CN101561249B - 手术刀片配合尺寸自动检测方法 - Google Patents

Abstract

本发明涉及一种手术刀片配合尺寸自动检测检测方法，特点是，具体步骤为：1.图像采集：CMOS传感器采集原始图像，并将原始图像进行开运算，即先腐蚀再膨胀，以消除噪声点；2.系统标定：使用标定量块进行系统标定，得出每个像素代表的实际宽度；3.基于形状的模板匹配：利用基于形状的模板匹配方法定位检测项目的测量域及边缘提取域；4.亚像素边缘检测。本发明的有益效果是：本检测方法，由计算机实时控制，CMOS摄像机由软件驱动控制，通过系统初始化及实时显示模块观察手术刀片的图像；针对尺寸测量的需要，每次测量之前先进行系统标定；对图像进行去噪声等预处理；再运用模板匹配技术以及编写软件界面，检测结果可通过显示器直观显示。

Description

手术刀片配合尺寸自动检测方法 

技术领域

本发明涉及自动检测方法，特别涉及一种手术刀片配合尺寸自动检测方法。 

背景技术

手术刀柄和可拆卸刀片之间需要具备良好的配合性和互换性，因此刀片的配合尺寸检测在手术刀片质量控制中是一个应用十分普遍且有实际应用价值的问题。目前，国内的手术刀片生产企业主要采取人工测量方法，如借助万能工具显微镜、光栅尺、角度量规等工具进行手术刀片的尺寸检测。这种传统的人工视觉检测耗时、劳动密集及效率低，且人为误差不可避免。 

发明内容

本发明是针对现在测量方法还维持在人工状态，存在误差和效率低的问题，提出了一种手术刀片配合尺寸自动检测方法，该方法能够有效地检测手术刀片的如图1所示的α、b、b₁、L₁、L₂等各项数据指标，以此快速准确的检测产品是否符合设计要求，并且具有高精度、速度快、无接触的特点。 

本发明的技术方案为：一种手术刀片配合尺寸自动检测方法，特点是具体检测方法步骤如下： 

(一)图像采集：CMOS传感器采集原始图像，并将原始图像进行开运算，即先腐蚀再膨胀，以消除噪声点； 

(二)系统标定：使用标定量块进行系统标定，得出每像素代表的实际宽度； 

(三)基于形状的模板匹配：利用基于形状的模板匹配方法定位检测项目的 测量域及边缘提取域； 

A.创建模板： 

1)选取模板区域：用图像中刀片的内轮廓作为模板，用鼠标选取创建该模板所需的区域，该区域应仅包含模板轮廓； 

2)滞后阈值法：图像中重要边缘都是连续的曲线，滞后阈值法的高阈值标识出比较确信的真实边缘，结合低阈值从真实边缘开始在图像中跟踪整个的边缘； 

3)分层匹配：对图像进行下采样，得到较低分辨率的图像，然后在该图像上进行匹配搜索，按比例筛选出可供下一级图像进行匹配的候选点，并最终在原图分辨率上找到最佳匹配点，设定最下一级图像中的模板应包含至少15个像素； 

4)参考原点：设置模板区域的中心为参考原点，取得参考原点坐标； 

5)设定区域：根据检测项目的需要，在原始图像中设定测量域及边缘提取域，尺寸检测项需要设定能够覆盖尺寸边界的矩阵测量域；角度检测项需要设定能够覆盖部分角度边缘的边缘提取域； 

B.模板匹配： 

1)模板匹配：利用分层匹配得到的最下一级模板对检测图像进行模板匹配； 

2)参考原点：根据匹配的结果得到该图像中的参考原点位置； 

3)旋转角度：根据匹配的结果得到匹配后模板旋转的角度； 

4)变换矩阵：根据原始图像和检测图像的参考原点坐标，以及旋转角度求得刚性变换系数矩阵； 

5)区域变换：利用变换系数矩阵将原始图像中测量域及边缘提取域的位置 变换到检测图像； 

(四)亚像素边缘检测： 

A.粗定位 

选用满足Canny准则且能以递归方式实现的最理想边缘滤波器Deriche边缘滤波器： 

d′_σ(x)＝-α²xe^-α|x|

e′_σ(x)＝-2αsin(αx)e^-α|x|

其中，x是输入信号，α是平滑系数，对Deriche边缘滤波器而言则是α越小对应的平滑程度越大； 

B.精定位 

采用拟合抛物线求最大值的方法来实现对边缘点的亚像素精度提取，首先检测出边缘幅度的局部最大区域，然后在最大值附近找到三个点，通过此三个点来拟合一条抛物线，此抛物线的最大值就是亚像素精度的边缘位置。 

本发明的有益效果在于：本发明手术刀片配合尺寸自动检测方法，由计算机实时控制，CMOS摄像机由软件驱动控制，通过系统初始化及实时显示模块观察手术刀片的图像；针对尺寸测量的需要，每次测量之前先进行系统标定；对图像进行去噪声等预处理；再运用模板匹配技术以及编写软件界面，检测结果可通过显示器直观显示。 

附图说明

图1是手术刀片的主视图； 

图2是手术刀片配合尺寸自动检测装置结构示意图； 

图3是手术刀片配合尺寸自动检测装置立体示意图； 

图4是手术刀片配合尺寸自动检测装置升降台立体示意图； 

图5是本发明手术刀片配合尺寸自动检测方法的工作流程图。 

具体实施方式

如图2所示为本发明所应用的手术刀片配合尺寸自动检测装置结构示意图，包括计算机1，摄像机2、光源灯3、升降台4、检测平台5、摄像机固定装置6、标定量块。摄像机2由CMOS图像传感器和CMOS摄像头组成。 

如图3所示，摄像机固定装置6包括摄像机架7、导轨滑块8、立柱导轨9、导轨底座10，检测平台5上面通过导轨底座10连接斜齿立柱导轨9，立柱导轨9的斜齿槽连接固定导轨滑块8，导轨滑块8前面固定连接摄像机架7，摄像机架7固定摄像机2，摄像机2正下方平台5上放置光源灯3，摄像机2镜头中心、升降台4中心、标定量块以及刀片的中心在同一垂直线上；所述摄像机2与计算机1通过USB2.0通用串行总线接口连接；所述计算机1操作系统为WindowsXP+SP2，所用软件为基于Visual C++6.0自行开发的检测软件。 

本装置采用CMOS(互补金属氧化物半导体，Complementary Metal-Oxide Semiconductor)感光器件构成的摄像机2采集图像，自行设计了统一、简洁的光路和配合各类型的被测物的机械装置，运用多种数字图像处理方法和特征识别技术，实现了手术刀片配合尺寸自动检测。 

(1)CMOS图像传感器与周边电路的整合性高，体积较小，电源消耗量较低，传输速度可以较快。采用的高分辨率数字摄像机2已经完成了ADC、采集卡、控制芯片及电路的整合，体积小，重量轻，携带方便，并且和计算机1的接口采用USB2.0通用串行总线接口，传输速度高达480Mb/s，适合高 速、实时的设计要求。 

为了让检测达到高精度，应尽量提高所摄取图像的分辨率，并且避免图像边缘畸变，这些要求决定了光学器件的参数。所选光学元件的主要参数如下表： 

(2)专业的LED红光背面照明光源，发射强度均匀的平行光线。手术器械使用部位为金属实体，光线从底部照射手术器械使用部位可使摄像机获取具有清晰分明边缘的图像。 

(3)机械装置的设计目的主要为摄像头和被测元件提供一个稳定良好的工作环境，以便准确定位和图像的采集。如图5所示，以光源灯3的中心为工作中心，保证摄像机2镜头中心、升降台4中心、标定量块以及刀片的中心在同一垂直线上，工作平面选择刀片上表面所在的平面。利用升降台4和导轨滑块8实现了工作距离的调节。 

(4)检测的工作流程如图6所示，如下： 

初始化设备(内存清零、摄像头内部参数还原为原始状态等)；采集图像至内存(实时和单帧采集、停止、读取、存储)；系统标定(标定图像中每像素代表的实际宽度)；图像处理(使用腐蚀和膨胀等运算)；模板匹配(基于形状的模板匹配，得到变换后的测量域)；测量尺寸(亚像素边缘检 测)。 

系统软件的运行环境是：2GB内存、250GB硬盘的酷睿2四核Q6600戴尔计算机，操作系统为WindowsXP+SP2中文版，采用Visual C++6.0编制软件。该系统软件能够设置和实时调节摄像头的多个参数(分辨率、图像窗口、曝光、增益、白平衡、Gamma校正等)，使图像采集质量达到最佳，从获得的数字图像中提取特征；该系统软件亦能使用公制量块进行系统标定，实现准确测距，测距误差不超过±0.01mm；从而实现高正确率、高精度的检测，功能完善、运行可靠、界面友好、使用方便。 

(5)关键技术-数字图像处理技术 

本装置从计算机视觉的角度提出了一种基于图像处理技术的手术刀片配合尺寸自动检测的方法。具体的流程如下： 

(一)CMOS传感器采集原始图像，并将原始图像进行开运算，即先腐蚀再膨胀，以消除大部分噪声点； 

(二)使用标定量块进行系统标定，得出每像素代表的实际宽度； 

(三)利用基于形状的模板匹配方法定位检测项目的测量域及边缘提取域： 

(1)创建模板 

1)用图像中刀片的内轮廓作为模板，用鼠标选取创建该模板所需的区域，该区域应仅包含模板轮廓。 

2)利用滞后阈值法提取内轮廓边缘。图像中重要边缘都是连续的曲线，滞后阈值法的高阈值标识出比较确信的真实边缘，结合低阈值从这真实边缘开始在图像中跟踪整个的边缘。 

3)利用分层匹配对图像进行下采样，得到较低分辨率的图像，然后在 该图像上进行匹配搜索，按比例筛选出可供下一级图像进行匹配的候选点，并最终在原图分辨率上找到最佳匹配点。应注意，设定最下一级图像中的模板应包含至少15个像素。 

4)设置模板区域的中心为参考原点，取得参考原点坐标。 

5)根据检测项目的需要，在原始图像中设定测量域及边缘提取域。尺寸检测项需要设定能够覆盖尺寸边界的矩阵测量域；角度检测项需要设定能够覆盖部分角度边缘的边缘提取域。 

(2)模板匹配 

1)利用分层匹配得到的最下一级模板对检测图像进行模板匹配。 

2)根据匹配的结果取得该图像中的参考原点坐标。 

3)根据匹配的结果取得匹配后模板旋转的角度。 

4)根据原始图像和检测图像的参考原点坐标，以及旋转角度求得刚性变换系数矩阵。 

5)利用变换系数矩阵将原始图像中测量域及边缘提取域的位置变换到检测图像。 

(四)亚像素边缘检测 

(1)粗定位 

选用满足Canny准则且能以递归方式实现的最理想边缘滤波器Deriche边缘滤波器： 

d′_σ(x)＝-α²xe^-α|x|

e′_σ(x)＝-2αsin(αx)e^-α|x|

其中，x是输入信号，α是平滑系数，对Deriche边缘滤波器而言则是 α越小对应的平滑程度越大。 

(2)精定位 

采用拟合抛物线求最大值的方法来实现对边缘点的亚像素精度提取。首先检测出边缘幅度的局部最大区域，然后在最大值附近找到三个点，通过此三个点来拟合一条抛物线。此抛物线的最大值就是亚像素精度的边缘位置。 

目前，国内的手术刀片生产企业主要采取人工测量方法，如借助万能工具显微镜、光栅尺、角度量规等工具进行手术刀片配合尺寸检测。这种传统的人工视觉检测耗时、劳动密集及效率低，且人为误差不可避免。 

根据实际工作环境，图像分辨率为2048*1536，正常采集速度，选取最佳的曝光条件和增益系数，白平衡调节采用试验的经验数值的条件下，对手术器械使用部位进行在线检测，准确率达90％，平均时间936ms，效果良好。 

Claims (1)

1.一种手术刀片配合尺寸自动检测方法，其特征在于，具体检测方法步骤如下：

(一)图像采集：CMOS传感器采集原始图像，并将原始图像进行开运算，先腐蚀再膨胀，以消除噪声点；

(二)系统标定：使用标定量块进行系统标定，得出每个像素代表的实际宽度；

(三)基于形状的模板匹配：利用基于形状的模板匹配方法定位检测项目的测量域及边缘提取域；

A.创建模板：

1)选取模板区域：用图像中刀片的内轮廓作为模板，用鼠标选取创建该模板所需的区域，该区域应仅包含模板轮廓；

2)滞后阈值法：图像中重要边缘都是连续的曲线，滞后阈值法的高阈值标识出比较确信的真实边缘，结合低阈值从真实边缘开始在图像中跟踪整个的边缘；

3)分层匹配：对图像进行下采样，得到较低分辨率的图像，然后在该图像上进行匹配搜索，按比例筛选出可供下一级图像进行匹配的候选点，并最终在原图分辨率上找到最佳匹配点，设定最下一级图像中的模板应包含至少15个像素；

4)参考原点：设置模板区域的中心为参考原点，取得参考原点坐标；

5)设定区域：根据检测项目的需要，在原始图像中设定测量域及边缘提取域，尺寸检测项需要设定能够覆盖尺寸边界的矩阵测量域；角度检测项需要设定能够覆盖部分角度边缘的边缘提取域；

B.模板匹配：

1)模板匹配：利用分层匹配得到的最下一级模板对检测图像进行模板匹配；

2)参考原点：根据匹配的结果得到该图像中的参考原点位置；

3)旋转角度：根据匹配的结果得到匹配后模板旋转的角度；

4)变换矩阵：根据原始图像和检测图像的参考原点坐标，以及旋转角度求得刚性变换系数矩阵；

5)区域变换：利用变换系数矩阵将原始图像中测量域及边缘提取域的位置变换到检测图像；

(四)亚像素边缘检测：

A.粗定位

选用满足Canny准则且能以递归方式实现的最理想边缘滤波器Deriche边缘滤波器：

d′_σ(x)＝-α²xe^-α|x|

e′_σ(x)＝-2αsin(αx)e^-α|x|

其中，x是输入信号，α是平滑系数，对Deriche边缘滤波器而言则是α越小对应的平滑程度越大；

B.精定位

采用拟合抛物线求最大值的方法来实现对边缘点的亚像素精度提取，首先检测出边缘幅度的局部最大区域，然后在最大值附近找到三个点，通过此三个点来拟合一条抛物线，此抛物线的最大值就是亚像素精度的边缘位置。

Images