CN110906875B - 一种孔径测量的视觉处理方法 - Google Patents

Abstract

本发明涉及一种孔径测量的视觉处理方法。首先，由相机拍摄孔径图片，用一定的阈值，对摄取图像进行阈值化处理，得到阈值图像。其次，应用行(或列)移动正弦拟合找到的孔径最大列(或行)边缘，确定初始圆心坐标与初始直径。以初始圆心为坐标原点，以坐标原点为起点等间隔角度地沿径向进行移动正弦拟合，其中正弦拟合宽度不大于半径，移动拟合长度不小于初始直径。在径向移动正弦拟合过程中，采用四点灰度权值插补的算法计算径向各等效像素点的灰度值。通过正弦移动拟合的零点计算确定各角度径向的孔边缘。再通过最小二乘圆拟合方法以及像素尺寸标定值计算孔径大小。相比较其它测量方法，本发明具有精度高、抗干扰能力强、和测量速度快的优点。

Description

一种孔径测量的视觉处理方法

技术领域

本发明属于视觉测量技术领域，具体涉及一种正弦移动拟合找边的视觉孔径测量处理方法

背景技术

视觉测量是一种非接触式测量技术。它以图像为信息载体，从图像中提取有用的信号，通过处理被测图像而获得所需的各种参数。在传统的自动化生产中，尺寸测量的典型方法是利用千分尺、游标卡尺、塞尺等工具来测量。但这些测量手段测量精度低、速度慢，无法满足大规模的自动化生产需求。

基于视觉测量技术的仪器设备具有全视场测量、高精度和自动化程度高的特点，能够实现智能化、数字化、小型化、网络化和多功能化，具备在线检测、动态检测、实时分析、实时控制的能力，具有高效、高精度、无损伤的检测特点，可以满足现代精密测量技术的发展需要。目前已广泛应用于工业、军事、医学等领域，并得到了极大的关注。

针对孔径的视觉测量，关键在于孔径边缘检测。现阶段孔边缘检测算法大部分都是基于一阶微分算子和利用二阶导数方法对边缘进行交叉提取。一阶微分算子的精度差，容易受噪声影响。二阶微分算子计算量大耗时长，效率低下，精度较高。这里提出一种移动拟合找边的视觉孔径测量处理方法，能准确找出孔边缘。

发明内容

提出一种移动拟合找边的视觉孔径测量处理方法，该方法可以实现图像中边缘点的快速提取。

本发明所采用的技术方案是：一种移动拟合找边的视觉孔径测量处理方法，其特征在于，包括以下步骤：

步骤1：将采集到的图片进行阈值化处理；首先取彩色图片RGB通道中R通道的值，即图片灰度化处理；取一个适当的阈值k，把灰度图片中每个像素的灰度值v与k进行比较；如果v>k，则将该位置像素值置为255，否则为0；这样做的目的在于消除边缘反光的影响；

步骤2：先对阈值化处理后的图像进行逐行移动正弦拟合，找到边缘点纵坐标相距最大所在行，并根据该行边缘纵坐标之差，确定孔径D_row，以该行行号作为圆心横坐标X₁；然后逐列进行移动正弦拟合，找到边缘点横坐标相距最大所在列，并根据该列边缘横坐标之差，确定孔径D_col，以该列列号作为圆心纵坐标Y₁；得到最大值，从而确定初始圆心坐标(X₁,Y₁)和径向拟合距离R＝(D_col+D_row)/4；具体包括：

步骤2.1：假设待拟合数据的拟合模型为：X_i＝Acos(Δ_i+φ)+c，其中，信号为X_i，相位间隔为δ，假设幅值为A，初相位φ，Δ_i＝iδ，其中i＝1,2......N，N表示拟合数据总长度；令

和φ＝atan2(b,a)，故表达式改写为x_i＝acosΔ_i+bsinΔ_i+c；

步骤2.2：计算矩阵

令

步骤2.3：根据

特征，确定边缘点位置；根据公式a_max＝max(a_k)算出最大值a_max，并记下位置P1_j，下标j表示第j行；由公式a_min＝min(a_k)算出最小值a_min，并记下此时位置P2_j；根据P1_j、P2_j，由公式D_j＝P1_j-P2_j算出每行上孔的横向距离D_j；根据公式D_row＝max(D_j),求出横向直径D_row，并记下此时的横向坐标X₁；用类似的方法，对每列进行处理，即可求出纵向直径D_col和此时的纵坐标Y₁，故初始圆心坐标为(X₁,Y₁)；

步骤3：以初始圆心坐标为起点，对原始的灰度图进行等间隔角度地沿径向移动正弦拟合，其中径向移动正弦拟合宽度不小于半径，径向移动正弦拟合长度不大于初始直径；在径向移动正弦拟合过程中，采用四点灰度权值插补的算法计算径向各等效像素点的灰度值；通过径向移动正弦拟合的零点计算确定各角度径向的孔边缘；具体包括：

步骤3.1：由于径向移动正弦拟合过程中，像素I_n的坐标不是整数点，该点处像素利用相邻最近的四个点的像素I₁,I₂,I₃,I₄通过四点灰度权值插补算法来给出；I₁,I₂,I₃,I₄的坐标分别为floor(x,y)，floor(x+1,y)，floor(x+1,y+1)，floor(x,y+1)；floor表示对目标数值向下取整；

由四点灰度权值插补算法得：

I_n＝I₁(0.5+floor(x)+0.5-x)(0.5+floor(y)+0.5-y)

+I₂(0.5-(floor(x)+0.5-x))(0.5+floor(y)+0.5-y)

+I₃(0.5-(floor(x)+0.5-x))(0.5+floor(y)+0.5-y)

+I₄(0.5+(floor(x)+0.5-x))(0.5-(floor(y)+0.5-y))

I_n＝I₁(0.5+Δx)(0.5+Δy)+I₂(0.5-Δx)(0.5+Δy)

+I₃(0.5-Δx)(0.5-Δy)+I₄(0.5+Δx)(0.5-Δy)

其中令

M＝ΔxΔy；Δx，Δy表示I_n的坐标与中心点坐标的偏差，且(Δx,Δy)＝floor(x,y)+0.5-(x,y)；

步骤3.2：用步骤2类似的方法，以初始圆心为起点对原始灰度图进行等角度移动正弦拟合，从而找到系列孔径边缘点；

由于径向移动正弦拟合的拟合点不是整数点，故在找边缘点的过程中存在偏差；这里根据移动拟合相位信息消除这种偏差，将结果精确到亚像素级别，公式如下；

其中l表示初始圆心到边缘点的实际距离，l_zero表示理论距离，n表示拟合长度；

步骤4：在确定所有径向孔边缘后，再通过最小二乘圆拟合方法和尺寸标定值，计算孔径大小；

假设圆的一般方程为

x²+y²+Dx+Ey+F＝0

经行圆拟合需要计算如下矩阵

计算拟合半径

取标定值为β，则经过换算后，实际孔径大小为

R＝β*r。

因此，本发明具有如下优点：

由于采用四点灰度权值插补算法和移动正弦拟合算法，因此具抗干扰能力强，测量速度快。另外结合移动拟合相位信息将精度提高到亚像素级。

附图说明

附图1是发明原理框图。

附图2是阈值化图。

附图3是某行移动正弦拟合图。

附图4是四点灰度权值插补示意图。

附图5是某径向拟合结果图。

附图6是径向拟合拾取边缘点。

附图7是圆拟合结果。

附图8是拟合前后对比图。

具体实施方式

下面通过实施例，对本发明的技术方案作进一步具体的说明。

一种移动拟合找边的视觉孔径测量处理方法包括图像阈值化处理、行和列移动正弦拟合、等角度径向移动正弦拟合、最小二乘圆拟合；方案框图如图1所示：

所述的阈值化处理：用工业相机对实物小孔进行拍摄，得到原始图片。然后选取一个阈值30，对采集的图像进行二值化，如果该像素点灰度值小于阈值，则将该像素点灰度值置0，否则置255。结果如图2所示：

所述的行和列移动正弦拟合：利用最小二乘法正弦拟合对数据进行处理，假设待拟合数据的拟合模型为：

x_i＝Acos(Δ_i+φ)+c

其中，信号为X_i，相位间隔为δ，那么假设有其幅值为A，初相为φ，Δ_i＝iδ。令

和φ＝atan2(b,a)，故表达式改写为

x_i＝acosΔ_i+bsinΔ_i+c

步骤1：由最小二乘法得，

令

取拟合长度n等于50，

步骤2：计算每次拟合参数a_k,b_k,c_k

步骤3：计算各个中间参数

算出最大值a_max＝max(a_k)，并记下位置P1_i，算出最小值a_min＝min(a_k)，并记下此时位置P2_i。根据P1_i、P2_i，由公式D_i＝P1_i-P2_i算出每行上孔的横向距离D_i。

步骤4：计算横向直径

根据公式D_row＝max(D_i),求出横向直径D_row，并记下此时的横向坐标X1

步骤5：计算初始直径和初始坐标

用类似的方法，对每列进行处理，即可求出纵向直径D_col和此时的纵坐标Y1，故出初始圆心坐标行坐标为P(X₁,Y₁)。

根据公式

确定初始直径D_av＝83.2500。

所述的径向移动正弦拟合，首先对拟合的像素点序列进行径向灰度值插补算法后，再进行径向正弦移动拟合。规定拟合间隔角度为18度，拟合长度n＝21，再通过边缘寻找方法找到边缘点p，记下位置l_zero＝70，最后根据公式(9)计算边缘点p距离初始圆心的实际距离l。

l＝80.0491

用相同的方法寻找其他边缘点，结果如图6所示。

所述的最小二乘圆拟合算法，计算过程如下：

步骤1：计算如下矩阵：

步骤2：计算中间变量

步骤3：计算拟合半径

根据半径绘制最小二乘圆拟合结果，如图7所示。

将圆心坐标换算后，将最小二乘圆拟合结果还原到阈值图像上，结果如图8所示。

最后，将标定值设为0.01mm，计算得实际孔径半径为R＝0.845mm。

本文中所描述的具体实施例子仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例子做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (1)

1.一种移动拟合找边的视觉孔径测量处理方法，其特征在于，包括以下步骤：

步骤1：将采集到的图片进行阈值化处理；首先取彩色图片RGB通道中R通道的值；取一个适当的阈值k，把灰度图片中每个像素的灰度值v与k进行比较；如果v>k，则将该位置像素值置为255，否则为0；

步骤2：先对阈值化处理后的图像进行逐行移动正弦拟合，找到边缘点纵坐标相距最大所在行，并根据该行边缘纵坐标之差，确定孔径D_row，以该行行号作为圆心横坐标X₁；然后逐列进行移动正弦拟合，找到边缘点横坐标相距最大所在列，并根据该列边缘横坐标之差，确定孔径D_col，以该列列号作为圆心纵坐标Y₁；得到最大值，从而确定初始圆心坐标(X₁,Y₁)和径向拟合距离R＝(D_col+D_row)/4；具体包括：

步骤2.1：假设待拟合数据的拟合模型为：X_i＝A cos(Δ_i+φ)+c，其中，信号为X_i，相位间隔为δ，假设幅值为A，初相位φ，Δ_i＝iδ，其中i＝1,2......N，N表示拟合数据总长度；令

和φ＝a tan2(b,a)，故表达式改写为x_i＝a cosΔ_i+b sinΔ_i+c；

步骤2.2：计算矩阵

令

步骤2.3：根据

特征，确定边缘点位置；根据公式a_max＝max(a_k)算出最大值a_max，并记下位置P1_j，下标j表示第j行；由公式a_min＝min(a_k)算出最小值a_min，并记下此时位置P2_j；根据P1_j、P2_j，由公式D_j＝P1_j-P2_j算出每行上孔的横向距离D_j；根据公式D_row＝max(D_j),求出横向直径D_row，并记下此时的横向坐标X₁；用类似的方法，对每列进行处理，即可求出纵向直径D_col和此时的纵坐标Y₁，故初始圆心坐标为(X₁,Y₁)；

步骤3：以初始圆心坐标为起点，对原始的灰度图进行等间隔角度地沿径向移动正弦拟合，其中径向移动正弦拟合宽度不小于半径，径向移动正弦拟合长度不大于初始直径；在径向移动正弦拟合过程中，采用四点灰度权值插补的算法计算径向各等效像素点的灰度值；通过径向移动正弦拟合的零点计算确定各角度径向的孔边缘；具体包括：

步骤3.1：由于径向移动正弦拟合过程中，像素I_n的坐标不是整数点，该点处像素利用相邻最近的四个点的像素I₁,I₂,I₃,I₄通过四点灰度权值插补算法来给出；I₁,I₂,I₃,I₄的坐标分别为floor(x,y)，floor(x+1,y)，floor(x+1,y+1)，floor(x,y+1)；floor表示对目标数值向下取整；

由四点灰度权值插补算法得：

I_n＝I₁(0.5+floor(x)+0.5-x)(0.5+floor(y)+0.5-y)+I₂(0.5-(floor(x)+0.5-x))(0.5+floor(y)+0.5-y)+I₃(0.5-(floor(x)+0.5-x))(0.5+floor(y)+0.5-y)+I₄(0.5+(floor(x)+0.5-x))(0.5-(floor(y)+0.5-y))

I_n＝I₁(0.5+Δx)(0.5+Δy)+I₂(0.5-Δx)(0.5+Δy)+I₃(0.5-Δx)(0.5-Δy)+I₄(0.5+Δx)(0.5-Δy)

其中令

M＝ΔxΔy；Δx，Δy表示I_n的坐标与中心点坐标的偏差，且(Δx,Δy)＝floor(x,y)+0.5-(x,y)；

步骤3.2：用步骤2的方法，以初始圆心为起点对原始灰度图进行等角度移动正弦拟合，从而找到系列孔径边缘点；

由于径向移动正弦拟合的拟合点不是整数点，故在找边缘点的过程中存在偏差；这里根据移动拟合相位信息消除这种偏差，将结果精确到亚像素级别，公式如下；

其中l表示初始圆心到边缘点的实际距离，l_zero表示理论距离，n表示拟合长度；

步骤4：在确定所有径向孔边缘后，再通过最小二乘圆拟合方法和尺寸标定值，计算孔径大小；

假设圆的一般方程为

x²+y²+Dx+Ey+F＝0

经行圆拟合需要计算如下矩阵

计算拟合半径

取标定值为β，则经过换算后，实际孔径大小为

R＝β*r。

Images