CN111412864A

CN111412864A - 一种基于磨痕灰度相似性的磨痕角自动检测方法

Info

Publication number: CN111412864A
Application number: CN202010121050.0A
Authority: CN
Inventors: 肖梅; 张雷; 杨冰; 王海明; 徐婷
Original assignee: Changan University
Current assignee: Changan University
Priority date: 2020-02-26
Filing date: 2020-02-26
Publication date: 2020-07-14
Anticipated expiration: 2040-02-26
Also published as: CN111412864B; WO2021169996A1

Abstract

本发明提供的一种基于磨痕灰度相似性的磨痕角自动检测方法，建立像素及其邻域像素在不同倾斜角方向的灰度差；在此基础上，计算不同倾斜角下的行灰度变化；基于磨痕方向像素的灰度具有相似性，由行灰度变化达到最小值的倾斜角可得到该行的接近角；最后，统计不同接近角的出现频率，出现频率最大的多个接近角计算得到磨痕角。本发明将磨痕的灰度特性转化为像素的邻域灰度差，克服了旋转插值处理中产生的误差和额外的耗时；提高了检测精度。

Description

一种基于磨痕灰度相似性的磨痕角自动检测方法

技术领域

本发明涉及一种四球摩擦试验机测定润滑油润滑性能的扩展应用，具体涉及一种利用磨痕方向像素灰度相似性的磨痕自动检测的方法。

背景技术

润滑性好的润滑油可以保护机械、延长工作寿命，常常通过四球磨损试验机来测量。根据我国石油化工行业标准(GB-T 12583-1998和H-T 0762-2005)，润滑剂抗摩损性能测定方法为：将三个直径为12.7mm的钢球夹紧在一油盒中，并用试油浸没，在三球顶部放置一个直径的钢球，在试油温度达到75℃±2℃后，施加147N或392N作用力，顶球在一定转速下旋转60min，随后取出底部的三个钢球，在测量精度为0.01mm的显微镜下测量三个钢球的磨斑直径，三个钢球共得到六组测量数据，润滑油或润滑脂的抗摩性能通过三个球的六次测量的摩斑直径的算术平均值来评价。磨痕方向的确定可以便于磨斑直径的测量、摆正磨斑图像的拍摄角度，以及便于后续的磨痕强度、密度等后续的分析处理等等。基于此，我们提出了一种基于磨痕灰度相似性的磨痕角自动检测方法。

发明内容

本发明的目的在于提供的一种基于磨痕灰度相似性的磨痕角自动检测方法，解决了现有的磨痕角测定方法中由于试验人员的感知误差，导致的测量精度不准确的缺陷。

为了达到上述目的，本发明采用的技术方案是：

本发明提供的一种基于磨痕灰度相似性的磨痕角自动检测方法，包括以下步骤：

步骤1，对采集得到的彩色磨斑图像进行灰度化处理，得到灰度磨斑图像；

步骤2，在步骤1中得到的灰度磨斑图像上任意选取一像素，并在该像素的上方构建邻域；

步骤3，根据步骤2中得到的邻域计算倾斜角方向的灰度差；

步骤4，根据步骤3中得到的倾斜角方向的灰度差计算行灰度变化；

步骤5，根据步骤4中得到的行灰度变化计算行接近角；

步骤6，根据步骤5中得到的行接近角计算行接近角的出现频率；

步骤7，在步骤6中计算得到的行接近角的出现频率选取高频出现的多个接近角；

步骤8，根据步骤7中得到的高频出现的多个接近角计算磨痕角。

优选地，步骤2中，构建的邻域的大小为W×2W；构建得到的邻域的像素集为所述近邻域边界上的多个像素点，且每个像素点满足下式中的任一式：

{(k，l)|i-W≤k≤i and l＝j+W}

{(k，l)|f-W≤k＜i and l＝j-W}

{(k，l)|k＝i-W and j-W≤l≤j+W}。

优选地，步骤3中，根据步骤2中得到的邻域计算倾斜角方向的灰度差，具体方法是：

将步骤2中任意选取的像素(i，j)和所构建的邻域中的某一像素(k，l)之间的直线与行轴正向之间所成的角定义为像素(i，j)与其邻域像素的倾斜角α；

通过下式计算像素(i，j)与其邻域上倾斜角α方向的像素(k，l)之间的灰度差：

其中，[]为四舍五入的取整运算；α的取值范围为0°≤α＜180°。

优选地，通过下式计算倾斜角α：

优选地，步骤4中，根据步骤3中得到的倾斜角方向的灰度差计算行灰度变化，具体方法是，通过下式计算倾斜角为α的第i行灰度变化：

优选地，步骤5中，根据步骤4中得到的行灰度变化计算行接近角，具体方法是：

其中，β(i)为第i行的接近角。

优选地，步骤6中，根据步骤5中得到的行接近角计算行接近角的出现频率，具体方法是：

其中，n(β(i))表示行接近角为β(i)的总行数，小于等于观测行的总行数([0.9]-[0.1M]+1)。

优选地，步骤7中，在步骤6中计算得到的行接近角中选取高频出现的多个行接近角，该多个行接近角的选取为：将步骤6中得到的行接近角的出现频率按照从大到小的顺序进行依次相加，t取最小值并满足下式，则该t个行接近角为高频出现的多个行接近角：

其中，T为频率选择阈值，0<T≤1。

优选地，步骤8中，根据步骤7中得到的高频出现的多个行接近角计算磨痕角，具体方法是：

与现有技术相比，本发明的有益效果是：

附图说明

图1是磨痕方向角θ示意图；

图2是磨斑图像F示意图；

图3是灰度磨斑图f示意图；

图4是像素(i,j)的W×2W邻域及邻域像素图；

图5是H(300,α)折线图；

图6是接近角及其出现频率折线图。

具体实施方式

下面结合附图，对本发明进一步详细说明。

本发明用磨痕角来表征磨痕方向，磨痕角定义为磨痕沿顺时针方向至行轴正向所旋转的最小正角，用符号θ表示。磨痕角θ的示意图如图1所示。

本发明提出了一种基于磨痕灰度相似性的磨痕角自动检测方法，包括如下步骤：

步骤1：通过扫面电子显微镜采集试验钢球的磨斑图像。具体是：在四球摩擦试验结束后，分别将试验所使用的三个底部钢球取出并置于扫面电镜中，并调节扫面电镜的光照和放大倍数等参数，以便清晰地采集到磨斑图像，所采集的磨斑图像用F表示。同时，得到的所述磨斑图像F的像素大小为M×N，例如磨斑图像的大小为768×1024，即M＝768，N＝1024。同时，利用(i，j)表示磨斑图像F的任一像素点的坐标，则i和j分别表示该像素点的行和列，且i和j均为整数，满足：1≤i≤M和1≤j≤N成立。

本实施例中，磨斑图像用F如图2所示。

步骤2：将采集到的彩色磨斑图像进行灰度化处理。步骤1中采集到的彩色磨斑图像不具有显著的颜色信息，故宜先对磨斑图像进行灰度化处理，这样可以大大加快处理速度。考虑到人眼对颜色的不同敏感性，基于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(如图3所示)，用f表示。灰度磨斑图像f中像素点(i，j)的灰度值为f(i，j)，其计算式如式(1)所示：

f(i，j)＝0.3·R(i，j)+0.59·G(i，j)+0.11·B(i，j) (1)

其中，f(i，j)表示灰度磨斑图f中像素(i，j)的灰度值；R(i，j)、G(i，j)和B(i，j)分别表示磨斑图像F中像素(i，j)的红色分量值、绿色分量值和蓝色分量值。

本实施例中，灰度磨斑图如图3所示。

步骤3：建立像素点的邻域。磨痕方向上的像素的灰度值相似，故需要利用像素和其邻域像素的灰度差异来表征磨痕的该特性。以像素为计量单位，在像素(i，j)的上方构建尺寸为W×2W的邻域，并定义W×2W邻域边界上，且其坐标满足式(2)-(4)中的任一式的所有像素点(如图4中白点所示)为邻域像素。若(k，l)表示像素(i，j)的W×2W邻域上的任一像素点，其：

{(k，l)|f-W≤k≤f and l＝j+W} (2)

{(k，l)|i-W≤k＜i and l＝j-W} (3)

{(k，l)|k＝i-W and j-W≤l≤j+W} (4)

其中，W为邻域的尺寸，取值为8-24像素。

本实施例中，W取值为10。

步骤4：计算倾斜角方向的灰度差。在像素坐标系中，经过像素(i，j)和及其邻域像素(k，l)之间的直线(如图4所示)与行轴正向之间所成的角叫做像素(i，j)与其邻域像素的倾斜角α(简称倾斜角)。考虑到磨斑图像四周的磨痕信息不丰富，对后续处理的结果会造成干扰，故对图像的四周进行直接赋值处理，像素(i，j)与其W×2W邻域上倾斜角α方向的像素(k，l)的灰度差，用来表征像素间的灰度差异，其计算式为：

其中，(k，l)为(i，j)的W×2W邻域上倾斜角为α的邻域像素；[]为四舍五入的取整运算；α为倾斜角，0°≤α＜180°，倾斜角α与像素(i，j)、(k，l)的位置坐标相关，其计算式如(6)所示：

倾斜角α的大小和数量由邻域尺寸W的尺寸决定，具体地：将0°～180°不等分为4W个采样点，邻域W尺寸越大，倾斜角采样点越多，倾斜角变化步长越小；邻域尺寸W越小，倾斜角采样点越少，倾斜角变化步长越大。例如：当W＝1时，能观测像素(i，j)分别在0°，45°，90°和135°的灰度差；而当W＝10时，能观测像素(i，j)从0°到180°共40个不同的倾斜角方向的灰度差。

本实施例中，W＝10，故能观察40个不同的倾斜角方向的灰度差h(i，j，α)。

步骤5：计算行灰度变化。整行的灰度差的大小可以反映出倾斜角和磨痕角间的接近程度。行灰度变化用来表示该行所有像素沿着相同倾斜角的灰度差和。不同倾斜角，行灰度变化量通常不一样。H(i，α)表示倾斜角为α的第f行灰度变化，如式(7)所示。

本实施例中，当i＝300时，H(300，α)如图5所示。

步骤6：计算行接近角。由于磨痕方向像素的灰度相似，当整行的灰度变化最小时，倾斜角α和磨痕角最为接近，此时倾斜角α称为行接近角。第i行的接近角β(i)为式(8)：

本实施例中，i＝300时，的接近角β(300)＝48.01279。

步骤7：计算行接近角的出现频率。不同行的接近角不尽相同，用出现频率可以表征行接近角的出现次数占总行数的比值。

其中，n(β(i))表示行接近角为β(i)的总行数，小于等于观测行的总行数([0.9M]-[0.1M]+1)。

步骤8：选择高频出现的多个行接近角：磨痕角由高频出现的行接近角确定，将步骤7得到的行接近角的出现频率按照从大到小的顺序进行依次排序相加，使得t取最小值并满足下式(10)的最大的t个行接近角β₁，β₂，…，β_t，认为是高频出现的多个行接近角。选取该t个行接近角β₁，β₂，…，β_t用于计算磨痕角：

(10)其中，T为频率选择阈值，0＜T≤1。

步骤9：计算磨痕角。高出现频率的行接近角计算磨痕角θ为：

本实施例中，T＝0.6。

出现频率最大的两个(t＝2)行接近角为：β₁＝48.01°(P(β₁)＝0.556)和β₂＝45°(P(β₂)＝0.249)，满足：P(β₁)+P(β₂)＝0.556+0.249＝0.805＞T＝0.6。

计算得到的磨痕角θ为：

按照以上本发明的技术方案，从运行时间和检测精度分析两方面，分析本发明方案的优缺点。

1.运行时间。本发明的仿真处理平台为：Intel I3 M350处理器，2GB内存的计算机，在MATLAB平台下对200个样本进行仿真测试，算法所用的时间为1.313373s秒，硬件实现本算法后，算法运行时间还会大大减少。

2.检测精度分析。为了验证算法的有效性，检测精度用绝对误差ξ来表征，定义为检测磨痕角和实际磨痕角的差值的绝对值，实际磨痕角由人工标定。对200样本数据验证：最大的绝对误差为5.3099°，最小的绝对误差为0°，平均的绝对误差为2.1238°，算法的检测检测精度高，鲁棒性好。

Claims

1.一种基于磨痕灰度相似性的磨痕角自动检测方法，其特征在于，包括以下步骤：

步骤3，根据步骤2中得到的邻域计算倾斜角方向的灰度差；

步骤5，根据步骤4中得到的行灰度变化计算行接近角；

2.根据权利要求1所述的一种基于磨痕灰度相似性的磨痕角自动检测方法，其特征在于，步骤2中，构建的邻域的大小为W×2W；构建得到的邻域的像素集为所述近邻域边界上的多个像素点，且每个像素点满足下式中的任一式：

{(k，l)|i-W≤k≤i and l＝j+W}

{(k，l)|i-W≤k＜i and l＝j-W}

{(k，l)|k＝i-Wand j-W≤l≤j+W}。

3.根据权利要求1所述的一种基于磨痕灰度相似性的磨痕角自动检测方法，其特征在于，步骤3中，根据步骤2中得到的邻域计算倾斜角方向的灰度差，具体方法是：

4.根据权利要求3所述的一种基于磨痕灰度相似性的磨痕角自动检测方法，其特征在于，通过下式计算倾斜角α：

5.根据权利要求1所述的一种基于磨痕灰度相似性的磨痕角自动检测方法，其特征在于，步骤4中，根据步骤3中得到的倾斜角方向的灰度差计算行灰度变化，具体方法是，通过下式计算倾斜角为α的第i行灰度变化：

6.根据权利要求1所述的一种基于磨痕灰度相似性的磨痕角自动检测方法，其特征在于，步骤5中，根据步骤4中得到的行灰度变化计算行接近角，具体方法是：

其中，β(i)为第i行的接近角。

7.根据权利要求1所述的一种基于磨痕灰度相似性的磨痕角自动检测方法，其特征在于，步骤6中，根据步骤5中得到的行接近角计算行接近角的出现频率，具体方法是：

8.根据权利要求1所述的一种基于磨痕灰度相似性的磨痕角自动检测方法，其特征在于，步骤7中，在步骤6中计算得到的行接近角中选取高频出现的多个行接近角，该多个行接近角的选取为：将步骤6中得到的行接近角的出现频率按照从大到小的顺序进行依次相加，t取最小值并满足下式，则该t个行接近角为高频出现的多个行接近角：

其中，T为频率选择阈值，0＜T≤1。

9.根据权利要求1所述的一种基于磨痕灰度相似性的磨痕角自动检测方法，其特征在于，步骤8中，根据步骤7中得到的高频出现的多个行接近角计算磨痕角，具体方法是：