蒋庆磊，范士军，杨慕升

（1．山东理工大学机械工程学院，山东淄博255091；2．中国联通德州市分公司，山东德州253000）

形状精度是重要的产品特性之一，对工件加工质量的检测具有重要的意义．随着计算机视觉技术的不断发展，图像处理理论也应用到检测行业中．传统的检测方法存在检查产品质量效率低并且精确度不高的缺陷．本文基于图像处理技术实现微内孔形状精度的非传统检测．

1 系统的工作原理

该检测系统由直杆光纤镜、CCD摄像机、图像采集和处理系统组成，系统的总体框架如图1所示［1]．其工作原理为：在光源的条件下，借助直杆光纤镜探头，通过CCD摄像头获取微内孔的图像，利用计算机图像处理系统，把连续的模拟图像信息转换为数字信息，实现图像的中值滤波、二值化处理以及边缘检测处理，获取微内孔的表面轮廓，并借助特定算法计算出微内孔的特征参数，进而基于判断标准实现判别微内孔是否合格的自动化．

图1 系统的总体框架图

2 图像处理技术

微内孔图像的处理，是采取图像的增强来提高图像的质量，实现所需要的图像特征的提取．图像处理主要采用图像平滑和灰度修正［2]两种方法，其中图像平滑方法是利用中值滤波、均值滤波等算法，减少图像噪声来提高图像的质量；图像的灰度修正，主要包含灰度变换、直方图均衡、灰度的阈值变换等操作．

（1）中值滤波 中值滤波是采用一种非线性的滤波器，主要是利用像素点邻域灰度值来替代该像素点灰度值．其算法是：设f（x，y）为图像的当前像素，切出N×M的像素块，定义当前像素f（x，y）的灰度值为g，则g取N×M个像素灰度值从小到大排序序列中的中值．中值滤波是利用一个含有奇数个点的滑动窗口，用窗口中的各点灰度值的中值替换特殊点的灰度值．当元素个数为偶数时，中值是排序后中间两个元素灰度值的平均值；当元素个数为奇数时，中值是按大小排序后的中间数值．中值滤波用于去除噪声并保留图像的边缘细节，产生较小的模糊．

（2）灰度变换 图像采集卡获取的图像一般是真彩图像，数据量大，根据需要，把彩色图像变换为8位的灰度图像．每种光可分解成RGB三基色光，其数值表示基色光的相对强度．灰度图像是指只含有亮度信息，三基色光分量值R＝G＝B．图像的BMP格式中，需要获取其灰度图像，若每个像素的R、G、B相同，该灰度图像的值为Y，限制在灰度级区间［Ymin，Ymax] 之内，总共256级．彩色图像变换为灰度图像的转换公式为

（3）直方图均衡 直方图均衡是利用压缩原图中的像素较少的部分，拉伸像素多的部分的方法处理．

根据概率密度函数的定义

式中：A0为图像的面积；H（x）为直方图的高度；x为像素值．

设变换前的图像的概率密度函数为Pr（r），变换后的概率密度函数为Ps（s），变换函数为s＝f（r），其中s、r为均衡化前后的灰度值．由数学知识得出关系式

当没有归一化时，只需乘以最大灰度值（Dmax）就可以．灰度均衡的变换公式为

针对离散图像的变换公式为

式中：DA、DB分别是灰度均衡前后的灰度值；Dmax是最大的灰度值；A0为图像的面积；Hj是第j级灰度的像素个数．

直方均衡的结果是像素较少的灰度值与其前后的灰度值合并在一起，使其变换为一个输出的灰度值；而像素多的灰度值被分割成多个灰度值．

（4）阈值变换 图像阈值计算的原理，即采用图像的灰度直方图分布，获取该图像的灰度规则，再基于阈值对图像进行二值化处理，然后扫描，搜索图像的边缘，来获取图像的边缘轮廓线．

灰度图像是从图像采集卡上获取的真彩图像，经过灰度化后获取的，有256个级别．为了分析图像的特征，一般通过图像的阈值分割将对象物从图像中分割出来，取灰度值为255；其他取值为0．通过在灰度直方图上查找谷底的取值区域，并由此确定阈值T的大小．然后对灰度图像进行图像的灰度阈值变换，进行二值化．灰度阈值变换的变换函数［3]为

3 检测系统的设计

检测系统的硬件部分主要包括CCD摄像机、直杆光纤镜和图像采集卡．CCD摄像机是一种电荷耦合器件．在微内孔形状精度的检测中，为达到高精度、可靠性，选用WV－BP330摄像机，其采用了768×582像素的图像传感器以及信号处理集成电路．

利用光纤传输或借助CCD传导图像的内窥镜，具有高抗腐蚀性等优点．本检测系统以针阀体（微内孔锥度圆环）为对象，所以选用BS4．2－305直杆光纤镜．

图像采集卡的作用是将CCD获取的模拟图像信号转换成数字图像信号，使计算机获得所需要的数字信号．微内孔形状精度的检测采用DH－CG300图像采集卡．

检测系统的软件由主程序、数据管理子程序、数据采集和处理子程序等组成［3]，其流程图如图2所示．

图2 检测系统的主程序流程图

4 工件检测应用实例与分析结果

标准微内孔和待检内孔检测过程中的图像系列如图3所示．针对图3（a）待检微内孔图像（图像分辨率为748×576），采用上述算法进行检测．其图像处理的步骤如下：对原始图像进行灰度处理，再进行图像的灰度均衡，采用阈值为200获取阈值变换后的图像，然后进行中值滤波与图像平滑处理，最后用Canny算子进行边缘检测［4]，并采用模板匹配识别．

圆度是微内孔形状精度的一个重要评定指标，选取某企业生产的针阀体微内孔锥面的外圆作分析测试，内孔的圆度测量结果见表1．按照下列计算公式获取测量的相对误差：

式中：δ为检测数据相对误差；i为内孔标号；Ci为第i内孔图像的圆度值；C是检测数据的平均值，其计算结果为98．158%．选取12组待检的微内孔，获取的圆度值见表1．

图3 标准微内孔和待检内孔检测过程中的图像系列

表1 微内孔圆度C的检测值

根据表1中获取的检测数据可知，标号为6、7、11、12号的内孔图像的圆度参数都超过99%，因此判定这4个内孔是合格的．

用实际获取的数据标准偏差的δ的2倍来评判检测的可重复性［5－7]，2σ＜±3%．而实际获取的数据应该满足相对误差＜5%，其可重复性＜±3%．这说明，该检测系统的结果稳定性很可靠．

系统的调试结果表明，该检测结果可靠、稳定，适合于微内孔形状精度的现场批量检验，同时该系统结构简单、操作方便，实现了非传统方法的检测，具有很好的应用前景．

［1] 张秋佳，刘明珠．基于图像传感器的工件表面质量检测系统的设计［J] ．机床与液压，2008，36（3）：157－159．

［2] 段云光．图像灰度修正及其实现［J] ．贵州工业大学学报，1999，28（4）：83－85．

［3] 熊秋菊．基于机器视觉的内孔加工质量检测系统的研发［D] ．淄博：山东理工大学，2009．

［4] Lorenzo F，Emanuele N．Image Processing［J] ．Medical Radiology，2010（1）：35－44．

［5] Wooten J R，To S D F，Igathinathane C，et al．Discrimination of bark from wood chips through texture analysis by image processing［J] ．Computers and Electronics in Agriculture，2011，79（1）：13－19．

［6] Mark B．The application of machine vision to the automated inspection of knitted fabrics［J] ．Elsevier Science Ltd，1995，5（2－3）：233－243．

［7] Claudio A P，Pablo A E，Pablo A V，et al．Ore grade estimation by feature selection and voting using boundary detection in digital image analysis［J] ．International Journal of Mineral Processing，2011，101（1－4）：28－36．