CN104463918A - 一种基于图像灰度信息测量工件表面粗糙度的方法 - Google Patents
一种基于图像灰度信息测量工件表面粗糙度的方法 Download PDFInfo
- Publication number
- CN104463918A CN104463918A CN201410647156.9A CN201410647156A CN104463918A CN 104463918 A CN104463918 A CN 104463918A CN 201410647156 A CN201410647156 A CN 201410647156A CN 104463918 A CN104463918 A CN 104463918A
- Authority
- CN
- China
- Prior art keywords
- image
- workpiece
- gray
- measurement
- grey level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种基于图像灰度信息测量工件表面粗糙度的方法,具体步骤如下:(a)以激光扫描系统采集待测工件的表面图像;(b)利用matlab软件对步骤a获得的图像进行预处理,获得修正后的灰度直方图;(c)获得待测工件表面图像灰度均值;(d)待测工件表面粗糙度Ra=0.02065×μ-1.54;本发明解决传统方法中由于加工表面孔隙的存在而导致无法测量粗糙度的问题;具有简单高效、非接触、对表面无损伤、试样防止不要求具有方向性的有益效果。
Description
技术领域
本发明涉及数字材料图像处理领域,特别是一种基于图像灰度信息测量工件表面粗糙度的方法。
背景技术
表面粗糙度是评定工件表面质量的一个重要指标,它对工件外观、摩擦磨损、接触刚度和强度等性能有重要影响,在传统的测量技术中,表面粗糙度的测量有粗糙度样板比较法、电动轮廓仪感触法、干涉显微镜测量法等。粗糙度样板比较法简单易行,但其可靠性取决于检验人员的经验,人为因素对侧向结果影响较大;电动轮廓仪感触法又称探针法,是一种接触式的测量方法,其在测量较软的表面时容易划伤材料且测量不宜操作;干涉显微镜测量法利用光的干涉原理测量粗糙度,但该方法对环境的要求较高,而且当表面粗糙度较大时会难以产生干涉条纹,影响测量精度。
随着计算机视觉技术的发展,将图像法应用于表面粗糙度的测量也受到越来越多的关注,目前常用的图像法是通过直接提取工件表面图像中的灰度信息,以此来判断粗糙度,但当测量表面存在孔隙时,其获得的测量结果会存在失真的缺陷,导致无法测量粗糙度,因此,提供一种可以简单高效测量工件表面粗糙度的方法一直是本领域亟待解决的技术问题。
发明内容
针对上述问题,提供一种基于图像灰度信息测量工件表面粗糙度的方法,以解决传统方法中由于加工表面孔隙的存在而导致无法测量粗糙度的问题,实现粗糙度的高效无损自动检测,满足工业生产的需要,本发明是这样实现的:
一种基于图像灰度信息测量工件表面粗糙度的方法,具体步骤如下:
(a)以激光扫描系统采集待测工件的表面图像;
(b)利用matlab软件对步骤a获得的图像进行预处理,获得修正后的灰度直方图;所述预处理包括图像灰度化以及图像孔隙灰度值修正;
(c)利用matlab软件对经步骤b获得的修正后的灰度直方图进行提取,获得待测工件表面图像灰度均值;
(d)待测工件表面粗糙度Ra = 0.02065×μ - 1.54,其中μ为步骤c获得的测试样表面图像灰度均值。
优选的,本发明中,步骤b所述预处理是指先利用matlab软件中的rgb2gray函数对步骤a获得的表面图像进行灰度化处理,得到包含灰度信息的图像;然后利用matlab软件得到灰度直方图,利用灰度直方图的均衡化调整灰度图像上孔隙周围的对比度,获得修正后的灰度直方图。
优选的,本发明中,所述待测工件为C/SiC材料。
本发明首先对需要对图像上孔隙处的灰度值进行修正,再提取修正后的图像灰度信息进行粗糙度测量,解决传统方法中由于加工表面孔隙的存在而导致无法测量粗糙度的问题; 该方法主要适用于测量存在孔隙的加工表面(如C/SiC复合材料加工表面)的粗糙度,具有简单高效、非接触、对表面无损伤、试样防止不要求具有方向性的有益效果。
附图说明
图1为灰度均值与粗糙度的关系曲线。
图2为经过灰度化处理后的表面图像。
图3为图像的灰度直方图。
图4为修正后的灰度直方图。
具体实施方式:
下面结合附图详细介绍本发明的内容。
实施例1 测量C/SiC复合材料磨削加工表面的粗糙度
首先建立图像灰度信息与粗糙度关系的标准曲线。具体步骤如下:
1、从C/SiC复合材料磨削试样中,选择6个不同磨削参数下的试样用来确定表面灰度信息与粗糙度的关系,磨削参数如表1所示,分别编号1-6,;
分别将6个试样放置在激光显微系统的载物台上,选择5倍的物镜,调节聚焦按钮,在显示器上观察到表面形貌图像;设定激光光强为满程的80%,使得图像不会太暗或太亮而掩盖图像的细节,设置Z向扫描上下限,获得试样的表面图像。
2、对图像进行预处理,首先利用matlab软件中的rgb2gray函数对该图像进行灰度化处理,得到包含灰度信息的图像;
然后进行孔隙灰度值的修正,利用matlab软件得到灰度直方图,由于图像上孔隙处的灰度值比周围小且发生突变,因此对图像的灰度值并进行修正,修正的方法是利用灰度直方图的均衡化来调整灰度图像上孔隙周围的对比度,使灰度的分布更为均匀,获得修正后的灰度直方图;用同样的方法处理6个试样,得到6个试样的修正后的灰度直方图。
3、利用matlab软件对修正后的灰度直方图进行提取,计算灰度均值,分别得到6个试样不同的灰度均值,见表1。
4、用粗糙度轮廓仪测量6个试样的表面粗糙度(见表1),然后根据试样的灰度均值画出灰度均值与粗糙度之间的关系曲线,曲线时以灰度均值为x轴,粗糙度为y轴,根据测量和计算的数据确定6个数据点,用Origin软件画出灰度均值与粗糙度的关系曲线如图1所示,并且通过线性拟合功能可以得到灰度均值μ与粗糙度Ra之间的关系公式为Ra = 0.02065×μ - 1.54。
表1 不同试样的加工和测量参数
工件 | 磨削速度v s (m/min) | 磨削深度a p (mm) | 每齿进给量f z (mm/z) | 灰度均值μ | 粗糙度Ra(μm) |
1 | 12.6 | 0.6 | 0.2 | 130.27 | 1.15 |
2 | 50.2 | 0.6 | 0.2 | 119.85 | 0.96 |
3 | 25.1 | 0.4 | 0.2 | 156.02 | 1.65 |
4 | 25.1 | 0.8 | 0.2 | 146.17 | 1.46 |
5 | 25.1 | 0.6 | 0.1 | 160.12 | 1.74 |
6 | 25.1 | 0.6 | 0.3 | 173.42 | 2.09 |
实施例2
1、将待测试样放置在载物台上,选择5倍的物镜,调节聚焦按钮,观察到待测表面的图像,设定激光光强为满程的80%,设置Z向扫描上下限,获得试样的表面图像。
2、对图像进行预处理,首先利用matlab软件中的rgb2gray函数对该图像进行灰度化处理,得到包含灰度信息的图像,如图2所示。
然后进行孔隙灰度值的修正,利用matlab软件得到灰度直方图,如图3所示,此时灰度均值为83,对图像的灰度值并进行修正,修正的方法是利用灰度直方图的均衡化来调整灰度图像上孔隙周围的对比度,使灰度的分布更为均匀,获得修正后的灰度直方图,如图4所示。
3、利用matlab软件对修正后的灰度直方图进行提取,计算灰度均值为128。
4、通过灰度均值与粗糙度的关系公式,Ra = 0.02065×μ - 1.54,计算所得的粗糙度Ra为1.1 μm。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种基于图像灰度信息测量工件表面粗糙度的方法,其特征在于,具体步骤如下:
以激光扫描系统采集待测工件的表面图像;
利用matlab软件对步骤a获得的图像进行预处理,获得修正后的灰度直方图;所述预处理包括图像灰度化以及图像孔隙灰度值修正;
利用matlab软件对经步骤b获得的修正后的灰度直方图进行提取,获得待测工件表面图像灰度均值;
待测工件表面粗糙度Ra = 0.02065×μ - 1.54,其中μ为步骤c获得的测试样表面图像灰度均值。
2.根据权利要求1所述基于图像灰度信息测量工件表面粗糙度的方法,其特征在于,步骤b所述预处理是指先利用matlab软件中的rgb2gray函数对步骤a获得的表面图像进行灰度化处理,得到包含灰度信息的图像;然后利用matlab软件得到灰度直方图,利用灰度直方图的均衡化调整灰度图像上孔隙周围的对比度,获得修正后的灰度直方图。
3.根据权利要求1或2所述基于图像灰度信息测量工件表面粗糙度的方法,其特征在于,所述待测工件为C/SiC材料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410647156.9A CN104463918B (zh) | 2014-11-14 | 2014-11-14 | 一种基于图像灰度信息测量工件表面粗糙度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410647156.9A CN104463918B (zh) | 2014-11-14 | 2014-11-14 | 一种基于图像灰度信息测量工件表面粗糙度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104463918A true CN104463918A (zh) | 2015-03-25 |
CN104463918B CN104463918B (zh) | 2017-08-04 |
Family
ID=52909900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410647156.9A Active CN104463918B (zh) | 2014-11-14 | 2014-11-14 | 一种基于图像灰度信息测量工件表面粗糙度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104463918B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105547200A (zh) * | 2015-12-02 | 2016-05-04 | 北京星航机电装备有限公司 | 一种基于图像灰度信息测量C/SiC复合材料加工表面粗糙度的方法 |
CN110006374A (zh) * | 2019-04-28 | 2019-07-12 | 大连理工大学 | 一种通过多维插值获取图像基准的cfrp粗糙度测量方法 |
CN111664815A (zh) * | 2020-06-12 | 2020-09-15 | 云谷(固安)科技有限公司 | 半导体膜层上凸峰高度的测量方法及测量装置 |
CN113701680A (zh) * | 2021-08-26 | 2021-11-26 | 中国科学院电工研究所 | 一种材料表面粗糙度的确定方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005130484A (ja) * | 2003-10-02 | 2005-05-19 | Nikon Corp | 階調補正装置、および階調補正プログラム |
CN101561262A (zh) * | 2009-05-31 | 2009-10-21 | 东南大学 | 一种不确定环境下表面粗糙度在线测量方法 |
CN101634551A (zh) * | 2009-08-18 | 2010-01-27 | 清华大学深圳研究生院 | 一种检测表面粗糙度的方法及其系统 |
CN104089601A (zh) * | 2014-07-16 | 2014-10-08 | 北京星航机电装备有限公司 | 一种纤维增强复合材料表面粗糙度评价方法 |
-
2014
- 2014-11-14 CN CN201410647156.9A patent/CN104463918B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005130484A (ja) * | 2003-10-02 | 2005-05-19 | Nikon Corp | 階調補正装置、および階調補正プログラム |
CN101561262A (zh) * | 2009-05-31 | 2009-10-21 | 东南大学 | 一种不确定环境下表面粗糙度在线测量方法 |
CN101634551A (zh) * | 2009-08-18 | 2010-01-27 | 清华大学深圳研究生院 | 一种检测表面粗糙度的方法及其系统 |
CN104089601A (zh) * | 2014-07-16 | 2014-10-08 | 北京星航机电装备有限公司 | 一种纤维增强复合材料表面粗糙度评价方法 |
Non-Patent Citations (1)
Title |
---|
田欣利等: "一种基于表面图像灰度的工程陶瓷粗糙度研究", 《机械科学与技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105547200A (zh) * | 2015-12-02 | 2016-05-04 | 北京星航机电装备有限公司 | 一种基于图像灰度信息测量C/SiC复合材料加工表面粗糙度的方法 |
CN110006374A (zh) * | 2019-04-28 | 2019-07-12 | 大连理工大学 | 一种通过多维插值获取图像基准的cfrp粗糙度测量方法 |
CN111664815A (zh) * | 2020-06-12 | 2020-09-15 | 云谷(固安)科技有限公司 | 半导体膜层上凸峰高度的测量方法及测量装置 |
CN113701680A (zh) * | 2021-08-26 | 2021-11-26 | 中国科学院电工研究所 | 一种材料表面粗糙度的确定方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104463918B (zh) | 2017-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106934800B (zh) | 一种基于yolo9000网络的金属板带表面缺陷检测方法及装置 | |
CN101634551B (zh) | 一种检测表面粗糙度的方法及其系统 | |
Zhang et al. | On-line tool wear measurement for ball-end milling cutter based on machine vision | |
CN104463918A (zh) | 一种基于图像灰度信息测量工件表面粗糙度的方法 | |
CN102496161B (zh) | 一种印刷电路板图像的轮廓提取方法 | |
Manish et al. | Machine vision based image processing techniques for surface finish and defect inspection in a grinding process | |
TW200706856A (en) | Differential wavelength photoluminescence for non-contact measuring of contaminants and defects located below the surface of a wafer or other workpiece | |
CN103063576A (zh) | 激光显微镜下定量分析钢中夹杂物的方法 | |
ATE434178T1 (de) | Oberflächenprüfung unter verwendung einer nicht vibrierenden kontaktpotenzialsonde | |
CN104201132B (zh) | 改善亮场机台缺陷扫描精度的方法 | |
CN108389184A (zh) | 一种基于机器视觉的工件制孔数检测方法 | |
Alam et al. | Limitation of a line-of-light online paper surface measurement system | |
CN105547200A (zh) | 一种基于图像灰度信息测量C/SiC复合材料加工表面粗糙度的方法 | |
CN103887203A (zh) | 一种扫描机台程式使用浮动阈值进行晶圆检测的方法 | |
Li et al. | Machine-vision-based surface finish inspection for cutting tool replacement in production | |
León | Evaluation of honed cylinder bores | |
WO2015146744A1 (ja) | 工具検査方法及び工具検査装置 | |
Borel et al. | Optimization of use-wear detection and characterization on stone tool surfaces | |
US11768159B2 (en) | Belt examination system and computer-readable non-transitory recording medium having stored belt examination program | |
KR101858829B1 (ko) | 편석 분석 장치 및 방법 | |
CN116087196A (zh) | 一种构件表面损伤面积的测量方法 | |
Otsuki et al. | Evaluating surface quality by luminance and surface roughness | |
Shi et al. | Automatic recognition and evaluation of micro-contaminant particles on ultra-smooth optical substrates using image analysis method | |
TWI663395B (zh) | Steel strip crease detection method | |
Hazra et al. | Practical inspection system of drill point geometry by using simple measurement jig and image processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |