基于機(jī)器視覺的圖像缺陷檢測的研究

溫陽東 俞家鑫

(合肥工業(yè)大學(xué)電氣與自動(dòng)化工程學(xué)院，合肥 230009)

隨著國民經(jīng)濟(jì)的快速發(fā)展，通過橡膠密封的產(chǎn)品在工業(yè)各領(lǐng)域的應(yīng)用越來越廣泛，而當(dāng)前密封橡膠圈在生產(chǎn)過程中容易出現(xiàn)凸點(diǎn)、氣泡、毛邊多出及切割不平等缺陷，嚴(yán)重影響其安全性和可靠性，利用機(jī)器視覺技術(shù)進(jìn)行橡膠圈的質(zhì)量檢測可以提高檢測的準(zhǔn)確度，筆者針對(duì)機(jī)器視覺過程中對(duì)橡膠圈的圖像提取處理和缺陷檢測進(jìn)行了算法研究，并給出仿真結(jié)果[1，2]。

1 橡膠圈圖像處理流程①

對(duì)橡膠圈的圖像進(jìn)行合理的處理是提取橡膠圈缺陷的基礎(chǔ)，在實(shí)際操作中，由于受到采集環(huán)境及設(shè)備等因素的影響，采集到的橡膠圈的圖像缺陷特征不明顯，進(jìn)行數(shù)字圖像處理后，可以提高圖像質(zhì)量以便識(shí)別和提取缺陷[3]。

筆者通過數(shù)據(jù)采集卡將采集到的橡膠圈的圖像傳送到計(jì)算機(jī)，再進(jìn)行圖像處理(圖1)。對(duì)采集到的圖像主要經(jīng)過圖像濾波、圖像增強(qiáng)、圖像分割和數(shù)學(xué)形態(tài)學(xué)處理，最后通過缺陷識(shí)別算法來判斷橡膠圈是否存在缺陷[4]。

圖1 圖像處理流程

筆者在采用CCD攝像機(jī)采集橡膠圈圖像的過程中難免會(huì)受到各種干擾，使圖像上出現(xiàn)一些隨機(jī)、離散和孤立的像素，這些像素會(huì)降低圖像質(zhì)量，使圖像變得模糊，而且還會(huì)淹沒特征，所以需要對(duì)采集到的圖像進(jìn)行一些處理，盡可能最大程度地恢復(fù)原始圖像。

2 橡膠圈圖像處理算法的研究

2.1 圖像濾波

圖像濾波是指在濾除噪聲的同時(shí)又能保證圖像的邊緣輪廓和線條清晰，中值濾波的原理是把圖像中某一像素的值f′(x,y)用該像素的領(lǐng)域g(s,t)中各點(diǎn)的中值代替，即：

中值濾波方法去噪效果較好，但對(duì)于點(diǎn)和線條細(xì)節(jié)較多的圖像其濾波效果不理想，筆者選擇了一種改進(jìn)后的中值濾波算法，創(chuàng)建兩幅待測目標(biāo)圖像；選擇一個(gè)垂直方向的一維中值濾波器對(duì)目標(biāo)圖像進(jìn)行濾波，再使用一個(gè)水平方向的一維中值濾波器繼續(xù)濾波，得到第一幅圖像；同理得到第二幅圖像；最后對(duì)兩幅圖像取灰度平均值，得到最終的濾波圖像[5]。

對(duì)采集到的橡膠圈圖像增加椒鹽噪聲并采取改進(jìn)中值濾波，在MATLAB中的仿真結(jié)果如圖2所示。

圖2 濾波效果展示

該中值濾波算法在有效濾波的同時(shí)，能保留較多的垂直和水平方向的圖像信息，在運(yùn)算的速度上也有一定的提高。

2.2 圖像增強(qiáng)

圖像增強(qiáng)是根據(jù)需求突出圖像中的某些信息，同時(shí)削弱不需要信息，使得處理后的圖像更有利于邊緣的檢測和缺陷特征的提取[6～8]。筆者采用直方圖來反應(yīng)圖像中各個(gè)灰度級(jí)出現(xiàn)的頻率，直方圖定義可表示為：

其中，N表示圖像的總像素?cái)?shù)，nk是第k個(gè)灰度的像素?cái)?shù)，rk表示第k個(gè)灰度級(jí)，P(rk)表示該灰度級(jí)出現(xiàn)的相對(duì)頻數(shù)。

橡膠圈的灰度圖像和對(duì)應(yīng)的灰度直方圖如圖3所示。

圖3 灰度及其直方圖

從圖3中可以看出，圖像的像素主要集中在灰度級(jí)小于110的范圍內(nèi)，圖像整體偏暗，且對(duì)比度較小，灰度分布呈現(xiàn)雙峰式，通過對(duì)直方圖的分析，可以了解圖像整體對(duì)比度、明亮程度以及與缺陷相關(guān)的灰度分布情況等。

在MATLAB中，imadjust函數(shù)可用于直接灰度調(diào)整，選取0.0～0.2的灰度范圍進(jìn)行變換，對(duì)有氣泡缺陷的橡膠圈進(jìn)行灰度變換(圖4)。由圖4可以看出，灰度變換后不僅可以增強(qiáng)圖像對(duì)比度，而且可以有效去除圖像背景。

圖4 灰度變換效果

2.3 圖像邊緣分割

圖像邊緣是指圖像中表達(dá)物體的周圍像素灰度發(fā)生階躍變化的像素的集合，分割的效果將直接影響后續(xù)的圖像識(shí)別和特征提取的效果。

邊緣分割算子可分成兩種，一種是微分算子，如Roberts算子、Prewitt算子等；另一種是加了最優(yōu)濾波器的檢測算子，如LOG算子和Canny算子[9，10]。傳統(tǒng)的Canny算子適用性較好，梯度圖像需要進(jìn)行非極大值抑制，再求閾值提取邊緣，目前雙閾值的求取難以避免人工設(shè)定的影響，難以精確進(jìn)行邊緣檢測，本課題采用改進(jìn)Canny算子進(jìn)行了邊緣檢測并將其與其他幾種算法進(jìn)行比較[11，12]。

改進(jìn)型Canny算子在圖像中尋找邊緣的算法步驟為：

c. 非極大值抑制，若圖像內(nèi)的像素點(diǎn)(i,j)的梯度幅值M(i,j)比梯度方向上相鄰兩像素的幅值要小，則像素灰度值置0，即不是邊緣點(diǎn)。

選取一階微分算子、LOG算子、Canny算子和改進(jìn)型Canny算子對(duì)含有缺陷的橡膠圈圖像進(jìn)行邊緣檢測，待測圖像已經(jīng)過去噪和增強(qiáng)處理，檢測結(jié)果如圖5、6所示。

圖5 毛邊缺陷圖像檢測結(jié)果

圖6 氣泡缺陷圖像檢測結(jié)果

從圖5、6中可以看出改進(jìn)的Canny檢測算法對(duì)毛邊缺陷和氣泡缺陷的圖像具有較好的檢測效果，而Prewitt檢測算法僅對(duì)毛邊缺陷有較好的效果，所以Canny算法的適用性較好。

3 結(jié)束語

筆者主要研究了基于機(jī)器視覺的橡膠圈缺陷檢測算法，將采集到的圖像進(jìn)行濾波、增強(qiáng)及邊緣檢測等處理，以便檢測出橡膠圈的缺陷特征，通過改進(jìn)的中值濾波濾除了圖像中的椒鹽噪聲，建立圖像直方圖分析了有缺陷橡膠圈的灰度分布情況，比較了毛邊缺陷和氣泡缺陷的幾種算子檢測效果，結(jié)果表明改進(jìn)的Canny算子能夠較好的提取各種缺陷特征。