【導(dǎo)讀】整光滑，嚴(yán)禁出現(xiàn)裂縫、模影、暗紋等瑕疵。新的密封圈瑕疵識(shí)別算法。用適合的光源照射密封圈，將圖像通過(guò)相機(jī)傳入到主板中。利用軟件編寫算法。對(duì)圖像進(jìn)行檢測(cè)后，檢測(cè)結(jié)果通過(guò)PLC來(lái)向執(zhí)行機(jī)構(gòu)發(fā)送信息，以達(dá)到密封圈好。數(shù)字圖像處理；瑕疵檢測(cè)；哈弗圓檢測(cè)；區(qū)域生長(zhǎng)；師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。盡我所知，除文中特別加。而使用過(guò)的材料。究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文。不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。全意識(shí)到本聲明的法律后果由本人承擔(dān)。本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)大學(xué)可以將本學(xué)位。印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。設(shè)計(jì)是否有創(chuàng)意？

　　

【正文】 nd R ad ius dr nR e alPo sY iCos nTre nd R ad ius dr nR e alPo sX jP im ag e B inary i W idth j????? ? ? ?? ? ? ?? ? ?? ? ? ?? ? ? ?? ? ? 公式 () ? 為 0176。到 360176。，每間隔 15176。取值，即每個(gè)動(dòng)態(tài)內(nèi)半徑 nTrendRadius都要遍歷 24 個(gè)方向 上 的 點(diǎn) ， 設(shè) 定 點(diǎn) 統(tǒng) 計(jì) 變 量 nTrendNum 當(dāng)滿足()[ ] 0()[ ] 25 5Sin nTre nd R ad ius dr nR e alPo sY iCos nTre nd R ad ius dr nR e alPo sX jP im ag e B inary i W idth jSin nTre nd R ad ius dr nR e alPo sY iCos nTre nd R ad ius dr nR e alPo sX jP im ag e B inary i W idth j????? ? ? ?? ? ? ?? ? ?? ? ? ?? ? ? ?? ? ? 公式 ( 時(shí)，該動(dòng)態(tài)內(nèi)半徑所對(duì)應(yīng)的統(tǒng)計(jì)變量 nTrendNum加 1 。 取 出 對(duì)應(yīng) nTrendNum 最大的動(dòng)態(tài)內(nèi)半徑nTrendRadius集合求平均就可得到最終自適應(yīng)的內(nèi)半徑 nRealRadius 。 確 定 圓 心 的 內(nèi) 外 徑 后 ， 就 可 以 提 取 出 目 標(biāo) 圓 環(huán) ， 利 用 公 式 遍 歷[]P im a g eB in a ry H eig h t W id th?圖像，將不滿足的像素 ( , )Fxy 賦值為 0，公式如下： 2 2 22 2 2( ) ( )( ) ( )x n P o s X y n P o s Y n M a x R a d iu sx w P o s X y w P o s Y w M a x R a d iu s? ? ? ?? ? ? ? 公式 () 可以得到密封圈目標(biāo)圓環(huán)的二值化圖像 []P im a g e S u rfa c e H e ig h t W id th?如 圖 密封圈目標(biāo)捕捉 所示。 23 圖 密封圈目標(biāo)捕捉 瑕疵提取 我們知道密封圈表面在圖像上的位置后 ，就可以對(duì)原灰度圖進(jìn)行更細(xì)致的分區(qū)域二值化 ， 以 便 找 到 瑕 疵 位 置 。 首 先 將 灰 度 圖 []P im age H eight W idth?與二值圖[]P im a g e S u rfa c e H e ig h t W id th?進(jìn)行與運(yùn)算，就去掉了灰度圖上的所有背景無(wú)關(guān)項(xiàng)。得到一個(gè)僅有密封圈表面灰度信息的圖片內(nèi)存 []Surface H eight W idth?，對(duì)這一圖片信息進(jìn)行分區(qū)域 OTSU 法二值化 [22]。 OTSU 法二值化是由日本學(xué)者大津提出的一種自 適應(yīng)閾值確定方法，其原理是統(tǒng)計(jì)出圖片內(nèi)的灰度直方圖，根據(jù)直方圖的波谷位置分布來(lái)確定合適的閾值。 OTSU 閾值分割算法簡(jiǎn)單、處理速度快，是一種較好的圖像二值方法。但由于在密封圈表面圖像上瑕疵相對(duì)于背景像素所占的比例非常小，所以 OTSU 在計(jì)算閾值的過(guò)程中，瑕疵元素影響很小。所以可以增添人工選出瑕疵區(qū)域的功能，使得算法應(yīng)用在這個(gè)區(qū)域中，這樣可以避免瑕疵比例小的問(wèn)題?？梢跃幊汤L制灰度直方圖，來(lái)描述圖像中灰度值所對(duì)應(yīng)的像素個(gè)數(shù)，其橫坐標(biāo)表示像素的灰度級(jí)別，縱坐標(biāo)表示該灰度出現(xiàn)的像素個(gè)數(shù)，通過(guò)人工觀察輸入閾值的方法，來(lái)實(shí) 現(xiàn)閾值分割圖像的目的。如 圖 OTSU 法確定閾值示意圖 所示，該曲線為圖像信息的灰度直方圖分布。紅線所示位置所對(duì)應(yīng)的圖像亮度值便是 OTSU 法計(jì)算出的閾值。 24 對(duì)應(yīng)亮度成員個(gè)數(shù)圖 像 亮 度0 2 5 5閾值 圖 OTSU 法確定閾值示意圖 對(duì)于該系統(tǒng)中，由于我們已經(jīng)知道密封圈圓環(huán)的內(nèi)外半徑和圓心位置，則可以在取區(qū)域過(guò) 程 中 只 對(duì) 圓 環(huán) 表 面 上 分 布 的 像 素 點(diǎn) 進(jìn) 行 分 區(qū) 域 統(tǒng) 計(jì) 。 遍 歷 圖 片 內(nèi) 存[]Surface H eight W idth?。 OTSU 統(tǒng)計(jì)的區(qū)域劃分如 圖 所示 abcdefgh 圖 分區(qū)域 OTSU 法示意圖 對(duì)藍(lán)色區(qū)域的 ah? 一共 8 個(gè)區(qū)域分別進(jìn)行直方圖統(tǒng)計(jì)，每個(gè) 區(qū)域都求出相對(duì)應(yīng)的閾值 threshold ，遍歷該區(qū)域內(nèi)的像素點(diǎn)成員 ( , )Fxy ，當(dāng) ( , )Fx y 的像素值與閾值 threshold之間的灰度差距大于人為設(shè)定的參數(shù) otsuPielx 時(shí)，就說(shuō)明該點(diǎn)與周圍像素環(huán)境之間存在著明顯的不同。可將該點(diǎn)的灰度值 []Surface y W idth x??賦值為 0。否則該點(diǎn)賦值為 255。公式 如下： ( ( , ) )[ ] = 0( ( , ) )[ ] 2 5 5a b s th r e s h o ld F x y o ts u P ie lxS u r fa c e y W id th xa b s th r e s h o ld F x y o ts u P ie lxS u r fa c e y W id th x??????? ? ?當(dāng) 時(shí)當(dāng) 時(shí) 公式 () 最終從 []Surface H eight W idth?得 到 的 新 二 值 圖 像 內(nèi) 存 數(shù) 組 命 名 為[]Otsu Height W idth? 。該數(shù)組的亮度信息如 圖 所示。 25 圖 OTSU 二值圖 可以在上圖中看出，瑕疵的信息因?yàn)榫植慷祷年P(guān)系而被很好的保留了下來(lái)。 瑕疵特性參數(shù)計(jì)算 瑕疵特征的提取主要包括瑕疵面積、長(zhǎng)度和寬度的計(jì)算等。為了要提取出這些信息，可以用 區(qū)域生長(zhǎng) 法來(lái)完成 [23]。 區(qū)域生長(zhǎng) 法提取 普通的 區(qū)域生長(zhǎng) 法是 8 連通法。就是對(duì)一個(gè)點(diǎn)的上，左上，右上，左，右，下，左下，右下一共 8 個(gè)方向進(jìn)行遍歷掃描，如果在該遍歷方向上也存在與當(dāng)前遍 歷點(diǎn)的像素值相同的點(diǎn)時(shí)，就將該 2 個(gè)點(diǎn)看做都是屬于同一個(gè)瑕疵上的像素點(diǎn)。但是考慮到當(dāng)前系統(tǒng)中捕捉到的瑕疵往往是屬于狹長(zhǎng)的縫。而用 8 連通法提取狹長(zhǎng)縫隙的信息時(shí)就很有可能就會(huì)造成縫的“斷裂 ”。最終會(huì)導(dǎo)致將一條縫的信息分為了 2 塊或多塊連通 區(qū) 域信息來(lái)處理。為了避免這一現(xiàn)象，我們將 區(qū)域生長(zhǎng) 法做了如下改進(jìn)： 首先定義下瑕疵的結(jié)構(gòu)體數(shù)組 []nPodFen FenN um ber用來(lái)保存每個(gè)瑕疵的信息，結(jié)構(gòu)體成員信息可以是瑕疵長(zhǎng) FenChang ，瑕疵寬 FenKuan ，瑕疵面積 FenCount 等等。 struct Pod { int FenChang int FenKuan int FenCount } * [ ]nP odF en F enN um ber 26 本系統(tǒng)采用的是可調(diào)節(jié)的全方位拓展法求 區(qū)域生長(zhǎng) 。 設(shè)每個(gè)方向上向外拓展TuozhanNum個(gè)像素 [24]。如 圖 全方位拓展法求 所示， a 點(diǎn)上的每個(gè)方向的像素都向外拓展了 2 個(gè)像素，即 2TuozhanNum ?。 aabb入 隊(duì)出 隊(duì) 圖 全方位拓展法求 區(qū)域生長(zhǎng) 掃描內(nèi)存數(shù)組 []Otsu Height W idth? 信息里的目標(biāo)圓環(huán)區(qū)域，如果發(fā)現(xiàn)點(diǎn)的像素值( , )Fxy 等于 0 時(shí)，就將該點(diǎn)標(biāo)記為 b 點(diǎn)，并堆入 隊(duì)列 中。每次遍歷 隊(duì)列 ， 如果發(fā)現(xiàn) 隊(duì)列 不為空，就讓 隊(duì)尾元素出隊(duì) ，出 隊(duì) 的同時(shí)，記錄下當(dāng)前出 隊(duì) 的 a 點(diǎn)的坐標(biāo)位置 (, )xy ，并以該a 點(diǎn)做為基準(zhǔn)往 8 個(gè)方向連通 TuozhanNum 個(gè)像素出去，形成一個(gè) 2( 2 1)Tu ozh anNu m ??的窗口如 圖 全方位拓展法求 所示。 遍歷 2( 2 1 )Tu o zh a n Nu m??窗口里的點(diǎn)成員 (,)xy ，如果該點(diǎn)位于內(nèi)存數(shù)組[]Otsu Height W idth? 的目標(biāo)圓環(huán)檢測(cè)區(qū)域內(nèi)，并且該點(diǎn)對(duì)應(yīng)的像素值 ( , )Fxy 等于 0 時(shí)，就亦將該點(diǎn)標(biāo)記為 b 點(diǎn)，并堆入 隊(duì)列 中。如此依次循環(huán)。在往復(fù)的過(guò)程中如果發(fā)現(xiàn)當(dāng)前出隊(duì) a 點(diǎn)的 x 軸坐標(biāo)小于在它之前出 隊(duì) 的 a 點(diǎn)的 x 軸，就將 x 的值賦值給變量 FenLift 。如果發(fā)現(xiàn)當(dāng)前出 隊(duì) a 點(diǎn)的 x 軸坐標(biāo)大于在它之前出 隊(duì) 的 a 點(diǎn)的 x 軸，就將 x 的值賦值給變量FenRight 。如果發(fā)現(xiàn)當(dāng)前出 隊(duì) a 點(diǎn)的 y 軸坐標(biāo)小于在它之前出 隊(duì) 的 a 點(diǎn)的 y 軸，就將 y 的值賦值給變量 FenDeep 。如果發(fā)現(xiàn)當(dāng)前出 隊(duì) a 點(diǎn)的 y 軸坐標(biāo)大于在它之前出 隊(duì) 的 a 點(diǎn)的 y軸，就將 y 的值賦值給變量 FenToop 。一直循環(huán)到 隊(duì) 空為止。此時(shí)，則說(shuō)明一條瑕疵的信息遍歷結(jié)束。記錄下此時(shí)的 FenLift ， FenRight ， FenDeep ， FenToop 四個(gè)值，并統(tǒng)計(jì)好之前的 入隊(duì) 的個(gè)數(shù) DuizhanNum 。則有公式： 27 [ ] .[ ] .[ ] .n P o d F e n F e n N u m b e r F e n C h a n g F e n R ig h t F e n Li ftn P o d F e n F e n N u m b e r F e n K u a n F e n To o p F e n D e e pn P o d F e n F e n N u m b e r F e n C o u n t D u iz h a n N u m????? 公式 () 這樣，對(duì)于瑕疵信息數(shù)組 []nPodFen FenN um ber，每一個(gè)成員都代表的是每一個(gè)瑕疵在 2 維圖像上的所有信息 [25]。 瑕疵的判斷 雖然我們根據(jù)全方位拓展法求得了瑕疵數(shù)組。但是并不是所有的瑕疵都會(huì)影響產(chǎn)品的合格與否。所以我們還要通過(guò)計(jì)算各個(gè)瑕疵的特性，排除掉一些無(wú)關(guān)緊要的瑕疵。對(duì)于一般密封圈表面來(lái)說(shuō)，一些很小的點(diǎn)瑕疵，極短的縫瑕疵，以及位于圓環(huán)表面的瑕疵都對(duì)密封圈的使用沒(méi)有任何影響。所以我們要通過(guò)計(jì)算，將這些瑕疵排除在外。 1. 瑕疵面積的計(jì)算法： 在本系統(tǒng)中瑕疵的面 積可以直接用 [ ] .n P o d F e n F e n N u m b e r F e n C o u n t來(lái)代替，當(dāng)瑕疵面積小于人為設(shè)定的參數(shù)時(shí)，我們就對(duì)該瑕疵判斷為合格。反之，則判斷為不合格。 2. 瑕疵長(zhǎng)的計(jì)算法： 計(jì)算瑕疵長(zhǎng)時(shí)，基于瑕疵的線性特征，首先對(duì)瑕疵做細(xì)化操作，得到單像素寬的瑕疵骨架曲線。瑕疵的長(zhǎng)度實(shí)際上就是骨架圖像骨干點(diǎn)之間的長(zhǎng)度之和。骨化后的圖像是一個(gè)單像素寬度的連通性好的骨干圖像。可以分別求取相鄰像素之間的長(zhǎng)度，然后把所有的相鄰像素之間的距離求和即為所得，如下式： 2 1 / 2{ [ ( ) ] [ ( ) ] }a b a bl x x H y y V? ? ? ? ? ? 公式 () ( , )aaxy 和 ( , )bbxy 是相鄰骨干點(diǎn)的兩個(gè)點(diǎn)； H 是水平方向的比例因子，即水平方向上的像素個(gè)數(shù)與實(shí)際情況水平長(zhǎng)度的比值； V 是垂直方向的比例因子，即水平方向上的像素個(gè)數(shù)與實(shí)際情況垂直長(zhǎng)度的比值； l 是兩個(gè)相鄰像素之間的長(zhǎng)度。 總長(zhǎng)度即為所有相鄰像素之間的長(zhǎng)度之和。 當(dāng)瑕疵長(zhǎng)小于人為設(shè)定的參數(shù)時(shí)，我們就對(duì)該瑕疵判斷為合格。反之，則判斷為不合格。 3. 瑕疵寬的計(jì)算法： 計(jì)算瑕疵寬時(shí)，仍然對(duì)瑕疵做細(xì)化操作后，骨架各點(diǎn)所在的瑕疵的位置的寬度反應(yīng)出瑕疵各段的寬度。由于骨架曲線是單像素曲線，則一個(gè)骨架點(diǎn)與相鄰點(diǎn)的其他兩個(gè)骨架點(diǎn)相接，分別求出與相鄰點(diǎn)的斜率。則每個(gè)斜率的垂線與瑕疵邊緣相交兩點(diǎn)，兩點(diǎn)的連線的大小即為寬度值。比較這兩個(gè)寬度值其中較小的為這個(gè)瑕疵的寬度。 設(shè)骨架曲線 的其中一個(gè)骨架點(diǎn)用 1, 1()Bxy 表示，其相鄰骨架點(diǎn)分別為 2, 2()Ax y 和3, 3()Cxy 。骨架線在 B 點(diǎn)的斜率近似用直線 AB 的斜率表示，則斜率 1k 表示為： 28 12112yyK xx?? ? 公式 () 過(guò)骨架點(diǎn)斜率為 1/1k 的直線與瑕疵圖像邊緣交于兩點(diǎn)，記為 4, 4()Ex y ， 5, 5()Fx y 。則此瑕疵的寬度 1D 表達(dá)式為： 221 5 4 5 4( ) ( )D x x y y? ? ? ? 公式 () 同理，骨架線在 B 點(diǎn)的斜率近似用直線 BC 表示，同樣的原理求出 2D ，然后比較與 1D的大小，取較小值作為瑕疵的寬度。最后結(jié)果 1, 2()D MIN D D? 。 當(dāng)瑕疵寬小于人為設(shè)定的參數(shù)時(shí)，我們就對(duì)該瑕疵判斷為合格。反之，則 判斷為不合格。 實(shí)際的檢測(cè)效果如下， 圖 密封圈灰度圖 為相機(jī)步驟到的密封原圖， 圖 算法最終的處理結(jié)果 為本算法得到的最終的處理結(jié)果，可以看到，所有位于密封圈表面上的瑕疵都被檢測(cè)出來(lái)了： 圖