CN107403445B - 一种用于润滑剂抗磨性的形貌对比分析方法 - Google Patents

一种用于润滑剂抗磨性的形貌对比分析方法 Download PDF

Info

Publication number
CN107403445B
CN107403445B CN201710598112.5A CN201710598112A CN107403445B CN 107403445 B CN107403445 B CN 107403445B CN 201710598112 A CN201710598112 A CN 201710598112A CN 107403445 B CN107403445 B CN 107403445B
Authority
CN
China
Prior art keywords
grinding
area
difference
seed
calculating
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.)
Expired - Fee Related
Application number
CN201710598112.5A
Other languages
English (en)
Other versions
CN107403445A (zh
Inventor
肖梅
赵国玉
张雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN201710598112.5A priority Critical patent/CN107403445B/zh
Publication of CN107403445A publication Critical patent/CN107403445A/zh
Application granted granted Critical
Publication of CN107403445B publication Critical patent/CN107403445B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • G06T5/30Erosion or dilatation, e.g. thinning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20036Morphological image processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)

Abstract

本发明提供的一种用于润滑剂抗磨性的形貌对比分析方法,首先以区域块为处理对象,并以中心区域为基准区域,在中心水平方向上,找出与基准区域大小和形状均相同的对比区域,然后计算同一方向角的对比区域和基准区域的磨痕差异度,通过磨痕差异度计算磨痕轴方向角,根据磨痕方向角得到磨斑摆正图,进而得到磨痕种子图,最终得到磨斑区域图;接着根据磨斑区域图的磨斑区域面积,计算磨斑区域的等效半径和方向半径,根据等效半径和方向半径,计算出方向半径的极差;根据磨斑区域图的磨斑区域面积,计算出磨斑区域图的轴差和离心度,最后通过三个钢球的磨斑图像的等效半径、极差、轴差和离心度,采用加权均值法计算润滑剂抗磨性指数。

Description

一种用于润滑剂抗磨性的形貌对比分析方法
技术领域
本发明涉及一种润滑剂抗磨性对比分析方法,尤其是一种用于润滑剂抗磨性的形貌对比分析方法。
背景技术
四球摩擦磨损试验机因结构简单、试验周期短、用油量少、费用低等特点,被广泛用于评价润滑剂抗磨性。依据《润滑油抗磨损性能测定法(四球机法)》(SH/T0189-92),润滑剂抗磨性能评定方法为:在四球摩擦磨损试验机上,将直径为12.7mm的四个钢球按照等边四边体进行排列,下面三个钢球被待测的试油所覆盖,另一个钢球置于其余三个钢球的正上方,在测试压力的作用下,四个钢球形成“三点接触”,当待测的试油达到指定温度(75℃±2℃) 后,顶球按照规定的转速下旋转60分钟,用精度为0.01mm的光学显微镜测量底部三个钢球所形成的磨斑直径,对每个钢球的磨斑直径测量两次,第一次沿着磨痕方向进行,第二次测量时的方向与第一次的方向相垂直,通过对三个底球六次所测量出来磨斑直径进行平均,获得算术平均值,来评定润滑剂的抗磨性能。磨斑直径的测量精度决定了润滑剂的抗磨性能,为了提高磨斑直径的测量精度,发明人基于磨痕的显著的梯度信息提取磨斑区域,通过面积求取等效直径,来评定润滑剂的抗磨性能。上述方法都是通过磨斑直径来评定润滑剂的抗磨性能,具有一定的局限性,不能全面反映润滑剂的抗磨性。
发明内容
本发明的目的在于提供一种用于润滑剂抗磨性的形貌对比分析方法,解决了现有通过磨斑直径来评定润滑剂的抗磨性能,具有一定的局限性,不能全面反映润滑剂的抗磨性的问题。
为了达到上述目的,本发明采用的技术方案是:
本发明提供的一种用于润滑剂抗磨性的形貌对比分析方法,包括以下步骤:
第一步,用扫描电镜采集三个待测钢球和白色标尺,得到磨斑图像F;通过加权平均法对磨斑图像F进行灰度化处理,得到灰度磨斑图f;
第二步,计算磨斑图像中的单位像素的实际长度h;
第三步,将灰度磨斑图f围绕图像中心点O顺时针旋转θ度,得到旋转磨斑图fθ
第四步,以旋转磨斑图fθ的中心点O为中心选取一定的区域,作为基准区域Aθ;在中心水平方向上,以基准区域Aθ为中心,分别向两侧对称选取与基准区域Aθ大小和形状均相同的s 个区域块作为对比区域Dθ,共得到2s个对比区域Dθ
第五步,根据同一方向角θ的对比区域Dθ和基准区域Aθ的磨痕差异度Cθ计算磨痕轴方向角
Figure GDA0001424924960000021
第六步,将第一步中所得的灰度磨斑图f逆时针旋转
Figure GDA0001424924960000022
度,得到磨斑摆正图
Figure GDA0001424924960000023
第七步,在上述磨斑摆正图
Figure GDA0001424924960000024
中提取磨痕区域的种子像素,得到磨痕种子图Sa;
第八步,计算磨痕种子图Sa中所有磨痕种子点像素的灰度均值,并以该灰度均值为自适应阈值对磨斑摆正图
Figure GDA0001424924960000025
进行分割,得到磨斑区域初图H;
第九步,对磨痕种子图Sa进行形态学膨胀运算,得到磨痕种子膨胀图Mg
第十步,对磨斑区域初图H和磨痕种子膨胀图Mg进行差分运算,得到磨斑异常图Ml
第十一步,对磨斑区域初图H和磨斑异常图Ml进行差分处理,得到磨斑差分图Mp
第十二步,对磨斑差分图Mp进行形态学闭运算,得到磨斑区域图Mr
第十三步,根据磨斑区域图Mr的磨斑区域面积,计算磨斑区域图Mr的等效半径rd、方向半径rr和形心Or的坐标(xc,yc),并根据单位像素长度h换算出等效半径rd的真实距离;
第十四步,根据磨斑区域图Mr的方向半径rr和等效半径rd,计算方向半径的极差Jr,再根据单位像素长度h换算出方向半径极差Jr的真实距离;
第十五步,根据磨斑区域图Mr的长轴la、短轴lb和轴心Oz,计算出磨斑区域图Mr的轴差lc和离心度ld,再根据单位像素长度h换算出轴差lc和离心度ld的真实距离;
第十六步,根据三个钢球的磨斑图像的等效半径rd、极差Jr、轴差lc和离心度ld,采用加权均值法计算润滑剂抗磨性指数Q。
优选地,第四步中,基准区域Aθ为边长2ω+1像素的正方形,其面积
Figure GDA0001424924960000031
的大小为
Figure GDA0001424924960000032
其中,ω取值范围为3~20;在选取对比区域Dθ时,两个相邻的区域块的位置部分重叠或不重叠。
优选地,第五步中,磨痕轴向角
Figure GDA0001424924960000033
的计算过程如式(1)所示:
Figure GDA0001424924960000034
其中,i,j为整数,分别是对比区域和基准区域像素坐标的行号和列号,
Figure GDA0001424924960000035
α和β分别为第k个对比区域
Figure GDA0001424924960000036
的行向和列向的微移量,取α=-1,0,1和β=-1,0,1;Aθ(i,j)为方向角θ的基准区域Aθ中的像素点(i,j)的灰度值;
Figure GDA0001424924960000037
为方向角θ的第k个对比区域
Figure GDA0001424924960000038
中的像素点 (i+α,j+β+k(2ω+1))的灰度值。
优选地,第七步中,按照式(2)提取磨斑摆正图
Figure GDA0001424924960000039
中磨痕区域的种子像素得到磨痕种子图Sa,具体地:
Figure GDA00014249249600000310
当Sa(x,y)=1时,表示该像素点为磨痕种子点;当Sa(x,y)=0时,表示该像素点为非磨痕种子点,其中,μ和ν分别表示像素点
Figure GDA00014249249600000311
行和列的偏移量。
优选地,第八步中,按照式(3)得到磨斑区域初图H:
Figure GDA00014249249600000312
其中,T1为自适应阈值,取值为磨痕种子图Sa中所有磨痕种子点像素的灰度均值;当 H(x,y)=1时,表示该像素点为磨磨斑区域的种子点;当H(x,y)=0时,表示该像素点为非磨磨斑区域的种子点。
优选地,第十步中,按照式(4)得到磨斑的异常图Ml
Figure GDA0001424924960000041
当Ml(x,y)=1时,表示该像素点为磨斑的异常图Ml像素点;当Ml(x,y)=0时,表示该像素点为非磨斑的异常图Ml像素点。
优选地,第十一步,按照式(5)得到磨斑差分图Mp
Figure GDA0001424924960000042
其中,Ml(x,y)和Mp(x,y)分别表示异常图Ml和磨斑差分图Mp中像素点(x,y)的像素值。
优选地,第十六步中,根据三个钢球等效半径rd的最小值rdmin、均值rdmean和最大值rdmax、三个钢球的极差Jr的最小值Jrmin、均值Jrmean和最大值Jrmax、三个钢球的轴差lc的最小值lcmin、均值lcmean和最大值lcmax和三个钢球的离心度ld的最小值ldmin、均值ldmean和最大值ldmax,通过式(6)计算润滑剂的抗磨性指数Q:
Figure GDA0001424924960000043
其中,D为最大的磨斑半径值,通常取值为0.5mm;κt(t=1,2,...,8)为权重系数,取值为0-1之间的小数,满足
Figure GDA0001424924960000044
权重系数取值为:κ1=0.4、κ2=0.15、κ3=0.1、κ4=0.05、κ5=0.1、κ6=0.05、κ7=0.1和κ8=0.05。
与现有技术相比,本发明的有益效果是:
本发明提供的一种用于润滑剂抗磨性的形貌对比分析方法,首先以区域块为处理对象,并以中心区域为基准区域,在中心水平方向上,找出与基准区域大小和形状均相同的对比区域,然后计算同一方向角的对比区域和基准区域的磨痕差异度,通过磨痕差异度计算磨痕轴方向角,根据磨痕方向角得到磨斑摆正图,进而得到磨痕种子图,最终得到磨斑区域图;接着根据磨斑区域图的磨斑区域面积,计算磨斑区域的等效半径和方向半径,根据等效半径和方向半径,计算出方向半径的极差;根据磨斑区域图的磨斑区域面积,计算出磨斑区域图的轴差和离心度,最后通过三个钢球的磨斑图像的等效半径、极差、轴差和离心度,采用加权均值法计算润滑剂抗磨性指数。现有的方法仅通过测量磨斑直径的大小来评定润滑剂的抗磨性能,本方法建立等效半径、极差、轴差和离心度四个表面形貌指标,基于加权均值法来评价润滑剂的抗磨性能,使润滑剂抗磨性评价更加科学合理。
附图说明
图1为磨斑图像F;
图2为灰度磨斑图f;
图3为方向角θ;
图4为旋转磨斑图fθ
图5为磨斑摆正图
Figure GDA0001424924960000051
图6为磨斑区域初图H;
图7为磨痕种子膨胀图Mg
图8为磨斑差分图Mp
图9为磨斑区域图Mr
图10为样本2磨斑图。
具体实施方式
以下结合附图和实施例对本发明作进一步的详细说明。
本发明涉及一种形貌分析的润滑剂抗磨性对比分析方法,具体包括如下步骤:
步骤S0,磨斑图像采集及其灰度化处理:
分别采集三个钢球表面及标尺的图像,采集设备可采用扫描电镜或高倍电子显微镜,并对其进行灰度化处理。具体地,如图1所示,采集到的带标尺的钢球表面的磨斑图为F,对磨斑图F进行灰度化处理,得到如图2所示的灰度磨斑图f,以消除磨斑表面的颜色信息,灰度化处理的方法可采用平均值法、最大值法和加权平均值法等。假定F和f的尺寸为m×n,某像素点的坐标为(x,y),x和y表示该像素点的行号和列号,满足:x和y均为整数,且 1≤x≤m,1≤y≤n。
本实施例中,m=768,n=1024,灰度化处理采用加权平均法。
步骤S1,计算单位像素长度h:
检测磨斑图像中的标尺区域,结合标尺的实际尺寸,计算磨斑图像中的单位像素的实际长度h。本实施例中,h=0.00067mm/像素。
步骤S2,图像旋转:
四球摩擦试验得到的磨斑,主要由钢球间的相互摩擦所形成的形貌,表现为磨痕和异常磨损(如:烧蚀、黏着等);磨痕呈条状分布,利用该分布特性度量不同角度下的相邻区域的相似性,可以测定出不同方向角下的磨痕的条状分布特性的显著性,如图3所示,当方向角θ和磨痕方向一致时,相邻区域的相似性最高,磨痕的条状分布特性也最为显著,其中,方向角θ是以图像中心点O为顶点,任一射线和水平右射线所形成的夹角。
实际操作中,沿着图像方向角方位的区域块很难选取,且计算繁琐,故本发明采用旋转图像的方法,将方向角转至水平方向,将方向角方位的区域块转变为如图4所示的水平处理。
具体地,将灰度磨斑图f围绕图像中心点O顺时针旋转θ度,得到旋转磨斑图fθ,假定其大小为mθ×nθ,此时计算水平方向区域块的相似性等同于计算灰度磨斑图f在方向角θ方位上的区域块的相似性。
步骤S3,基准区域和对比区域的选取:
考虑到磨斑边缘区域易受噪声和磨屑的干扰,且中心区域的条状特征最为明显,因此选择磨斑中心区域作为基准区域来度量方向角θ时的磨痕相似性。
具体地,以步骤S2得到的旋转磨斑图fθ的中心点O(坐标为
Figure GDA0001424924960000071
)为中心任意选取一定的区域,称为基准区域Aθ,其中,
Figure GDA0001424924960000072
Figure GDA0001424924960000073
均为整数,[]表示四舍五入取整运算。
基准区域Aθ的形状为圆形、菱形或正方形,其边长或直径的长度为2ω+1像素单位,其中,考虑磨痕的最小基元特征和运算速度,ω取值范围为3~20,其面积
Figure GDA0001424924960000074
的大小为
Figure GDA0001424924960000075
本实施例中,基准区域Aθ为正方形,其面积
Figure GDA0001424924960000076
的大小为
Figure GDA0001424924960000077
其中,ω=5。
为了比较中心水平方向上区域块的相似性,在中心水平方向上,以基准区域Aθ为中心,分别向两侧对称选取与基准区域Aθ大小和形状均相同的s个区域块作为对比区域Dθ,s的取值范围为1~10;之后共得到2s个对比区域Dθ,对比区域Dθ从左到右编号为
Figure GDA0001424924960000078
Figure GDA0001424924960000079
表示左起第k个对比区域Dθ
同时,在选取对比区域Dθ时,两个相邻的区域块的位置部分重叠或不重叠,优选地,两个相邻区域块的中心点间的距离为2ω+1。
根据磨斑图像的特点s=3,且相邻的区域块不重叠。
步骤S4,计算磨痕轴向角:
为了降低噪声和试验规范等因素的影响,分别计算对比区域Dθ中的第k个对比区域
Figure GDA00014249249600000710
与基准区域Aθ之间的差异度
Figure GDA0001424924960000081
即分别计算对比区域
Figure GDA0001424924960000082
本身及其相邻的八个方向的区域块与基准区域Aθ之间的灰度差,并取所得的九个灰度差中的最小值作为第k个对比区域
Figure GDA0001424924960000083
和基准区域Aθ之间的差异度
Figure GDA0001424924960000084
计算同一方向角θ所有对比区域Dθ和基准区域Aθ之间的差异度作为该方向角θ的磨痕差异度Cθ;当磨痕差异度Cθ为最小值时,方向角θ即为磨痕轴向角
Figure GDA0001424924960000085
对比区域
Figure GDA0001424924960000086
的八个方向邻域块为对比区域
Figure GDA0001424924960000087
向左上、上、右上、左、右、左下、下、右下八个方向微移动1个像素单位后得到的区域块。
磨痕轴向角的计算过程如式(1)所示。
Figure GDA0001424924960000088
其中,i,j为整数,分别是对比区域和基准区域像素坐标的行号和列号,
Figure GDA0001424924960000089
α和β分别为对比区域
Figure GDA00014249249600000810
的行向和列向的微移量,取α=-1,0,1和β=-1,0,1;Aθ(i,j)为方向角θ的基准区域Aθ中的像素点(i,j)的灰度值;
Figure GDA00014249249600000811
为方向角θ的第k个对比区域
Figure GDA00014249249600000812
中的像素点 (i+α,j+β+k(2ω+1))的灰度值。
本实施例中,
Figure GDA00014249249600000813
步骤S5,旋转灰度磨斑图:
将步骤S0得到的灰度磨斑图f顺时针旋转
Figure GDA00014249249600000814
度,得到如图5所示磨斑摆正图
Figure GDA00014249249600000815
使得磨痕方向处于水平位置,其大小为
Figure GDA00014249249600000816
本实施例中,
Figure GDA00014249249600000817
步骤S6,提取磨痕种子点:
磨痕区域的像素点具有邻域内列向相似性和行向相异性的特点,进而在步骤S5所得的磨斑摆正图
Figure GDA00014249249600000818
中任意选取一区域块,同时将该区域块和其八个方向的邻区块域为研究区域,按照式(2)提取磨斑摆正图
Figure GDA0001424924960000091
中磨痕区域的种子像素得到磨痕种子图Sa,具体地:
Figure GDA0001424924960000092
当Sa(x,y)=1时,表示该像素点为磨痕种子点;当Sa(x,y)=0时,表示该像素点为非磨痕种子点,其中,μ和ν分别表示像素点
Figure GDA0001424924960000093
行和列的偏移量。
步骤S7,磨斑区域初图提取:
计算磨痕种子图Sa中所有磨痕种子点像素的灰度均值,并以该灰度均值为自适应阈值,对步骤S5得到的磨斑摆正图
Figure GDA0001424924960000094
进行分割,得到如图6所示磨斑区域初图H,计算式如式(3) 所示:
Figure GDA0001424924960000095
其中,T1为自适应阈值,取值为磨痕种子图Sa中所有磨痕种子点像素的灰度均值;当 H(x,y)=1时,表示该像素点为磨磨斑区域的种子点;当H(x,y)=0时,表示该像素点为非磨斑区域的种子点。本实施例中,T1=126。
步骤S8,磨痕种子点膨胀运算:
为连接相邻区域内的像素种子点,对步骤S13得到的磨痕种子图Sa进行形态学膨胀运算,得到如图7所示磨痕种子膨胀图Mg。根据磨斑区域的形态特征,膨胀运算的结构算子选择5×5 ~15×15的圆形。实施例中,取7×7的圆形结构元素。
步骤S9,提取磨斑的异常亮度区:
对磨斑区域初图H(由步骤S7得到)和磨痕种子膨胀图Mg(由步骤S8得到)进行差分运算,以消除拍摄环境引起的异常亮度区域,得到磨斑的异常图Ml,计算式如式(4)所示:
Figure GDA0001424924960000096
当Ml(x,y)=1时,表示该像素点为磨斑的异常图Ml像素点;当Ml(x,y)=0时,表示该像素点为非磨斑的异常图Ml像素点。
步骤S10,异常图和磨斑区域初图的差分处理:
对磨斑区域初图H和磨斑异常图Ml进行差分处理,得到如图8所示的磨斑差分图Mp,计算式如式(5)所示:
Figure GDA0001424924960000101
其中,Ml(x,y)和Mp(x,y)分别表示异常图Ml和磨斑差分图Mp中像素点(x,y)的像素值。
步骤S11,磨斑区域提取:
对磨斑差分图Mp进行形态学闭运算,即先膨胀后腐蚀,得到磨斑区域图Mr。根据磨斑区域的形态特征,膨胀运算的结构算子选择5×5~15×15的圆形。实施例中,取7×7的圆形结构元素。
步骤S12,计算等效半径和形心坐标:
根据磨斑区域图Mr的磨斑区域面积(磨斑区域面积为Mr中像素值为1的所有像素的个数),计算出其磨斑区域的等效半径rd,根据磨斑区域的均质特性,计算出磨斑区域形心Or的坐标(xc,yc),xc和yc分别为形心Or的行号和列号;再根据单位像素长度h换算出等效半径rd真实距离。
本实施例中,rd=0.24411mm,xc=646,yc=688。
步骤S13,基于单位像素长度计算半径指标参数:
方向半径定义为不同射线方向下形心Or到磨斑外轮廓点间的最远距离,用符号rr表示。假定以1°为步长顺时针向外作射线,则方向半径rr中包含360个数据。
根据方向半径rr,计算方向半径极差Jr。半径极差Jr定义为方向半径rr的最大值和最小值之差;再根据单位像素长度h换算出方向半径极差Jr的真实距离。
本实施例中,Jr=0.03124mm。
步骤S14,结合单位像素长度计算轴参数:
轴参数包括磨斑区域的长轴、短轴、轴心坐标、轴差和离心度。长轴为磨斑区域中磨痕方向的最长的连续线段的长度,即Mr中水平方向的最长的线段,用符号la表示;短轴为磨痕垂直方向的最长的线段的长度,Mr中垂直方向的最长的线段,用符号lb表示;长轴和短轴的相交点为轴心Oz,用(xz,yz)表示轴心的坐标;轴差lc为长轴和短轴的差,即lc=la-lb;离心度定义为磨斑轴心Oz和形心Or间的距离ld,再根据单位像素长度h换算出轴差lc和离心度ld的真实距离。
本实施例中,xz=645,yz=686,lc=0.00671mm,ld=0.00157mm。
步骤S15,润滑剂的抗磨性对比分析:
根据专家知识,建立等效半径rd、极差Jr、轴差lc和离心度ld四个表面形貌指标,采用加权均值法计算润滑剂抗磨性指数Q,来表征润滑剂的抗磨性能的好坏;
具体地,假定三个钢球的等效半径的最小值、均值和最大值分别为rdmin、rdmean和rdmax;三个钢球的极差的最小值、均值和最大值分别为Jrmin、Jrmean和Jrmax;三个钢球的轴差的最小值、均值和最大值分别为lcmin、lcmean和lcmax;三个钢球的离心度的最小值、均值和最大值分别为ldmin、ldmean和ldmax。润滑剂的抗磨性指数用Q表示(如式(6)所示),通过计算待比较的多种润滑剂的Q值,Q值越大,抗磨性越差,Q值越小,抗磨性越好。
Figure GDA0001424924960000111
其中,D为最大的磨斑半径值,通常取值为0.5mm;κt(t=1,2,...,8)为权重系数,取值为0-1之间的小数,满足
Figure GDA0001424924960000121
权重系数取值为:κ1=0.4、κ2=0.15、κ3=0.1、κ4=0.05、κ5=0.1、κ6=0.05、κ7=0.1和κ8=0.05。实施例中,rdmin=0.24307mm,rdmean=0.24351mm,rdmax=0.24411mm,Jrmin=0.02812mm,Jrmean=0.03162mm,Jrmax=0.03549mm,lcmin=0.00671mm,lcmean=0.0083mm,lcmax=0.01087mm,ldmin=0.00157mm,ldmean=0.002056mm,ldmax=0.00273mm,计算得:Q=0.26885。
进一步的,选择另一个样本(样本2)与本实施例的样本(样本1)进行对比分析,样本 2的其中一个底球的磨斑图如图10所示,两个样本的抗磨性指标的量测数据如表1所示。
按照国标的方法,测得的两个样本的磨斑直径均为0.48mm,同时从检测数据可以看出两个样本的等效半径非常接近,分别是0.24351和0.24269,很容易判定两个样本的具有相同的抗磨性能,或判定出样本2的抗磨性略优于样本1,产生错误的判定结果。
按照本发明的方法分别计算得到样本1和样本2的抗磨性指数为0.26885和0.35234,判定样本1的抗磨性优于样本2,可见,本发明方法在遵循国标的基础上,增加了新的形貌指标后能得到更鲁棒的结果。
表1 两个样本的抗磨性指标的量测数据
Figure GDA0001424924960000122
Figure GDA0001424924960000131
按照以上本发明的技术方案,从运行时间、精度分析和科学性三方面,对比本发明方案和当前现有测定技术的优缺点。
(1)运行时间。以一张图像大小为768×1024的图像为例,当前技术检测大致需要大约为 180s到200s。本发明对该图像进行测定,所用的时间约为60s到90s。可见,本发明中提出的方法的处理速度具有明显的优势。
(2)精度分析。当前测量方法的测量精度为0.01mm,以计算机采集的图像大小768×1024 为例,本方法中,1个像素点测量精度为0.00067mm,测量精度大为提高。
(3)科学性。当前方法仅通过测量磨斑直径的大小来评定润滑剂的抗磨性能,本方法建立等效半径、极差、轴差和离心度四个表面形貌指标,基于加权均值法来评价润滑剂的抗磨性,使润滑剂抗磨性评价更加科学合理。

Claims (8)

1.一种用于润滑剂抗磨性的形貌对比分析方法,其特征在于,包括以下步骤:
第一步,用扫描电镜采集三个待测钢球和白色标尺,得到磨斑图像F;通过加权平均法对磨斑图像F进行灰度化处理,得到灰度磨斑图f;
第二步,计算磨斑图像中的单位像素的实际长度h;
第三步,将灰度磨斑图f围绕图像中心点O顺时针旋转θ度,得到旋转磨斑图fθ
第四步,以旋转磨斑图fθ的中心点O为中心选取一定的区域,作为基准区域Aθ;在中心水平方向上,以基准区域Aθ为中心,分别向两侧对称选取与基准区域Aθ大小和形状均相同的s个区域块作为对比区域Dθ;共得到2s个对比区域Dθ
第五步,根据同一方向角θ的对比区域Dθ和基准区域Aθ的磨痕差异度Cθ计算磨痕轴方向角
Figure FDA0002787648560000011
第六步,将第一步中所得的灰度磨斑图f逆时针旋转
Figure FDA0002787648560000012
度,得到磨斑摆正图
Figure FDA0002787648560000013
第七步,在上述磨斑摆正图
Figure FDA0002787648560000015
中提取磨痕区域的种子像素,得到磨痕种子图Sa;
第八步,计算磨痕种子图Sa中所有磨痕种子点像素的灰度均值,并以该灰度均值为自适应阈值对磨斑摆正图
Figure FDA0002787648560000014
进行分割,得到磨斑区域初图H;
第九步,对磨痕种子图Sa进行形态学膨胀运算,得到磨痕种子膨胀图Mg
第十步,对磨斑区域初图H和磨痕种子膨胀图Mg进行差分运算,得到磨斑异常图Ml
第十一步,对磨斑区域初图H和磨斑异常图Ml进行差分处理,得到磨斑差分图Mp
第十二步,对磨斑差分图Mp进行形态学闭运算,得到磨斑区域图Mr
第十三步,根据磨斑区域图Mr的磨斑区域面积,计算磨斑区域图Mr的等效半径rd、方向半径rr和形心Or的坐标(xc,yc),并根据单位像素长度h换算出等效半径rd的真实距离;
第十四步,根据磨斑区域图Mr的方向半径rr和等效半径rd,计算方向半径的极差Jr,再根据单位像素长度h换算出方向半径极差Jr的真实距离;
第十五步,根据磨斑区域图Mr的长轴la、短轴lb和轴心Oz,计算出磨斑区域图Mr的轴差lc和离心度ld,再根据单位像素长度h换算出轴差lc和离心度ld的真实距离;
第十六步,根据三个钢球的磨斑图像的等效半径rd、极差Jr、轴差lc和离心度ld,采用加权均值法计算润滑剂抗磨性指数Q。
2.根据权利要求1所述的一种用于润滑剂抗磨性的形貌对比分析方法,其特征在于:第四步中,基准区域Aθ为边长2ω+1像素的正方形,其面积
Figure FDA0002787648560000027
的大小为
Figure FDA0002787648560000028
其中,ω为3~20;在选取对比区域Dθ时,两个相邻的区域块的位置部分重叠或不重叠。
3.根据权利要求1所述的一种用于润滑剂抗磨性的形貌对比分析方法,其特征在于:第五步中,磨痕轴向角
Figure FDA0002787648560000024
的计算过程如式(1)所示:
Figure FDA0002787648560000021
其中,i,j为整数,分别是对比区域和基准区域像素坐标的行号和列号,
Figure FDA0002787648560000022
[]表示四舍五入取整运算;α和β分别为第k个对比区域
Figure FDA0002787648560000029
的行向和列向的微移量,取α=-1,0,1和β=-1,0,1;Aθ(i,j)为方向角θ的基准区域Aθ中的像素点(i,j)的灰度值;
Figure FDA00027876485600000210
为方向角θ的第k个对比区域
Figure FDA00027876485600000211
中的像素点(i+α,j+β+k(2ω+1))的灰度值;ω为3~20。
4.根据权利要求1所述的一种用于润滑剂抗磨性的形貌对比分析方法,其特征在于:第七步中,按照式(2)提取磨斑摆正图
Figure FDA0002787648560000025
中磨痕区域的种子像素得到磨痕种子图Sa,具体地:
Figure FDA0002787648560000023
当Sa(x,y)=1时,表示该像素点为磨痕种子点;当Sa(x,y)=0时,表示该像素点为非磨痕种子点,其中,μ和ν分别表示像素点
Figure FDA0002787648560000026
行和列的偏移量。
5.根据权利要求1所述的一种用于润滑剂抗磨性的形貌对比分析方法,其特征在于:第八步中,按照式(3)得到磨斑区域初图H:
Figure FDA0002787648560000031
其中,T1为自适应阈值,取值为磨痕种子图Sa中所有磨痕种子点像素的灰度均值;当H(x,y)=1时,表示该像素点为磨斑区域的种子点;当H(x,y)=0时,表示该像素点为非磨斑区域的种子点。
6.根据权利要求5所述的一种用于润滑剂抗磨性的形貌对比分析方法,其特征在于:第十步中,按照式(4)得到磨斑的异常图Ml
Figure FDA0002787648560000032
当Ml(x,y)=1时,表示该像素点为磨斑的异常图Ml像素点;当Ml(x,y)=0时,表示该像素点为非磨斑的异常图Ml像素点。
7.根据权利要求6所述的一种用于润滑剂抗磨性的形貌对比分析方法,其特征在于:第十一步,按照式(5)得到磨斑差分图Mp
Figure FDA0002787648560000033
其中,Ml(x,y)和Mp(x,y)分别表示异常图Ml和磨斑差分图Mp中像素点(x,y)的像素值。
8.根据权利要求1所述的一种用于润滑剂抗磨性的形貌对比分析方法,其特征在于:第十六步中,根据三个钢球等效半径rd的最小值rdmin、均值rdmean和最大值rdmax、三个钢球的极差Jr的最小值Jrmin、均值Jrmean和最大值Jrmax、三个钢球的轴差lc的最小值lcmin、均值lcmean和最大值lcmax和三个钢球的离心度ld的最小值ldmin、均值ldmean和最大值ldmax,通过式(6)计算润滑剂的抗磨性指数Q:
Figure FDA0002787648560000041
其中,D为最大的磨斑半径值,取值为0.5mm;κt为权重系数,取值为0-1之间的小数,满足
Figure FDA0002787648560000042
权重系数取值为:κ1=0.4、κ2=0.15、κ3=0.1、κ4=0.05、κ5=0.1、κ6=0.05、κ7=0.1和κ8=0.05。
CN201710598112.5A 2017-07-20 2017-07-20 一种用于润滑剂抗磨性的形貌对比分析方法 Expired - Fee Related CN107403445B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710598112.5A CN107403445B (zh) 2017-07-20 2017-07-20 一种用于润滑剂抗磨性的形貌对比分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710598112.5A CN107403445B (zh) 2017-07-20 2017-07-20 一种用于润滑剂抗磨性的形貌对比分析方法

Publications (2)

Publication Number Publication Date
CN107403445A CN107403445A (zh) 2017-11-28
CN107403445B true CN107403445B (zh) 2021-01-26

Family

ID=60401066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710598112.5A Expired - Fee Related CN107403445B (zh) 2017-07-20 2017-07-20 一种用于润滑剂抗磨性的形貌对比分析方法

Country Status (1)

Country Link
CN (1) CN107403445B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111429428B (zh) * 2020-03-20 2022-05-13 长安大学 一种基于外形特征的异常磨斑图像的检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101482405A (zh) * 2009-01-16 2009-07-15 西安交通大学 曲面样品基底涂层厚度的测量方法及样品装卡工具
CN102873512A (zh) * 2012-09-29 2013-01-16 攀钢集团成都钢钒有限公司 核电站用大口径中厚壁无缝钢管的制造方法
CN103499501A (zh) * 2013-09-26 2014-01-08 中国石油天然气股份有限公司 一种基于井液润滑效果的抽油杆磨损评价方法及装置
CN104483144A (zh) * 2014-12-18 2015-04-01 厦门大学 一种鲁棒的基于机器视觉的汽车3d四轮定位参数检测方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7048963B2 (en) * 2001-11-30 2006-05-23 Cambridge Polymers Group, Inc. Layered aligned polymer structures and methods of making same
JP2003223024A (ja) * 2002-01-31 2003-08-08 Canon Inc 転写材搬送装置及び画像形成装置
SE0201894D0 (sv) * 2002-06-19 2002-06-19 Ludesi Ab Method for digital image processing
US20070297657A1 (en) * 2006-06-23 2007-12-27 Julian Mattes Quantification and visualization of the motion and deformation of one or several objects inside a living entity
CN101504357A (zh) * 2009-03-06 2009-08-12 西安交通大学 一种在线测量的摩擦磨损试验机
CN101593275B (zh) * 2009-03-30 2012-04-18 重庆工学院 手指静脉身份识别系统的静脉特征提取方法
CN102162797B (zh) * 2010-11-24 2012-07-04 哈尔滨工业大学(威海) 玻璃瓶瓶口破损和瓶底污物检测算法
CN103440657B (zh) * 2013-08-27 2015-11-04 武汉大学 一种在线道路裂缝筛查方法
CN103712565B (zh) * 2013-12-31 2016-05-25 长安大学 一种基于钢球磨痕梯度的磨斑直径测量方法
CN103886554B (zh) * 2014-03-12 2016-08-31 哈尔滨工业大学(威海) 自动识别系统中的代码定位方法
CN104463887A (zh) * 2014-12-19 2015-03-25 盐城工学院 基于分层聚焦采集图像和三维重建的刀具磨损检测方法
CN105701816A (zh) * 2016-01-13 2016-06-22 上海海事大学 一种图像自动分割方法
CN106052575B (zh) * 2016-08-02 2018-11-02 易讯科技股份有限公司 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法
CN106841575B (zh) * 2017-01-11 2019-02-05 长安大学 一种四球摩擦试验磨斑图像磨痕方向自动定位方法
CN106770296B (zh) * 2017-01-11 2019-10-29 长安大学 一种四球摩擦试验磨斑图像磨痕方向角自动测定方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101482405A (zh) * 2009-01-16 2009-07-15 西安交通大学 曲面样品基底涂层厚度的测量方法及样品装卡工具
CN102873512A (zh) * 2012-09-29 2013-01-16 攀钢集团成都钢钒有限公司 核电站用大口径中厚壁无缝钢管的制造方法
CN103499501A (zh) * 2013-09-26 2014-01-08 中国石油天然气股份有限公司 一种基于井液润滑效果的抽油杆磨损评价方法及装置
CN104483144A (zh) * 2014-12-18 2015-04-01 厦门大学 一种鲁棒的基于机器视觉的汽车3d四轮定位参数检测方法

Also Published As

Publication number Publication date
CN107403445A (zh) 2017-11-28

Similar Documents

Publication Publication Date Title
CN110415257B (zh) 一种气液两相流重叠气泡图像分割方法
CN111445438B (zh) 一种双邻域的磨痕角自动检测方法
CN111412864B (zh) 一种基于磨痕灰度相似性的磨痕角自动检测方法
CN110906875B (zh) 一种孔径测量的视觉处理方法
CN105783779B (zh) 基于三层匹配的钢轨轮廓实时形态识别与失真校准方法
CN106770296B (zh) 一种四球摩擦试验磨斑图像磨痕方向角自动测定方法
CN107341802A (zh) 一种基于曲率与灰度复合的角点亚像素定位方法
CN109448059B (zh) 一种快速x角点亚像素检测方法
CN113643371B (zh) 一种飞行器模型表面标记点的定位方法
CN107403445B (zh) 一种用于润滑剂抗磨性的形貌对比分析方法
CN107392899B (zh) 一种钢球磨斑图像的磨痕水平角的自动检测方法
CN107358604B (zh) 一种四球摩擦试验磨斑图像异常检测方法
CN115063620B (zh) 一种基于比特分层罗茨风机轴承磨损检测方法
CN110211178A (zh) 一种利用投影计算的指针式仪表识别方法
CN103712565B (zh) 一种基于钢球磨痕梯度的磨斑直径测量方法
CN114693659B (zh) 基于图像处理的铜管表面清洗效果评估方法及系统
CN106841575B (zh) 一种四球摩擦试验磨斑图像磨痕方向自动定位方法
WO2021185035A1 (zh) 一种基于外形特征的异常磨斑图像的检测方法
CN113870179A (zh) 一种基于多视角轮廓图重建的蜜柚纵横径测量方法
CN112526154B (zh) 一种计算机视觉下的圆模板匹配旋转结构运动无标记测量方法
CN110969601B (zh) 基于视觉特征跟踪算法的结构转动响应非接触式识别方法
CN116740055A (zh) 一种基于图像数据的回转炉轮带缺陷检测方法
CN115019193A (zh) 一种融合地理空间认知的珊瑚礁地貌单元遥感分类方法
CN114677428A (zh) 基于无人机图像处理的输电线覆冰厚度检测方法
CN114782303A (zh) 基于边界分布特性的磨斑异常变形程度的检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210126

Termination date: 20210720