刘红　薛立勤

摘要：传统的金属制品检测方法不但容易造成误检或者漏检，而且检测速度过慢，原材料损失较大。设计了一种基于数字图像处理技术进行金属圆柱体缺陷检测的方法，可以有效解决上述问题。以数字图像处理技术为核心，通过MATLAB平台进行软件编程仿真实现。设计包括采集图像信息、图像预处理、提取图像特征三部分。通过实验，实现了计算机对金属圆柱体缺陷图像的自动检测，具有非常好的扩展功能，大大提高了工作效率，节省了成本。

关键词：数字图像处理；机器视觉；圆柱体；表面缺陷

DOIDOI：10.11907/rjdk.151551

中图分类号：TP317.4

文献标识码：A 文章编号文章编号：16727800（2015）008020502

0 引言

传统的金属圆柱体检测大部分采用人工检测方法，主观判断、工作强度大等因素影响，容易造成圆柱体的误检或者漏检。基于数字图像处理技术的检测方法不受主观因素、工作强度等限制，应用范围广泛。与平面物体的检测相比，圆柱体因受曲率和表面材料等因素的影响，导致表面受光不均匀，图像采集与处理实现相对困难。本文通过机器模拟人的视觉系统，采集被检测区域图像，统计被检测区域相应的像素点个数，进而换算成以平方米为单位的面积[1]。然后依据不同的表面特征，将这些特定区域用数字图像处理方法提取出来进行相应的检测，实现对圆柱体的快速检测。

1 图像采集

采用线扫描相机实现圆柱体的360°全周图像高速采集，将线扫描数据输入计算机并拼接展开成一幅完整的平面图像，然后对此图像进行处理，继而对圆柱体产品外表面及其相关区域进行详细的检测。线扫描相机获得圆柱体侧表面完整图像的过程如图1所示。

其中，线扫描相机分辨率b（mm）、扫描周期τ与被测圆柱体的角速度ω满足的关系为：

2b=τωD（1）

首先通过米尺确定D的粗测值，用D的粗测值确定τ和ω的乘积区间，然后用试探法分别确定τ值和ω值。其中τ值由软件调节。这样，当圆柱体旋转一周时，线扫描相机可扫描出H=πD /b条线，即可得到高是H（行）宽是W（列）的图像S，整幅图的扫描周期为Ti=τπD /b[2]。

2 图像预处理

为形成计算机较为容易分析的图像，需将线扫描相机采集到的原始图像进行预处理。本文采集高质量图像并对其进行预处理是整个设计的关键所在。对于图像预处理主要从图像滤波去噪和图像分割两个方面进行。

2.1 图像滤波去噪

图像噪声的种类多种多样，根据产生原因的不同可分为内部噪声与外部噪声。通常采用滤波的方法来消除噪声，提高图像质量和突显目标特征等信息。本设计采用3×3中值模板滤波，得到的图像比较清晰并能够很好地保留图像边缘信息。在这里不能选择过大的窗口，否则会丢失图像的边缘信息，使图像边缘变得模糊不清。

中值滤波原理为：坐标点（x，y）、大小为m×n的窗口表示为Sxy，中值滤波是选取窗口Sxy中被干扰图像g（x，y）的中值[3]，作为坐标点（x，y）的输出，公式为：

f（x，y）=Median（s，t）∈sxy[g（s，t）]（2）

在MATLAB中，采用函数medfilt2（I，[m，n]）对图像进行中值滤波。采用中值滤波模板后图像如图2所示。

图2 3×3中值模板滤波

左图为加了椒盐噪声的灰度图像，噪声密度为0.05，右图为模板滤波之后的图像。从图中可以看出，3×3中值模板滤波对椒盐噪声的抑制效果良好，缺陷区域的边缘信息得到了有效保留。

2.2 图像分割

图像分割是计算机机器视觉技术中必不可少的关键步骤。图像分割的优劣将对计算机视觉中的图像理解产生重要影响。针对本设计中圆柱体缺陷检测特点和算法本身性能，决定采用耗时少并且算法计算简单的Roberts算子。

对离散图像f（x，y），边缘检测算子用图像的垂直和水平差分来逼近梯度算子[4]，即：

在进行边缘检测时，对于图像中的每一个像素计算f，然后求绝对值，最后进行阈值操作[5]。Roberts算子计算公式为：

Roberts算子是由如图3所示的两个模板组成。

图3 Roberts算子模板

在MATLAB中，采用函数edge（）进行图像边缘检测，函数返回与输入图像大小相同的二值图像，数据类型是逻辑型。调用格式为BW=edge（I，Roberts，thresh）。采用Roberts算子边缘检测的图像如图4所示。

从图4可以看出，Roberts算子对图像提取的边缘响应较好，达到了本设计在图像预处理后对图像特征提取的要求。

图4 Roberts算子边缘检测

3 图像特征提取

系统提出诸如形态、纹理、灰度等特征的缺陷特征种类，由于计算量大、计算度比较复杂，本设计只针对圆柱体的缺陷面积、周长、圆度等参数进行提取。

3.1 图像缺陷面积提取

特征区域的面积是区域的一个基本特性，区域面积的大小和缺陷直接相关，通过计算特征区域内标记了的像素数目，把像素值变为标号，对标号的总和进行统计即可得出特征区域的面积。对一个区域R来说，它的面积S可用如下公式进行计算：

S=∑（x，y）d（x，y）（5）

式（5）中（x，y）表示像素点坐标。

3.2 图像缺陷周长提取

周长是一种简单的区域特征，它是围绕特征区域中目标像素的外边界上的像素点数之和。链码用于描述目标图像的边界，按照标准方向的斜率可分为4向链码和8向链码[6]，如图5所示。

图5 4向链码和8向链码编号

设边界线上链码为偶数的像素点个数为M，链码为奇数的像素点个数为N[7]。从图5可知，倾斜方向的像素之间距离为2，并列方向的两个像素之间距离为1，所以特征区域的周长C可表示为：

C=M+2N（6）

3.3 图像缺陷圆度提取

缺陷的圆度反映了特征区域与圆相接近的程度，是测量区域形状常用的量[8]。闭区域的面积S与闭区域周长的平方C2的比值乘以4π即为圆度的计算公式，通常用e来表示：

e=4πSC2（7）

其中，e=1时，目标区域为圆形。e越小，目标越复杂。

对金属圆柱体的几何缺陷特征样本提取测量结果见表1。

4 结语

本文基于数字图像处理技术对金属圆柱体进行缺陷检测，对金属圆柱体采集图片通过软件编程仿真，实现对图片的预处理与特征提取，大力提高了工作效率，满足了无损检测要求。其中关键是图像的采集和图像的预处理两个部分。系统设计相对简单，本文对于图像采集部分中图片拼接技术没有过多介绍，对圆柱体的缺陷特征检测技术阐述较少。

参考文献：

[1] 乐静，郭俊杰，朱虹.回转曲面上特定区域面积的图像检测方法[J].西安理工大学学报，2003（3）：7679.

[2] 孙晓军.线阵CCD在圆柱体表面检测系统中的应用[J].光学技术，2000（1）：123125.

[3] 杨丹.赵海滨.龙哲.MATLAB图像处理实例详解[M].北京：清华大学出版社，2013.

[4] 何俊峰.基于视觉原理的图像边缘检测算子研究[D].武汉：华中科技大学，2006.

[5] 王勇智.基于图像处理的变形迷彩目标发现研究[D].重庆：重庆大学，2009.

[6] 厉谨.图像型火灾探测技术的研究[D].西安：西安建筑科技大学，2010.

[7] 史颜玲.基于形状特征的图像特征提取方法及其在医学图像分析中的应用[J].许昌学院学报，2011，30（2）：4750.

[8] 王慧楠.基于机器视觉的圆柱滚子表面缺陷检测系统[D].洛阳：河南科技大学，2012.

（责任编辑：杜能钢）