影像測(cè)量?jī)x自動(dòng)尋邊算法

 

    手機(jī)玻璃的生產(chǎn)對(duì)尺寸和瑕疵檢測(cè)精度要求都很高，為了保證產(chǎn)品質(zhì)量和生產(chǎn)效率，必須采用自動(dòng)尋邊技術(shù)。要實(shí)現(xiàn)影像測(cè)量?jī)x的自動(dòng)尋邊，關(guān)鍵是要研究如何準(zhǔn)確地獲取玻璃的邊緣信息。利用數(shù)字圖像處理技術(shù)，采用濾波、邊緣檢測(cè)和跟蹤等算法對(duì)獲得的圖像進(jìn)行處理，可有效地提取玻璃的邊緣信息，并根據(jù)要求對(duì)邊緣信息進(jìn)行矢量化處理，將處理后的信息傳遞給數(shù)控機(jī)床。

 

    由于成像環(huán)境的不同，從圖像的獲取、傳輸?shù)教幚淼母鱾€(gè)環(huán)節(jié)都會(huì)有噪聲的干擾。因此，在對(duì)圖像進(jìn)行處理前必須進(jìn)行濾波預(yù)處理，它是后續(xù)進(jìn)行邊緣檢測(cè)、分割、識(shí)別和其它處理的前提，也是為自動(dòng)尋邊系統(tǒng)提供準(zhǔn)確邊緣信息的保證。

 

    多數(shù)線性濾波方法都具有低通特性，在去除噪聲的同時(shí)也使圖像的邊緣變得模糊，因此采用非線J險(xiǎn)濾波方法—中值濾波來(lái)濾除噪聲。中值濾波是指將以某點(diǎn)(x，y)為中心的小窗口內(nèi)所有像素的灰度按單調(diào)上升(或下降)進(jìn)行排序，并以排序后的中間值作為(x，y)處的灰度值。它對(duì)脈沖干擾及椒鹽噪聲的抑制效果較好，且在抑制噪聲的同時(shí)能有效防止邊緣模糊。但考慮到在較惡劣的成像環(huán)境下，單純使用中值濾波并不能很好地濾除噪聲。根據(jù)圖像中的噪聲一般都為孤立噪聲的特點(diǎn)，提出采用中值濾波結(jié)合形態(tài)學(xué)濾波的方法來(lái)消除噪聲。形態(tài)學(xué)的基本運(yùn)算是膨脹和腐蝕。腐蝕可以把小于結(jié)構(gòu)元素的物體(如毛刺，小凸起)去除。選取不同大小的結(jié)構(gòu)元素，就可以在原圖像中去掉不同大小的物體。但是，結(jié)構(gòu)元素越大，計(jì)算量就越大。為了既能減少計(jì)算量，又能取得較好的濾波效果，采用3* 3的方形結(jié)構(gòu)元素，并進(jìn)行3次腐蝕操作。采用這種雙結(jié)合的濾波方法比單一采用某種方法的效果更為出色。

 

 

    

    為了實(shí)現(xiàn)對(duì)玻璃邊緣線的準(zhǔn)確跟蹤，需要取得邊緣路徑的特征點(diǎn)，即獲取邊緣的中心線。常用的提取中心線的算法有:①基于模板提取光條的骨架:如方向模板法、細(xì)化;②提取光條的幾何中心法:如閾值法、逐行搜索法等。其中，細(xì)化處理法實(shí)際是一種求圖像骨架的過(guò)程，形態(tài)學(xué)中軸變換就是提取圖像骨架的一種運(yùn)算方法。中軸變換可以形象地描述為:設(shè)想在t=  V時(shí)刻，將目標(biāo)邊界各處點(diǎn)燃，火的前沿以勻速向目標(biāo)內(nèi)部蔓延，當(dāng)前沿相交時(shí)火焰熄滅，火焰熄滅點(diǎn)的集合就構(gòu)成了中軸。二值圖像的形態(tài)學(xué)骨架是通過(guò)選定合適的結(jié)構(gòu)元素對(duì)圖像進(jìn)行連續(xù)腐蝕和開(kāi)運(yùn)算來(lái)求得的。利用中軸變換實(shí)現(xiàn)細(xì)化是非常耗時(shí)的，它不得不遍歷對(duì)象的每一個(gè)像素。如果選取的模板的形狀不適當(dāng)?shù)脑?，就?huì)導(dǎo)致細(xì)化后的圖像線條出現(xiàn)分叉，還會(huì)帶來(lái)計(jì)算量的增加。因此，針對(duì)以上出現(xiàn)的問(wèn)題，采用改進(jìn)的行列交叉搜索法來(lái)提取中心線。

    億輝光電廠家，專業(yè)生產(chǎn)影像測(cè)量?jī)x等精密測(cè)量?jī)x器。