柳國棟，王江，寧若冰，賴柯，吳松林

（西京學(xué)院機(jī)械工程學(xué)院，陜西西安，710123）

0 引言

自聚焦透鏡（GRIN lens）是基礎(chǔ)性光學(xué)器件[1]，在通訊、自動(dòng)化生產(chǎn)及軍事裝備制造等領(lǐng)域應(yīng)用廣泛。隨著科技進(jìn)步及其應(yīng)用領(lǐng)域的不斷擴(kuò)展，其需求量不斷增加，大規(guī)模生產(chǎn)時(shí)，其質(zhì)量檢測(cè)及監(jiān)控問題逐步暴露出來。一般，自聚焦透鏡生產(chǎn)質(zhì)量檢測(cè)方法主要是依賴簡(jiǎn)單的工具顯微鏡及技術(shù)人員的經(jīng)驗(yàn)，在較強(qiáng)的光照條件下用肉眼觀察，并大致確定其生產(chǎn)質(zhì)量。效率低，勞動(dòng)強(qiáng)度大，且檢測(cè)錯(cuò)誤概率大。因此，應(yīng)用圖像處理技術(shù)，研究自聚焦透鏡端面缺陷的特征提取方法，進(jìn)而開發(fā)出一種適用于自聚焦透鏡端面質(zhì)量自動(dòng)檢測(cè)的機(jī)器視覺系統(tǒng)有較好的應(yīng)用價(jià)值，對(duì)保證生產(chǎn)質(zhì)量、提高生產(chǎn)效率有重要的現(xiàn)實(shí)意義。

近年來，已有文獻(xiàn)[2]報(bào)道了應(yīng)用計(jì)算機(jī)圖像處理技術(shù)檢測(cè)自聚焦透鏡端面缺陷的案例，同時(shí)給出了自聚焦透鏡端面圖像的信息層次結(jié)構(gòu)[3]；為降低獲取透鏡端面圖像過程所產(chǎn)生的光暈現(xiàn)象對(duì)圖像處理結(jié)果的影響，又提出了新的檢測(cè)方法，并應(yīng)用改進(jìn)中值濾波方法較理想地實(shí)現(xiàn)了缺陷圖像的區(qū)域分割[4]。為進(jìn)一步實(shí)現(xiàn)自聚焦透鏡端面缺陷的特征提取，本文詳細(xì)描述了最近設(shè)計(jì)的圖像采集實(shí)驗(yàn)裝置及相關(guān)的特征提取算法，并給出了缺陷圖像特征較為精確的數(shù)字結(jié)果，如崩邊、麻點(diǎn)及劃痕等主要的缺陷，為實(shí)現(xiàn)透鏡生產(chǎn)質(zhì)量的自動(dòng)化檢測(cè)奠定了較為堅(jiān)實(shí)的基礎(chǔ)。

1 圖像采集及圖像處理系統(tǒng)

為精確地完成透鏡端面圖像采集，并實(shí)現(xiàn)圖像特征提取，設(shè)計(jì)了如圖1所示的圖像采集實(shí)驗(yàn)裝置。其中，包括工業(yè)相機(jī)位置及高度的控制組件（圖中1、2、3級(jí)14），光源位置的控制機(jī)構(gòu)（10、11、12、6），工業(yè)相機(jī)、遠(yuǎn)心鏡頭、光源和被測(cè)物（透鏡）的同軸度調(diào)整機(jī)構(gòu)。

圖1 自聚焦透鏡端面圖像采集實(shí)驗(yàn)裝置

在實(shí)際圖像采集的過程中自聚焦透鏡、光源、CCD工業(yè)相機(jī)和遠(yuǎn)心鏡頭形成了如圖1所示的位置關(guān)系，CCD相機(jī)4和遠(yuǎn)心鏡頭5在左側(cè)，自聚焦透鏡8位于右側(cè)，光源6位于鏡頭和自聚焦透鏡的中間位置，將光照射在自聚焦透鏡端面上，CCD工業(yè)相機(jī)和遠(yuǎn)心鏡頭共同完成圖像采集。

由氣動(dòng)機(jī)械手7吸附透鏡，使其被測(cè)端面對(duì)正光源聚焦區(qū)域，同時(shí)可繞其軸心旋轉(zhuǎn)180°，以實(shí)現(xiàn)另外一個(gè)端面的圖像采集。

透鏡端面缺陷檢測(cè)系統(tǒng)如圖2所示，由圖像采集系統(tǒng)，圖像存儲(chǔ)和管理系統(tǒng)，預(yù)處理及分類系統(tǒng)，特征提取及相關(guān)信息集成及控制系統(tǒng)構(gòu)成。最終的結(jié)果由輸出裝置輸出，并作為控制圖像采集裝置相關(guān)運(yùn)動(dòng)機(jī)構(gòu)的輸入信息。其中，圖像采集系統(tǒng)與圖1所示實(shí)驗(yàn)采集裝置配合完成透鏡端面圖像的輸入及其控制；圖像管理系統(tǒng)負(fù)責(zé)圖像儲(chǔ)存及相應(yīng)的管理，如為下一階段圖像處理準(zhǔn)備圖像等；圖像分類完成后，進(jìn)行圖像特征提取及信息集成，完成透鏡端面質(zhì)量信息的輸出。

圖2 透鏡端面缺陷檢測(cè)系統(tǒng)

一般，自聚焦透鏡端面圖像共有四種典型的缺陷類型。如圖3(a)、(b)、(c)及(d)所示，分別是不規(guī)則缺陷（相對(duì)較大的獨(dú)立缺陷區(qū)域）、崩邊、麻點(diǎn)（隨機(jī)分布在端面區(qū)域）及劃痕。

圖3 四種典型的缺陷圖像

2 缺陷特征提取方法

如圖5所示，系統(tǒng)采用的圖像處理方法包括圖像縮放及調(diào)整，目的是截取原始圖像中的有用區(qū)域，即透鏡端面區(qū)域；為獲得正確的圖像區(qū)域分割、邊緣檢測(cè)及平滑處理等過程的參數(shù)，進(jìn)行的灰度值的直方圖統(tǒng)計(jì)；改進(jìn)的中值濾波方法的目的是用以降低圖像光暈現(xiàn)象的影響，產(chǎn)生光暈的主要原因是照明光源與透鏡端面結(jié)構(gòu)的干涉現(xiàn)象。隨后是邊緣檢測(cè)、填充、平滑處理及不相關(guān)區(qū)域去除等，在確定最佳外接圓（透鏡端面有效外輪廓）后，進(jìn)行有效的區(qū)域分割，再進(jìn)行特征參數(shù)的統(tǒng)計(jì)及輸出。

如圖4 (a)、(b)所示，為崩邊缺陷圖像及較大不規(guī)則缺陷圖像經(jīng)中值濾波處理的輸出圖像；圖4 (c)和 (d)則表示兩種圖像最佳外接圓的估計(jì)結(jié)果?？梢钥闯觯景送哥R實(shí)際端面區(qū)域。

圖4 圖像中值濾波的結(jié)果

圖5 圖像處理流程

圖6所示為四種不同缺陷圖像的處理及特征提取結(jié)果，其中(1)、 (5)、 (9)及(13)是四種典型缺陷的原始圖像，分別是較大不規(guī)則缺陷、崩邊、隨機(jī)分布的麻點(diǎn)及劃痕。標(biāo)記為(2)、 (5)、(10) 和 (14)的分布為上述圖像經(jīng)過中值濾波后進(jìn)行最佳外接圓估計(jì)的輸出結(jié)果?？梢钥闯?，此時(shí)圖像中特征區(qū)域明顯得到了加強(qiáng)，光暈的影響基本被消除掉了。圖6中，(3)、 (7)、(11) 及(15)表示經(jīng)圖像處理后，四種典型特征圖像最佳外接圓內(nèi)，即透鏡端面有效區(qū)域缺陷特征的處理結(jié)果。以劃痕為例，從圖6（15）、（16）中，可以看出分成明確的劃痕區(qū)域。

圖6中最右側(cè)一列，即圖(4)、(8)、(12)及(16)為對(duì)應(yīng)四種典型缺陷類型圖像的最后輸出結(jié)果，圖中可以明顯看到特征區(qū)域的重心坐標(biāo)及其區(qū)域大小。實(shí)際重心坐標(biāo)值及對(duì)應(yīng)的最大特征區(qū)域面積如表1所示。

表1 圖像特征提取的數(shù)值結(jié)果

圖6 不同缺陷特征的圖像處理結(jié)果

劃痕，是自聚焦透鏡較為典型的缺陷，系統(tǒng)將進(jìn)行更為詳盡的分析及描述。如圖7所示，根據(jù)圖中的信息可以計(jì)算出劃痕的最大寬度為11（像素單位），平均寬度為6.5163，而劃痕的長度為192.9089。

圖7 劃痕缺陷特征提取

3 總結(jié)

本文詳細(xì)分析了自聚焦透鏡端面圖像的特點(diǎn)，提出了一系列有針對(duì)性性的圖像處理方法，并設(shè)計(jì)了端面圖像采集的實(shí)驗(yàn)裝置。針對(duì)四種不同缺陷類型的實(shí)驗(yàn)結(jié)果表明，所提出的圖像預(yù)處理方法、圖像分類及特征提取的方法是有效的，能夠正確地給出缺陷范圍（面積）大小、重心位置等參數(shù)，為結(jié)合企業(yè)生產(chǎn)，開展自聚焦透鏡端面生產(chǎn)質(zhì)量的在線檢測(cè)奠定了堅(jiān)實(shí)的技術(shù)基礎(chǔ)。