基于面陣CCD的鋼板幾何尺寸測量系統(tǒng)

郭 偉，楊 牧，王青獅，李昕濤，李玉貴

(太原科技大學應(yīng)用科學學院，山西太原 030024)

隨著現(xiàn)代化工業(yè)的快速發(fā)展，測量技術(shù)越來越受到重視。人工測量方式因工作量大，容易產(chǎn)生較大誤差，且準確性較低而逐漸被淘汰［1］。隨著光電技術(shù)的發(fā)展，人們發(fā)現(xiàn)以圖像處理技術(shù)為基礎(chǔ)的機器視覺技術(shù)可以解決這一問題?，F(xiàn)在測量系統(tǒng)大多采用線陣CCD為傳感器，實現(xiàn)非接觸式遠距離測量鋼板的幾何尺寸［2-3］。然而由于線陣CCD的本身缺陷，僅可以測量出鋼板的一維尺寸，無法宏觀把握鋼板的二維尺寸。利用面陣CCD傳感器，可以同時采集到鋼板的二維尺寸，但采集的數(shù)據(jù)量較大，運算復(fù)雜，而實時測量是計算機視覺測量的最大障礙。近年來，隨著計算機處理速度和圖像處理技術(shù)的不斷提高，制約實時性的瓶頸得到了一定的緩解，進而促進了機器視覺技術(shù)在工業(yè)檢測和控制領(lǐng)域的實用化［4］。

本系統(tǒng)以陣列式LED為光源，用雙目面陣CCD傳感器，將采集的圖像經(jīng)過中值濾波后，采用Harris算子的特征匹配技術(shù)和邊緣特征提取等圖像處理手段，利用計算機運算處理并顯示尺寸信息。通過多次實驗，系統(tǒng)誤差控制在0.05 mm以內(nèi)，滿足測量精度要求。

1 尺寸測量系統(tǒng)的總體設(shè)計

1.1 尺寸測量系統(tǒng)概述

鋼板幾何尺寸檢測系統(tǒng)主要由照明系統(tǒng)、檢測平臺、數(shù)字圖像采集系統(tǒng)，以及圖像處理系統(tǒng)4部分組成。在各系統(tǒng)的有機結(jié)合下完成幾何尺寸的檢測任務(wù)［5-6］，如圖 1 所示。

圖1 尺寸測量系統(tǒng)框圖

系統(tǒng)以圖像數(shù)據(jù)處理為基礎(chǔ)，通過控制光源照明系統(tǒng)，在被測鋼板表面形成均勻的光照度，采用兩臺面陣CCD把鋼板反射的光信號轉(zhuǎn)換成電信號，圖像處理系統(tǒng)將模擬電信號進行A/D轉(zhuǎn)換，整形濾波處理后，將被測物體的圖像顯示出來。通過系統(tǒng)的標定尺寸，模擬計算出被測物體的尺寸，從而實現(xiàn)實時監(jiān)測鋼板尺寸的目的［7-8］。

1.2 照明控制系統(tǒng)

照明控制系統(tǒng)是影響整個檢測系統(tǒng)的關(guān)鍵，光源選擇與照明方案的結(jié)合應(yīng)盡可能地突出物體特性參量，在增加圖像對比度的同時，應(yīng)保證足夠的整體亮度，物體尺寸和位置的變化不影響成像質(zhì)量。光源的選擇必須符合所需的幾何形狀、照明亮度、均勻度、發(fā)光的光譜特性等，同時還要考慮光源的發(fā)光效率和使用壽命。照明方案設(shè)計應(yīng)考慮光源和光學鏡頭的相對位置、物體表面的紋理、物體幾何尺寸以及背景等要素。光源以適當?shù)姆绞綄⒐饩€投射到待測鋼板上，突出鋼板特征部分與背景的對比度，如圖2所示。優(yōu)化照明可以改善整個系統(tǒng)的分辨率，減輕后續(xù)圖像處理的難度和工作量。

圖2 光源照明方式

根據(jù)不同的需求，照明方式可分為前光源和背光源兩種。前光源照明方式是光源放置在待測物體前方，主要應(yīng)用在檢測發(fā)光與不平整表面。而背光源是將光源放置于待測物體背面。通過背光源照射待測物體，相對CCD攝像機形成不透明物體的陰影或觀察透明物體的內(nèi)部，使待測物透光與不透光部分邊緣清晰，方便提取待測物體輪廓信息。文中采用的光源為新型光源LED，其具有壽命長、光亮度穩(wěn)定、易調(diào)節(jié)、響應(yīng)快、低功耗、低成本等優(yōu)點，利用密集的LED組成陣列式LED燈組，整個光源發(fā)出的光近似于平行光，保證待測物體表面光照度均勻。此時采集的圖像對比度高，對物體反射面上的陰影、微小缺陷和凹痕檢測十分有效。

1.3 圖像采集系統(tǒng)的設(shè)計

圖像采集系統(tǒng)主要由面陣CCD和圖像采集卡組成。面陣CCD作用是將成像目標聚焦在圖像傳感器的光敏面上。為獲取清晰的圖像并且不失真，在選擇鏡頭時，首先考慮因素是圖像畸變。

面陣CCD是通過光學成像系統(tǒng)將景物圖像呈現(xiàn)在CCD的光敏面，光敏面將照在每個光敏單元亮度信號通過光電效應(yīng)，將物體的反射光線的光強轉(zhuǎn)換成對應(yīng)的載流子，在任一個時鐘周期內(nèi)，CCD器件在轉(zhuǎn)移脈沖的作用下將收集到的電量轉(zhuǎn)移到CCD的移位寄存器。在圖像采集卡中，通過放大電路對信號放大、整形濾波處理，再經(jīng)過A/D轉(zhuǎn)換將模擬信號轉(zhuǎn)變成數(shù)字信號［9-10］。數(shù)字信號保存到計算機或其他處理器進行圖像或圖形的處理，從而獲取相關(guān)的信息和數(shù)據(jù)。如圖3所示。

圖像采集卡是尺寸檢測系統(tǒng)的重要組成部分，其主要功能是對攝像機所輸出的數(shù)據(jù)進行實時采集，并提供與PC機的高速接口，如圖4所示。所研究的圖像主要是通過面陣CCD獲取，經(jīng)圖像采集卡對模擬圖像進行量化后得到數(shù)字圖像，并將采集圖像按照位圖文件的格式來存儲。在線處理時，也可以對采集到內(nèi)存的圖像直接進行處理，提高處理速度［11-12］。

2 數(shù)字圖像處理方案

圖像采集時，受到成像條件、電路元器件噪聲、A/D轉(zhuǎn)換誤差等因素的影響，常常使得轉(zhuǎn)換后的圖片模糊不清，其圖像邊緣的特征值難以識別。因此，對采集的圖像首先進行圖像處理。圖像處理的方法很多，主要包括圖像濾波、圖像增強、邊緣提取、圖像識別等。處理后的圖像質(zhì)量不僅好于原圖像，并且便于計算機對圖像分析處理。本文先對采集的兩幅圖像二值化，采用中值濾波方法對噪聲信號濾波處理，其次利用圖像特征匹配算法，將兩幅特征圖片匹配成一幅特征值較高的圖片，最后采用邊緣提取算法對匹配后的圖像提取邊緣值，并計算邊緣值尺寸。

2.1 中值濾波法

中值濾波是一種非線性圖像處理技術(shù)，既能有效抑制圖像噪聲，又能保護邊緣輪廓信息。圖像噪聲往往以孤立點的形式出現(xiàn)，這些點對應(yīng)的像素數(shù)很少。中值濾波的基本原理是把數(shù)字圖像中某點的像素值用該點鄰域各點的值統(tǒng)計排序后的中值替代。在低噪聲時，該法處理效果較好。用公式可以表示為

通常窗口內(nèi)像素數(shù)目為奇數(shù)，以便有中間像素。若窗口內(nèi)像素數(shù)目為偶數(shù)時，則中值取中間兩像素灰度的平均值。

但對高強度噪聲(＞50%)會使圖像邊緣產(chǎn)生許多毛刺，為解決這個問題，采用二次中值濾波。第二步選擇與第一步大小相同的自適應(yīng)窗口，對第一步處理過的圖像再次進行中值濾波，同樣，繼續(xù)保持原信號點不變，只對恢復(fù)的信號點進行中值濾波。這樣就可以使第一步處理的圖像更加平滑，取得良好的濾波效果，如圖5所示。

圖5 濾波效果圖

2.2 基于Harris算子的圖像匹配

圖像匹配是指通過匹配算法在兩幅或多幅圖像之間識別同名點，如二維圖像匹配中通過比較目標區(qū)和搜索區(qū)中相同大小窗口的相關(guān)系數(shù)，取搜索區(qū)中相關(guān)系數(shù)最大所對應(yīng)的窗口中心點作為同名點。

Harris算子是基于信號的點特征提取算子。算子給出與自相關(guān)函數(shù)相聯(lián)系的矩陣M。M陣的特征值是自相關(guān)函數(shù)的一階導(dǎo)數(shù)，如果兩個導(dǎo)數(shù)值都較高，那么就認為該點是匹配特征點。

Harris算子的公式只涉及圖像的一階導(dǎo)數(shù)

式(2)中，gx為x方向的梯度;gy為y方向的梯度;G(s)為高斯模板。式(3)中，det為矩陣的行列式;tr為矩陣的直跡;k為默認常數(shù)。

對操作的灰度圖像的每個點，計算其在橫向和縱向的一階導(dǎo)數(shù)，以及二者的乘積，這樣可以得到3幅新圖像。3幅圖像中的每個像素對應(yīng)的屬性值分別代表gx，gy和gxgy。經(jīng)高斯濾波后，計算出原圖對應(yīng)點的特征值。在實際操作時，可以從每個像素中心窗口提取最大值。最大值點就是特征點，根據(jù)需要提取一定數(shù)目的特征點。局部極值點的數(shù)目往往較多，可以對所有的極值點排序，根據(jù)要求選出興趣值最大的若干個點作為最后結(jié)果。實驗表明，在紋理信息豐富的區(qū)域，Harris算子可以提取出大量的有用特征點，而在紋理信息少的區(qū)域，提取的特征點則較少。通過計算所有特征點之間位置的相關(guān)性，運用Matlab軟件自帶函數(shù)Bwdist。當設(shè)置其參數(shù)為歐氏距離對，其函數(shù)的返回值為一個同輸入圖像大小相等的數(shù)據(jù)矩陣，數(shù)據(jù)值為離當前位置最近非零像素的歐氏距離。通過計算待匹配圖所有特征點在基準圖像相應(yīng)位置的歐氏距離總和，就可以通過比較，搜索最小值位置，也就是圖像匹配的最佳位置，如圖6所示。

圖6 Harris角點檢測示意圖

2.3 基于拉普拉斯算子的邊緣檢測技術(shù)

圖像邊緣是圖像的最基本特征。所謂邊緣是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間;基元與基元之間。因此，它是圖像分割所依賴的重要特征。物體的邊緣由灰度不連續(xù)性反映。經(jīng)典的邊緣提取方法是考察圖像的每個像素在某個鄰域內(nèi)灰度的變化，利用邊緣鄰近的一階或二階方向?qū)?shù)找出相應(yīng)的變化規(guī)律提取出邊緣，再用簡單的方法檢測邊緣，以達到某種目的。如果一個像素落在圖像中某一個物體的邊界上，那么它的鄰域?qū)⒊蔀橐粋€灰度級的變化帶。邊緣檢測算子檢查每個像素的鄰域并對灰度變化率進行量化，也包括方向的確定。大多數(shù)使用基于方向?qū)?shù)掩模求卷積的方法，本文采用高斯—拉普拉斯算子邊緣檢測方法。拉普拉斯算子是對二維函數(shù)進行運算的二階導(dǎo)數(shù)算子，通常使用的拉普拉斯算子如圖7所示。

圖7 高斯—拉普拉斯算子

由于噪聲點對邊緣檢測有一定的影響，所以高斯—拉普拉斯算子是效果較好的邊緣監(jiān)測器。把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來，先平滑掉噪聲，再進行邊緣檢測，效果更好。常用的高斯拉普拉斯算子是5×5模板，如圖8所示。

圖8 高斯—拉普拉斯算子5×5模板

2.4 成像系統(tǒng)的尺寸標定

成像系統(tǒng)中橫軸和縱軸是由像素元排列而成，像素元之間所表示的空間實際距離的大小可以用x0、y0表示。處理圖像數(shù)據(jù)時，圖像的尺寸任意放大或者縮小，無法準確的控制同一副圖像的放大比例時，標定系統(tǒng)圖像尺寸。首先放置標準網(wǎng)格作為標尺，讀出網(wǎng)格圖像的相關(guān)尺寸數(shù)據(jù)便可進行標定。設(shè)標準網(wǎng)格的實際尺寸為l0，讀出數(shù)據(jù)為N0，則該成像系統(tǒng)的長度當量。由此確定網(wǎng)格圖像橫軸和縱軸所占的像素數(shù)。即可確定成像系統(tǒng)中橫軸和縱軸相鄰像素元標定的實際尺寸

式中，Mx，My分別表示標準網(wǎng)格圖像在橫軸和縱軸所占用的像素元數(shù)目。對于待測對象而言，在測出圖像橫軸和縱軸的像素元數(shù)目Nx和Ny時，即可得到其實際尺寸為

3 實驗結(jié)果與結(jié)論

實驗利用尺寸測量系統(tǒng)測量對6塊標準尺寸鋼板進行測量，標準鋼板的長寬用坐標表示為(6.5，3.5)、(7.3，3.8)、(8.1，4.1)、(8.9，4.4)、(9.7，4.7)、(10.6，5)，單位cm。利用面陣CCD攝像機拍攝鋼板圖像，對兩幅圖像先進行圖像匹配，利用計算機中值濾波處理，采用高斯-拉普拉斯邊緣檢測算子對鋼板長寬多次測量。同時與用游標卡尺人工測量的結(jié)果進行比對，如表1和表2所示。

表1 標準鋼板長度測量數(shù)據(jù)結(jié)果

表2 標準鋼板寬度測量數(shù)據(jù)結(jié)果

可以看出，人工測量對鋼板端面水平和垂直方向的測量數(shù)據(jù)誤差較大，并且測量次數(shù)受到限制，人工測量的每個數(shù)據(jù)僅用一次，不具有代表性。利用本系統(tǒng)對6組標準鋼板進行長寬數(shù)據(jù)采集，經(jīng)過10次測量后取其平均值，不僅提高了檢測精度，而且數(shù)據(jù)具有真可重復(fù)性，即同一時間可采集多幅圖像。其誤差控制在0.05 mm，相比人工測量，其精度提高了十幾倍，滿足實際檢測精度要求。

4 結(jié)束語

基于面陣CCD的高精度測量技術(shù)首先將采集的兩幅圖像二值化，然后采用中值濾波方法對噪聲信號濾波處理，并利用圖像特征匹配算法，將兩幅特征圖片匹配成一幅特征值較高的圖片，最后采用亞像素邊緣提取算法對匹配后的圖像提取邊緣值，提高了邊緣的定位精度。由于測量鋼板尺寸時只需通過被測鋼板的圖像和圖像比對得出被測零件圖像所占像素個數(shù)，無需全部計算出物體圖像所占的像素個數(shù)，這樣就大幅減少了運算量，提高了運算速度。實驗證明該技術(shù)具有高精度、高效率等特點，最大偏差不超過0.05 mm，滿足測量要求。

［1］張樂娟，王召巴.基于CCD的內(nèi)外徑尺寸檢測系統(tǒng)［J］.光電技術(shù)應(yīng)用，2006，21(5):51-53.

［2］鐘翔，齊龍.面陣CCD尺寸測量的實驗［J］.實驗室科學，2009，2(1):120-122.

［3］賀賽先，何對燕，仲思東.面陣CCD鋼板長寬尺寸在線實時測量系統(tǒng)［J］.儀器儀表學報，1997，18(5):640-642.

［4］鄧進軍，苑偉政，李曉瑩.微機械器件形狀與尺寸的圖像測量研究［J］.機械工程學報，2002(z1):101-103.

［5］何平安，張明建，林介幫.基于圖像處理的鋼坯側(cè)面形狀檢測系統(tǒng)［J］.應(yīng)用光學，2012，33(1):108-114.

［6］郭永彩，王毅，扶新.基于面陣CCD的密度測量系統(tǒng)研制［J］.激光雜志，2008，29(5):77-78.

［7］王慧.計算機視覺技術(shù)在影像測量系統(tǒng)中的應(yīng)用與研究［D］.西安:西安理工大學，2008.

［8］李國寧，劉妍妍，金龍旭.用于動態(tài)目標跟蹤的面陣CCD成像系統(tǒng)［J］.光學精密工程，2008，16(3):558-564.

［9］張一昆，朱超甫，衣紅鋼.中厚鋼板寬度測量的厚度變化補償技術(shù)［J］.實驗技術(shù)與管理，2006，23(6):32-35.

［10］李剛，魏計林.基于變結(jié)構(gòu)元素的復(fù)雜圖像分割方法［J］.計算機技術(shù)與發(fā)展.2011，21(11):71-73.

［11］張輝，王建國.基于目標檢測的SAR圖像匹配算法［J］.電子與信息學報，2008，30(12):2818-2821.

［12］張耀宗.圖像匹配算法的研究與應(yīng)用［D］太原:太原理工大學，2010.