精密軸承表面疵病檢測及圖像拼接方法*

陳智利，楊利紅，鮑　剛（西安工業(yè)大學光電工程學院，西安710021）

?

精密軸承表面疵病檢測及圖像拼接方法*

陳智利，楊利紅，鮑剛
（西安工業(yè)大學光電工程學院，西安710021）

摘 要：針對精密軸承金屬光滑表面的尺寸與疵病的檢測問題，設(shè)計了圖像自動檢測系統(tǒng).利用可編程邏輯控制器控制技術(shù)，對精密軸承輸送、定位、檢測、抓取等環(huán)節(jié)按一定時序控制；采用數(shù)字圖像處理技術(shù)，對被測零件的圖像信息進行了實時采集和濾波處理，利用函數(shù)映射關(guān)系將面陣電荷耦合元件（CCD）采集得到的軸承圖像信息轉(zhuǎn)換為平面圖像.實驗結(jié)果表明：利用比值比較法進行配準進行缺陷檢測其配準精度高，利用線性加權(quán)平均融合算法處理，可以消除圖像拼接處的縫隙、模糊和帶狀現(xiàn)象，實現(xiàn)了精密軸承表面疵病的檢測，檢測誤差小于10μm.

關(guān)鍵詞：精密微小軸承；缺陷檢測；圖像拼接；線性加權(quán)融合算法

軸承在工業(yè)生產(chǎn)中占據(jù)著非常重要的地位，尤其在精密制造行業(yè)，這些零件通常用在關(guān)鍵部位，它們尺寸的精度及表面缺陷將直接影響到產(chǎn)品的質(zhì)量、運動精度及使用壽命，不合格軸承甚至會造成生產(chǎn)事故.目前，國內(nèi)外軸承大批量生產(chǎn)與檢測中逐漸引入了機器視覺，配準與拼接在軸承表面與溝道檢測中尤為重要.

近年來國內(nèi)外學者對圖像拼接技術(shù)研究廣泛.文獻［1］提出的基于尺度不變特征轉(zhuǎn)換（Scale-Invariant Feature Transform，SIFT）算子拼接方法，對具有旋轉(zhuǎn)、平移、尺度縮放的圖像序列有良好的拼接效果，廣泛地應用于遙感領(lǐng)域中，該方法運算量大、對硬件要求高；文獻［2］提出了局部不變特征描述（Oriented FAST and Rotated BRIEF，ORB）算法，被用于無人機航拍領(lǐng)域中，該算法的顯著優(yōu)點是匹配速度快；文獻［3］提出運用快速查詢機制（Best-Bin-First，BBF）進行圖像配準，使用加權(quán)平均進行圖像融合，它在尋找最佳匹配點誤匹配的概率較大；文獻［4］利用多普勒波束銳化（Doppler Beam Sharpening，DBS）建立了一種針對運動誤差的仿射校正模型進行圖像的拼接，該方法具有很高的精度；文獻［5］使用了非下采樣輪廓波變換（Nonsubsampled Contourlet Transform，NSCT）拼接法，該方法拼接速度快、效果好，但對選取模版的要求高；文獻［6］用加速魯棒特性（Speeded Up Robust Features，SURF）算法提取圖像特征點，采用高維索引樹形數(shù)據(jù)結(jié)構(gòu)快速搜索完成初始匹配，最后利用改進的漸進式抽樣一致性實現(xiàn)精確匹配，實驗結(jié)果具有很好的實時性和有效性；文獻［7］提出了標定配準圖像拼接算法完成圖像拼接，該方法的硬件設(shè)計復雜.上述的拼接方法均各自有其使用范圍和應用領(lǐng)域，線性加權(quán)平均融合算法速度快，還可以消除了圖像拼接處的縫隙、模糊和帶狀現(xiàn)象.本文針對精密軸承金屬光滑表面的疵病檢測問題，設(shè)計了圖像自動檢測系統(tǒng)，通過對采集的圖像展開，利用比值比較法進行配準配準和線性加權(quán)平均融合算法融合，實現(xiàn)了精密軸承表面缺陷的檢測.

1　實驗方案及原理

軸承在線自動檢測總體系統(tǒng)主要由光電檢測系統(tǒng)、傳動系統(tǒng)、氣動系統(tǒng)、機械手抓取系統(tǒng)、旋轉(zhuǎn)系統(tǒng)、圖像采集和處理等系統(tǒng)組成，通過可編程邏輯控制器（Programmable Logic Controller，PLC）控制來實現(xiàn)，如圖1所示.當待檢工件到工位1后，機械手1將其抓取放到工位2處的旋轉(zhuǎn)平臺上進行圖像采集和檢測，根據(jù)檢測結(jié)果發(fā)出指令給機械手2將處理后的軸承進行分類，將不合格品放到廢料箱.

圖1　軸承在線自動檢測系統(tǒng)示意圖Fig.1 Schematic diagram of online automatic detection system for delicate precision bearings

精密軸承檢測的核心是圖像采集系統(tǒng)，主要由光源照明系統(tǒng)、二維控制旋轉(zhuǎn)平臺、計算機、電荷耦合元件（Charge-Coupled Device，CCD）攝像機和圖像采集卡等組成.考慮到精密微小軸承是金屬材料，表面反光嚴重，所以選用的光源照明系統(tǒng)是大面積的平面光源，它具有很好的漫反射效果，可以使軸承側(cè)表面均勻照明.二維控制旋轉(zhuǎn)平臺是通過步進電機控制，每次旋轉(zhuǎn)的角度為60°.CCD攝像機采用2 592 pixel×1 944 pixel的高分辨率工業(yè)相機.

通常一幅圖像不能夠反應軸承側(cè)表面的全部信息，所以對軸承側(cè)表面進行圖像采集時要根據(jù)CCD攝像機的視場角分多次進行圖像采集.每次采集時都要能夠保證兩幅圖像之間有一定的重疊余量以便于后期的圖像拼接操作.保持軸承和二維控制旋轉(zhuǎn)平臺之間的相對位置不變，通過步進電機控制旋轉(zhuǎn)平臺帶動軸承旋轉(zhuǎn)，使軸承側(cè)表面和CCD攝像機之間有角度變化但沒有位移變化.最后通過CCD攝像機進行軸承側(cè)表面的圖像采集，對采集后的圖像進行拼接得到一個完整的軸承側(cè)表面的圖像.圖像采集系統(tǒng)原理圖如圖2所示.

圖2　圖像采集系統(tǒng)示意圖Fig.2 Schematic diagram of image capture system

2　圖像的拼接理論

2.1圖像的展開

當使用面陣CCD獲得的圓柱軸承側(cè)表面信息時，圖像邊緣處理的結(jié)果并不能反應其實際尺寸，因此對采集得到的圖像進行展開是圓柱體表面缺陷檢測中至關(guān)重要的一個環(huán)節(jié).圖3為圖像展開的幾何關(guān)系示意圖.圖3（a）中的圖像J是圓柱體圖像D的一部分，通過函數(shù)映射關(guān)系可將其轉(zhuǎn)化為平面圖像I.圖3（b）為圖3（a）中的一個水平切面，圓柱圖像J上任意一點P（x，y）經(jīng)過投影到平面圖像I上對應的點Q（x′，y′），其變換公式可以由圖3（b）中的幾何關(guān)系得到.

圖3（b）為圖3（a）中的一個水平切面，圓柱圖像J上任意一點P（x，y）經(jīng)過投影到平面圖像I上對應的點Q（x′，y′），其變換公式可以由圖3（b）中的幾何關(guān)系得到.圖3（b）中O為水平切面圓心，設(shè)W、H分別為展開后平面圖像I的半寬度和高度，L、H分別為柱面圖像I的半寬度和高度.θ為采集圖像所對應的半圓心角，r為圓柱體半徑，ω是圖像上任一點P和圓心O連線OP與采集中心線OZ的夾角.

圖3　圖像展開幾何關(guān)系示意圖Fig.3 Geometric relationships of image unfolding

P（x，y）投影到平面圖像上對應的點Q（x′，y′）的轉(zhuǎn)換開關(guān)系式

圖像的展開就會使邊界區(qū)域的信息得以還原，這對后期的缺陷檢測是很有意義的［8］.

2.2圖像的配準

圖像配準是將從不同角度、不同時間所采集得到的兩幅或是多幅圖像進行最佳匹配的處理過程［9］.圖像配準是圖像拼接的前提，其配準的精度將直接影響到拼接的質(zhì)量.圖像配準的方法有多種，本文選用的是比值匹配法，比值比較法的顯著優(yōu)點是計算量較小和實現(xiàn)速度快［10］.

比值匹配法的原理是在搜索圖A中具有重疊區(qū)域的部分中找出兩個特征列，求出它們的對應灰度比值作為模版，在待配準圖像B中進行最佳圖像配準.配準的過程就是在待配準圖像B中，從左到右間隔相同的兩列上計算它們的灰度比值，分別與搜索圖A中的灰度比值模版進行比較，求出它們之間灰度差最小的值所對應的列就是最佳配準列，如圖4所示.

圖4　圖像配準示意圖Fig.4 Schematic diagram of images aligning

其中D（j）為兩圖像之間比值的灰度差.

2.3圖像的融合

運用比值比較法可以準確地找到兩幅圖像之間的重疊區(qū)域，實現(xiàn)重疊區(qū)域的對齊.但是圖像拼接的最終目的是要得到一幅完整的無縫圖像［11］，即在拼接得到的結(jié)果中重疊區(qū)域之間要能夠自然、平滑的過度［12］，且不能在兩幅圖像之間存在圖像拼接縫隙［13-15］.本文采用了直接平均融合算法和線性加權(quán)融合算法［8］.

直接平均融合算法的原理是將兩幅重疊區(qū)域中的像素灰度值各取一半然后進行疊加，其算法原理表達為

首先，在搜索圖A中與待搜索圖B具有重疊區(qū)域中選出一個特征列c，在c列的左側(cè)相距e列處找出另外一列記作c+e列，分別計算出這兩列對應行像素的M個灰度比值存入數(shù)組S中作為配準模版.然后，在待搜索圖B中從左到右從第一列開始分別選取與之間距相等的e列計算出它們的比值，將其比值分別存放在數(shù)組T中作為待配準列.最后，通過計算配準模版數(shù)組S中的灰度值和待配準數(shù)組T中的灰度值之間的差值，在待搜索圖B中選取差值最小的列作為兩幅圖像之間的重疊配準列.表達式為

式中：I1（x，y），I2（x，y）和I（x，y）分別為圖像A，圖像B和融合后的圖像在點（x，y）處的像素值；R1為僅屬于圖像A中的像素點區(qū)域，R2為圖像A和圖像B中重疊部分的像素點區(qū)域，R3為僅屬于圖像B中的像素點區(qū)域.

采用直接平均融合法只是圖像重疊區(qū)域中簡單地把兩幅重疊區(qū)域圖像的像素值疊加拼接，所得到的圖像與原始圖像相比在拼接處有明顯的縫隙.為了解決這一缺陷，提高圖像的拼接質(zhì)量可以采用線性加權(quán)平均融合算法.該算法的思想是在重疊區(qū)域中由圖像A逐漸過渡到圖像B，即將兩圖像重疊區(qū)域中的像素值按一定的權(quán)值相加合成一幅新的圖像，其原理示意圖如圖5所示.

圖5　線性加權(quán)融合法示意圖Fig.5 Schematic diagram of linear weighted image fusion

該算法的數(shù)學公式如下式

式中：x1和x2為圖像重疊區(qū)間；Y1（x）和Y2（x）為權(quán)系數(shù)函數(shù)，且滿足Y1（x）+Y2（x）=1.

3　結(jié)果及討論

由于軸承的圓柱體特性以及CCD相機視場角的局限性，要想在一幅圖像上表現(xiàn)出軸承側(cè)表面的全部信息，就需要對軸承側(cè)表面進行多次圖像采集，并將采集得到的圖像進行拼接.對于缺陷檢測，拼接尤為重要，實際中常會遇到缺陷出現(xiàn)在兩次采集的邊緣位置，而在這兩幅圖像中缺陷尺寸均小于檢測閾值，但實際缺陷（拼接后）遠大于允許的缺陷要求，所以圖像拼接在軸承檢測中是非常必要的.

采用直接平均融合算法拼接得到的軸承側(cè)表面拼接的圖像如圖6所示.比較圖6（c）和圖6（d）可以看出，采用直接平均融合法拼接所得到的圖像與原始圖像相比在拼接處有明顯的縫隙，這是因為在圖像重疊區(qū)域中只是簡單地把兩幅重疊區(qū)域圖像的像素值疊加，沒有考慮到圖像漸變的因素，勢必會在兩幅圖像的交接處產(chǎn)生這一縫隙.

與直接平均融合算法相比較，使用線性加權(quán)平均融合算法拼接所得到的圖像在重疊區(qū)域能夠很平滑的過度，不存在拼接縫隙、模糊和帶狀現(xiàn)象，如圖7所示.和原始圖像圖7（d）相比較幾乎保留了原始圖像中的全部信息.對圖7拼接處的劃痕的檢測結(jié)果見表1.

圖6　輸入的兩幅原始圖像，直接平均融合拼接圖像和拼接區(qū)域采集圖像Fig.6 Two original images，image obtained by average image fusion algorithm and the captured image in stitching area

圖7　輸入的兩幅原始圖像，線性加權(quán)融合拼接圖像和拼接區(qū)域采集圖像Fig.7 Two original images，image obtained by linear weighted image fusion algorithm and the captured image in stitching area

表1　拼接與未拼接劃痕檢測結(jié)果對比Tab.1 Comparison of results processed by image stitching and unstitching

測量結(jié)果表明：利用比值比較法進行配準，對軸承多次檢驗其最大偏差小于8μm，滿足檢測要求（誤差小于10μm），實現(xiàn)了很好的配準；采用線性加權(quán)平均融合算法，消除了拼接處的縫隙、模糊和帶狀現(xiàn)象；利用拼接解決了缺陷出現(xiàn)在兩次采集的邊緣位置而誤檢測的問題.

4　結(jié)論

本文針對精密軸承金屬光滑表面的疵病檢測問題，設(shè)計了圖像自動檢測系統(tǒng)，通過對采集的圖像展開、配準和融合，實現(xiàn)了精密軸承表面缺陷地檢測.

檢測裝置中運動控制系統(tǒng)采用可編程邏輯控制器技術(shù)，實現(xiàn)了對精密軸承的輸送、定位、檢測、抓取等環(huán)節(jié)按一定時序有節(jié)拍的控制；采用CCD數(shù)字圖像處理技術(shù)，實時采集被測零件的圖像信息，對其濾波處理后，利用函數(shù)映射關(guān)系將面陣CCD采集得到的軸承圖像轉(zhuǎn)換為平面圖像；利用比值匹配法進行了配準，使用直接平均融合法和線性加權(quán)平均融合算法進行了融合.直接平均融合法雖然計算量最小、運行速度快，但是融合效果不好，而采用線性加權(quán)融合法能有效地消除直接平均融合法在圖像拼接處的縫隙、模糊和帶狀現(xiàn)象，實現(xiàn)圖像的無縫拼接，具有很好的拼接效果.設(shè)計了圖像自動檢測系統(tǒng)能對劃痕缺陷進行快速檢測，系統(tǒng)達到了檢測要求，檢測精度達到8μm.

參考文獻：

［1］ ROWN M，LOWE D G.Automatic Panoramic Image Stitching Using Invariant Features［J］.International Journal of Computer Vision，2007，74（1）：59.

［2］ RUBLEE E，RABAUD V，KONOLIGE K，et al.ORB：An Efficient Alternative to SIFT or SURF［C］∥Proceedings of the IEEE International Conference on Computer Vision.Piscataway：IEEE，2011：2564.

［3］ 魏川，張功國，呂曉萌.圖像拼接技術(shù)在雙攝像機監(jiān)控中的應用［J］.激光與紅外，2014，44（4）：447. WEI Chuan，ZHANG Gongguo，LYU Xiaomeng.Application of Image Mosaic in Binocular Cameras Surveillance［J］.Laser&Infrared，2014，44（4）：447. （in Chinese）

［4］ 陳洪猛，李明，賈璐，等.一種高精度的DBS圖像拼接算法［J］.西安電子科技大學學報，2014，41（2）：37. CHEN Hongmeng，LI Ming，JIA Lu，et al.High Precision Stitching Algorithm for DBS Image［J］.Journal of Xidian University，2014，41（2）：37. （in Chinese）

［5］ 章建軍，曹杰.基于NSCT的圖像拼接算法［J］.電子設(shè)計工程，2014，22（5）：134. ZHANG Jianjun，CAO Jie.Image Stitching Algorithm Based on NSCT［J］.Electronic Design Engineering，2014，22（5）：134.（in Chinese）

［6］ 王新華，黃瑋，歐陽繼紅.多探測器拼接成像系統(tǒng)實時圖像配準［J］.中國光學，2015，8（2）：211. WANG Xinhua，HUANG Wei，OU YANG Jihong. Real-Time Image Registration of the Multi-detectors Mosaic Imaging System［J］.Chinese Optics，2015，8 （2）：211.（in Chinese）

［7］ 趙凱，耿修堂，何浩.基于標定配準的圖像拼接算法設(shè)計與實現(xiàn)［J］.微電子學與計算機，2015，32（3）：47. ZHAO Kai，GENG Xiutang，HE Hao.Design and Implementation of Image Mosaic Algorithm Based on Testing Matching［J］.Microelectronics&Computer，2015，32（3）：47.（in Chinese）

［8］ 侯舒維.圖像拼接技術(shù)研究［D］.西安：西安電子科技大學，2005. HOU Shuwei.Research on Image Mosaic［D］.Xi’an：Xidian University，2005.（in Chinese）

［9］ BROWN L G.A Survey of Image Registration Teehniques［J］.ACM Computer Surveys，1992，24（4）：325.

［10］ 鐘力，胡曉峰.重疊圖像拼接算法［J］.中國圖像圖形學報，1998，3（5）：367. ZHONG Li，HU Xiaofeng.Overlapping Image Mosaic［J］.Journal of Image and Graphics，1998，3（5）：367.（in Chinese）

［11］ 趙向陽，杜利民.一種全自動穩(wěn)健的圖像拼接融合算法［J］.中國圖像圖形學報，2004，9（4）：417. ZHAO Xiangyang，DU Limin.An Automatic and Robust Image Mosaic Algorithm［J］.Journal of Image andGraphics，2004，9（4）：417.（in Chinese）

［12］ 石丹，李慶武，倪雪，等.基于Contourlet變換的紅外圖像非線性增強算法［J］.光學學報，2009，29（2）：342. SHI Dan，LI Qingwu，NI Xue，et al.Infrared Image Nonlinear Enhancement Algorithm Based on Contourlet Transform［J］.Acta Optica Sinica，2009，29 （2）：342.（in Chinese）

［13］ BLAIN P，PIRON P，RENOTTE Y，et al.An In-Line Shearography Setup Based on Circular Polarization Gratings［J］.Optics and in Engineering，2013，51（9）：1053.

［14］ 狄紅衛(wèi)，劉顯峰.基于結(jié)構(gòu)相似度的圖像融合質(zhì)量評價［J］.光子學報，2006，35（5）：766. DI Hongwei，LIU Xianfeng.Image Fusion Quality Assessment Based on Structural Similarity［J］.Acta Photonica Sinica，2006，35（5）：766.（in Chinese）

［15］ BRADY D J，GEHM M E，STACK R A.Multiscale Gigapixel Photography［J］.Nature，2012，486（21）：386.

（責任編輯、校對 潘秋岑）

簡 訊

光幕陣列天幕立靶測試系統(tǒng)

射擊密集度參數(shù)是國防工業(yè)中的基礎(chǔ)參數(shù)，在艦炮、自行火炮等武器系統(tǒng)的研制、生產(chǎn)和試驗中均需要測量。針對這一現(xiàn)實需求，西安工業(yè)大學憑借多年來在光電測試技術(shù)方面的積累，研制出了光幕陣列天幕立靶測試系統(tǒng)。該系統(tǒng)主要用于單管炮、多管轉(zhuǎn)管炮等武器單發(fā)和連發(fā)射擊密集度的測量，也可以用于靶位落速的測量和近炸引信脫靶量的測量。該系統(tǒng)采用多個探測光幕組成光幕陣列，當飛行彈丸穿過光幕陣列，各光幕依次輸出彈丸穿過光幕的信號，由多路信號采集儀采集信號，采用專用算法處理得到彈丸穿過多個光幕的時間，依據(jù)光幕陣列的角度和距離等參數(shù)計算出彈丸著靶坐標、飛行速度和飛行方向角度參數(shù)。將非電量參數(shù)轉(zhuǎn)化為時間量的測量，一次射擊，測量得到多個參數(shù)，采用抗蚊蟲、激波措施和靈敏度天空亮度自動控制技術(shù)，適應野外環(huán)境，可靠性好，布靶方便。

（張立新）

Surface Defect Detection&Image Stitching Method for Delicate Micro-Bearings

CHEN Zhili，YANG Lihong，BAOGang
（School of Optoelectronic Engineering，Xi’an Technological University，Xi’an 710021，China）

Abstract：An automatic image detection system is designed for defecting smooth metal surfaces of delicate precision bearings.Its motion control system controlled the steps of the conveyance，location，detection and capture of delicate precision bearings in the sequential measuring process.The chargecoupled device（CCD）digital image processing technique is adopted to collect，on real-time，image information of tested components，and then to filter the information.Function mapping relations are employed to convert the image information of bearings collected by CCD area array to flat images.The experimental results show that the high alignment accuracy is gained by employing the ratio comparison method to align and detect defects of delicate precision bearings，and elimination of gaps，image vagueness and bands at joints is realized by using the linear weighted image fusion algorithm.Thus，the automatic system，with detection error less than 10μm，has satisfactorily detected the surface defects of delicate bearings.

Key Words：delicate precision bearings；defect detection；image joint；non-linear weighted image fusion algorithm

作者簡介：陳智利（1973—），男，西安工業(yè)大學副教授，主要研究方向為現(xiàn)代光學制造與檢測.E-mail：medichen＠163.com.

基金資助：陜西省教育廳重點實驗室科研計劃項目（14JS028）；西安市技術(shù)轉(zhuǎn)移促進工程項目（CXY1441（4））；國家科技重大專項經(jīng)費資助（2013ZX04006011）；陜西省科技攻關(guān)項目（2011k09-39）

*收稿日期：2015-06-20

DOI：10.16185／j.jxatu.edu.cn.2016.02.002

文獻標志碼：中圖號： TP317.4 A

文章編號：1673-9965（2016）02-0094-07