基于機器視覺的銷釘邊緣高精度定位

王章鋒，孫建軍

（天津工業大學 機械工程學院，天津 300387）

基于機器視覺的銷釘邊緣高精度定位

王章鋒，孫建軍

（天津工業大學 機械工程學院，天津 300387）

針對傳統的高斯插值算法運用在圖像檢測上定位不準確，對高斯插值亞像素邊緣檢測算法進行了優化。首先，通過Canny算法對圖像進行粗處理，再對其邊緣點進行Hough變換，得到圖像邊緣的斜率和在插值方向的相應邊緣點，通過坐標變換將梯度方向旋轉至與插值方向一致；然后，對變換后的圖像進行高斯插值計算。結果表明：優化后的算法能得到更高的定位精度，且具有方向不變性。將該算法運用于銷釘邊緣提取能滿足精度要求。

高斯插值算法；圖像處理；邊緣高精度提取

0 引言

隨著機電一體化的發展，零件大批量的生產要求不斷提高。對于體積較小的銷釘，限制其生產率提高的主要因素是尺寸的測量與合格品的篩選。因此，基于圖像處理對銷釘進行非接觸檢測篩選的技術研究非常重要。目前傳統的邊緣檢測算法主要有：Robert、Sobel、Canny、Prewitt算子[1-5]這些傳統算子在邊緣檢測過程中容易受到噪聲、尺寸范圍變化、灰度差異等實際情況的干擾，并且定位精度只能精確到像素級，無法滿足對尺寸有較高精度要求的銷釘進行精確的邊緣定位[6]。為此，又提出了亞像素邊緣檢測算法，是基于傳統邊緣檢測算法發展而來。在使用亞像素邊緣檢測算法時，常常先用傳統邊緣就愛內側算法進行像素級別上的粗定位，再進一步進行更精確的定位。現有的亞像素邊緣檢測算法主要分為三大類：矩方法[7]，擬合法[8]，插值法[9]。傳統的二次插值算法對被檢邊緣的方向性要求較高，方向發生變化后往往會影響插值精度，無法適應復雜的工況要求。本文通過對傳統高斯亞像素插值算法進行優化來精確的提取銷釘的邊緣位置。實驗表明，此算法應用在銷釘的篩選能達到實際生產的精度要求。

銷釘的生產效率很高，制約生產效率提高的一個因素就是對銷釘的尺寸測量，即對銷釘合格產品的篩選，而銷釘本身具有多個尺寸需要測量，如圖1所示。本文針對銷釘的結構特征，對其邊緣的定位算法進行插值方向變換優化，從而實現對銷釘邊緣的精確快速定位。

圖1 銷釘結構尺寸圖

1 基礎算法選擇

由于光學元器件的卷積作用和光學衍射作用，以及光學系統的相差，導致灰度值劇變的邊緣處經光學成像成為漸變式。根據方形控采樣定理，在固定的時間間隔內光學元件以固定的面積對投射在其感光面上的光強進行積分，輸出結果就是圖像的灰度值。由于積分時間和積分面積是相對固定的，所以他的輸出灰度值至于它感光面上的光強分布有關[10]。

灰度值輸出表示為：

式中：f(i,j)為像素灰度值；g(x,y)為連續圖像的光強分布。

實際圖像邊緣灰度值的分布如圖2所示，可以看出階躍邊緣的變化經光學成像處理后是一個非線性的離散變化過程。對圖2中所有的灰度值進行差分得到如圖3所示的分布圖。

圖2 邊緣灰度值分布圖

圖3 邊緣梯度值分布圖

由上述分析可以看出，像素灰度值的輸出時光學元器件上綜合光強作用的結果，符合方形孔采樣定理[11]。同時根據中心極限定理，從理論上講邊緣的灰度變化應當高斯分布，如圖4所示，曲線的中電為邊緣的精確位置。

圖4 邊緣梯度值分布圖

高斯曲線的表達式為：

可以看出是一個典型的二次曲線，因此設方程：

實際邊緣的角度任意性，邊緣灰度梯度分布不規律，較小角度的邊緣灰度梯度分布無法滿足插值要求，不同角度邊緣的灰度值分布與灰度梯度值分布如圖所示，圖示小角度的邊緣灰度梯度值分布并不符合插值要求。在進行二次插值過程中，式(4)只能對水平，豎直，對角線方向的梯度變化進行準確的邊緣定位[7]，在實際生產過程中和圖像檢測領域無法實現實際邊緣的檢測。這一缺陷將不可避免的造成高斯插值的精度降低，無法滿足實際應用當中的精度要求。因此，要對傳統的高斯插值算法進行優化。

圖5 不同角度邊緣梯度值分布圖

2 算法優化

2.1 插值方向優化

根據本課題檢測對象的特征，本文將先用經典的邊緣提取算法Canny算法，對圖像邊緣進行粗定位，對邊緣線進行Hough變換[12]后從而可以對待測邊緣的傾角進行初步的測量，根據實際的傾斜角度對邊緣進行坐標變換，變換角度使邊緣傾角更接近垂直位置，以便能得到準確的亞像素位置。

圖6 沿梯度方向插值示意圖

角度變換方程如下：

為了保留圖像的原始灰度信息，變換過程只改變像素的坐標位置，其灰度值分布不發生變化。對變換后的圖像邊緣位置進行定位，定位后的精確邊緣位置再經過相同的角度變換，還原至原始位置。

2.2 插值算法優化

該算法的計算精度和速度取決于插值函數的選擇，綜合考慮本文檢測圖像的特點和復雜程度，為了提高算法的運算速度，本文將傳統的高斯亞像素插值定位算法進行改進，插值方程如下：

根據Hough變換后的圖像邊緣，提取像素點的準確坐標位置，對坐標點坐標進行式(7)～式(9)運算，可以精確的得出插值方程(6)的系數，從而根據所得二次插值函數的中心線計算公式(10)可以得出精確的邊緣位置重點。

在新坐標系中經過每次插值運算的邊緣點位置即為(x,y)。

3 算法驗證

3.1 擬合對比試驗

為了分析優化前后算法的穩定性，本算法基于MATLAB語言編寫環境，分別對10°、21°、40°傾斜直線進行檢測。

根據對角度測量的準確性，來判斷對邊緣直線定位的精準程度。

圖7 優化前后相同角度直線選取

3.2 角度測量實驗

表1 原始插值方法角度檢測結果

表2 優化后插值方法角度檢測結果

表3 不同角度直線得到的亞像素值

【】【】

根據不同傾斜角度直線的角度測試結果，表1、表2數據可以說明優化后算法在針對小角度傾斜直線測量時有更好的穩定性，而且隨著角度的變換，表3數據可以說明亞像素檢測精度沒有發生明顯的變化，因此本算法不會因檢測角度的不同而影響檢測精度。

根據本課題的銷釘輪廓特征，優化后算法能夠準確的確定直線位置，計算得到的直線位置誤差在銷釘的公差帶要求之內，因此本算法在銷釘的外輪廓尺寸測量中能夠符合生產要求。

4 結論

針對銷釘的外輪廓特征，通過改變高斯亞像素插值算法的插值方向，將該算法在MATLAB編譯環境下對銷釘圖像進行驗證，實驗結果表明能精確的定位銷釘輪廓的邊緣線，可檢測精度達到0.06個像素，檢測精度高。該算法運在刀具尺寸檢測、鋼材表面缺陷、鋼管內徑尺寸檢測等，可以實現高精度的邊緣定位和尺寸測量。

[1] 趙芳,欒曉明,孫越.數字圖像幾種邊緣檢測算子檢測比較分析[J].通信與信息處理,2009,28(3):68-72.

[2] 王植,賀賽先.一種基于Canny理論的自適應邊緣檢測方法[J].中國圖象圖形學報.2004,9(8):957-962.

[3] Canny J.A computational approach to edge detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence.1986.

[4] O. R.Vincent,O.Folorunso.A Descriptive Algorithm for Sobel Image Edge Detection[A].Proceedings of Informing Science & IT Education Conference (InSITE)[C].2009.

[5] FRANK Y S,CHENG S.Extracting faces and facial features from color images[J].International Journal of Pattern Recognition and Artificial Intelligence.2008.

[6] Rafael C.Gonzalez,Richard E. Woods, Steven L. Eddins. Digital Image Processing Using MATLAB[M].2nd Edition.

[7] 凌遠煥,徐杜,將永平,等.基于局部區域灰度矩圖像邊緣定位方法的研究[J].光學與光電技術,2009,7(3):60-63.

[8] 許光,明吳昭,周春蘭,等.基于視覺的零件尺寸測量[J].工業控制計算機,2015,28(4):111-113.

[9] 祁曉玲,趙霞霞,靳伍銀.基于機器視覺的軸類零件幾何尺寸測量[J].組合機床與自動化加工技術,2013(01):65-73.

[10] 來躍深,陳琛,田軍委,程鋼.高斯插值亞像素邊緣檢測算法的優化[J].西安工業大學學報,2012(10):811-816.

[11] 呂繼武,于偉,鄭偉.一種基于改進的HOUGH變換的車輪檢測方法[J/OL].電子技術與軟件工程,2014(13).

High precision edge extraction of pin base on machine vision

WANG Zhang-feng, SUN Jian-jun

TP3-0

A

1009-0134(2016)12-0023-04

2016-08-07

王章鋒（1991 -），男，河北人，碩士，研究方向為機器視覺。