CN111854617A - 一种基于机器视觉的微型钻头尺寸检测方法 - Google Patents

Abstract

本发明提供了一种基于机器视觉的微型钻头尺寸检测方法，其包括获取微型钻头的图像；对微型钻头的图像进行预处理，得到预处理图像；对预处理图像进行边缘检测，获得边缘检测图像；对边缘检测图像进行钻头定位，获取微型钻头的直径在边缘检测图像中对应的像素点的数量；根据预先计算好的转换系数，将所述数量转换为微型钻头的真实直径。本发明通过获取微型钻头的图像来对其尺寸进行检测，可以避免出现传统的手工测量导致的测量速度慢的问题，有效地提高了微型钻头尺寸检测的速度。

Description

一种基于机器视觉的微型钻头尺寸检测方法

技术领域

本发明涉及检测领域，具体涉及一种基于机器视觉的微型钻头尺寸检测方法。

背景技术

微型钻头的直径比较小，一般在一毫米以下，简称微钻。要使微钻高效安全地使用，必须考虑一系列因素：如钻头的直径尺寸、加工参数、孔深、孔深和直径尺寸的比例等。综合考虑选取尺寸大小合适的钻头。随着技术的发展，工业成品制造的速度越来越快，对制造过程中使用到的钻头尺寸的测量速度的要求也越来越高。传统的测量方式是依靠人工来对钻头进行尺寸的测量，这种测量方式比较简单，但是测量速度慢，显然不能满足现在的工业成品制造速度对钻头尺寸测量速度的要求。

发明内容

针对上述问题，本发明提供了一种基于机器视觉的微型钻头尺寸检测方法，其包括

S1，获取微型钻头的图像；

S2，对微型钻头的图像进行预处理，得到预处理图像；

S3，对预处理图像进行边缘检测，获得边缘检测图像；

S4，对边缘检测图像进行钻头定位，获取微型钻头的直径在边缘检测图像中对应的像素点的数量；

S5，根据预先计算好的转换系数，将所述数量转换为微型钻头的真实直径。

优选地，在步骤S1中，获取微型钻头的图像，包括：

S11，将微型钻头竖直放置；

S12，调节摄像机的镜头平面，直到该平面与钻头的横截平行；

S13，使用摄像机获取微型钻头的图像；

S14，对所述图像进行图像质量的判断，若判断结果为所述图像不符合预设的图像质量要求，则重新执行S11-S14的步骤，若判断结果为所述图像符合预设的图像质量要求，则对所述图像进行步骤S2的处理。

优选地，在步骤S2中，对微型钻头的图像进行预处理，得到预处理图像，包括：

S21，对微型钻头的图像进行灰度化处理，得到灰度图像；

S22，对所述灰度图像进行滤波处理，从而得到预处理图像。

本发明的有益效果为：

本发明通过获取微型钻头的图像来对其尺寸进行检测，可以避免出现传统的手工测量导致的测量速度慢的问题，有效地提高了微型钻头尺寸检测的速度。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1，为本发明一种基于机器视觉的微型钻头尺寸检测方法的一种示例性实施例图。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本发明一种基于机器视觉的微型钻头尺寸检测方法，其包括：

S1，获取微型钻头的图像；

S2，对微型钻头的图像进行预处理，得到预处理图像；

S3，对预处理图像进行边缘检测，获得边缘检测图像；

S4，对边缘检测图像进行钻头定位，获取微型钻头的直径在边缘检测图像中对应的像素点的数量；

S5，根据预先计算好的转换系数，将所述数量转换为微型钻头的真实直径。

本发明通过获取微型钻头的图像来对其尺寸进行检测，可以避免出现传统的手工测量导致的测量速度慢的问题，有效地提高了微型钻头尺寸检测的速度。

在一种实施方式中，在步骤S1中，获取微型钻头的图像，包括：

S11，将微型钻头竖直放置；

S12，调节摄像机的镜头平面，直到该平面与钻头的横截面平行；

S13，使用摄像机获取微型钻头的图像；

S14，对所述图像进行图像质量的判断，若判断结果为所述图像不符合预设的图像质量要求，则重新执行S11-S14的步骤，若判断结果为所述图像符合预设的图像质量要求，则对所述图像进行步骤S2的处理。

在一种实施方式中，在步骤S2中，对微型钻头的图像进行预处理，得到预处理图像，包括：

S21，对微型钻头的图像进行灰度化处理，得到灰度图像；

S22，对所述灰度图像进行滤波处理，从而得到预处理图像。

在一种实施方式中，在步骤S3中，对预处理图像进行边缘检测，获得边缘检测图像，包括：

S31,采用预设的检测模板计算预处理图像中的每个像素点的梯度值以及梯度方向；

S32，候选边缘点预选取：

将当前正在判断的像素点记为a，在a的nl×nl大小的邻域中找出在a的梯度方向上的N个像素点，存入集合gN_a，将该邻域中除了gN_a中的像素点之外的所有像素点存入集合le_a，，nl×nl为所述检测模板的大小；

将gN_a中元素的梯度值存入集合GN_a；

判断GN_a中是否存在元素比le_a中所有元素的梯度值都大；

若GN_a中存在元素比le_a中所有元素的梯度值都大，则a属于候选边缘点，将a存进候选边缘点集合CEP，

遍历预处理图像中的每一个像素点，选出所有的候选边缘点存入集合CEP中，集合CEP中的像素点组成候选边缘点图像HBP；

S33，计算判断阈值threh和threl：

采用otsu算法计算HBP的分割阈值sthre₁；

使用sthre₁将HBP分割成为P₁和P₂两个部分，P₁中的像素点的灰度值均大于等于sthre₁，P₂中的像素点的灰度值均小于sthre₁；

使用otsu算法分别计算P₁和P₂的分割阈值psthre₁和psthre₂；

计算HBP新的分割阈值sthre₂：

判断sthre₁和sthre₂之间的差值dsthre_1,2是否小于预设的差值阈值czhtre，若dsthre_1,2＜czhtre，则将psthre₁和psthre₂的值分别作为threh和threl的值；

否则，使用sthre₂对HBP进行分割处理，将HBP分割成为P₃和P₄两个部分，P₃中的像素点的灰度值均大于等于sthre₂，P₄中的像素点的灰度值均小于sthre₂；

使用otsu算法分别计算P₃和P₄的分割阈值psthre₃和psthre₄；

计算HBP新的分割阈值sthre₃：

判断sthre₂和sthre₃之间的差值dsthre_2,3是否小于预设的差值阈值czhtre，若dsthre_2,3＜czhtre，则将psthre₃和psthre₄的值分别作为threh和threl的值；

否则，使用sthre₃对HBP进行分割处理，将HBP分割成为P₅和P₆两个部分；

以此类推，进行迭代计算，直到第n次计算后，分割阈值sthre_n+1和分割阈值sthre_n的差值dsthre_n,n+1小于预设的差值阈值czhtre，将此时的分割阈值psthre_2n-1和psthre_2n的值分别作为threh和threl的值；

S34，边缘像素点确定：

将CEP中灰度值大于threh的像素点存入边缘像素点集合EPC；

对于CEP中灰度值大于threl且小于threh的像素点p，判断其nl×nl大小的邻域中，是否所有的像素点的灰度值都小于threh，若是，则将p存入边缘像素点集合EPC；

S35，将边缘像素点集合EPC中所有的像素点组成边缘检测图像。

本发明上述实施方式，对预处理图像进行边缘检测时，先通过梯度值来对预处理图像中的像素点进行筛选，将明显不可能是边缘像素点的像素点进行排除，获得候选候选边缘点集合，然后采用判断阈值对候选边缘点集合中的像素点进行边缘像素点的判断，从而得到边缘像素点集合，由边缘像素点集合组成边缘检测图像。这种处理方式有效地减少了后续参与采用判断阈值来进行边缘像素点识别像素点的数量，可以有效地加快运算的速度。在判断阈值的选取上，采用迭代的方式，不断更新对候选边缘点图像进行分割的阈值，知道n次计算得到的阈值和n-1次计算得到的阈值的差值小于预设的差值阈值时才结束迭代，能够找到准确的判断阈值对候选边缘点集合中的像素点进行边缘像素点的判断，有效地提高了边缘像素点识别的准确性，从而为后续进行钻头定位和转轴尺寸检测打下了坚实的基础。

在一种实施方式中，在步骤S21中，对微型钻头的图像进行灰度化处理，得到灰度图像，包括：

使用下述公式对微型钻头的图像进行灰度化处理：

hd_m＝0.298R_m+0.586G_m+0.113B_m

hd_m表示灰度化处理后的第m个像素点的灰度值，hd表示灰度图像，R_m、G_m、B_m分别表示微型钻头的图像中第m个像素点在RGB颜色模型中的三个红、绿、蓝三个颜色分量的值。

在一种实施方式中，步骤S4，对边缘检测图像进行钻头定位，获取钻头的直径在边缘检测图像中对应的像素点的数量，包括：

使用霍夫变换在边缘检测图像中进行圆检测，检测出的圆形区域即为微型钻头区域；

通过迭代法计算该圆形区域的圆的表达式；

根据该表达式确定圆形区域的直径的大小，即微型钻头的直径的大小；

计算该圆形区域的直径在边缘检测图像中对应的像素点的数量。

在一种实施方式中，所述转换系数为边缘检测图像中单个像素点对应的实际长度。

在一种实施方式中，S14中，对所述图像进行图像质量的判断，包括：

S141,将所述图像记为wp，计算wp的空间分量特征矩阵kjft_wp和内容分量系数ccm_wp；

S142,计算wp的空间分量特征矩阵kjft_wp、内容分量系数ccm_wp与微型钻头标准图像的空间分量特征矩阵kjft_bz、内容分量系数ccm_bz之间的相似度SID；

S143，判断SID_IQM,IQMST是否小于预设的相似度阈值SITHRE，若SID_IQM,IQMST小于SITHRE，则所述图像wp符合预设的图像质量要求，否则，所述图像wp不符合预设的图像质量要求。

在采集图像时先对图像进行质量的判断，能够有效地避免后续做无用的运算，从而能提高对微型钻头尺寸检测的效率。

在一种实施方式中，计算wp的空间分量特征矩阵kjft_wp，包括：

将wp划分为大小相等的Q个区块；

对于区块q，q∈[1,Q]，采用如下方式计算其空间特征矩阵SCCM_q：

式中，kft_q(i,j)表示区块q中位置为(i,j)的像素点的空间分量特征值，S_q,i,j表示区块q中位置为(i,j)的像素点的预设大小的邻域中，所有像素点的集合，s表示S_q,i,j中第s个像素点，dist_i,j,s表示位置为(i,j)的像素点与S_q,i,j中第s个像素点之间的空间距离，cd表示预设的尺度参数，f_q(i,j)和f_s分别表示区块q中位置为(i,j)的像素点的灰度值和S_q,i,j中第s个像素点的灰度值，fz表示控制系数，用于防止分母过小；

将q中所有像素点的空间分量特征值按照它们在q中的相对位置关系，存为空间分量特征矩阵SCCM_q；

将所有区块的空间分量特征矩阵按照它们在wp中的相对位置关系，存为wp的空间分量特征矩阵kjft_wp。

在一种实施方式中，计算wp的内容分量系数ccm_wp，包括：

使用下述式子对ccm_wp进行计算：

式中，Z表示wp中灰度级的总数，g_z表示wp中灰度级为z的像素点的总数，nwp表示wp中的像素点的总数，Y表示对wp进行DCT变换后得到的图像wpt中，灰度级的总数，g_y表示wpt中，灰度级为y的像素点的总数，nwpt表示wpt中的像素点的总数，α和β表示预设的权重系数。

本发明上述实施方式，在计算wp和微型钻头标准图像之间的相似度时，从空间分量特征矩阵和内容分量系数这两方面进行考虑，对两者进行加权求和，相较于现有技术，能够有效的提高相似度的准确性。具体地，在计算空间分量特征矩阵时，将wp进行区块划分，分别对每个区块求空间特征矩阵，然后再对将所有区块的空间特征矩阵按照它们wp中的相对位置关系，存入空间分量特征矩阵，可以提高相似度计算方法的通用性。计算空间特征矩阵中的元素时，从在空间距离、尺度、像素值差异等方面的进行考虑，从而使得该元素能够综合地表征区块中的像素点所包含的信息，有利于提高相似度计算的准确性。

微型钻头标准图像的空间分量特征矩阵kjft_bz、内容分量系数ccm_bz的计算方法与wp的空间分量特征矩阵kjft_wp、内容分量系数ccm_wp计算方法一样，这里不再赘述。

在一种实施方式中，所述相似度SID通过如下方式进行计算：

SID＝δ×dis(kjft_wp,kjft_bz)+ε×|ccm_wp-ccm_bz|

式中，δ和ε表示预设的相似度权重系数，dis(kjft_wp,kjft_bz)表示kjft_wp和kjft_bz之间的欧式距离。

在一种实施方式中，对所述灰度图像进行滤波处理，从而得到预处理图像，包括：

将所述灰度图像记为hd；

使用与获得hd一样的灰度化处理方法，将预存的微型钻头的标准图像转换为灰度图像hdbz，hd和hdzb的大小一致；

使用如下方式进行滤波处理：

对所述灰度图像hd进行小波分解，获得hd的高频系数图像GPX和低频系数图像DPX，

使用与将hd进行小波分解时一样的小波分解方法对hdbz进行小波分解，获得hdbz的高频系数图像GPXbz和低频系数图像DPXbz；

对hd的高频系数图像GPX进行阈值处理：

式中，aGPX_u,v(i)表示第u层小波分解的第v个高频系数图像中第i个像素点阈值处理后的灰度值，GPX_u,v(i)第u层小波分解的第v个高频系数图像中第i个像素点阈值处理前的灰度值，yzc表示预设的处理系数，sgn表示符号函数，THRE₁和THRE₂表示设定的处理阈值，GPXbz_u,v(i)表示由hdbz获得的第u层小波分解的第v个高频系数图像中第i个像素点的灰度值；

以r×r大小的滤波窗口同步在GPX_u,v和GPXbz_u,v上滑动，nck_i表示在GPXbz_u,v中，包含第i个像素点的滤波窗口的总数，ck_i表示在GPXbz_u,v中，所有包含第i个像素点的滤波窗口的集合，k表示ck_i中的第k个滤波窗口，

c_k表示第k个滤波窗口中所有像素点的集合，|c_k|表示集合c_k中所有像素点的总数，j表示c_k中第j个像素点，GPXbz_u,v,j表示c_k中第j个像素点在GPXbz_u,v中的灰度值；GPX_u,v,j表示在GPX_u,v中，与所述第j个像素点位置相同的像素点的灰度值；GPXbz_u,v,k(ave)表示在GPXbz_u,v中，第k个滤波窗口中所有像素点的灰度均值；GPX_u,v,k(ave)表示在GPX_u,v中，与所述第k个滤波窗口位置相同且大小相同的滤波窗口中所有像素点的灰度均值；

GPXbz_u,v,k(bz)表示在GPXbz_u,v中，第k个滤波窗口中所有像素点的灰度值的标准差；blk表示比例控制系数；

cs表示预设的常数参数，

表示求偏导数，x_j和y_j表示c_k中第j个像素点在GPXbz_u,v中的横坐标和纵坐标，dtf表示在GPXbz_u,v，像素点的最大梯度值和最小梯度值的差，fd表示缩放系数；

将阈值处理后的由hd得到的高频小波系数图像和由hd得到的低频小波系数图像进行重构，得到预处理图像。

本发明上述实施方式，在进行小波分解滤波时，通过设置处理阈值，让不同的像素点自适应地选取不同的阈值处理函数进行滤波处理，能够避免出现传统的全局滤波方式出现的准确性低的问题，因为传统的全局滤波方式对所有的像素点的滤波处理都是通过同一个函数进行，并没有考虑为处于不同灰度值范围的像素点设置更为合适的滤波函数。在设置阈值处理函数时，创造性地考虑了当前正在处理的图像与标准图像之间的关系，具体地，考虑了两者在同样大小、相对位置相同的滤波窗口下，灰度值、梯度等方面的联系，能够有效地防止出现传统的滤波方式导致的平滑过渡，边缘细节丢失、产生光晕的问题，能够在保持图像边缘信息的同时，有效地对图像进行滤波处理，同时还能增强图像的细节，降低处理之后获得的图像的熵。也能够有效地提高滤波的效率。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (5)

1.一种基于机器视觉的微型钻头尺寸检测方法，其特征在于，其包括：

S1，获取微型钻头的图像；

S2，对微型钻头的图像进行预处理，得到预处理图像；

S3，对预处理图像进行边缘检测，获得边缘检测图像；

S4，对边缘检测图像进行钻头定位，获取微型钻头的直径在边缘检测图像中对应的像素点的数量；

S5，根据预先计算好的转换系数，将所述数量转换为微型钻头的真实直径。

2.根据权利要求1所述的一种基于机器视觉的微型钻头尺寸检测方法，其特征在于，在步骤S1中，获取微型钻头的图像，包括：

S11，将微型钻头竖直放置；

S12，调节摄像机的镜头平面，直到该平面与微型钻头的横截面平行；

S13，使用摄像机获取微型钻头的图像；

S14，对所述图像进行图像质量的判断，若判断结果为所述图像不符合预设的图像质量要求，则重新执行S11-S14的步骤，若判断结果为所述图像符合预设的图像质量要求，则对所述图像进行步骤S2的处理。

3.根据权利要求1所述的一种基于机器视觉的微型钻头尺寸检测方法，其特征在于，在步骤S2中，对微型钻头的图像进行预处理，得到预处理图像，包括：

S21，对微型钻头的图像进行灰度化处理，得到灰度图像；

S22，对所述灰度图像进行滤波处理，从而得到预处理图像。

4.根据权利要求3所述的一种基于机器视觉的微型钻头尺寸检测方法，其特征在于，在步骤S3中，对预处理图像进行边缘检测，获得边缘检测图像，包括：

S31,采用预设的检测模板计算预处理图像中的每个像素点的梯度值以及梯度方向；

S32，候选边缘点预选取：

将当前正在判断的像素点记为a，在a的nl×nl大小的邻域中找出在a的梯度方向上的N个像素点，存入集合gN_a，将该邻域中除了gN_a中的像素点之外的所有像素点存入集合le_a，，nl×nl为所述检测模板的大小；

将gN_a中元素的梯度值存入集合GN_a；

判断GN_a中是否存在元素比le_a中所有元素的梯度值都大；

若GN_a中存在元素比le_a中所有元素的梯度值都大，则a属于候选边缘点，将a存进候选边缘点集合CEP，

遍历预处理图像中的每一个像素点，选出所有的候选边缘点存入集合CEP中，集合CEP中的像素点组成候选边缘点图像HBP；

S33，计算判断阈值threh和threl：

采用otsu算法计算HBP的分割阈值sthre₁；

使用sthre₁将HBP分割成为P₁和P₂两个部分，P₁中的像素点的灰度值均大于等于sthre₁，P₂中的像素点的灰度值均小于sthre₁；

使用otsu算法分别计算P₁和P₂的分割阈值psthre₁和psthre₂；

计算HBP新的分割阈值sthre₂：

判断sthre₁和sthre₂之间的差值dsthre_1,2是否小于预设的差值阈值czhtre，若dsthre_1,2＜czhtre，则将psthre₁和psthre₂的值分别作为threh和threl的值；

否则，使用sthre₂对HBP进行分割处理，将HBP分割成为P₃和P₄两个部分，P₃中的像素点的灰度值均大于等于sthre₂，P₄中的像素点的灰度值均小于sthre₂；

使用otsu算法分别计算P₃和P₄的分割阈值psthre₃和psthre₄；

计算HBP新的分割阈值sthre₃：

判断sthre₂和sthre₃之间的差值dsthre_2,3是否小于预设的差值阈值czhtre，若dsthre_2,3＜czhtre，则将psthre₃和psthre₄的值分别作为threh和threl的值；

否则，使用sthre₃对HBP进行分割处理，将HBP分割成为P₅和P₆两个部分；

以此类推，进行迭代计算，直到第n次计算后，分割阈值sthre_n+1和分割阈值sthre_n的差值dsthre_n,n+1小于预设的差值阈值czhtre，将此时的分割阈值psthre_2n-1和psthre_2n的值分别作为threh和threl的值；

S34，边缘像素点确定：

将CEP中灰度值大于threh的像素点存入边缘像素点集合EPC；

对于CEP中灰度值大于threl且小于threh的像素点p，判断其nl×nl大小的邻域中，是否所有的像素点的灰度值都小于threh，若是，则将p存入边缘像素点集合EPC；

S35，将边缘像素点集合EPC中所有的像素点组成边缘检测图像。

5.根据权利要求3所述的一种基于机器视觉的微型钻头尺寸检测方法，其特征在于，在步骤S21中，对微型钻头的图像进行灰度化处理，得到灰度图像，包括：

使用下述公式对微型钻头的图像进行灰度化处理：

af_m＝0.298R_m+0.586G_m+0.113B_m

af_m表示灰度化处理后的第m个像素点的灰度值，af表示灰度图像，R_m、G_m、B_m分别表示微型钻头的图像中第m个像素点在RGB颜色模型中的三个红、绿、蓝三个颜色分量的值。

Images