CN114648518A - 一种基于内窥图像的孔内表面缺陷检测及测量方法 - Google Patents
一种基于内窥图像的孔内表面缺陷检测及测量方法 Download PDFInfo
- Publication number
- CN114648518A CN114648518A CN202210339036.7A CN202210339036A CN114648518A CN 114648518 A CN114648518 A CN 114648518A CN 202210339036 A CN202210339036 A CN 202210339036A CN 114648518 A CN114648518 A CN 114648518A
- Authority
- CN
- China
- Prior art keywords
- image
- hole
- endoscopic image
- defect
- pixel
- 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.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 230000002950 deficient Effects 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 28
- 238000003708 edge detection Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 12
- 239000000523 sample Substances 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000003702 image correction Methods 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 abstract description 3
- 238000000691 measurement method Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 6
- 239000011148 porous material Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 244000144985 peep Species 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10068—Endoscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
一种基于内窥图像的孔内表面缺陷检测及测量方法,基于图像处理方法将孔内表面的缺陷内窥图像还原为符合人类视觉习惯的正投影图像,通过像素数及像素间距离实现缺陷轮廓测量;具体测量方案包括:孔内表面的缺陷内窥图像获取及预处理;孔内表面的缺陷内窥图像中心检测;孔内表面的缺陷内窥图像圆环截取及差值展开;基于缺陷背景纹理的非线性拟合;校正后图像的横纵比调整及缺陷边缘像素读取及尺寸测量;本发明通过增加背景纹理,能够准确判断图像中心,测量效率高,通用性强,可满足工业现场的大规模检测需求,提出的孔内表面缺陷测量方法效率高、通用性强。
Description
技术领域
本发明涉及缺陷检测技术领域,尤其涉及一种基于内窥图像的孔内表面缺陷检测及测量方法。
背景技术
孔类零件是机械加工及生产制造中最为常见的零件形式,长期以来,针对孔类零件的质量尤其是孔内表面缺陷的检测一直是困扰企业的难题。孔内表面缺陷如裂纹、划痕、锈蚀等具有较好的隐蔽性,如不及时发现容易引发严重后果。对于孔内表面缺陷检测的方法按照原理可分为:基于接触的检测、基于声光电热磁的检测和基于视觉图像的检测三类,从检测效率和成本角度分析,基于视觉图像的内表面缺陷检测将是未来发展的主要方向。
随着成像元件小型化技术的发展,基于内窥图像的内表面缺陷检测开始逐渐运用于医疗卫生、航天航空和石油化工等行业,但内窥镜镜头是典型的大场景短焦距镜头,最大景深一般小于80mm,最小景深受拍摄广角及孔径影响,一般在5-15mm之间,景深范围内的物体都能够在相平面上清晰成像。采用内窥镜检测孔内表面缺陷时,真实的孔内表面与镜头主光轴平行,在成像平面上呈圆环状散射分布,存在较为严重的畸变,需要借助工程技术人员经验对缺陷轮廓进行估计,难以定量分析和识别缺陷的轮廓及大小。专利申请CN201911083505.8将光纤内窥镜与反射镜面进行结合,实现小孔径内壁表面进行的图像信息采集;虽然实现了孔内表面图像的采集,但未涉及图像处理步骤及方法、检测目标及标准等内容。专利申请CN201811384999.9公开了一种基于内窥镜成像的铸件内表面气孔缺陷检测方法,重点介绍了内窥图像处理的步骤和方法,专利申请CN202110690265.9公开了一种基于图像处理的焊缝气孔缺陷检测方法,介绍了图像处理的流程和步骤,但上述专利申请仅实现了孔内表面有、无缺陷的检测,无法实现孔内表面缺陷的定量分析与测量,对于缺陷的轮廓、大小、位置等关键指标仍需要技术人员进行主观判断。
发明内容
为了克服上述现有技术的缺陷,本发明的目的在于提出一种基于内窥图像的孔内表面缺陷检测及测量方法,能够将内窥图像还原为符合人类视觉习惯的正投影图像,通过像素数及像素间距离,实现缺陷轮廓及尺寸的测量;具有孔内表面缺陷测量效率高、通用性强,检测测量准确性高的优点。
为了实现上述目的,本发明采用的技术方案是:
一种基于内窥图像的孔内表面缺陷检测及测量方法,具体包括以下步骤:
步骤一、孔内表面缺陷的内窥图像获取及预处理;
步骤二、孔内表面缺陷的内窥图像中心检测;
步骤三、孔内表面缺陷的内窥图像圆环截取及差值展开;
步骤四、基于缺陷背景纹理的非线性拟合;
步骤五、校正后图像的横纵比调整;
步骤六、缺陷边缘像素读取及尺寸转换。
所述步骤一的具体方法为:
1)获取孔内表面缺陷的内窥图像:首先根据孔零件8的孔内表面缺陷1轮廓在标准网格纸2上裁剪镂空区域3,并按孔零件8的孔内径大小,将标准网格纸2卷曲放于孔内表面紧贴孔壁,移动镂空区域3使其与孔内表面缺陷1重合,将孔零件8垂直放于光学工作台5顶部的可移动升降平台4上,通过固定装置11固定孔零件8位置,内窥镜探头6向下垂直穿过工作台悬臂7前端的固定调节装置12并深入孔零件8,通过内窥镜显示器9观察内窥图像10,旋转内窥镜探头6,当标准网格纸2中的垂直方向的纹理呈均匀散射状时,用固定调节装置12固定内窥镜探头6,然后通过可移动升降平台4调整孔零件8高度,当孔内表面缺陷1位于内窥图像10上半部分时,对孔内表面进行拍摄;
2)对拍摄的内窥图像10预处理:拍摄获取内窥图像10后,对其依次进行灰度转换、中值滤波和锐化处理。
所述步骤二的具体方法为:
1)采用边缘检测算法提取步骤一第2)步处理的内窥图像10的边缘信息:根据图像灰度值的不连续性检测图像边缘,获得并提取边界点;
2)采用Hough变换的方法并基于matlab编写代码确定内窥图像中心:
a)将圆的一般性方程(a-x)2+(b-y)2=R2由x-y坐标系转换到参数空间a-b坐标系,则x-y坐标系中圆弧上的一点对应参数空间中的一个圆;
b)x-y坐标系中一个圆弧上有若干个点,对应到a-b坐标系中形成若干个圆,由于x-y坐标系中同一圆弧上的点具有相同圆心,则这些点在参数空间中对应的圆都相交于一个点,该点即对应x-y坐标系中的圆心;
c)统计参数空间中所有点被圆弧相交的次数,其中相交次数最多的点对应的x-y坐标系中的坐标即为原图像的中心,即内窥图像中心13。
所述步骤三的具体方法为:
内窥镜成像时孔内表面三维坐标X-Y-Z被转换为相平面14的二维坐标U-V,再通过坐标映射转化到M-N坐标系,以内窥图像中心13为圆心截取宽度为h像素的圆环图像15,通过坐标映射转化得到的展开图像16,展开时出现的空余像素点采用双线性差值进行填充,得到水平方向校正结果17,坐标映射关系如公式(1);
所述步骤四的具体方法为:
根据内窥镜成像原理,孔内表面的三维空间坐标系X-Y-Z与相平面14的二维坐标U-V间的映射关系可表达为公式(2),
其中,δ=H/h为每个像素在孔内表面代表的轴向距离,由于孔内表面等距离的圆环在内窥图像中呈现不等距的扩散圆环,因此可将δ理解为是由该点到内窥图像中心13的距离r决定的非线性增长函数,通过对内窥图像中标准网格纸2上的纹理进行标定得到;
根据拟合结果得到内窥图像中不同位置像素代表的孔内表面真实高度,基于拟合结果采用matlab编写代码在垂直方向对水平方向校正结果17进行非线性拉伸,使得图像最顶端的拉伸程度最小,随着图像坐标行数的增加,图像拉伸程度越来越大,到图像最底端时拉伸比例达到最大;将拉伸后图像等比例调整为校正前尺寸,得到垂直方向校正结果20,以便于观察校正效果。
所述步骤五的具体方法为:
根据步骤三水平方向校正结果17计算水平方向每像素代表的孔内表面径向距离a=2πR/M,mm/像素,其中,R为孔径,M为校正后图像水平像素数;
根据步骤四垂直方向校正结果20计算垂直方向每像素代表的孔内表面轴向距离b=1/N,mm/像素,其中N为校正后图像中标准网格纸2相邻交点在垂直方向的像素数均值;
以水平方向每像素的真实距离为标准,对垂直方向校正结果20在垂直方向进行等比例拉伸,拉伸比例为b/a,等比例扩大后得到孔内表面内窥图像校正结果21,此时图像中相邻两个像素之间的距离为a mm,每像素代表a*a mm2的孔内表面缺陷。
所述步骤六的具体方法为:
针对步骤五得到的内窥图像校正结果21,再次进行边缘检测,得到校正图像边缘检测结果22,读取图像边缘的像素坐标,根据像素间距离L可求出缺陷长度aL,单位mm,根据缺陷区域像素数S,可求出缺陷面积a2S,单位mm2。
所述步骤一第2)中的锐化处理采用拉普拉斯锐化处理。
所述步骤二第1)步中可采用的算子包括Canny算子、Sobel算子、Prewitt算子。
所述步骤四中,对内窥图像中标准网格纸2上的纹理进行标定以最大景深处的孔底最小圆18的真实距离作为基准,或以最小景深处的内窥图像最大圆19的真实距离作为基准。
本发明的有益效果:
1、本发明提出的基于内窥图像的孔内表面缺陷的测量方法,通过增加背景纹理,能够准确判断图像中心,测量效率高,通用性强,可满足工业现场的大规模检测及测量需求。
2、本发明方法中涉及到的图像预处理、边缘检测、Hough变换、差值展开等图像处理方法均是非常成熟的图像处理方法,稳定性好,简便易行且可行性高。
3、本发明对孔径不敏感,检测结果的准确度高,且检测精度不受检测对象影响,具有较好的适用性。
附图说明
图1为本发明孔内表面缺陷的检测测量流程图。
图2为本发明的拍摄装置结构示意图。
图3为本发明的内窥图像预处理结果。
图4为本发明的内窥图像中心检测结果。
图5为本发明的内窥图像校正原理示意图。
图6为本发明的内窥图像水平校正结果。
图7为本发明的像素到图像中心距离的非线性增长函数图。
图8为本发明的内窥图像垂直校正结果。
图9为本发明的内窥图像校正结果。
图10为本发明的校正图像边缘检测结果。
图中:1、孔内表面缺陷;2、标准网格纸;3、标准网格纸上的镂空区域;4、可移动升降平台;5、光学工作台;6、内窥镜探头;7、工作台悬臂;8、孔零件;9、内窥镜显示器;10、内窥图像;11、固定装置;12、固定调节装置;13、内窥图像中心;14、相平面;15、圆环图像;16、展开图像;17、水平方向校正结果;18、孔底最小圆;19、内窥图像最大圆;20、垂直方向校正结果;21、内窥图像校正结果;22、校正图像边缘检测结果。
具体实施方式
下面结合附图对本发明的结构原理及工作原理作进一步详细说明。
一种基于内窥图像的孔内表面缺陷检测及测量方法,具体包括以下步骤
1.孔内表面缺陷的内窥图像获取及预处理
1)获取孔内表面缺陷的内窥图像:首先根据孔零件8的孔内表面缺陷1轮廓在标准网格纸2上裁剪镂空区域3,并按孔零件8的孔内径大小,将标准网格纸2卷曲放于孔内表面紧贴孔壁,移动镂空区域3使其与孔内表面缺陷1重合,将孔零件8垂直放于光学工作台5顶部的可移动升降平台4上,通过固定装置11固定孔零件8位置,内窥镜探头6向下垂直穿过工作台悬臂7前端的固定调节装置12并深入孔零件8,通过内窥镜显示器9观察内窥图像10,旋转内窥镜探头6,当标准网格纸2中的垂直方向的纹理呈均匀散射状时,用固定调节装置12固定内窥镜探头6,然后通过可移动升降平台4调整孔零件8高度,当孔内表面缺陷1位于内窥图像10上半部分时,对孔内表面进行拍摄;具体拍摄方案如图2所示;
2)对拍摄的内窥图像10预处理:拍摄获取内窥图像10后,对其依次进行灰度转换、中值滤波和拉普拉斯锐化处理;内窥图像10预处理结果如图3所示;
2.孔内表面缺陷的内窥图像中心检测
首先,采用边缘检测算法提取步骤一第2)步处理的内窥图像10的边缘信息:根据图像灰度值的不连续性检测图像边缘,获得并提取边界点;边缘检测的本质是检测图像灰度值的不连续性,遵循灰度值的一阶导大于特定阈值的原则,常用算子包括Canny算子、Sobel算子、Prewitt算子等;
其次,采用Hough变换的方法并基于matlab编写代码确定内窥图像中心,Hough变换通过求和算法检测具有特定形状的物体,该过程是在参数空间中通过计算求和结果的最大值得到符合特定形状要求的结果;具体的检测步骤如下:
a)将圆的一般性方程(a-x)2+(b-y)2=R2由x-y坐标系转换到参数空间a-b坐标系,则x-y坐标系中圆弧上的一点对应参数空间中的一个圆;
b)x-y坐标系中一个圆弧上有很多个点,对应到a-b坐标系中就会有很多个圆;由于x-y坐标系中同一圆弧上的点具有相同圆心,则这些点在参数空间中对应的圆都相交于一个点,该点即为相应圆弧的圆心;
c)统计参数空间中所有点被圆弧相交的次数,其中相交次数最多的点对应的x-y坐标系中的坐标即为原图像的中心,即内窥图像中心13。内窥图像中心13检测结果如图4所示。
3.孔内表面缺陷的内窥图像圆环截取及差值展开
内窥镜成像时孔内表面三维坐标X-Y-Z被转换为相平面14的二维坐标U-V,在通过坐标映射转化到M-N坐标系,其原理如图5所示。以内窥图像中心13为圆心截取宽度为h像素的圆环图像15,通过坐标映射转化得到的展开图像16,展开时出现的空余像素点采用双线性差值进行填充,得到水平方向校正结果17,如图6所示,坐标映射关系如公式(1)所示
4、基于缺陷背景纹理的非线性拟合
根据内窥镜成像原理,孔内表面的三维空间坐标系X-Y-Z与相平面14的二维坐标U-V间的映射关系可表达为公式(2):
其中,δ=H/h为每个像素在孔内表面代表的轴向距离,由于孔内表面等距离的圆环在内窥图像中呈现不等距的扩散圆环,因此可将δ理解为是由该点到内窥图像中心13的距离r决定的非线性增长函数,可通过对内窥图像中标准网格纸2上的纹理进行标定得到。
标定时可以最大景深处的孔底最小圆18作为基准,也可以最小景深处的内窥图像最大圆19作为基准。以内窥图像最大圆19作为基准,需利用镜头广角α和孔径R确定最大半径圆上各点所对应的孔内表面到镜头的垂直距离;以孔底最小圆18为基准时,需要已知孔零件底端相对镜头的距离;以孔底最小圆18为例进行标定,结果如图7所示;图中X轴为像素到图像中心13的距离r,单位像素,Y轴为标定纸交点位置每像素代表的孔内表面真实高度,单位毫米;
根据拟合结果得到内窥图像中不同位置像素代表的孔内表面真实高度,基于拟合结果,采用matlab编写代码,在垂直方向对水平方向校正结果17进行非线性拉伸,使得图像最顶端的拉伸程度最小,随着图像坐标行数的增加,图像拉伸程度越来越大,到图像最底端时拉伸比例达到最大;将拉伸后图像等比例调整为校正前尺寸,得到垂直方向校正结果20,以便于观察校正效果,如图8所示;
5、校正后图像的横纵比调整
根据第3步水平方向校正结果17计算水平方向每像素代表的孔内表面径向距离a=2πR/M(mm/像素),其中,R为孔径,M为校正后图像水平像素数;根据第4步垂直方向校正结果20计算垂直方向每像素代表的孔内表面轴向距离b=1/N(mm/像素),其中N为校正后图像中标准网格纸2相邻交点在垂直方向的像素数均值。
以水平方向每像素的真实距离为标准,对垂直方向校正结果20在垂直方向进行等比例拉伸,拉伸比例为b/a,等比例扩大后得到孔内表面内窥图像校正结果21,如图9所示。此时图像中相邻两个像素之间的距离为a mm,每像素代表a*a mm2的孔内表面缺陷。
6、缺陷边缘像素读取及尺寸转换
针对内窥图像校正结果21,再次进行边缘检测,得到校正图像边缘检测结果22,如图10所示。读取图像边缘的像素坐标,根据像素间距离L可求出缺陷长度aL,单位mm,根据缺陷区域像素数S,可求出缺陷面积a2S,单位mm2。
所述步骤一第2)步中灰度转换、中值滤波和锐化处理及步骤二中的边缘检测均为图像处理领域常规的基础操作,不做赘述。
所述Hough变换的方法及matlab编写代码确定图像中心为常规操作,不做赘述。
以上具体实施方式仅用以说明本发明的技术方案,而非对其穷举或限制,本领域的普通技术人员也应当理解,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求的范围。
Claims (9)
1.一种基于内窥图像的孔内表面缺陷检测及测量方法,其特征在于:具体包括以下步骤:
步骤一、孔内表面缺陷的内窥图像获取及预处理;
步骤二、孔内表面缺陷的内窥图像中心检测;
步骤三、孔内表面缺陷的内窥图像圆环截取及差值展开;
步骤四、基于缺陷背景纹理的非线性拟合;
步骤五、校正后图像的横纵比调整;
步骤六、缺陷边缘像素读取及尺寸转换。
2.根据权利要求1所述的一种基于内窥图像的孔内表面缺陷检测及测量方法,其特征在于:所述步骤一的具体方法为:
1)获取孔内表面缺陷的内窥图像:首先根据孔零件(8)的孔内表面缺陷1轮廓,在标准网格纸(2)上裁剪镂空区域(3),并按孔零件(8)的孔内径的大小,将标准网格纸(2)卷曲放于孔内表面紧贴孔壁,移动镂空区域(3),使其与孔内表面缺陷(1)重合,将孔零件(8)垂直放于光学工作台(5)顶部的可移动升降平台(4)上,通过固定装置(11)固定孔零件(8)位置,内窥镜探头(6)向下垂直穿过工作台悬臂(7)前端的固定装置(12)并深入孔零件(8),通过内窥镜显示器(9)观察内窥图像(10),旋转内窥镜探头(6),当标准网格纸(2)中的垂直方向的纹理呈均匀散射状时,用固定调节装置(12)固定内窥镜探头(6),然后通过可移动升降平台(4)调整孔零件(8)高度,当孔内表面缺陷(1)位于内窥图像(10)上半部分时,对孔内表面进行拍摄。
2)对拍摄的内窥图像(10)预处理:拍摄获取内窥图像(10)后对其依次进行灰度转换、中值滤波和锐化处理。
3.根据权利要求1所述的一种基于内窥图像的孔内表面缺陷检测及测量方法,其特征在于:所述步骤二的具体方法为:
1)采用边缘检测算法提取步骤一第2)步处理的内窥图像(10)的边缘信息:根据图像灰度值的不连续性检测图像边缘,获得并提取边界点;
2)采用Hough变换的方法并基于matlab编写代码确定内窥图像中心:
a)将圆的一般性方程(a-x)2+(b-y)2=R2由x-y坐标系转换到参数空间a-b坐标系,则x-y坐标系中圆弧上的一点对应参数空间中的一个圆;
b)x-y坐标系中一个圆弧上有若干个点,对应到a-b坐标系中形成若干个圆,由于x-y坐标系中同一圆弧上的点具有相同圆心,则这些点在参数空间中对应的圆都相交于一个点,该点即对应x-y坐标系中的圆心;
c)统计参数空间中所有点被圆弧相交的次数,其中相交次数最多的点对应的x-y坐标系中的坐标即为原图像的中心,即内窥图像中心(13)。
4.根据权利要求1所述的一种基于内窥图像的孔内表面缺陷检测及测量方法,其特征在于:所述步骤三的具体方法为:
内窥镜成像时孔内表面三维坐标X-Y-Z被转换为相平面(14)的二维坐标U-V,再通过坐标映射转化到M-N坐标系,以内窥图像中心(13)为圆心截取宽度为h像素的圆环图像(15),通过坐标映射转化得到的展开图像(16),展开时出现的空余像素点采用双线性差值进行填充,得到水平方向校正结果(17),坐标映射关系如公式(1);
5.根据权利要求1所述的一种基于内窥图像的孔内表面缺陷检测及测量方法,其特征在于:所述步骤四的具体方法为:
根据内窥镜成像原理,孔内表面的三维空间坐标系X-Y-Z与相平面(14)的二维坐标U-V间的映射关系可表达为公式(2),
其中,δ=H/h为每个像素在孔内表面代表的轴向距离,由于孔内表面等距离的圆环在内窥图像中呈现不等距的扩散圆环,因此可将δ理解为是由该点到内窥图像中心(13)的距离r决定的非线性增长函数,通过对内窥图像中标准网格纸(2)上的纹理进行标定得到;
根据拟合结果得到内窥图像中不同位置像素代表的孔内表面真实高度,基于拟合结果采用matlab编写代码在垂直方向对水平方向校正结果(17)进行非线性拉伸,使得图像最顶端的拉伸程度最小,随着图像坐标行数的增加,图像拉伸程度越来越大,到图像最底端时拉伸比例达到最大;将拉伸后图像等比例调整为校正前尺寸,得到垂直方向校正结果(20),以便于观察校正效果。
6.根据权利要求1所述的一种基于内窥图像的孔内表面缺陷检测及测量方法,其特征在于:所述步骤五的具体方法为:根据步骤三水平方向校正结果(17)计算水平方向每像素代表的孔内表面径向距离a=2πR/M,mm/像素,其中R为孔径,M为校正后图像水平像素数;
根据步骤四垂直方向校正结果(20)计算垂直方向每像素代表的孔内表面轴向距离b=1/N,mm/像素,其中N为校正后图像中标准网格纸(2)相邻交点在垂直方向的像素数均值;
以水平方向每像素的真实距离为标准,对垂直方向校正结果(20)在垂直方向进行等比例拉伸,拉伸比例为b/a,等比例扩大后得到孔内表面内窥图像校正结果(21),此时图像中相邻两个像素之间的距离为a mm,每像素代表a*a mm2的孔内表面缺陷。
7.根据权利要求1所述的一种基于内窥图像的孔内表面缺陷检测及测量方法,其特征在于:所述步骤六的具体方法为:针对步骤五得到的内窥图像校正结果(21),再次进行边缘检测,得到校正图像边缘检测结果(22),读取图像边缘的像素坐标,根据像素间距离L可求出缺陷长度aL,单位mm,根据缺陷区域像素数S,可求出缺陷面积a2S,单位mm2。
8.根据权利要求3所述的一种基于内窥图像的孔内表面缺陷检测及测量方法,其特征在于:步骤一第2)中的锐化处理采用拉普拉斯锐化处理。
9.根据权利要求5所述的一种基于内窥图像的孔内表面缺陷检测及测量方法,其特征在于:所述步骤四中,对内窥图像中标准网格纸(2)上的纹理进行标定以最大景深处的孔底最小圆(18)作为基准,或以最小景深处的内窥图像最大圆(19)作为基准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210339036.7A CN114648518A (zh) | 2022-04-01 | 2022-04-01 | 一种基于内窥图像的孔内表面缺陷检测及测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210339036.7A CN114648518A (zh) | 2022-04-01 | 2022-04-01 | 一种基于内窥图像的孔内表面缺陷检测及测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114648518A true CN114648518A (zh) | 2022-06-21 |
Family
ID=81995025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210339036.7A Pending CN114648518A (zh) | 2022-04-01 | 2022-04-01 | 一种基于内窥图像的孔内表面缺陷检测及测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648518A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082552A (zh) * | 2022-07-25 | 2022-09-20 | 荣耀终端有限公司 | 标记孔的定位方法、装置、装配设备及存储介质 |
-
2022
- 2022-04-01 CN CN202210339036.7A patent/CN114648518A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082552A (zh) * | 2022-07-25 | 2022-09-20 | 荣耀终端有限公司 | 标记孔的定位方法、装置、装配设备及存储介质 |
CN115082552B (zh) * | 2022-07-25 | 2022-12-27 | 荣耀终端有限公司 | 标记孔的定位方法、装置、装配设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106814083B (zh) | 滤波片缺陷检测系统及其检测方法 | |
JP7373037B2 (ja) | 映像検査機器を使用して特徴の寸法を測定するためのグラフィックオーバーレイ | |
CN107358628B (zh) | 基于靶标的线阵图像处理方法 | |
Liu et al. | An improved online dimensional measurement method of large hot cylindrical forging | |
CN111598959A (zh) | 光学成像系统的标定靶标和标定方法 | |
CN107392849A (zh) | 基于图像细分的靶标识别与定位方法 | |
CN113689415A (zh) | 一种基于机器视觉的钢管壁厚在线检测方法 | |
CN108088381B (zh) | 一种基于图像处理的非接触式微小间隙宽度测量方法 | |
CN110987932A (zh) | 一种自动化装配位视觉测量方法 | |
CN114648518A (zh) | 一种基于内窥图像的孔内表面缺陷检测及测量方法 | |
CN110554054B (zh) | 一种机夹式可转位车刀的三维刃口崩缺检测系统 | |
US6295384B1 (en) | Removing noise caused by artifacts from a digital image signal | |
CN113008158A (zh) | 多线激光轮胎花纹深度测量方法 | |
CN110033491B (zh) | 一种相机标定方法 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN116880353A (zh) | 一种基于两点间隙的机床对刀方法 | |
CN109239901B (zh) | 一种显微成像系统对焦面快速标定、对焦定位方法及装置 | |
CN114963981B (zh) | 一种基于单目视觉的筒状零件对接非接触式测量方法 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
CN116468621A (zh) | 一种一键式数字化航空影像数据处理方法 | |
CN115829981A (zh) | 一种退役轴承端面损伤的视觉检测方法 | |
CN114061480B (zh) | 一种用于检测工件外形的方法 | |
JP5604967B2 (ja) | 欠陥検出方法および欠陥検出装置 | |
CN108844977B (zh) | 一种剔除角度倾斜影响的工业ct系统空间分辨率测试方法及评价方法 | |
CN109754365A (zh) | 一种图像处理方法及装置 |
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 |