CN114219802B - 一种基于图像处理的蒙皮连接孔孔位检测方法 - Google Patents

Abstract

本发明公开了一种基于图像处理的蒙皮连接孔孔位检测方法，首先拍摄包含连接孔的灰度照片，并提取孔边缘所在的轮廓点集；第一次拟合圆：使用最小二乘法对轮廓点集进行圆拟合得到初始圆；根据初始圆计算孔边缘所在的精确边缘像素点集；最后进行第二次拟合圆：使用最小二乘法对精确边缘像素点集进行圆拟合得到精确圆，其中精确圆的圆心坐标为（X _c ，Y _c ），即为蒙皮连接孔的孔位坐标。本发明实现了精确检测连接孔的孔位，本发明通过图像处理方法能够精确计算蒙皮连接孔，可以帮助技术人员快速建立用于检测蒙皮连接孔的机器视觉检测系统，对于促进机器视觉技术应用、提高飞机制造效率具有重要意义。

Description

一种基于图像处理的蒙皮连接孔孔位检测方法

技术领域

本发明属于蒙皮连接孔检测的技术领域，具体涉及一种基于图像处理的蒙皮连接孔孔位检测方法。

背景技术

随着航空制造技术的快速发展，越来越多的大型复材蒙皮应用于飞机外形零件。飞机蒙皮和骨架之间的连接方式主要分为铆钉连接和螺栓连接，连接孔的加工分为制孔和锪窝。目前飞机蒙皮的锪窝工作主要由人工完成，但手工锪窝存在锪窝质量稳定性差、效率低、对操作人员要求高等不足。为改善手工锪窝存在的不足，提高蒙皮锪窝质量和效率，尝试将数字化制造技术引入蒙皮的锪窝工序，利用数控机床实现高效高质量锪窝的目的。由于手工制孔和蒙皮变形等因素影响，因此在数控锪窝之前必须准确测量连接孔的孔位。

以机器视觉技术为代表的非接触式检测技术能够很好地适应上述测量场景。机器视觉属于非接触式检测，因而完全消除了传统接触式探头碰撞蒙皮的风险；通过合理设计检测装置和图像处理算法，通过拍照即可求解连接孔的全部孔位信息，检测效率较探头而言提升50%～75%。但是由于在车间生产现场存在不均匀的光照、灰尘、切屑、液体等大量恶劣环境因素，拍摄蒙皮连接孔得到的照片质量不高，导致现有的通用图像处理方法，如Roberts边缘检测算子、Sobel边缘检测算子、Prewitt边缘检测算子、Canny边缘检测算法等，无法精确计算连接孔的孔位坐标。对此，技术人员常常需要耗费大量时间开发相关图像处理方法，制约着机器视觉技术在此项领域的推广应用。

发明内容

本发明的目的在于提供一种基于图像处理的蒙皮连接孔孔位检测方法，实现精确检测连接孔的孔位，对于促进机器视觉技术应用、提高飞机制造效率具有重要意义。

本发明主要通过以下技术方案实现：

一种基于图像处理的蒙皮连接孔孔位检测方法，包括以下步骤：

步骤S100：拍摄包含连接孔的灰度照片，并提取孔边缘所在的轮廓点集；灰度照片被孔边缘划分为孔内区域、蒙皮区域；

步骤S200：第一次拟合圆：使用最小二乘法对轮廓点集进行圆拟合得到初始圆，其中初始圆的圆心坐标为（X ₁ ，Y ₁ ）；

步骤S300：根据初始圆计算孔边缘所在的精确边缘像素点集：

步骤S301：简化多方向边缘：根据初始圆的位置提取孔边缘区域所在的像素点集，并将像素点的灰度值组成灰度矩阵grayA；

步骤S302：精确提取连接孔边缘：计算灰度矩阵grayA在竖直方向上的梯度矩阵gradA，同时定义所有元素均为零的边缘像素矩阵edgeA，根据梯度矩阵gradA的值为边缘像素矩阵edgeA对应位置的元素赋值；

步骤S303：边缘像素点坐标转换：通过坐标变换将边缘像素矩阵edgeA图像中的白色点集转换至灰度照片的对应位置，得到孔边缘的精确边缘像素点集；

步骤S400：第二次拟合圆：使用最小二乘法对精确边缘像素点集进行圆拟合得到精确圆，其中精确圆的圆心坐标为（X _c ，Y _c ），即为蒙皮连接孔的孔位坐标。

为了更好地实现本发明，进一步地，所述步骤S301的实现方法如下：

以初始圆圆周上的任意点作为中点，沿初始圆径向的两端分别延伸N个像素点，得到一条包含2N个像素点的取样线段；

将灰度照片里和取样线段位置相同的像素点提取出来，并将这些像素点的灰度值依次排列得到一个列向量G ₁ ：

其中：m=2N，

g ₁₁ 表示灰度照片位于取样线段第一端头的像素灰度值，

g _m1 表示灰度照片位于取样线段第二端头的像素灰度值，

同理，在初始圆的圆周上每隔delta角度进行一次线段采样，一共截取

条线段，并且提取灰度照片中对应位置的像素灰度值，最终构成一个

阶灰度矩阵grayA：

其中：m=2N，

，

灰度矩阵grayA的图像记作简化边缘图像。

为了更好地实现本发明，进一步地，取样线段的第一端头位于灰度照片的孔内区域，且第二端头位于灰度照片的蒙皮区域；简化边缘图像的某一列像素灰度值对应灰度照片里面位于取样线段位置的像素灰度值。

为了更好地实现本发明，进一步地，所述步骤S302的实现方法如下：

梯度矩阵gradA在任意（i,j）处的元素值gradA（i,j）为：

水平边缘的所有像素点的最小梯度值记作threshold_2；

边缘像素矩阵edgeA的定义如下：

（1）矩阵维度为

，

（2）所有元素值等于零：

对梯度矩阵edgeA每一列中的某个元素重新赋值为1：

1）gradA第1列首次出现≥threshold_2的元素值，其行号为r ₁ ，令

；

2）gradA第2列首次出现≥threshold_2的元素值，其行号为r ₂ ，令

；

重复直到第

）gradA第

列首次出现≥threshold_2的元素值，其行号为r _n ，令

；

在边缘像素矩阵edgeA的图像中，白色点集是边缘像素矩阵edgeA中值为1的元素集合，即水平边缘的提取结果。

为了更好地实现本发明，进一步地，所述步骤S100包括以下步骤：

步骤S101：拍摄照片：拍摄包含连接孔的灰度照片，在灰度照片上建立坐标系，其中坐标原点位于灰度照片的左上角，且X轴正方向沿水平向右，Y轴正方向沿竖直向下；

步骤S102：提取灰度照片的边缘：使用Canny边缘检测算法提取灰度照片的所有边缘特征，形成边缘图像；

步骤S103：图像卷积运算：

定义矩阵A：

使用矩阵A作为卷积核并与边缘图像进行卷积运算，得到卷积图像；

步骤S104：灰度阈值分割：使用灰度值threshold_1对卷积图像进行阈值分割，获得二值图像；

步骤S105：提取孔内黑域的外轮廓：提取二值图像的孔内黑域的外轮廓，得到轮廓点集。

为了更好地实现本发明，进一步地，所述步骤S102中，边缘图像里面的边缘按照所属区域可分为三类：在蒙皮区域的大量编织状的边缘，在孔内区域的随机性边缘，孔边缘本身。

为了更好地实现本发明，进一步地，所述步骤S103中，卷积图像包括较暗的位于中间的孔内暗域以及较亮的位于外围的蒙皮明域。

所述步骤S104中，二值图像包括黑色的位于中间的孔内黑域以及白色的位于外围的蒙皮白域。

本发明的有益效果：

本发明实现了精确检测连接孔的孔位，本发明通过图像处理方法能够精确计算蒙皮连接孔，可以帮助技术人员快速建立用于检测蒙皮连接孔的机器视觉检测系统，对于促进机器视觉技术应用、提高飞机制造效率具有重要意义。

附图说明

图1为灰度照片的示意图；

图2为图1的边缘图像；

图3为图2的卷积图像；

图4为图3的二值图像；

图5为孔内黑域的轮廓图像；

图6为第一次拟合圆的图像；

图7为孔边缘附近像素点取样的示意图；

图8为灰度矩阵grayA的图像；

图9为边缘像素矩阵edgeA的图像；

图10为精确边缘像素点集的图像；

图11为第二次拟合圆的图像；

图12为本发明的流程图。

其中：1-灰度照片；1.1-孔边缘；1.2-孔内区域；1.3-蒙皮区域；1.4-坐标系；2-边缘图像；3-卷积图像；3.1-孔内暗域；3.2-蒙皮明域；4-二值图像；4.1-孔内黑域；4.2-蒙皮白域；5-轮廓点集；6-初始圆；7-取样线段；7.1-第一端头；7.2-第二端头；8-简化边缘图像；9-某一列像素；9.1-第三端头；9.2-第四端头；10-水平边缘；11-白色点集；12-精确边缘像素点集、13-精确圆。

具体实施方式

实施例1：

一种基于图像处理的蒙皮连接孔孔位检测方法，包括以下步骤：

步骤S100：拍摄包含连接孔的灰度照片1，并提取孔边缘1.1所在的轮廓点集5；

步骤S200：第一次拟合圆：使用最小二乘法对轮廓点集5进行圆拟合得到初始圆6，其中初始圆6的圆心坐标为（X ₁ ，Y ₁ ）；

步骤S300：根据初始圆6计算孔边缘1.1所在的精确边缘像素点集12；

步骤S301：简化多方向边缘：根据初始圆6的位置提取孔边缘1.1区域所在的像素点集，并将像素点的灰度值组成灰度矩阵grayA；

步骤S302：精确提取连接孔边缘：计算灰度矩阵grayA在竖直方向上的梯度矩阵gradA，同时定义所有元素均为零的边缘像素矩阵edgeA，根据梯度矩阵gradA的值为边缘像素矩阵edgeA对应位置的元素赋值；

步骤S303：边缘像素点坐标转换：通过坐标变换将边缘像素矩阵edgeA图像中的白色点集11转换至灰度照片1的对应位置，得到孔边缘1.1的精确边缘像素点集12；

步骤S400：第二次拟合圆：使用最小二乘法对精确边缘像素点集12进行圆拟合得到精确圆13，其中精确圆13的圆心坐标为（X _c ，Y _c ），即为蒙皮连接孔的孔位坐标。

本发明实现了精确检测连接孔的孔位，本发明通过图像处理方法能够精确计算蒙皮连接孔，可以帮助技术人员快速建立用于检测蒙皮连接孔的机器视觉检测系统，对于促进机器视觉技术应用、提高飞机制造效率具有重要意义。

实施例2：

本实施例是在实施例1的基础上进行优化，所述步骤S100包括以下步骤：

步骤S101：拍摄照片：拍摄包含连接孔的灰度照片1，在灰度照片1上建立坐标系1.4，其中坐标原点位于灰度照片的左上角，且X轴正方向沿水平向右，Y轴正方向沿竖直向下；

步骤S102：提取灰度照片的边缘：使用Canny边缘检测算法提取灰度照片1的所有边缘特征，形成边缘图像2；

步骤S103：图像卷积运算：

定义矩阵A：

使用矩阵A作为卷积核并与边缘图像2进行卷积运算，得到卷积图像3；

步骤S104：灰度阈值分割：使用灰度值threshold_1对卷积图像3进行阈值分割，获得二值图像4；

步骤S105：提取孔内黑域4.1的外轮廓：提取二值图像4的孔内黑域4.1的外轮廓，得到轮廓点集5。

进一步地，所述步骤S102中，灰度照片1被孔边缘1.1划分为孔内区域1.2、蒙皮区域1.3；边缘图像2里面的边缘按照所属区域可分为三类：在蒙皮区域1.3的大量编织状的边缘，在孔内区域1.2的随机性边缘，孔边缘1.1本身。

进一步地，所述步骤S103中，卷积图像3包括较暗的位于中间的孔内暗域3.1以及较亮的位于外围的蒙皮明域3.2。

进一步地，所述步骤S104中，二值图像4包括黑色的位于中间的孔内黑域4.1以及白色的位于外围的蒙皮白域4.2。

本实施例的其他部分与实施例1相同，故不再赘述。

实施例3：

本实施例是在实施例1或2的基础上进行优化，所述步骤S301的实现方法如下：

以初始圆6圆周上的任意点作为中点，沿初始圆6径向的两端分别延伸N个像素点，得到一条包含2N个像素点的取样线段7；

将灰度照片1里和取样线段7位置相同的像素点提取出来，并将这些像素点的灰度值依次排列得到一个列向量G ₁ ：

其中：m=2N，

g ₁₁ 表示灰度照片1位于取样线段7第一端头7.1的像素灰度值，

g _m1 表示灰度照片1位于取样线段7第二端头7.2的像素灰度值，

同理，在初始圆6的圆周上每隔delta角度进行一次线段采样，一共截取

条线段，并且提取灰度照片1中对应位置的像素灰度值，最终构成一个

阶灰度矩阵grayA：

其中：m=2N，

，

灰度矩阵grayA的图像记作简化边缘图像8。

进一步地，取样线段7的第一端头7.1位于灰度照片1的孔内区域1.2，且第二端头7.2位于灰度照片1的蒙皮区域1.3；简化边缘图像8的某一列像素9灰度值对应灰度照片1里面位于取样线段7位置的像素灰度值。

进一步地，所述步骤S302的实现方法如下：

梯度矩阵gradA在任意（i,j）处的元素值gradA（i,j）为：

水平边缘10的所有像素点的最小梯度值记作threshold_2；

边缘像素矩阵edgeA的定义如下：

（1）矩阵维度为

，

（2）所有元素值等于零：

对梯度矩阵edgeA每一列中的某个元素重新赋值为1：

1）gradA第1列首次出现≥threshold_2的元素值，其行号为r ₁ ，令

；

2）gradA第2列首次出现≥threshold_2的元素值，其行号为r ₂ ，令

；

重复直到第

）gradA第

列首次出现≥threshold_2的元素值，其行号为rn，令

；

在边缘像素矩阵edgeA的图像中，白色点集11是边缘像素矩阵edgeA中值为1的元素集合，即水平边缘10的提取结果。

本发明实现了精确检测连接孔的孔位，本发明通过图像处理方法能够精确计算蒙皮连接孔，可以帮助技术人员快速建立用于检测蒙皮连接孔的机器视觉检测系统，对于促进机器视觉技术应用、提高飞机制造效率具有重要意义。

本实施例的其他部分与上述实施例1或2相同，故不再赘述。

实施例4：

一种基于图像处理的蒙皮连接孔孔位检测方法，如图12所示，包括以下步骤：

步骤S1：粗略计算孔边缘1.1所在的像素点集

S101、拍摄照片

如图1所示，拍摄一张包含孔的灰度照片1。灰度照片1被孔边缘1.1划分为两个区域，其一是被孔边缘1.1包围起来的孔内区域1.2，其二是孔边缘1.1外侧的蒙皮区域1.3。

在灰度照片1上按如下规则建立坐标系1.4：坐标原点位于图像的左上角，X轴正方向沿水平向右，Y轴正方向沿竖直向下。

S102、提取边缘

如图2所示，使用Canny边缘检测算法提取灰度照片1的所有边缘特征，组成边缘图像2。这些边缘按照所属区域可分为三类：其一是在蒙皮区域1.3的大量编织状的边缘，其二是在孔内区域1.2的随机性边缘，其三为孔边缘1.1本身。

S103、图像卷积运算

定义如下矩阵A：

如图3所示，使用矩阵A作为卷积核并与边缘图像2进行卷积运算，得到卷积图像3。卷积图像3的中间区域记为孔内暗域3.1，卷积图像3的外围区域记为蒙皮明域3.2。

S104、灰度阈值分割

如图4所示，使用灰度值threshold_1对卷积图像3进行阈值分割，获得二值图像4。二值图像4的中间黑色区域记为孔内黑域4.1，二值图像4的外围白色区域记为蒙皮白域4.2。

S105、提取孔内黑域4.1的外轮廓

如图5所示，将孔内黑域4.1的外轮廓提取出来，得到轮廓点集5。

步骤S2：第一次拟合圆

如图6所示，使用最小二乘法对对轮廓点集5进行圆拟合得到初始圆6，初始圆6的圆心坐标为（X ₁ ，Y ₁ ）。

步骤S3：精确计算孔边缘1.1所在的像素点集

S301、简化多方向边缘

如图7所示，以初始圆6圆周上的任意点作为中点，沿初始圆6径向的两端分别延伸N个像素点，得到一条包含2N个像素点的取样线段7。取样线段7的第一端头7.1位于灰度照片1的孔内区域1.2，第二端头7.2位于灰度照片1的蒙皮区域1.3。

将灰度照片1里面那些和取样线段7位置相同的像素点提取出来，并将这些像素点的灰度值依次排列得到一个列向量G ₁ ：

其中：m=2N，g ₁₁ 表示灰度照片1位于第一端头7.1的像素灰度值，g _m1 表示灰度照片1位于第二端头7.2的像素灰度值。

按照以上相同方式，在初始圆6的圆周上每隔delta角度进行一次线段采样，一共截取

条线段，并且提取灰度照片1中对应位置的像素灰度值，最终构成一个

阶灰度矩阵grayA：

其中：m=2N，

，

如图8所示，在灰度矩阵grayA的图像中，某一列像素9灰度值对应灰度照片1里面位于取样线段7位置的像素灰度值，且第三端头9.1对应第一端头7.1，第四端头9.2对应第二端头7.2。灰度矩阵grayA的图像记作简化边缘图像8，其中水平边缘10是孔边缘1.1的另一种显示方式。

S302、精确提取连接孔边缘

计算灰度矩阵grayA在竖直方向上的梯度矩阵gradA，梯度矩阵gradA在任意（i,j）处的元素值gradA（i,j）为：

水平边缘10的所有像素点的最小梯度值记作threshold_2。

定义如下的边缘像素矩阵edgeA：（1）矩阵维度

；（2）所有元素值等于零。亦即：

然后按照如下方法对梯度矩阵edgeA每一列中的某个元素重新赋值为1：

1）gradA第1列首次出现≥threshold_2的元素值，其行号为r ₁ ，令

；

2）gradA第2列首次出现≥threshold_2的元素值，其行号为r ₂ ，令

；

重复直到第

）gradA第

列首次出现≥threshold_2的元素值，其行号为rn，令

。

经过上述处理，梯度矩阵edgeA的每一列中都有一个元素的值为1：

如图9所示，在边缘像素矩阵edgeA的图像中，白色点集11是edgeA中值为1的元素集合，亦即水平边缘10的提取结果。

S303、边缘像素点坐标转换

如图10所示，通过坐标变换将白色点集11转换至灰度照片1的对应位置，得到孔边缘1.1的精确边缘像素点集12。

步骤S4：第二次拟合圆

如图11所示，使用最小二乘法对精确边缘像素点集12进行圆拟合，得到圆心坐标为（X _c ，Y _c ）的精确圆13。精确圆13的圆心坐标（X _c ，Y _c ）即是蒙皮连接孔的孔位坐标。

实施例5：

一种基于图像处理的蒙皮连接孔孔位检测方法，如图12所示，包括以下步骤：

步骤S1：粗略计算孔边缘1.1所在的像素点集

S101、拍摄照片

如图1所示，拍摄一张包含孔且分辨率为2000×2000的灰度照片1，灰度照片1被孔边缘1.1划分为两个区域，其一是被孔边缘1.1包围起来的孔内区域1.2，其二是孔边缘1.1外侧的蒙皮区域1.3。蒙皮区域1.3表现为明显的编织结构，孔内区域1.2则表现为无规律的模糊影像。

在灰度照片1上按如下规则建立坐标系1.4：坐标原点位于图像的左上角，X轴正方向沿水平向右，Y轴正方向沿竖直向下。

S102、提取边缘

如图2所示，使用Canny边缘检测算法提取灰度照片1的所有边缘特征，组成边缘图像2。这些边缘按照所属区域可分为三类：其一是在蒙皮区域1.3的大量编织状的边缘，其二是在孔内区域1.2的随机性边缘，其三为孔边缘1.1本身。

S103、图像卷积运算

定义矩阵A。使用矩阵A作为卷积核并与边缘图像2进行卷积运算，得到卷积图像3，如图3所示。卷积图像3的中间区域拥有较小的灰度值，因而呈现出灰暗图像，记为孔内暗域3.1，所述孔内暗域3.1大致包含了灰度照片1的孔内区域1.2；卷积图像3的外围区域拥有较大的灰度值，因而呈现出灰白图像，记为蒙皮明域3.2，所述蒙皮明域3.2大致包含了灰度照片1的蒙皮区域1.3。

S104、灰度阈值分割

由于孔内暗域3.1的灰度和蒙皮明域3.2的灰度之间存在一定的差值，因此可以进行灰度阈值分割。使用灰度值threshold_1=50对卷积图像3进行阈值分割，获得图4所示的二值图像4。二值图像4的中间黑色区域记为孔内黑域4.1，二值图像4的外围白色区域记为蒙皮白域4.2。

灰度照片1、卷积图像3、二值图像4存在以下对应关系：（1）孔内区域1.2、孔内暗域3.1、孔内黑域4.1以不同形式展示了蒙皮连接孔的内部区域；（2）蒙皮区域1.3、蒙皮明域3.2、蒙皮白域4.2以不同形式展示了蒙皮表面区域。

S105、提取孔内黑域4.1的外轮廓

如图4所示，孔内黑域4.1具有封闭的外部轮廓，将此外部轮廓单独提取出来，得到图5所示轮廓点集5。轮廓点集5初略地描述了蒙皮连接孔涵盖的区域。

步骤S2：第一次拟合圆

如图6所示，使用最小二乘法对对轮廓点集5进行圆拟合得到初始圆6，将初始圆6绘制在灰度照片1上方，初始圆6的圆心坐标为（X ₁ ，Y ₁ ）。观察图6可知，初始圆6已比较接近孔边缘1.1。

步骤S3：精确计算孔边缘1.1所在的像素点集

S301、简化多方向边缘

如图7所示，以初始圆6圆周上的任意点作为中点，沿初始圆6径向的两端分别延伸N=50个像素点，得到一条包含2N=100个像素点的取样线段7。取样线段7的第一端头7.1位于灰度照片1的孔内区域1.2，第二端头7.2位于灰度照片1的蒙皮区域1.3，因此取样线段7一定包含了孔边缘1.1的像素点。

将灰度照片1里面那些和取样线段7位置相同的像素点提取出来，并将这些像素点的灰度值依次排列得到一个列向量G ₁ ：

其中：m=100，g ₁₁ 表示灰度照片1位于第一端头7.1的像素灰度值，g _m1 表示灰度照片1位于第二端头7.2的像素灰度值。

按照以上相同方式，在初始圆6的圆周上每隔delta=0.1°进行一次线段采样，一共截取3600条线段，并且提取灰度照片1中对应位置的像素灰度值，最终构成一个100×3600阶灰度矩阵grayA：

其中：m=100，n=3600，

灰度矩阵grayA的图像见图8，图8中某一列像素9对应灰度照片1里面位于取样线段7位置的像素，且第三端头9.1对应第一端头7.1，第四端头9.2对应第二端头7.2。水平边缘10是孔边缘1.1的另一种显示方式。实际上，图8将包含了360°范围的孔边缘1.1转换为简单的水平边缘10，因此将灰度矩阵grayA的图像记作简化边缘图像8。简化边缘图像8的水平边缘10是容易检测的。

S302、精确提取连接孔边缘

计算灰度矩阵grayA在竖直方向上的梯度矩阵gradA，梯度矩阵gradA在任意（i,j）处的元素值gradA（i,j）为：

亦即：

本实施例中，水平边缘10的所有像素点的最小梯度值threshold_2=8。

定义如下的边缘像素矩阵edgeA：（1）矩阵维度100×3600；（2）所有元素值等于零。亦即：

然后按照如下方法对梯度矩阵edgeA每一列中的某个元素重新赋值为1：

1）gradA第1列中首次出现≥8的元素值，其行号为58，令

；

2）gradA第2列中首次出现≥8的元素值，其行号为55，令

；

…

3600）gradA第3600列中首次出现≥8的元素值，其行号为56，令

。

经过上述处理，梯度矩阵edgeA的每一列中都有一个元素的值为1：

此时，边缘像素矩阵edgeA中值为1的元素下标也就是水平边缘10在灰度矩阵grayA的下标。边缘像素矩阵edgeA的图像为见图9，它是一幅二值图，其中的白色点集11是水平边缘10的提取结果。

S303、边缘像素点坐标转换

如图10所示，通过坐标变换将图9中的白色点集11转换至灰度照片1的对应位置，得到孔边缘1.1的精确边缘像素点集12。

步骤S4：第二次拟合圆

如图11所示，使用最小二乘法对精确边缘像素点集12进行圆拟合，得到圆心坐标为（X _c ，Y _c ）的精确圆13。精确圆13与孔边缘1.1紧密贴合，精确描述了蒙皮连接孔的位置，（X _c ，Y _c ）即是蒙皮连接孔的孔位坐标。

本发明实现了精确检测连接孔的孔位，本发明通过图像处理方法能够精确计算蒙皮连接孔，可以帮助技术人员快速建立用于检测蒙皮连接孔的机器视觉检测系统，对于促进机器视觉技术应用、提高飞机制造效率具有重要意义。

以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (8)

1.一种基于图像处理的蒙皮连接孔孔位检测方法，其特征在于，包括以下步骤：

步骤S100：拍摄包含连接孔的灰度照片（1），并提取孔边缘（1.1）所在的轮廓点集（5）；灰度照片（1）被孔边缘（1.1）划分为孔内区域（1.2）、蒙皮区域（1.3）；

步骤S200：第一次拟合圆：使用最小二乘法对轮廓点集（5）进行圆拟合得到初始圆（6），其中初始圆（6）的圆心坐标为（X ₁ ，Y ₁ ）；

步骤S300：根据初始圆（6）计算孔边缘（1.1）所在的精确边缘像素点集（12）：

步骤S301：简化多方向边缘：根据初始圆（6）的位置提取孔边缘（1.1）区域所在的像素点集，并将像素点的灰度值组成灰度矩阵grayA；

步骤S302：精确提取连接孔边缘：计算灰度矩阵grayA在竖直方向上的梯度矩阵gradA，同时定义所有元素均为零的边缘像素矩阵edgeA，根据梯度矩阵gradA的值为边缘像素矩阵edgeA对应位置的元素赋值；

步骤S303：边缘像素点坐标转换：通过坐标变换将边缘像素矩阵edgeA图像中的白色点集（11）转换至灰度照片（1）的对应位置，得到孔边缘（1.1）的精确边缘像素点集（12）；

步骤S400：第二次拟合圆：使用最小二乘法对精确边缘像素点集（12）进行圆拟合得到精确圆（13），其中精确圆（13）的圆心坐标为（X _c ，Y _c ），即为蒙皮连接孔的孔位坐标。

2.根据权利要求1所述的一种基于图像处理的蒙皮连接孔孔位检测方法，其特征在于，所述步骤S301的实现方法如下：

以初始圆（6）圆周上的任意点作为中点，沿初始圆（6）径向的两端分别延伸N个像素点，得到一条包含2N个像素点的取样线段（7）；

将灰度照片（1）里和取样线段（7）位置相同的像素点提取出来，并将这些像素点的灰度值依次排列得到一个列向量G ₁ ：

；

其中：m=2N，

g ₁₁ 表示灰度照片（1）位于取样线段（7）第一端头（7.1）的像素灰度值，

g _m1 表示灰度照片（1）位于取样线段（7）第二端头（7.2）的像素灰度值，

同理，在初始圆（6）的圆周上每隔delta角度进行一次线段采样，一共截取

条线段，并且提取灰度照片（1）中对应位置的像素灰度值，最终构成一个

阶灰度矩阵grayA：

其中：m=2N，n=

，灰度矩阵grayA的图像记作简化边缘图像（8）。

3.根据权利要求2所述的一种基于图像处理的蒙皮连接孔孔位检测方法，其特征在于，取样线段（7）的第一端头（7.1）位于灰度照片（1）的孔内区域（1.2），且第二端头（7.2）位于灰度照片（1）的蒙皮区域（1.3）；简化边缘图像（8）的某一列像素（9）灰度值对应灰度照片（1）里面位于取样线段（7）位置的像素灰度值。

4.根据权利要求2所述的一种基于图像处理的蒙皮连接孔孔位检测方法，其特征在于，所述步骤S302的实现方法如下：

梯度矩阵gradA在任意（i,j）处的元素值gradA（i,j）为：

水平边缘（10）的所有像素点的最小梯度值记作threshold_2；

边缘像素矩阵edgeA的定义如下：

（1）矩阵维度为

，

（2）所有元素值等于零：

对梯度矩阵edgeA每一列中的某个元素重新赋值为1：

1）gradA第1列首次出现≥threshold_2的元素值，其行号为r ₁ ，令

；

2）gradA第2列首次出现≥threshold_2的元素值，其行号为r ₂ ，令

；

重复直到gradA第

列首次出现≥threshold_2的元素值，其行号为rn，令

；

在边缘像素矩阵edgeA的图像中，白色点集（11）是边缘像素矩阵edgeA中值为1的元素集合，即水平边缘（10）的提取结果。

5.根据权利要求1-4任一项所述的一种基于图像处理的蒙皮连接孔孔位检测方法，其特征在于，所述步骤S100包括以下步骤：

步骤S101：拍摄照片：拍摄包含连接孔的灰度照片（1），在灰度照片（1）上建立坐标系（1.4），其中坐标原点位于灰度照片（1）的左上角，且X轴正方向沿水平向右，Y轴正方向沿竖直向下；

步骤S102：提取灰度照片（1）的边缘：使用Canny边缘检测算法提取灰度照片（1）的所有边缘特征，形成边缘图像（2）；

步骤S103：图像卷积运算：

定义矩阵A：

使用矩阵A作为卷积核并与边缘图像（2）进行卷积运算，得到卷积图像（3）；

步骤S104：灰度阈值分割：使用灰度值threshold_1对卷积图像（3）进行阈值分割，获得二值图像（4）；

步骤S105：提取孔内黑域（4.1）的外轮廓：提取二值图像（4）的孔内黑域（4.1）的外轮廓，得到轮廓点集（5）。

6.根据权利要求5所述的一种基于图像处理的蒙皮连接孔孔位检测方法，其特征在于，所述步骤S102中，边缘图像（2）里面的边缘按照所属区域可分为三类：在蒙皮区域（1.3）的大量编织状的边缘，在孔内区域（1.2）的随机性边缘，孔边缘（1.1）本身。

7.根据权利要求5所述的一种基于图像处理的蒙皮连接孔孔位检测方法，其特征在于，所述步骤S103中，卷积图像（3）包括较暗的位于中间的孔内暗域（3.1）以及较亮的位于外围的蒙皮明域（3.2）。

8.根据权利要求7所述的一种基于图像处理的蒙皮连接孔孔位检测方法，其特征在于，所述步骤S104中，二值图像（4）包括黑色的位于中间的孔内黑域（4.1）以及白色的位于外围的蒙皮白域（4.2）。

Images