鏡面瓷磚表面平整度視覺檢測研究

摘 ?要：平整度檢測是瓷磚生產的一個關鍵環節，為有效檢測鏡面瓷磚的平整度，文章提出了一種應用機器視覺的檢測方法，設計點陣光源進行投影照明使得表面的不平整信息可視化，采用光電傳感器觸發方式進行圖像采集，結合“OpenCV圖像處理”課程內容，設計窗口掃描法提取投影點陣，消除側傾對檢測結果的影響，使用方向統計的方法進行平整度檢測。實驗結果表明，該方法能有效檢測出鏡面瓷磚的平整度，同時檢測裝置結構簡單，節省成本。

關鍵詞：平整度檢測;圖像采集;點陣提取;方向統計

中圖分類號：TP391.41 ? ? ?文獻標識碼：A 文章編號：2096-4706（2020）23-0094-04

Research on Visual Inspection of Mirror Tile Surface Flatness

XIE Jian

（Hunan College of Information，Changsha ?410200，China）

Abstract：Flatness detection is a key link in tile production. In order to effectively detect the flatness of mirror tile，this paper proposes a detection method based on machine vision. Dot matrix light source was designed for projection illumination to visualize the surface roughness information，and the photoelectric sensor was used to trigger the image acquisition. Combined with “OpenCV Image Processing” course content，the window scanning method is designed to extract the projection lattice，eliminate the influence of roll on the detection results，and the direction statistics method is used for flatness detection. The experimental results show that this method can effectively detect the flatness of mirror tile，and the detection device is simple in structure and cost saving.

Keywords：flatness detection;image acquisition;lattice extraction;direction statistics

0 ?引 ?言

目前陶瓷產品在消費市場備受青睞，人們對其品質的重視程度也逐步提升，而陶瓷表面平整度就是影響品質的重要因素之一。目前國內的檢測裝置精度不高，國外的檢測裝置又過于昂貴并且維護成本高，所以企業大多采用人工檢測的方式對平整度進行檢測，自動化檢測設備未大面積普及，這種現象在工業現代化發展中越來越不合時宜，因而自主研發檢測設備對國內行業健康發展有重要意義。

檢測方案是筆者針對學校的專業課程“OpenCV圖像處理”而設計的一個綜合案例，旨在增進學生對工業實際環境下圖像處理方案的設計過程的了解，應用OpenCV庫進行圖像處理算法的設計，加深對知識點的理解。

1 ?檢測系統軟件功能設計

檢測系統軟件模塊由圖像采集、圖像預處理、投影點陣提取、平整度檢測、數據存儲5個功能模塊組成，如圖1所示。

圖像采集模塊：在生產環境中，瓷磚是在傳輸帶上運動的，當其運動到指定的位置時觸發光電開關控制攝像頭進行拍照，反應迅速。

圖像預處理模塊：預處理的目的是生成點陣亮前景和暗背景的二值化圖像，以便將投影點陣中的光點完整的提取出來。

投影點陣提取模塊：用設計的窗口掃描法將各個亮點完整的提取出來，同時做消除傾斜處理，為后面的偏移計算做準備。

平整度檢測模塊：首先根據偏移距離判斷瓷磚是否平整，若不平整再用方向統計方法判斷瓷磚具體的缺陷類型。

數據存儲模塊：通過數據庫將瓷磚檢測的相關結果保存，便于統計分析。

2 ?圖像采集

由于檢測瓷磚表面為鏡面，根據鏡面反射的特性，設計了點陣光源對瓷磚表面進行投影。點陣光源整齊排列，若瓷磚表面平整，投影點陣整體仍保持規整，若瓷磚表面不平整，則其上的投影點陣就會發生扭曲，且表面起伏越大，點陣的扭曲變形得越厲害。通過平整瓷磚上的點陣投影與被檢測瓷磚上的點陣投影對應點之間的距離偏差來檢測瓷磚的平整度。

為了使表面不平信息最大限度地突顯出來，對待檢測瓷磚、光源以及攝像頭三者的位置關系進行了研究，經過大量的采圖分析，當光源置于瓷磚的斜上方進行照射，攝像頭置于光線的出射方向進行拍攝時，所采集到的圖像效果最佳。

本系統采用光電傳感器進行觸發采圖，即當瓷磚運動到采樣位置后，觸發該處的光電傳感器產生光電信號，控制攝像頭采圖，解決運動瓷磚與圖像拍攝之間的同步問題，且能有效解決漏檢的問題。如圖2所示為采集的瓷磚點陣投影圖。

3 ?提取點陣質心

在采集到瓷磚表面的點陣投影圖后，需要先對其進行二值化預處理，將圖像中的點陣與背景區域分離，便于各點質心的提取。如圖3所示為平整瓷磚點陣投影圖二值化后的結果。

3.1 ?提取計算質心坐標

為了計算表面的平整度，需要提取出各個點，進而計算各點的偏移。本文提出了窗口掃描算法來分割提取各個質心點。首先根據經驗確定窗口的大小，使其能完全將一個亮點圍住同時與其他點沒有接觸。利用此窗口在圖像中進行掃描，直到整個圖像掃描完，具體步驟為：

第一步：將窗口放在圖像上從左向右滑動，滑動步長為窗口寬度，每次滑動后檢查窗口所在邊上是否有灰度值為255的點。若有，則先記錄當前窗口位置，然后以像素單位為步長向對應邊進行移動，直到所有邊上都沒有灰度值為255的點，表明當前亮點已經全部在窗口內，此時計算亮點像素的質心，然后將所有灰度值為255的點置為0，回到記錄的窗口位置。若沒有，則需判斷窗口內是否有灰度為255的點，有的話計算質心并將其內容清0。繼續滑動窗口，進行相同的判斷及處理。

第二步：窗口移動到最右端后，需要將窗口移動到橫坐標起始處，同時向下移動窗口高度的步長，繼續從左向右掃描，直至圖像掃描完全。

窗口掃描法相對常用的投影法魯棒性更強，提取效果更好，部分代碼為：

vector vecSrc;//保存各點質心位置的向量

Point curPos（0，0）;//掃描窗口左上角位置

while（curPos.y + CONST_H > srcImg.rows） {//掃描終止條件

//判斷窗口的邊是否存在灰度255的像素

int direction; //存在255像素邊的方向 0 僅右方 1 僅下方 2 右下方

bool bFlag = JudgeEdge（srcImg， scurPos.x， curPos.y， direction）;

if（true == bFlag）{ ?//存在 ?則將此像素所在點找到并求質心

Point tempPt ;

tempPt.x = curPos.x + 1;

tempPt.y = curPos.y+ 1;

while（true == JudgeEdge（srcImg， tempPt.x ， tempPt.y ， direction） ）{

if（0 == direction ）{ tempPt.x++; }

else if（1 == direction） {tempPt.y++;}

else{tempPt.x++; tempPt.y++;}

}

//計算窗口內亮點質心點

Point pt = CalCenter（srcImg， tempPt）;

vecSrc.push_back（pt）;

//窗口內像素值全置0

clearLightPoint（srcImg， tempPt）;

}

else {

//判斷窗口內是否有灰度值255的像素

if（true == JudgeInner（srcImg， curPos））{

//計算窗口內亮點質心點

Point pt = CalCenter（srcImg， tempPt）;

vecSrc.push_back（pt）;

//窗口內像素值全置0

clearLightPoint（srcImg， tempPt）;}

}

//移動窗口

if（curPos.x+CONST_W < srcImg.cols）{

curPos.x = curPos.x+CONST_W;}

else{

curPos.x = 0;

curPos.y = curPos.y +CONST_H;

}

}

3.2 ?消除瓷磚側傾影響

瓷磚在傳輸帶上運送時，兩者之間可能會存在一些顆粒物，這些顆粒物使得瓷磚不再是水平擺放在傳送帶上，而是傾斜著擺放在傳送帶上。在這種情況下，若直接計算兩幅圖像對應點的偏移量并進行判斷就會出現錯誤，所以在進行上述計算前應該盡量消除傾斜的影響。

算法思想為：先計算檢測瓷磚質心點相對平整瓷磚各質心點的平均偏移（X和Y方向），然后將檢測瓷磚的質心坐標分別減去平均偏移即可，部分代碼為：

int totalX =0， totalY=0;

int averX =0， averY= 0;

for（int i = 0 ; i < vecDst.size（）; i++ ）{ //計算平均偏移

totalX = abs（vecDst[i].x - vecSrc[i].x）;

totalY = abs（vecDst[i].y - vecSrc[i].y）;

}

averX = totalX / vecDst.size（）;

averY = totalY/ vecDst.size（）;

for（int i ?= 0 ; ?i < vecSrc[i].size（）; i ++）{//消除傾斜影響

vecSrc[i].x = vecSrc[i].x - averX;

vecSrc[i].y = vecSrc[i].y - averY;

}

4 ?平整度檢測

4.1 ?缺陷圖像點陣分布模式分析

目前常見瓷磚表面不平整缺陷的模式有四種，即：拱凸、凹陷、凸棱、以及翹角。通過模擬實驗發現不同缺陷表面的圖像點陣有各自的排列規律。排列呈現拱凸或凹陷的情形時，缺陷附近點陣會向凸起中心聚攏或以凹陷為中心向外擴散，中心附近偏移較大，其他區域偏移較小;凸棱情形時，在凸棱附近的點在垂直方向發生較大偏移，其他區域偏移較小;翹角情形時，邊角附件的點有較大偏移，其他區域偏移較小。

4.2 ?平整度及缺陷判斷

定義點的偏移方向為：以理想點作為起始點，且經過偏移點的射線方向與X軸正軸的夾角大小。

根據上述不同缺陷模式下投影點陣的分布規律，可以分析出對應點偏向角的分布規律。對于拱凸或者凹陷情形，各點偏向角以順時針方向遞增;對凸棱情形，各點偏向角在270或90度左右分布為主;對于翹角情形，各點偏向角在315、225、135、45度左右分布為主。

在考慮各點偏移量的基礎上，再結合方向統計法去區分具體缺陷類型，具有較好效果。算法思想為：

首先，統計出檢測圖像中各點偏移量大于閾值1的點的數目是否超過閾值2，若沒超過，認為瓷磚平整;若超過，則認為不平整，繼續判斷類型。

其次，計算偏移量大于閾值1的點的偏向角，若角度主要分布在270或90度附近則認為是凸棱缺陷;若主要分布在315、225、135、45度附近則認為是翹角缺陷。若兩種都不是，根據遞增方向判斷是拱凸還是凹陷缺陷，部分代碼為：

//計算各點偏角

vector vecAngle;

for（int i = 0; i < vecDst.size（）; i ++）{

if（power（vecSrc[i].y - vecDst[i].y， 2） + power（vecSrc[i].x - vecDst[i].x， 2） < CONST_THRESH）{ vecAngle.push_back（0）; }

else{

float ?angleVal = 0;

int DistY = vecSrc[i].y - vecDst[i].y;

int DistX = vecSrc[i].x - vecDst[i].x;

if（0 == DistX ）{

if（DistY < 0 ）{angleVal = 90;}

else{angleVal = 270;}}

else{ angleVal = （180 * atan（DistY/DistX））/M_PI;}

vecAngle.push_back（angleVal）;}

}

5 ?檢測結果展示

如圖4所示為檢測軟件運行界面，圖片左側為凸棱缺陷瓷磚投影點陣圖像二值化后的結果，圖右顯示檢測信息，包括時間、當前缺陷類型、瓷磚序號、平整數目以及已檢測出缺陷數目等，方便實時查看。

6 ?結 ?論

本文對基于機器視覺的鏡面瓷磚表面平整度檢測方法涉及的圖像采集、預處理、投影點陣提取、平整度檢測等過程進行了詳細的描述，并根據設計完成平臺搭建，整體方案能有效地檢測出瓷磚的平整度。此案例應用在了“OpenCV圖像處理”課程中，結合硬件裝置、軟件功能以及圖像算法的分析與設計，加強了學生的實際應用能力及圖像處理算法設計能力，鞏固了知識點的理解與運用。

參考文獻：

[1] SONKA M，HLAVAC V，BOYLE R.圖像處理、分析與機器視覺：第2版 [M].艾海舟，武勃，譯.北京：人民郵電出版社，2003.

[2] 張廣軍.機器視覺 [M].北京：科學出版社，2005.

[3] 陳勝勇，劉盛.基于OpenCV的計算機視覺技術實現 [M].北京：科學出版社，2008.

[4] 肖艷煒，張云.改進的二維Otsu自動分割算法及其應用研究 [J].計算機工程與應用，2007（7）：243-245.

[5] 邱茂林，馬頌德，李毅.計算機視覺中攝像機定標綜述 [J].自動化學報，2000（1）：47-59.

作者簡介：謝劍（1987.06—），男，漢族，湖南長沙人，就職于軟件學院，教師，初級職稱，碩士，研究方向：計算機應用、圖像處理。