)絡(luò)控制理論、系統(tǒng)和仿真。

國家自然科學(xué)基金項(xiàng)目(編號(hào)：61203033)，安徽省自然科學(xué)基金項(xiàng)目(編號(hào)：1608085MF146)，安徽省高校自然科學(xué)研究項(xiàng)目(編號(hào)：KJ2016A062)，2016年安徽省高校優(yōu)秀中青年骨干人才國內(nèi)外訪學(xué)研修項(xiàng)目(編號(hào)：gxfxZD2016108)以及安徽工程大學(xué)中青年拔尖人才項(xiàng)目(編號(hào)：2016BJRC008)資助。

1672-6758(2017)07-0039-5

TP391.41

A