基于機(jī)器視覺的齒輪檢測研究

陳宇艦

【摘 ?要】針對機(jī)械檢測汽車齒輪表面缺陷與尺寸參數(shù)存在成本高、工作量大、檢測速度慢且產(chǎn)品一致性差等問題，利用機(jī)器視覺技術(shù)進(jìn)行研究。首先對齒輪的位置進(jìn)行精確定位，其次，對齒輪的圖像進(jìn)行預(yù)處理，采用去噪技術(shù)對齒輪圖像進(jìn)行去噪，為精確邊緣檢測提供基礎(chǔ)。最后，采用改進(jìn)的canny邊緣檢測算法對齒輪的邊緣進(jìn)行提取。通過實(shí)驗(yàn)得出，該算法不僅定位準(zhǔn)確，而且齒輪邊緣的完整性能夠清晰的提取出來，降低亮斑對齒輪圖像檢測的誤差，為機(jī)械自動(dòng)化一體設(shè)備完成自動(dòng)檢測提供了前期技術(shù)支持。

【關(guān)鍵詞】機(jī)器視覺;圖像預(yù)處理;邊緣檢測;canny邊緣檢測算法;機(jī)械自動(dòng)化

引言

如今，隨著圖像處理、光學(xué)成像、傳感器、處理器等技術(shù)的快速崛起與發(fā)展，機(jī)器視覺在人們生產(chǎn)和生活中的應(yīng)用越來越廣泛，從工業(yè)生產(chǎn)到金融、安防以及交通領(lǐng)域，其正在推動(dòng)包括制造業(yè)在內(nèi)的眾多行業(yè)快速轉(zhuǎn)型。

由于國際市場已經(jīng)步入成熟，而我國市場正走向成長，兩者之間的發(fā)展差距和進(jìn)程快慢有了明顯的變化。在市場方面依然是日美等企業(yè)居于主導(dǎo)地位，擁有技術(shù)、人才和產(chǎn)品上的絕對優(yōu)勢，占據(jù)全球市場的大頭份額，但在增長速度和市場規(guī)模等數(shù)據(jù)上，我國正在奮起直追且效果顯著，眼下已成為全球第三大機(jī)器視覺市場。機(jī)械生產(chǎn)同樣，與機(jī)器視覺的連接也原來越緊密。本文通過機(jī)器視覺代替人工檢測機(jī)械上應(yīng)用的齒輪，人力物力的同時(shí)，增加機(jī)械的檢測精度。

1齒輪圖像的定位

自動(dòng)化機(jī)器視覺的檢測，首先要定位待檢測目標(biāo)物體的位置，我們采用機(jī)器視覺，首先要對當(dāng)前圖片中的齒輪位置進(jìn)行定位。

采用幀差法對齒輪的位置進(jìn)行定位。

1.1幀差法的算法原理：

幀差法是背景減圖法中的一種，只不過是幀差法不需要建模，因?yàn)樗谋尘澳Ｐ途褪巧弦粠膱D片，所以該算法處理速度非常快，而且?guī)罘▽徛儞Q的光照不敏感，提高了機(jī)器自動(dòng)化檢測設(shè)備的抗光感性。

2齒輪圖像的預(yù)處理

定位完齒輪的位置后，我們要對齒輪圖像進(jìn)行預(yù)處理，去除采集設(shè)備產(chǎn)生的工頻噪聲，以及設(shè)備之間產(chǎn)生的高頻噪聲，提高圖像的清晰度，和對比度，為后續(xù)的齒輪的邊緣檢測做準(zhǔn)備。

2.1中值去噪

中值濾波算法可以有效的去除高頻噪聲，也就是具有低通性，可以有效去除一定頻段的高頻噪聲。對中值濾波的實(shí)現(xiàn)原理是把數(shù)字圖像中一點(diǎn)的值用該點(diǎn)的一個(gè)區(qū)域的各個(gè)點(diǎn)的值的中值代替。我們將一個(gè)點(diǎn)的特定長度或形狀的鄰域稱為窗口，那么對于二維圖像的中值濾波，一般采用3*3或5*5的窗口進(jìn)行濾波。

以3*3的窗口為例，我們對定位后的齒輪圖像進(jìn)行灰度轉(zhuǎn)換，得到其灰度圖像，有輸入和輸出兩個(gè)矩陣。從bmp_in[1][1]開始算起，通過該像素點(diǎn)領(lǐng)域內(nèi)的8個(gè)像素再加上該像素本身共9個(gè)像素計(jì)算出中值并映射到輸出矩陣bmp_out[1][1]。接著整個(gè)窗口右移到以步長為的速度進(jìn)行遍歷，遍歷完整張圖片后得到所有中心像素的8個(gè)鄰域內(nèi)的中值，濾除原始像素中的較大像素值，從而達(dá)到去除高頻噪聲的作用。但是，在去高頻噪聲的同時(shí)也使得齒輪邊緣模糊了，所以舍棄該算法。

2.2均值去噪

在解決中值濾波存在的去除高頻噪聲的同時(shí)也改變圖像低像素點(diǎn)的缺陷問題，提出采用平滑線性空間濾波器，也就是均值濾波器。均值濾波器也是低通濾波器，均值濾波器很容易理解，即把鄰域內(nèi)的平均值賦給中心元素。

均值濾波器用來降低噪聲，均值濾波器的主要應(yīng)用是去除圖像中的不相關(guān)細(xì)節(jié)，同時(shí)盡可能多的保留邊緣細(xì)節(jié)。不相關(guān)是指與濾波器的模板相比較小的像素區(qū)域。模糊圖片以便得到感興趣物體的粗略描述，因此那些較小的物體的灰度就會(huì)與背景混合在一起，較大的物體則變的像斑點(diǎn)而易于檢測。模板的大小由那些即將融入背景中的物體尺寸決定，本文仍然采用3*3的模板。

2.3 高斯濾波算法

高斯濾波是一種線性濾波。就是對整幅圖像進(jìn)行加權(quán)平均的過程，每個(gè)像素點(diǎn)的值都由其本身和鄰域內(nèi)的其它像素值經(jīng)過加權(quán)平均后得到。高斯平滑濾波器對于仰制服從正態(tài)分布的噪聲非常有效。

既然是線性濾波，那么就會(huì)存在低通性，那么為什么還要使用這種濾波方法呢？實(shí)際上我們知道如果取模板中心的系數(shù)比較大，而模板周圍的系數(shù)比較小，則可以在保持圖像原有信息特征的情況下消除部分噪聲，而高斯濾波的模板恰恰符合這個(gè)條件。還有一個(gè)問題，如果我們直接通過計(jì)算得到高斯模板，會(huì)存在大量浮點(diǎn)數(shù)的運(yùn)算，故還需要進(jìn)行取整變換使得模板周圍的最小系數(shù)為1，中心點(diǎn)系數(shù)取最大值。

采用高斯濾波不僅可以有效地去除噪聲點(diǎn)，而且能夠保留圖像原有的邊緣點(diǎn)信息。

3齒輪的邊緣檢測

將彩色圖像進(jìn)行去噪后，就要對齒輪的邊緣進(jìn)行檢測。本文在傳統(tǒng)的canny邊緣檢測算法基礎(chǔ)上，對其進(jìn)行改進(jìn)，提出改進(jìn)的canny算法。

3.1 傳統(tǒng)的canny算法

3.3 改進(jìn)的canny 算法

我們在計(jì)算完梯度后，加入中心像素點(diǎn)的其他四個(gè)像素位置，既考慮每個(gè)中心像素的八個(gè)鄰域值，然后遵從傳統(tǒng)的canny算法，即分別計(jì)算每個(gè)中心像素與其相鄰的八個(gè)像素分別計(jì)算矢量梯度距離，并取最大值設(shè)為max_dis，最小值設(shè)為min_dis，并規(guī)定，高閾值為（max_dis+min_dis）/2，低閾值（max_dis-min_dis）/2，將每個(gè)中心像素與鄰域像素的梯度距離分別進(jìn)行比較，大于低閾值，小于高閾值的自動(dòng)判別為該像素點(diǎn)的鄰域，否則不認(rèn)為是鄰域點(diǎn)。通過這種改進(jìn)的算法，不僅去除大量偽鄰域點(diǎn)，還檢測出的更多真實(shí)的鄰域點(diǎn)，從而達(dá)到齒輪邊緣更連續(xù)的效果。

結(jié)論

本文首先對齒輪的圖片進(jìn)行預(yù)處理，采用去噪效果較好的高斯去噪算法，然后對齒輪的圖像進(jìn)行邊緣檢測，并提出一種新算法，通過增加相關(guān)鄰的像素點(diǎn)求其梯度值，并與高低閾值進(jìn)行比較，剔除偽邊緣點(diǎn)，增強(qiáng)真是齒輪的邊緣信息。

（作者單位：沈陽維特自動(dòng)化設(shè)備有限公司）