基于圖像處理的油封缺陷檢測(cè)方法研究

石磊，于正林

（長(zhǎng)春理工大學(xué) 機(jī)電工程學(xué)院，長(zhǎng)春 130022）

油封是一種封油的機(jī)械元件，油封在液壓與氣動(dòng)裝置中起到重要作用。油封主要的作用就是將需要潤(rùn)滑的傳動(dòng)機(jī)構(gòu)與受力機(jī)構(gòu)隔離開，防止漏油現(xiàn)象發(fā)生，同時(shí)能夠防止泥沙、灰塵、水氣等物質(zhì)侵入運(yùn)動(dòng)部件。本文的研究對(duì)象是骨架油封，如圖1（a）所示。顧名思義，骨架油封的骨架是起支撐作用的，固定油封外形，自緊螺旋彈簧自帶收縮力，能夠提供很好的自緊力，提高密封效果。骨架油封的唇口在密封中起到重要作用，將機(jī)器內(nèi)部與外部隔離開，能夠很好地阻擋外界雜質(zhì)。圖1（b）為骨架油封的結(jié)構(gòu)示意圖[1]。目前，工廠生產(chǎn)油封的過程中存在多種影響因素，導(dǎo)致油封可能存在缺陷。油封唇口作為重要的密封部位，如果存在缺陷會(huì)嚴(yán)重影響密封性能，甚至使油封失效。在凹缺、劃痕、毛刺以及尺寸偏差等多種油封缺陷中，凹缺缺陷影響最大，因此，本文主要對(duì)唇口凹缺缺陷進(jìn)行檢測(cè)研究。目前，國(guó)內(nèi)很多生產(chǎn)油封的廠家采用人工檢測(cè)的方式對(duì)油封成品進(jìn)行檢查，這需要大量的員工在生產(chǎn)過程中依靠肉眼檢測(cè)油封唇口缺陷等。雖然這種人工檢測(cè)的方式能夠檢測(cè)出油封存在的缺陷，實(shí)現(xiàn)對(duì)油封質(zhì)量的控制，但是依然存在很多的不足，急需一種新型的、簡(jiǎn)單有效的油封缺陷檢測(cè)方法。

圖1 骨架油封結(jié)構(gòu)

多數(shù)油封生產(chǎn)企業(yè)的油封月產(chǎn)量多達(dá)數(shù)百萬(wàn)件，人工檢測(cè)這種傳統(tǒng)的檢測(cè)方式難以滿足生產(chǎn)效率的需求，導(dǎo)致公司運(yùn)營(yíng)難以完美銜接；油封自動(dòng)化流水線生產(chǎn)過程中需要配備多名員工同時(shí)進(jìn)行油封缺陷檢測(cè)，這樣是一種極大的人力資源的浪費(fèi)，同時(shí)顯著增加了生產(chǎn)成本；而且檢測(cè)人員不間斷的眼力勞動(dòng)，容易出現(xiàn)疲勞導(dǎo)致漏檢、錯(cuò)檢的現(xiàn)象，會(huì)產(chǎn)生嚴(yán)重的后果；由于不同員工檢測(cè)有不同的標(biāo)準(zhǔn)，無(wú)法實(shí)現(xiàn)完全統(tǒng)一，這也嚴(yán)重影響了最終成品的質(zhì)量性能。因此，針對(duì)唇口缺陷，本文提出一種基于圖像處理的油封缺陷檢測(cè)方法。

1 系統(tǒng)構(gòu)建及檢測(cè)流程

骨架油封的尺寸劃分細(xì)密，根據(jù)國(guó)家標(biāo)準(zhǔn)與實(shí)際生產(chǎn)相結(jié)合來(lái)看，中小型尺寸的油封在實(shí)際應(yīng)用的占比比較大。所以本文將研究對(duì)象設(shè)定在Φ50 mm的中小油封。本文選擇的檢測(cè)對(duì)象為油封唇口內(nèi)圓處的缺陷。針對(duì)油封設(shè)計(jì)檢測(cè)系統(tǒng)結(jié)構(gòu)框圖如圖2所示，首先由圖像采集模塊采集油封圖像，油封由傳送帶送到CCD相機(jī)下方指定位置，油封和背景視差明顯，上方采用LED光源，能得到具有較高品質(zhì)和較高對(duì)比度的油封圖像，將油封圖像儲(chǔ)存到圖像采集卡中為后面的圖像處理做準(zhǔn)備[2]。這里選用LED燈作為光源是因?yàn)樵跈C(jī)器視覺領(lǐng)域，LED光源相對(duì)于傳統(tǒng)光源具有使用壽命長(zhǎng)、形狀自由度高、應(yīng)答速度快和綜合成本低等優(yōu)點(diǎn)。機(jī)械運(yùn)動(dòng)機(jī)構(gòu)由電機(jī)和傳送帶組成，由計(jì)算機(jī)控制機(jī)械運(yùn)動(dòng)，配合相機(jī)圖像采集的節(jié)拍，完成工件的進(jìn)給和圖像采集的運(yùn)動(dòng)；采集的油封圖像同步到計(jì)算機(jī)，運(yùn)用MATLAB根據(jù)給定的算法對(duì)油封圖像進(jìn)行檢測(cè)與判別，最后輸出結(jié)果。

圖2 系統(tǒng)結(jié)構(gòu)框圖

2 油封缺陷檢測(cè)算法研究

2.1 油封缺陷檢測(cè)流程

采集油封圖像同步到計(jì)算機(jī)，根據(jù)圖像缺陷檢測(cè)流程進(jìn)行檢測(cè)，根據(jù)油封缺陷檢測(cè)標(biāo)準(zhǔn)，油封唇口處不能存在人眼可見缺陷[3]。因此采用如下檢測(cè)流程，框圖如圖3所示。

圖3 油封缺陷檢測(cè)流程

2.2 圖像預(yù)處理

根據(jù)實(shí)際情況，由于環(huán)境和隨機(jī)因素的影響，在采集到的油封圖像中會(huì)存在大量噪聲，帶有大量噪聲的圖像無(wú)法直接處理，需要先進(jìn)行圖像預(yù)處理，包括灰度處理和濾波處理。相機(jī)采集的油封圖像數(shù)據(jù)量龐大繁雜，不利于實(shí)驗(yàn)效果。需要進(jìn)行灰度變換，將原圖像轉(zhuǎn)化為灰度圖像，如圖4（a）所示。

圖4 添加噪聲圖像

在圖像灰度化后，還需對(duì)圖像進(jìn)行濾波處理，因?yàn)椴杉头鈭D像時(shí)會(huì)受到各種外界因素的干擾，這些干擾因素會(huì)使圖像產(chǎn)生大量的噪聲及不必要的干擾信息。本文中油封圖像是通過CCD相機(jī)采集，在生成圖像時(shí)，環(huán)境濕度以及照明程度等因素都會(huì)使圖像產(chǎn)生大量干擾信息；而且，在圖像采集過程當(dāng)中，由于機(jī)械運(yùn)動(dòng)的影響和試驗(yàn)環(huán)境的限制，像素抖動(dòng)無(wú)法避免，這也會(huì)產(chǎn)生噪聲增加干擾信息使圖像質(zhì)量降低；同時(shí)，圖像采集過程中，采集系統(tǒng)的電源變化和系統(tǒng)的震動(dòng)等都會(huì)增加圖像中的噪聲。如不去除這些噪聲，油封圖像的閾值分割和邊緣特征提取會(huì)失真，那么檢測(cè)結(jié)果將毫無(wú)意義，導(dǎo)致實(shí)驗(yàn)失敗。因此，濾除圖像中的噪聲十分重要。根據(jù)生產(chǎn)實(shí)際，這里將在油封圖像中加入高斯噪聲和椒鹽噪聲[4]，通過對(duì)其進(jìn)行濾波處理并加以分析，以尋找最佳濾波方法。圖4（a）為油封原灰度圖像，圖4（b）為加入高斯噪聲的圖像，圖4（c）為加入椒鹽噪聲后的圖像。

針對(duì)上圖中的噪聲圖像，分別采用均值濾波和中值濾波對(duì)其進(jìn)行濾波處理并加以分析。這里先分析濾波的處理特性。均值濾波相當(dāng)于低通濾波，均值濾波是典型的線性濾波算法。就是計(jì)算周圍像素點(diǎn)的平均值作為中心點(diǎn)的值，這種算法有一定缺陷，會(huì)丟失圖像的細(xì)節(jié)信息，使圖像變得模糊，對(duì)椒鹽噪聲基本無(wú)能為力，這一點(diǎn)是十分不利的。中值濾波法是一種非線性平滑技術(shù)，將圖像的像素點(diǎn)看做一連串的數(shù)值，將他們的中值作為標(biāo)準(zhǔn)賦值給它附近數(shù)值及像素點(diǎn)。油封圖像為非線性輪廓邊緣，而且本成像系統(tǒng)底部背景與油封對(duì)比度高，上方LED光源給光，噪聲點(diǎn)較少，應(yīng)選用中值濾波。通過實(shí)驗(yàn)和分析表明，均值濾波處理后的圖像如圖5（a）所示，圖像變得模糊，圖像細(xì)節(jié)丟失，效果差強(qiáng)人意，不能很好地去除噪聲點(diǎn)。而中值濾波處理后的圖像如圖5（b）所示，圖像清晰，目標(biāo)與背景有較高對(duì)比度，邊緣輪廓信息保留完善，噪聲基本消失[5]。

圖5 均值濾波與中值濾波圖像

實(shí)驗(yàn)結(jié)果表明，中值濾波法能夠很很好地消除油封圖像中的噪聲，同時(shí)能夠保留圖像的細(xì)節(jié)信息，不影響后續(xù)的進(jìn)一步處理。因此，本文采用中值濾波法對(duì)油封圖像進(jìn)行濾波處理。

中值濾波后的圖像要進(jìn)行二值化處理，二值化圖像如圖5（c）所示，并進(jìn)一步進(jìn)行腐蝕與膨脹處理。根據(jù)先驗(yàn)知識(shí)，圖像先腐蝕后膨脹稱為開運(yùn)算，先膨脹后腐蝕為閉運(yùn)算。根據(jù)本文圖像特點(diǎn)，這里采用閉運(yùn)算。

假設(shè)A為一幅二值圖像，S為結(jié)構(gòu)元素，則A對(duì)S的形態(tài)開運(yùn)算為定義為式（1），閉運(yùn)算定義為式（2）：

2.3 圖像分割

在對(duì)油封圖像的處理過程中，圖像中的油封是檢測(cè)的對(duì)象，在圖像處理中通常稱其為前景或感興趣部分，而其余的部分則為背景，圖像分割就是把感興趣部分與背景分割開，將目標(biāo)部分提取出來(lái)，對(duì)于圖像中的其他要素則要盡量消除。圖像分割是油封圖像處理過程中十分重要的一步。目前，圖像分割的方法有很多，如圖6所示，但是每種方法都有各自的優(yōu)缺點(diǎn)和特定應(yīng)用場(chǎng)合，根據(jù)本文油封圖像的特性，閾值分割最適合本實(shí)驗(yàn)。閾值分割技術(shù)是應(yīng)用最廣泛的圖像分割方法，通過設(shè)定閾值對(duì)圖像進(jìn)行分割，十分簡(jiǎn)單快捷。本文也將使用閾值分割技術(shù)對(duì)油封圖像進(jìn)行處理，同時(shí)對(duì)幾種閾值分割方法做簡(jiǎn)單分析比較，通過MATLAB軟件進(jìn)行算法的程序編寫和運(yùn)行，根據(jù)實(shí)驗(yàn)結(jié)果的比較分析，選擇出適合本系統(tǒng)檢測(cè)的分割方法。

圖6 圖像分割方法

閾值分割需要選定一個(gè)灰度值作為分界點(diǎn)，然后將圖像中的像素點(diǎn)的灰度值與分界點(diǎn)灰度值做對(duì)比，將灰度值大于分界值的像素點(diǎn)設(shè)置為255，所有灰度值小于分界值的像素點(diǎn)設(shè)置為0。而起到分界值作用的灰度值則稱為閥值。這樣就將感興趣部分和背景分割開了。

本文主要對(duì)基于灰度直方圖的閾值分割和最大類間方差閾值分割，即Otsu法[6]進(jìn)行了實(shí)驗(yàn)并加以比較。基于灰度直方圖的閾值分割法簡(jiǎn)單易操作，首先將油封圖像灰度化，通過MAT?LAB處理得到灰度直方圖，如圖7所示，圖中橫坐標(biāo)為灰度級(jí)，縱坐標(biāo)為像素點(diǎn)數(shù)。根據(jù)油封圖像的灰度直方圖可以發(fā)現(xiàn)存在兩個(gè)波峰，選取兩個(gè)波峰的均值作為閾值，根據(jù)此閾值對(duì)圖像進(jìn)行分割?？梢园l(fā)現(xiàn)兩個(gè)峰值相差很遠(yuǎn)，波峰值分別為30和255，數(shù)值相差很大，能夠計(jì)算閾值對(duì)圖像進(jìn)行閾值分割。但是在MATLAB實(shí)現(xiàn)過程中需要手動(dòng)輸入閾值，不滿足實(shí)時(shí)檢測(cè)的特性。最大類間方差法閾值分割效果如圖8所示。用最大類間方差閾值分割法對(duì)油封圖像進(jìn)行二值化分割后，圖像中的前景與背景的類間方差最大，本文油封圖像中前景與背景對(duì)比度大，正好符合Otsu閾值分割法的要求。而且最大類間方差閾值分割法能夠自動(dòng)選取閾值，有很好的自適應(yīng)性，不需要人為設(shè)置其它參數(shù)，能夠?qū)τ头鈭D像進(jìn)行實(shí)時(shí)檢測(cè)，適合自動(dòng)化生產(chǎn)[7]。而且分割效果理想。因此本文采用Otsu法對(duì)油封圖像進(jìn)行閾值分割。

圖7 灰度直方圖

圖8 Otsu法閾值分割圖像

2.4 缺陷邊緣檢測(cè)

在對(duì)油封圖像處理過程中，目標(biāo)是檢測(cè)油封唇口凹缺缺陷，這里可以提取邊緣輪廓來(lái)對(duì)油封進(jìn)行檢測(cè)。本文采用鏈碼表示法對(duì)目標(biāo)油封圖像的邊界輪廓進(jìn)行提取。

鏈碼在圖像處理等領(lǐng)域應(yīng)用廣泛，本文的油封圖像邊緣輪廓可用鏈碼法提取，根據(jù)鏈碼原理，須知一點(diǎn)坐標(biāo)作為起始點(diǎn)，根據(jù)邊界點(diǎn)的方向代碼值可得下一像素點(diǎn)的坐標(biāo)，以此方法能夠很好地描述曲線邊界輪廓。本文的油封圖像輪廓?jiǎng)偤脼閳A形曲線，用鏈碼來(lái)表達(dá)目標(biāo)的曲線以及區(qū)域邊界完全適用。

鏈碼中心像素點(diǎn)的鄰接方向有基本的上、下、左、右4個(gè)方向，同時(shí)也可以算上4個(gè)斜方向，細(xì)分成8個(gè)方向，因此，鏈碼可分成4-方向鏈碼和8-方向鏈碼[8]兩種。4-方向鏈碼相對(duì)簡(jiǎn)單，8-方向鏈碼對(duì)曲線邊緣輪廓描述效果更好，本文選用8-方向鏈碼法對(duì)油封圖像進(jìn)行邊緣提取。根據(jù)8-方向鏈碼原理，定義8個(gè)方向的方向碼為0、1、2、3、4、5、6、7，如圖9所示。根據(jù)起始點(diǎn)的坐標(biāo)和鏈碼的編程方向，可以用一組數(shù)列對(duì)其進(jìn)行表示。這組數(shù)列被稱為Freeman鏈碼。在Freeman鏈碼中，奇數(shù)碼和偶數(shù)碼代表不同線段長(zhǎng)度，根據(jù)規(guī)定，奇數(shù)碼的單位長(zhǎng)度為2，偶數(shù)碼的單位長(zhǎng)度為1。

圖9 8-方向鏈碼示意圖

根據(jù)本文油封圖像的實(shí)際情況，這里采用8-方向鏈碼法對(duì)像素進(jìn)行描述，能夠準(zhǔn)確地表達(dá)中間像素點(diǎn)及其鄰接點(diǎn)的信息。根據(jù)鏈碼坐標(biāo)偏移量的計(jì)算標(biāo)準(zhǔn)，設(shè)點(diǎn)A為邊界上的一點(diǎn)，則鏈碼A橫坐標(biāo)的偏移量記為dx(ai)，縱坐標(biāo)的偏移量記為dy(ai)。點(diǎn)A在8個(gè)方向的偏移量如表1所示。根據(jù)表1，只需知道一個(gè)邊界點(diǎn)的坐標(biāo)和其對(duì)應(yīng)下一個(gè)點(diǎn)的方向碼的值，就能夠得到下一個(gè)點(diǎn)的坐標(biāo)。舉例說(shuō)明，假設(shè)知道一個(gè)邊界點(diǎn)O的坐標(biāo)為(x,y)，并且知道下一個(gè)邊界點(diǎn)P的方向碼值為1，就可以得到P點(diǎn)的坐標(biāo)(xp,yp)為：

表1 鏈碼值對(duì)應(yīng)的坐標(biāo)偏移量

根據(jù)前面所知的鏈碼表示法，可以通過目標(biāo)區(qū)域來(lái)描述任意一條曲線，根據(jù)其組成和坐標(biāo)及鏈碼值，可將曲線用鏈碼表達(dá)式表示出來(lái)，其表達(dá)式如下：

在表達(dá)式（2）中：a1代表方向碼的值，參照表1對(duì)其進(jìn)行取值。圖10為一個(gè)模擬8-方向鏈碼提取邊界的簡(jiǎn)單實(shí)例，通過圖10可以知道基于鏈碼法提取邊界的基本過程。

圖10 8-方向鏈碼邊界提取實(shí)例

圖10中的A點(diǎn)為邊界起始點(diǎn)，根據(jù)箭頭方向可知編碼方向?yàn)轫槙r(shí)針，圖中每個(gè)箭頭的起始點(diǎn)和終止點(diǎn)都代表邊界點(diǎn)，知道起始點(diǎn)A的坐標(biāo)并且通向B點(diǎn)的方向碼為2，就可以得到B點(diǎn)的坐標(biāo)，以此類推，后面每一個(gè)點(diǎn)的坐標(biāo)都可以得到，通過不斷地計(jì)算編碼，最后回到A點(diǎn)，這時(shí)宣布編碼結(jié)束。這時(shí)，根據(jù)得到的邊界點(diǎn)和鏈碼值，能夠描述邊界區(qū)域。在圖10實(shí)例中的邊界鏈碼為224345456060200601。通過上面實(shí)例的描述，能夠知道基于8-方向鏈碼對(duì)邊界提取的基本過程，這里想要實(shí)現(xiàn)這個(gè)過程，需要一個(gè)好的編碼控制流程[9]，如圖11所示。根據(jù)圖中所述流程，在MATLAB中編程運(yùn)算，對(duì)油封圖像進(jìn)行邊界提取。

圖11 鏈碼法遍歷邊界的流程圖

2.5 最小二乘法輪廓擬合

在提取出目標(biāo)油封邊緣輪廓后需進(jìn)行缺陷檢測(cè)，本文主要對(duì)油封圖像的外唇內(nèi)圓的凹缺缺陷進(jìn)行檢測(cè)，其主要特征表現(xiàn)為輪廓凹缺，有明顯的變形，而標(biāo)準(zhǔn)油封唇口內(nèi)圓表現(xiàn)為圓形特征，及有標(biāo)準(zhǔn)的半徑尺寸。因此，最簡(jiǎn)單有效的方法就是識(shí)別圖像的圓心及圓形半徑尺寸是否存在偏差，根據(jù)偏差來(lái)檢測(cè)油封是否存在凹缺缺陷[10]。圓形擬合的方法中，最小二乘法有明顯的優(yōu)點(diǎn)，其精度高、速度快、擬合效果明顯，適用于本實(shí)驗(yàn)的檢測(cè)。首先運(yùn)用最小二乘法對(duì)標(biāo)準(zhǔn)油封的圓心和半徑進(jìn)行擬合，定圓心為(A,B)，半徑為R，得出標(biāo)準(zhǔn)輪廓模版。然后將前面得到油封唇口內(nèi)圓邊緣像素點(diǎn)集進(jìn)行逐點(diǎn)和輪廓模版求偏差，根據(jù)油封缺陷檢測(cè)標(biāo)準(zhǔn)設(shè)定一個(gè)閾值，若對(duì)比偏差超過這一閾值，判定該油封存在凹缺缺陷，為不合格油封工件。采用公式（3）計(jì)算邊緣點(diǎn)到圓心(A,B)的距離。

式中，（xi，yi）代表邊緣點(diǎn)集；T（xi，yi）代表各點(diǎn)到圓心的距離。通過上式逐點(diǎn)計(jì)算出邊緣點(diǎn)集到圓心的距離，再計(jì)算其與半徑R的偏差，記為：

最后判斷Δt是否超過給定的閾值，以次來(lái)判定是否凹缺缺陷。此方法可以快速識(shí)別油封是否存在凹缺缺陷，能夠達(dá)到檢測(cè)要求，同時(shí)能夠提高油封檢測(cè)效率。

3 實(shí)驗(yàn)與結(jié)果

本文的研究對(duì)象是骨架油封常見的表面缺陷，在實(shí)際生產(chǎn)中選取38×52×6的油封為樣本。在MATLAB中運(yùn)行算法對(duì)油封進(jìn)行圖像處理，實(shí)驗(yàn)結(jié)果如圖12所示，圖12（a）是油封原圖像，圖12（b）是采用鏈碼法處理的圖像，而圖12（c）中的圖像為運(yùn)用Prewitt算子處理后的圖像。可以看到鏈碼法處理的圖片邊界輪廓清晰，細(xì)節(jié)保留完好，而Prewitt算子法提取輪廓細(xì)節(jié)部分丟失。得出結(jié)論，本算法能夠?qū)崿F(xiàn)對(duì)目標(biāo)圖像的邊界信息進(jìn)行描述，達(dá)到了預(yù)期的實(shí)驗(yàn)效果。而且從圖中可以看出，鏈碼法描述圖像更加清晰可觀。

圖12 邊界提取效果圖

4 結(jié)論

本文針對(duì)員工對(duì)油封缺陷進(jìn)行肉眼檢測(cè)時(shí)存在檢測(cè)效率低、易遺漏、成本高等不足，對(duì)油封缺陷檢測(cè)方法進(jìn)行研究，通過對(duì)圖像進(jìn)行采集，進(jìn)行灰度處理和中值濾波等預(yù)處理，經(jīng)過Ot?su閾值分割得到目標(biāo)圖像，通過基于8-方向鏈碼法進(jìn)行邊緣提取，采用最小二乘法擬合油封唇口圓形輪廓來(lái)識(shí)別油封唇口是否存在凹缺缺陷。實(shí)驗(yàn)結(jié)果表明，從圖像的采集到確定檢測(cè)結(jié)果整個(gè)檢測(cè)快速完成，圖像處理效果理想，可以達(dá)到預(yù)期實(shí)驗(yàn)效果，能夠提高油封缺陷檢測(cè)效率。