CN1265322C - 喷射沉积坯动态尺寸的视觉检测方法 - Google Patents

Abstract

喷射沉积坯动态尺寸的视觉检测方法，它属于数字图像检测和处理领域。已有的边缘检测方法的检测精度难以满足要求，并且现有的利用CCD摄像头采集图像，存在由于金属液滴的飞溅及金属粉尘以致于影响图像质量的问题。本发明的视觉检测方法包括预处理方法、边缘检测方法和尺寸计算方法，其中的图像边缘检测方法提出了一种新的边缘检测算子——Sobel-Zernikemoments算子，该算子将像素级边缘检测算子和亚像素边缘检测算子结合起来，本发明的数据采集装置在摄像头与沉积坯之间装有铁筒和玻璃，避免了粉尘及金属液滴飞溅对图像质量的影响，同时视觉检测方法具有检测精度高、算法的运行速度快的优点。

Description

喷射沉积坯动态尺寸的视觉检测方法

技术领域：本发明属于数字图像检测及处理领域，具体内容涉及到一种数据采集装置及利用图像处理技术提取喷射沉积坯尺寸的方法。

背景技术：喷射成形工艺中，沉积坯尺寸精度是表征喷射成形宏观效果的重要指标，因此，检测沉积坯的动态尺寸成为喷射成形领域中一个重要的研究方向。为了掌握沉积坯尺寸的动态变化过程，要求在喷射过程中，应实时检测出沉积坯尺寸，由于这些工作将面向未来的沉积坯尺寸精度的自动控制，这就要求检测应同时满足精度和实时性要求。从检测精度分，已有的边缘检测方法可分成两类：像素级边缘检测算子和亚像素边缘检测算子，像素级边缘算子的优点是检测速度快，但检测精度往往难以满足要求；亚像素边缘检测算子的优点是检测精度高，但检测的时间长，实时性难以满足要求。在已有的文献资料中曾介绍过激光传感器检测出沉积坯尺寸，其缺点是价格昂贵，且激光传感器的安装位置要求十分严格，尽管如此，沉积坯尺寸的检测精度仍难以保证。喷射沉积坯动态特征视觉信息获取过程是以普通的CCD摄像头为传感器件，然后利用合适的处理算法，快速、精确地检测到沉积坯尺寸。为此，必须解决如下两个问题：1，视觉传感器必须能够“看见”沉积坯，这样才可以为后面的图像处理算法提取沉积坯做好前提准备；2，必须选择合适的图像处理算法，使检测精度和算法运行时间两个指标同时满足要求。而在实践中，直接利用CCD摄像头仍难以采集到高质量的图像，原因在于喷射过程中干扰的存在，使得采集的图像受噪声的严重影响，喷射过程中存在两类噪声影响采集图像质量：一是雾化室中弥散大量的金属粉尘，使得沉积坯图像模糊不清，难以分辨出沉积坯边缘；二是金属液滴的飞溅，导致镜头表面粘贴大量金属液滴，使得图像里产生难以消除的随机噪声，由此可知，消除这两类噪声的影响，是改善图像质量的关键。

发明内容：本发明将利用数据采集装置采集到的数字图像信息，再利用视觉检测方法完成沉积坯动态特征的检测，使沉积坯尺寸的检测同时满足精度、实时性要求。本发明喷射沉积坯动态尺寸的视觉检测方法包括第一步预处理方法1、第二步边缘检测方法2和第三步尺寸计算方法3，它的第二步边缘检测方法2为：首先是像素级Sobel边缘检测算子粗定位边缘，其过程为：先计算预处理图像每个像素点的x，y方向的方向导数S_x、S_y(2-1)；然后计算梯度g(x，y)(2-2)；再设定一个阈值t，t取值为60，(2-3)，然后判断是否满足g(x，y)＞t(2-4)，是，则可判断该点为可能边缘点，并将该点的信息记录在位置的结构型数组point[x]中(2-5)，否，则返回计算下一像素点梯度g(x，y)(2-2)步骤；最终将所有可能边缘点的信息记录在位置的结构型数组point[x][2-5]，将所有可能边缘点的个数存放于变量nNumber中(2-6)；然后是亚像素级Zernikemoments边缘检测算子重新定位边缘，其过程为：首先推导Zernike moments矩的模板，包括一个实数模板和一个复数模板(2-7)，再从结构型数组point[x]中取出下一个粗定位的可能边缘点(2-8)，然后利用推导的模板计算该可能边缘点的Zernike moments矩，得到矩A₂₀、A₁₁(2-9)；接着按如下公式计算边缘点信息Φ、k、l(2-10)：

$\mathrm{\φ}={\tan }^{-1}\left(\frac{\mathrm{Im}\left[A_{11}\right]}{\mathrm{Re}\left[A_{11}\right]}\right);A_{11}^{\′}=A_{11}{e}^{-\mathrm{j\φ}};l=A_{20}/A_{11}^{\′};k=\frac{3A_{11}^{\′}}{2{(1-l^2)}^{3/2}};$

然后用k、l判断边缘点，判断是否同时满足 $l>\sqrt{2}/12$ 和k＞30(2-11)，否，返到

从结构型数组point[x]中取出粗定位的可能边缘点(2-8)步骤，是，则确定为边缘点，并将该边缘点的像素坐标存于数组pixel_edgepoint[x]中(2-12)，然后按如下公式计算该边缘点的亚像素级坐标并同时存于数组subpixel_edgepoint[x]中(2-13)：subpoint1.x＝point1.x+3.5·l·cosΦ；subpoint1.y＝point1.y+3.5·l·sinΦ；所述point1.x和point1.y分别表示边缘点在图像坐标系中x方向和y方向的坐标，subpoint1.x和subpoint1.y分别表示边缘点所对应的x方向和y方向的亚像素级坐标；再判断边缘点的个数是否大于等于nNumber(2-14)？是，则二值化边缘图像，(2-15)，否，则返到从结构型数组point[x]中取出粗定位的可能边缘点(2-8)步骤，直到记录在数组point[x]中的所有可能边缘点都重新判断完毕；它的第三步计算沉积坯上任一位置的尺寸过程为：先确定沉积坯图像中心上的任一点为初始扫描点(3-1)，然后沿沉积坯的直径方向搜索，直至遇到上、下边缘点point1、point2(3-2)，则这两个点之间的线段代表沉积坯的直径，由离线标定得到的直径方向上每个像素点代表的实际距离为ySize(3-3)，然后在数组pixel_edgepoint[x]中分别确定point1、point2的位置(3-4)，接着在数组subpixel_edgepoin[x]中找到相应的边缘点的亚像素坐标subpoint1、subpoint2(3-5)，再计算这两个点亚像素坐标之间的像素点个数number(3-6)，number＝[(subpoint1.x-subpoint2.x)²+(subpoint1.y-subpoint2.y)²]^0.5则沉积坯的真实尺寸为subpoint1与subpoint2坐标之间象素点的个数number与ySize的乘积(3-7)：沉积坯的直径真实尺寸diameter的计算公式为：diameter＝number*ySize。喷射沉积坯动态尺寸的数据采集装置包括雾化室、CCD摄像头5，它还包括玻璃6和铁筒4，外层玻璃6-1镶嵌在雾化室门7上，外铁筒4-1设置在雾化室内且前端与雾化室门7固接，压盖8设置在雾化室的外部且与雾化室门7固接，所述CCD摄像头5的镜头2-1设置在压盖8中间的槽8-1内，内铁筒4-2的前端与外铁筒4-1的后端固接，在内铁筒4-2前端的筒壁上固接有内层玻璃6-2。本发明的重点在于新的边缘检测方法的应用，通过采用合适的边缘检测算子(像素级的sobel边缘算子和亚像素级的zernike矩相结合的边缘算子)，进而使整个沉积坯动态特征提取的时间缩短、精度提高，本发明的沉积坯动态尺寸的视觉检测方法具有检测精度高、算法的运行速度快，并具有同时满足精度、实时性要求的优点。本发明的数据采集装置中的CCD摄像头可以采集图象，完成光学信号到电子信号的转换；外层玻璃6-1镶嵌在雾化室门上并置于摄像头前端，用于保护摄像头玻璃片的清洁；外铁筒4-1置于摄像头前端，固定在雾化室门上，与外层玻璃6-1组合在一起构成一个封闭铁筒，用于消除雾化室内粉尘带来的干扰，改善图像质量，本发明采集装置在摄像头前增加一定长度、封闭的铁筒后，较改造前可使充满粉尘的光路缩短，因此能够使目标与背景边界清晰；内铁筒4-2可防金属液滴飞溅到内层玻璃6-2。上，消除金属飞溅对图象质量的影响。

附图说明：图1是本发明的流程示意图，图2是预处理方法1的流程示意图，图3是边缘检测方法2的流程示意图，图4是尺寸计算方法3的流程示意图，图5是平面亚像素边缘阶跃模型结构示意图，图6是数据采集装置结构示意图。

具体实施方式一：本实施方式依次为预处理方法1、边缘检测方法2和尺寸计算方法3。预处理方法1是采用平均平滑算法消除图像中局部存在的随机噪声，然后利用自适应平滑算法进一步改善图像质量，同时增强图像的边缘，整个预处理算法的过程为：准备采集的原始沉积坯图像，对原始图像每个像素点的灰度f(x，y)在3*3邻域内卷积(1-1)，然后求平均值(1-2)，得到新的灰度值f_a(x，y)(1-3)。此过程可改善随机噪声的影响，但同时模糊了边缘；然后是自适应平滑算法，自适应平滑算法应用的目的是进一步消除随机噪声并增强边缘附近的对比度，该算法的过程为：首先计算每个像素点的x、y方向的梯度G_x(x，y)、 $G_y(x,y)(1-4):G_x(x,y)=\frac{1}{2}[f(x+1,y)-f(x-1,y)];$ $G_y(x,y)=\frac{1}{2}[f(x,y+1)-f(x,y-1)];$ 然后利用橡素点的梯度计算每个像素点的加权系数W(x，y)(1-5)，为了节省W(x，y)的运算时间，加权系数由离线确定，考虑到整个图像的灰度级为256个，因此加权系数的个数也不应超过256，为此，离线确定的加权系数存于一个数组中，用时可直接从数组中提取。最后利用W(x，y)在3*3邻域重新计算每个像素点的灰度值，得到新的灰度值f_e(x，y)(1-6)，该算法可反复迭代，直到满足要求为止。

$f_e(x,y)=\frac{\underset{i=-1}{\overset{+1}{\mathrm{\Σ}}}\underset{j=-1}{\overset{+1}{\mathrm{\Σ}}}f(x+i,y+j)w(x+i,y+i)}{\underset{i=-1}{\overset{+1}{\mathrm{\Σ}}}\underset{j=-1}{\overset{+1}{\mathrm{\Σ}}}w(x+i,y+i)}$

边缘检测方法2是检测沉积坯尺寸的边缘，此过程是整个沉积坯特征提取的核心，算法运行时间和边缘定位精度影响整个算法，具体过程为：计算预处理的图像每个像素点的x，y方向的方向导数S_x、S_y(2-1)；然后计算梯度g(x，y)(2-2)；再设定一个阈值t，t取值为60(2-3)，然后判断g(x，y)＞t？(2-4)，如果g(x，y)＞t，则可判断该点为可能边缘点，并将该点的信息记录在位置的结构型数组point[x]中(2-5)；如果g(x，y)≤t，确定该点为非边缘点，则返回计算下一像素点梯度g(x，y)(2-2)过程，直到找到所有可能的边缘点，最终将所有可能边缘点的信息记录在位置的结构型数组point[x]中(2-5)，将所有可能边缘点的个数存放于变量nNumber中；然后是亚像素级Zernike moments边缘检测算子重新定位边缘，其过程为：首先推导Zernike moments矩的模板，包括一个实数模板和一个复数模板(2-7)，再从结构型数组point[x]中取出粗定位的可能边缘点(2-8)，然后利用推导的模板计算该可能边缘点的Zernikemoments矩，得到矩A₂₀、A₁₁(2-9)；接着按如下公式计算边缘点信息Φ、k、l(2-10)：

$\mathrm{\φ}={\tan }^{-1}\left(\frac{\mathrm{Im}\left[A_{11}\right]}{\mathrm{Re}\left[A_{11}\right]}\right);A_{11}^{\′}=A_{11}{e}^{-\mathrm{j\φ}};l=A_{20}/A_{11}^{\′};k=\frac{3A_{11}^{\′}}{2{(1-l^2)}^{3/2}};$

然后用k、l判断边缘点，判断是否同时满足 $l>\sqrt{2}/12$ 和k＞30？(2-11)，否，

返到从结构型数组point[x]中取出粗定位的可能边缘点(2-8)步骤，是，则确定为边缘点，并将该边缘点的像素坐标存于数组pixel_edgepoint[x]中(2-12)，然后按如下公式计算该边缘点的亚像素级坐标并同时存于数组subpixel_edgepoint[x]中(2-13)：subpoint1.x＝point1.x+3.5·l·cosΦ；subpoint1.y＝point1.y+3.5·l·sinΦ；再判断边缘点的个数是否大于等于nNumber(2-14)？是，则二值化边缘图像，(2-15)，否，则返到从结构型数组point[x]中取出粗定位的可能边缘点(2-8)步骤，直到记录在数组point[x]中的所有可能边缘点都重新判断完毕；尺寸计算方法3是在边缘图像获得后，利用离线的标定结果计算沉积坯的真实尺寸，计算沉积坯上任一位置的尺寸过程为：先确定沉积坯图像中心上的任一点为初始扫描点(3-1)，然后沿沉积坯的直径方向搜索，直至遇到上、下边缘点point1、point2(3-2)，则这两个点之间的线段代表沉积坯的直径，由离线标定得到的直径方向上每个像素点代表的实际距离为ySize(3-3)，然后在数组pixel_dgepoint[x]中分别确定point1、point2的位置(3-4)，接着在数组subpixel_edgepoint[x]中找到相应的边缘点的亚像素坐标subpoint1、subpoint2(3-5)，再计算这两个点亚像素坐标之间的像素点个数number(3-6)，number＝[(subpoint1.x-subpoint2.x)²+(subpoint1.y-subpoint2.y)²]^0.5则沉积坯的真实尺寸为subpoint1与subpoint2坐标之间象素点的个数number与ySize的乘积(3-7)：真实尺寸的计算公式为：diameter＝number*ySize。

具体实施方式二：参照图6，本实施方式为喷射沉积坯动态尺寸的数据采集装置，它包括雾化室、CCD摄像头5，它还包括玻璃6和铁筒4，外层玻璃6-1镶嵌在雾化室门7上，外铁筒4-1设置在雾化室内且前端与雾化室门7固接，压盖8设置在雾化室的外部且与雾化室门7固接，本实施方式外铁筒4-1和压盖8都通过螺钉9与雾化室门7相固接，所述CCD摄像头5的镜头2-1设置在压盖8中间的槽8-1内，内铁筒4-2的前端与外铁筒4-1的后端固接，在内铁筒4-2前端的筒壁上固接有内层玻璃6-2。

数据采集装置工作原理如下：传感器与沉积坯基本成平行角度安放，在没加内铁筒4-2前，金属液滴可直接飞溅到外层玻璃6-1上；加入内铁筒4-2后，液滴飞溅到外层玻璃6-1前必须先经历在内铁筒4-2内飞行的过程，由于内铁筒4-2内的流场呈紊流状态，使得金属液滴的运行轨迹非直线，相应的增加了在内铁筒4-2内的飞行时间，这使得金属液滴在飞溅到外层玻璃6-1前能有充足的时间冷却，凝固为金属粉尘，这样就不会粘贴到外层玻璃6-1上，达到消除金属液滴飞溅干扰的目的。

Claims (2)

1.一种喷射沉积坯动态尺寸的视觉检测方法，它包括第一步预处理方法(1)、第二步边缘检测方法(2)和第三步尺寸计算方法(3)，其特征在于它的第二步边缘检测方法(2)为：首先是像素级Sobel边缘检测算子粗定位边缘，其过程为：先计算预处理图像每个像素点的x，y方向的方向导数S_x、S_y；然后计算梯度g(x，y)；再设定一个阈值t，t取值为60，然后判断是否满足g(x，y)＞t，是，则可判断该点为可能边缘点，并将该点的信息记录在位置的结构型数组point[x]中，否，则返回计算下一像素点梯度g(x，y)步骤；最终，将所有可能边缘点的信息记录在位置的结构型数组poin[x]中，将所有可能边缘点的个数存放于变量nNumber中；然后是亚像素级Zernike moments边缘检测算子重新定位边缘，其过程为：首先推导Zernike moments矩的模板，包括一个实数模板和一个复数模板，再从结构型数组point[x]中取出粗定位的可能边缘点，然后利用推导的模板计算该可能边缘点的Zernike moments矩，得到矩A₂₀、A₁₁；接着按如下公式计算边缘点信息Φ、k、l：

$\mathrm{\φ}={\tan }^{-1}\left(\frac{\mathrm{Im}\left[A_{11}\right]}{\mathrm{Re}\left[A_{11}\right]}\right);$ $A_{11}^{\′}=A_{11}{e}^{-\mathrm{j\φ}};$ $l=A_{20}/A_{11}^{\′};$ $k=\frac{3A_{11}^{\′}}{2{(1-l^2)}^{3/2}};$ 然后用k、l判断边缘点，判断是否同时满足 $l>\sqrt{2}/12$ 和k＞30，否，返到从结构型数组point[x]中取出粗定位的可能边缘点步骤，是，则确定为边缘点，并将该边缘点的像素坐标存于数组pixel_edgepoint[x]中，然后按如下公式计算该边缘点的亚像素级坐标并同时存于数组subpixel_edgepoint[x]中：subpointl.x＝pointl.x+3.5·l·cosΦ；subpointl.y＝pointl.y+3.5·l·sinΦ；所述pointl.x和pointl.y分别表示边缘点在图像坐标系中x方向和y方向的坐标，subpointl.x和subpointl.y分别表示边缘点所对应的x方向和y方向的亚像素级坐标；再判断边缘点的个数是否大于等于nNumber？是，则二值化边缘图像，否，则返到从结构型数组point[x]中取出粗定位的可能边缘点步骤，直到记录在数组poin[x]中的所有可能边缘点都重新判断完毕；它的第三步计算沉积坯上任一位置的尺寸过程为：先确定沉积坯图像中心上的任一点为初始扫描点，然后沿沉积坯的直径方向搜索，直至遇到上、下边缘点point1、point2，则这两个点之间的线段代表沉积坯的直径，由离线标定得到的直径方向上每个像素点代表的实际距离为ySize，然后在数组pixel_edgepoint[x]中分别确定point1、point2的位置，接着在数组subpixel_edgepoin[x]中找到相应的边缘点的亚像素坐标subpoint1、subpoint2，再计算这两个点亚像素坐标之间的像素点个数number，number＝[(subpoint1.x-subpoint2.x)²+(subpoint1.y-subpoint2.y)²]^0.5，则沉积坯的真实尺寸为subpoint1与subpoint2坐标之间象素点的个数number与ySize的乘积：沉积坯的直径真实尺寸diameter的计算公式为：diameter＝number*ySize。

2、根据权利要求1所述的喷射沉积坯动态尺寸的视觉检测方法，其特征在于第一步预处理方法(1)为：首先为平均平滑算法，其过程为：对原始图像每个像素点的灰度f(x，y)在3*3邻域内卷积，然后求平均值，得到新的灰度值f_a(x，y)；然后是自适应平滑算法，其过程为：先计算每个像素点的x、y方向的梯度G_x(x，y)、G_y(x，y)，然后利用像素点的梯度计算每个像素点的加权系数w(x，y)，最后利用w(x，y)在3*3邻域重新计算每个像素点的灰度值，得到新的灰度值f_e(x，y)，该算法可反复迭代，直到满足要求为止。

Images