基于圖像處理技術的刀具磨損檢測方法

1局部方差閾值分割檢測如果打捆機磨損過快，會增加打捆機的消耗，影響加工質量，降低生產率，增加加工成本。隨著圖像處理算法的成熟以及硬件能力的提升,利用圖像處理技術實現刀具磨損的在線檢測成為可能。近年來,技術人員主要采用兩種方法對圖像處理技術實現刀具磨損的檢測進行研究。一種是基于工件表面的刀具磨損檢測方法。Bradley等人認為根據工件表面紋理的變化可以實現刀具磨損狀態的檢測。孫林麗等人研究了工件表面紋理圖像的二維主成份分析(PCA)圖像重構算法,根據從二維PCA重構圖像中提取的工件表面分形特征值,提出了刀具磨損狀態的判斷方法。這種間接檢測技術受光照強度和光照角度的影響較小,但工件表面紋理受機床剛度、軸承磨損及顫動等因素的影響,所以只能研究工件表面紋理變化與刀具磨損狀態之間的定性關系,無法精確測量刀具的實際磨損量。另一種是基于刀體本身的檢測方法,是利用圖像處理技術提取刀具磨損區,計算刀具磨損幾何參數的直接測量方法。最常用的是基于灰度閾值的分割檢測技術。楊建國等人采用自適應中值濾波對刀具圖像進行平滑去噪后,通過人工選擇雙閾值實現灰度圖向二值圖的轉化,采用Canny算子實現刀具輪廓的提取。Hussain等人利用圖像增強技術對刀具磨損圖像進行預處理后,使用Canny邊緣算子對刀具磨損邊界進行檢測,獲得刀具邊界的二值圖。雖然基于灰度閾值的分割檢測技術計算簡單、運算效率高,但灰度值與光照強度和角度有關,易受光照不均的影響,抗干擾能力差,分割精度不高,導致分割的邊界模糊。Jurkovic等人根據激光柵格在刀具上的反射圖像,通過測量圖像中柵格間距和曲率的變化,提出了刀具磨損量VB與月牙洼深度的計算方法。Mook等人通過圖像采集系統獲得新刀具未加工之前和加工之后磨損圖像,經過二值化后以兩幅二值圖像的差異作為刀具刀鼻的磨損。Zhang等人利用新刀具圖像獲得一個列方向上的灰度閾值,在磨損刀具圖像上確定一條參考線,根據參考線對圖像每列像素與灰度閾值比較進行列搜索找到磨損邊界像素后,對磨損區進行重構,最后通過亞像素精度來精確定位磨損邊界。相對于灰度閾值的方法,這些方法精度高,邊界完整,抗干擾能力強。但是由于刀具加工條件惡劣,對圖像采集系統的要求高,且人為干預程度高,檢測效率低,適用性差。本文根據刀具磨損圖像的特點,提出一種基于統計學原理的局部方差閾值分割算法。實驗證明這種方法簡單方便,自動化程度高,抗干擾能力強,能夠有效地提取刀具的磨損區域,提取的邊界完整、清晰,便于準確地計算磨損區域的幾何參數。2磨損圖像的局部分布刀具磨損檢測系統分為硬件和軟件兩個部分,如圖1所示。硬件主要包括CCD相機、光源、夾具和支撐平臺組成的圖像采集系統。采集系統光照環境復雜,光照不均會影響分割效果。因此,采用超景深三維顯微鏡VHX-600E的200萬像素1/1.8CCD相機,在可調100瓦鹵素燈冷光源的垂直照射下,獲取刀具的磨損圖像。軟件部分主要是指基于圖像處理技術的刀具磨損檢測方法:利用中值濾波和灰度變換技術增強磨損區與背景區、磨損區與未磨損區之間的對比度,通過局部方差閾值算法分割出磨損區,借助二值形態學對分割的磨損區進行邊界完整化和區域填充,結合光學系統的放大倍率與實際像素,自動計算反映刀具磨損程度的磨損區域面積、周長、最大寬度、最大長度等幾何參數。灰度變換和局部方差閾值分割算法是實現刀具磨損自動檢測的關鍵。實驗采集了不同放大倍數的兩張刀具磨損圖像,經圖像采集卡由模擬信號變為數字信號存入計算機中,如圖2所示。刀具磨損圖由背景區、磨損區、未磨損區組成。為此,磨損區的提取可以轉化為3個區域的兩個邊界的確定問題。在各區域內或邊緣上,任意選取多個相鄰的像素點pi,j,圖3為各區域所選取的像素點的起始位置,其坐標以及相應的灰度值分別為(xi,yj)、f(i,j),橫坐標xi、縱坐標yi分別為刀具磨損寬度與長度方向。以xi為橫坐標、灰度值f(i,j)為縱坐標繪制像素灰度值的分布曲線,如圖4所示。在背景區、磨損區和未磨損區中,相鄰像素點的灰度值最大相差分別為4、8和6,變化平穩,而背景區與磨損區、磨損區與未磨損區之間的兩個邊界上的相鄰像素點的灰度值最大差則為25和29,產生了跳躍現象。另外,3個區域的灰度值相差較大,平均灰度值分別為15、96和243。由此可見,刀具磨損圖像灰度值具有下列分布規律:(1)背景區、磨損區、未磨損區之間的灰度值差別較大;(2)每個區域內相鄰像素點的灰度值會出現變化,但波動變化較小,分布比較穩定;(3)灰度值在邊緣點前后會出現相對的階躍性變化。圖像分割前須對圖像增強,減少光照不均對圖像的影響;而且,圖像分割結果與增強的灰度級的選擇范圍有關。為此,以上述3個灰度分布規律為依據,從灰度直方圖中讀出突變邊緣的灰度級,兩個突變邊緣的灰度級范圍就是需要增強的部分。3圖像清晰度自動檢測刀具磨損圖像的增強一般有增強對比度和直方圖均衡化兩種方法,而前者更能有效地增強磨損區與背景區、未磨損區的對比度,如圖5所示。增強圖像對比度實際上是增強原圖各部分的反差,一般通過增加原圖中某兩個灰度值間的動態范圍來實現,但這兩個灰度值的動態范圍閾值是根據直方圖分布人工選取,誤差較大,不能用于自動檢測。為此,提出了自動獲取增強區域的雙閾值算法。3.2節點向量和極小值若L(x)=[x0,x1,x2,…,xm-1,xm],且滿足x0≤x1≤x2≤…≤xm-1≤xm,則稱xi為B-樣條曲線的節點,L(x)為節點向量。假定P0,P1,…,Pn為n+1個控制點,則p次B-樣條曲線g(x)為:式中:p為基函數的次數,Bi,p(x)為第i個節點區間[xi,xi+1)上的p次B-樣條基函數且利用B-樣條曲線擬合刀具磨損灰度直方圖關鍵在于控制點以及節點向量的合理確定。灰度圖像分為0~255個灰度級,直方圖就是統計這256個灰度級的個數。因此,節點向量為L(x)=[0,1,2,…,254,255],而控制點的x坐標為0~255灰度級,y坐標為每個灰度級統計的個數。下限閾值應選擇對應g(x)極小值的像素點。記L′(x)、L″(x)分別為一階導數g′(x)=0、二階導數g″(x)>0的像素點,顯然L″(x)?L′(x)?L(x)。因此,極小值點x應滿足:圖6表明,B-樣條曲線能有效地擬合出灰度直方圖的外形曲線;式(6)能準確找出所需要的局部極小值點。4布特點及計數統計學原理的新分割算法局部方差閾值分割算法是基于圖像像素的灰度分布特點及數理統計學原理的一種新的分割算法,通過計算每個像素點的“3×3領域”局部方差,依據局部方差閾值實現圖像的有效分割。4.1領域pi,j的圖像特征定義1:設pi,j為位于坐標(xi,yj)處的一個像素,則與pi,j相鄰的4個像素分別為pi-1,j、pi+1,j、pi,j-1和pi,j+1,相應的坐標為(xi-1,yj)、(xi+1,yj)、(xi,yj-1)和(xi,yj+1)。則稱由像素pi-1,j、pi+1,j、pi,j-1、pi,j+1組成的鄰域為pi,j的4鄰域,用N4(pi,j)表示。像素pi,j的4個對角鄰域像素pi-1,j-1、pi+1,j-1、pi+1,j-1和pi+1,j+1的坐標分別為(xi-1,yi-1)、(xi-1,yi+1)、(xi+1,yi-1)和(xi+1,yi+1)。該像素集用ND(pi,j)表示。ND(pi,j)和N4(pi,j)合起來稱為pi,j的8鄰域,用N8(pi,j)表示。定義2:N8(pi,j)和像素點pi,j組成的一個領域稱為pi,j的3×3領域,用N3×3(pi,j)表示。值得注意的是,第一行和最后一行,以及第一列和最后一列的像素點不存在3×3領域。當將圖像采集系統采集的刀具磨損圖輸入計算機時,首先判斷其是否為灰度圖像,若不是,則轉化為灰度圖,記作fn×m,表示一個n×m的數字圖像灰度矩陣。記f(i,j)∈{0,1,2,…,255}是在矩陣位置(xi,yi)處像素pi,j的灰度值。那么,3×3領域N3×3(pi,j)內的局部平均灰度值M3×3(pi,j)為:另外,3×3領域N3×3(pi,j)內的局部方差D3×3(pi,j)計算如下:刀具磨損圖δ中背景區、磨損區、未磨損區,分別用δ1、δ2、δ3表示。假定δ1中任意像素pi,j的N3×3(pi,j)的局部方差值為D3×3(pi,j),則容易獲得δ1的平均D3×3(δ1),由于δ1內的灰度值分布穩定,波動相對很小,每個δ1內的D3×3(pi,j)與D3×3(δ1)接近,可用D3×3(δ1)表示δ1的局部方差。同樣地,可用D3×3(δ2)和D3×3(δ3)分別表示δ2和δ3的局部方差。三個區域的平均灰度值差別較大,但每個區域內的灰度值分布比較穩定,即D3×3(δ1)、D3×3(δ2)和D3×3(δ3)也比較接近。P4表示磨損邊緣像素點集,D3×3(P4)表示邊緣點的局部方差,由于磨損邊緣灰度值變化相對較大,波動相對較大,可視為階躍型邊界,所以D3×3(P4)比D3×3(δ1)、D3×3(δ2)和D3×3(δ3)要大很多。根據這一特點,計算每個像素點pi,j的D3×3(pi,j),得到一個局部方差矩陣D3×3(δ);設置局部方差閾值,實現對刀具磨損區域的分割提取。4.2磨損區檢測算法刀具磨損圖δ三個區域灰度值分布穩定,波動較小,局部方差值D3×3(δ1)、D3×3(δ2)和D3×3(δ3)相近且較小,而磨損邊緣為階躍型邊緣,灰度值波動較大,局部方差值D3×3(P4)比D3×3(δ1)、D3×3(δ2)和D3×3(δ3)大很多。因此,可將磨損圖像分為兩個區域,一是δ1、δ2、δ3組成的穩定區,二是磨損邊緣組成的非穩定區。穩定區的3×3領域局部方差,邊緣3×3領域局部方差值為D2=D3×3(P4),存在D1<D2。若全局平均3×3領域局部方差為。因此,可以得到局部方差閾值為:刀具磨損圖像成像模型可以將光源簡化為一組平行光源,如圖7所示。由于刀具表面光滑,當光線射到未磨損區時被認為發生鏡面反射,射到磨損區時發生漫反射,背景區采用黑色背景可認為不發生反射現象。1967年,Wylie等人第一次在顯示物體時加進光照效果,認為光強與距離成反比。未磨損區相對于磨損區到光源的距離差可以忽略,所以未磨損區和磨損區的灰度值f(i,j)只需要考慮反射率r(i,j)。未磨損區發生鏡面反射,r(i,j)≈1,而磨損區發生漫反射,0<r(i,j)<1。因此磨損區亮度小于未磨損區。背景區相對于磨損和未磨損區離光源較遠(相差刀體厚度),所以到達背景區的光照強度要小于后者,而且背景區為黑色,光被吸收不會發生反射,即r(i,j)≈0,所以背景區亮度可近似為0。由此可見,磨損區發生漫反射,在實際成像時,磨損區的表面相對未磨損區和背景區更為復雜,磨損區內像素點灰度值的“3×3領域”局部方差大于比背景區和未磨損區,但小于邊緣區,如圖8所示。經過灰度拉伸增強之后,不僅增強了磨損區與背景區和未磨損區之間的對比度,還增大了磨損區像素點灰度值的波動,降低了背景區和未磨損區內像素點灰度值的波動,即增大了磨損區與背景區、未磨損區之間的差異,降低了與邊緣像素的差異,如圖9所示。為此磨損區的方差會超出平均值而被檢測出來。根據式(9)中的局部方差閾值珡D,可將灰度圖像f(i,j)轉換成二值圖像I(i,j),即:分別采用單閾值、雙閾值、Canny算子邊緣檢測及局部方差閾值算法對刀具磨損圖像進行磨損區分割,如圖10所示。單閾值分割方法一般只能識別磨損區與未磨損區的邊界,而磨損區與背景區的邊界則不能檢測,分割效果極差;雙閾值法分割法雖然可以同時檢測出兩條邊界,但檢測的邊界不連續且模糊,對邊界像素點定位精度不高,易受光照的影響;由于所研究的局部方差閾值分割算法基于“3×3領域”,故Canny算子的濾波器尺度應選為3,此時所獲得的邊界如圖10(c)所示,圖中顯示很多細節丟失,且存在殘斷邊緣,對后續磨損區幾何參數的計算存在一定影響;而局部方差閾值分割算法能夠有效地分割磨損區,邊界輪廓完整清晰,而且保留了磨損區絕大多數的信息,有利于后續處理,如圖10(d)所示。5結果和軟件5.1磨損區幾何參數測量利用超景深三維顯微鏡VHX-600E分別測量了放大50倍及100倍時刀具的最大磨損寬度與最大磨損長度,如圖11所示,測量結果如表1所示。由于單閾值分割算法不能完整地分割刀具磨損區,無法計算磨損區的幾何參數,表1列舉了雙閾值、Canny算子、局部方差3種方法的計算值。對比計算值與測量結果后表明,提出的檢測方法檢測精度高,而且在磨損區域完全處于相機視場中,放大倍數越大,檢測精度也越高。5.2刀具磨損的自動檢測系統分析了刀具磨損圖像像素灰度值分布特點,通過實驗驗證,確定了刀具磨損自動檢測的最優算法,并將這些算法集成一個GUI界面,利用MATLAB開發刀具磨損的