基于數字圖像的螺紋檢測研究

摘要：介紹了數字圖像處理技術在螺紋檢測中的應用，通過對中值濾波、邊緣檢測、二值化等的講解，探討了數字圖像處理的一般性技術，并給出了螺紋幾何尺寸的測量的算法。從理論和實踐中證明了此種方法的正確性和研究的必要性。

關鍵詞：數字圖像處理；中值濾波；邊緣檢測 二值化

1簡介

傳統的螺紋檢測方法，是通過螺紋通止規進行人工測量，當螺紋的牙型落在公差帶的范圍內，則認為螺紋的質量是合格的。其優點是經濟性好，操作簡單；其缺點是螺紋的質量保證水平偏低，存在許多技術漏洞。比如，當螺紋的質量非常差時，檢測人員會不知所措，不知道問題出在哪里，同時，對于大批量螺紋的檢測，費時費力，檢測精度不高，更無法實現自動化。

圖像處理技術產生于上世紀20年代，發展于上世紀80年代，特別是由于近年來計算機處理速度的提高和CCD攝像技術的發展，基于數字圖像理的檢測技術得到了飛速的發展。

2、工作原理

使用數字圖像處理技術對螺紋進行檢測，其工作原理為：利用CCD攝像頭采集待檢測螺紋的圖像，將連續的BMP圖像處理為數字圖像，然后對圖像進行二值化、中值濾波及邊緣檢測處理，提取出螺紋的輪廓，并通過一定的算法，計算出螺紋的幾何參數，然后將其與標準螺紋參數相比較，以判斷螺紋是否合格。

3、圖像處理

3.1圖像的預處理

眾所周知，實際獲得的圖像在形成、傳輸、接收和處理的過程中，不可避免的存在著外部或內部干擾，我們將之稱之為噪聲。噪聲惡化了圖像的質量、使圖像模糊、特征淹沒，給分析帶來困難。因此，在預處理階段，主要目的是去除圖像的噪聲。

對圖像進行濾波除噪有均值濾波、高斯濾波及中值濾波等多種方法。考慮到中值濾波既可以消除噪聲（特別是針對胡椒粉式或脈沖式噪聲）又可以保持圖像的細節，使圖像的輪廓清晰的特點，本檢測系統的軟件使用中值濾波。

中值濾波是最簡單的線性濾波，其基本思想是用像素點鄰域灰度值的中值來代替該像素點灰度值。其原理為：設有一個一維序列f1，f2，f3，… fn，取該窗口長度（點數）為m（m為基數），對一系列進行中值濾波，就是從序列中相繼抽取m個數fi-v，…fi-1，fifi+1，…fi+v；其中，f1為窗口的中心點值，v=(m-1)/2。再將這m個點值按其數值大小排序，取中間的那個作為濾波輸出，用數學公式表示為：

3.2邊緣輪廓提取

圖像的邊緣是圖像的最基本特征，它蘊含了豐富的內在信息（如方向、階躍性質、形狀等），是圖像識別中抽取圖像特征的重要屬性。從本質上說，圖像邊緣是圖像局部特性不連續性（灰度突變、顏色突變等）的反映，它標志著一個區域的終結和另一個區域的開始。

提取邊緣的算法就是檢出符合邊緣特性的邊緣像素的數學算子。邊緣檢測算子檢查每個像素的鄰域并對灰度變化率進行量化，通常也包含方向的確定，有若干種方法可以使用，其中大多數是基于方向導數模板求卷積的方法。

Sobel邊緣檢測算子Sobel邊緣檢測算子是先做成加權平均，再微分，然后求梯度。以下兩個卷積核形成了Sobel邊緣檢測算子，圖像中的每個點都用這兩個核做卷積，一個核對通常的垂直邊緣影響最大，而另一個對水平邊緣的影響最大。邊緣檢測算子的中心與中心像素相對應，進行卷積運算，兩個卷積核的最大值作為該點的輸出位。運算結果是一幅邊緣幅度圖像。

螺紋示意圖如上圖，通過建立直線BS1和直線CS2的方程，求取兩條直線之間的夾角，即可求得牙型角α。可多求幾組，求其平均值。

通過建立直線方程，求取兩直線的交點S1和S2，計算S1和S2的距離，即為螺紋的螺距，可多求幾組，取其平均值。

4、結論

將數字圖像處理技術應用在螺紋檢測中，實現了螺紋的自動化檢測。其檢測精度與CCD攝像頭的像素及焦距調校、鏡頭畸變有著密切關系。因此，軟件在編寫方面還應更加智能。但總體來說，基本實現了螺紋的自動化檢測并且可以達到較高的精度，為批量螺紋檢測提供了參考。

參考文獻

[1]楊淑瑩.VC++圖像處理程序設計[M]. 北京 清華大學出版社. 2003.11.

[2]徐孝恩. 螺紋測量[M]. 北京 機械工業出版社.1986.

[3]張少軍等. 利用數字圖像處理技術測量幾何尺寸[J]. 北京科技大學學報. 2006.6

[4]求是科技. Visual C++數字圖像處理典型算法及實現[M]. 北京 人民郵電出版社.2006.6.

[5]孫鑫等. VC++深入詳解[M]. 北京 電子工業出版社. 2006.6