一种轮毂生产用机器视觉成像方法技术

本发明专利技术公开了一种轮毂生产用机器视觉成像方法，包括以下步骤：S1、直方图均衡化，使用灰度变换自动调整图像对比度质量；S2、图像滤波去噪,采用中值滤波作为非线性滤波技术，在保护图像边缘的同时消除噪声；S3、图像边缘检测，识别并且标注缺陷图像中亮度变化比较明显的像素点。该方法将机器视觉应用到汽车轮毂的识别中，对汽车轮毂区域进行识别，基于canny算子识别轮毂“战斧”形区域，此方法在识别不同光照强度的轮毂图像区域适应性好，在轮毂不同位置识别时间短、识别准确率高。该方法对轮毂目标区域识别具有重要意义，既对光照条件具有很好的适应性，又保证了区域识别的时间和准确率。率。率。

【技术实现步骤摘要】
一种轮毂生产用机器视觉成像方法


[0001]本专利技术涉及机器视觉成像
，具体为一种轮毂生产用机器视觉成像方法。

技术介绍

[0002]轮毂是汽车的重要部件，其大都是铸件，铸件完成以后需要进行精加工，根据不同的类型选择不同的加工路线、加工机床刀具。然而由于轮毂的种类很多，不可能对一种类型的轮毂采用一条独立的生产线，所以导致多种类型的轮毂在一条生产线上生产和运输，继而在每一道工序都要人工参与，如人工分拣与搬运、人工测量轮毂尺寸等。人的精力有限，长时间工作会造成人眼疲劳，还会降低生产效率。目前机器视觉领域常用的识别方法主要有基于组件的模板匹配、基于相关性的模板匹配等。由于轮毂大都为铸件，本身就是一个整体，目标又比较大，缩放更难以处理，故基于组件的模板匹配不太适用。相关性的模板匹配的特点是对光照的影响较小，且匹配速度快，但其精度较低。轮毂大都是铝合金，表面光滑，对光照有一定的要求，且识别的精度要求高，所以基于相关性的模板匹配也不适合。为此，提出一种轮毂生产用机器视觉成像方法。

技术实现思路

[0003]本专利技术的目的在于提供一种轮毂生产用机器视觉成像方法，以解决上述
技术介绍
中提出的由于轮毂大都为铸件，本身就是一个整体，目标又比较大，缩放更难以处理，故基于组件的模板匹配不太适用。相关性的模板匹配的特点是对光照的影响较小，且匹配速度快，但其精度较低。轮毂大都是铝合金，表面光滑，对光照有一定的要求，且识别的精度要求高，所以基于相关性的模板匹配也不适合的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种轮毂生产用机器视觉成像方法，包括以下步骤：
[0005]S1、直方图均衡化，使用灰度变换自动调整图像对比度质量；
[0006]S2、图像滤波去噪,采用中值滤波作为非线性滤波技术，在保护图像边缘的同时消除噪声；
[0007]S3、图像边缘检测，识别并且标注缺陷图像中亮度变化比较明显的像素点；经过Canny算法处理后获取检测后的图像。
[0008]作为本技术方案的进一步优选的：在S1中，通过统计图像内象元值并重新分配，使得象元值在各灰度范围内数量基本相同，从而增强图像直方图峰顶部分的对比度，同时降低两侧谷底部分对比度。
[0009]作为本技术方案的进一步优选的：在S1中，灰度变换时，变换函数与原始概率密度函数关系公式1如下：
[0010][0011]其中0≤r≤1，T(r)满足0≤T(r)≤1；
[0012]灰度级为离散的数字图像用频率来代替，其离散形式为：
[0013][0014]其中0≤r
j
≤1；k＝0,1,2,
…
,L
‑
1。
[0015]作为本技术方案的进一步优选的：在S2中，将数字图像或数字序列中的点值替换为该点附近的点的中值。
[0016]作为本技术方案的进一步优选的：在S2中，按二维序列进行中间值过滤，则过滤窗口也是二维的，二维数据的中间过滤表示为：
[0017][0018]其中A为滤波窗口；
[0019]当实际使用一个窗口时，窗口的大小会增加3
×
3，然后增加5
×
5，直到过滤效果令人满意为止。
[0020]作为本技术方案的进一步优选的：在S3中，根据像素点的灰度变化程度，来进行边缘点的标识，像素点的灰度变化则用图像函数的导函数来进行反映。
[0021]作为本技术方案的进一步优选的：在S3中，对于缺陷图像的边缘检测，运用Canny算法，使用Matlab软件中的edge()函数可以实现边缘检测算法，该函数的作用是检测灰度图像中的边缘特征，并且得到一个带有边缘信息的二值图像，在该图像中，黑色代表背景，白色代表缺陷边缘特征。
[0022]作为本技术方案的进一步优选的：所述Canny算法的调用语法如下：
[0023]BW＝edge(I，
′
canny
′
，thresh，sigma)
[0024]其中I是待处理的图像；参数'canny'表示采用Canny算法；参数thresh用于调节敏感度阈值，默认值是空矩阵[]，Canny算法的敏感度阈值是一个列向量，需要指定阈值的上下限；第1个元素是阈值的下限，第2个元素则是阈值的上限；BW为返回的二值图像，数字0表示背景，1表示边缘部分。
[0025]与现有技术相比，本专利技术的有益效果是：该方法将机器视觉应用到汽车轮毂的识别中，通过直方图均衡化、图像滤波去噪和图像边缘检测进行图像处理，对汽车轮毂区域进行识别，基于canny算子识别轮毂“战斧”形区域，此方法在识别不同光照强度的轮毂图像区域适应性好，在轮毂不同位置识别时间短、识别准确率高。该方法对轮毂目标区域识别具有重要意义，既对光照条件具有很好的适应性，又保证了区域识别的时间和准确率。
附图说明
[0026]图1为本专利技术的直方图均衡化后的图像；
[0027]图2为本专利技术的不同滤波处理对比；
[0028]图3为本专利技术的Canny算法边缘检测后的图像。
具体实施方式
[0029]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于
本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]实施例
[0031]请参阅图1
‑
3，本专利技术提供一种技术方案：一种轮毂生产用机器视觉成像方法，包括以下步骤：
[0032]S1、在轮毂表面图像中，划痕形状一般较为细小，在图像中显示不明显；为了加强图像的局部特征，提高图像中不同特征间的差异，需要对图像进行增强处理；直方图均衡化是一种使用灰度变换自动调整图像对比度质量的方法，通过统计图像内象元值并重新分配，使得象元值在各灰度范围内数量基本相同，从而增强图像直方图峰顶部分的对比度，同时降低两侧谷底部分对比度；变换函数与原始概率密度函数关系公式1如下：
[0033][0034]其中0≤r≤1，T(r)满足0≤T(r)≤1；
[0035]灰度级为离散的数字图像用频率来代替，其离散形式为：
[0036][0037]其中0≤r
j
≤1；k＝0,1,2,
…
,L
‑
1；
[0038]经处理后的图像如图1所示：
[0039]请参考图1，根据增强图像的对比度，可以看到直方图均衡化可以有效地增强具有高对比度的图像；
[0040]S2、图像滤波去噪,在实际的生产过程中，图像的获取在传输过程中会受到内部环境或外部环境的干扰，会给图像造成一些噪声；对此在图像处理中，需要尽可能的去消除图像的噪声，图像去噪的过程就是图像的平滑或者滤波；图像滤波一般有频域滤波和空域滤波两类；本方案主要通过空域滤波中的算法进行图像对比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轮毂生产用机器视觉成像方法，其特征在于，包括以下步骤：S1、直方图均衡化，使用灰度变换自动调整图像对比度质量；S2、图像滤波去噪,采用中值滤波作为非线性滤波技术，在保护图像边缘的同时消除噪声；S3、图像边缘检测，识别并且标注缺陷图像中亮度变化比较明显的像素点；经过Canny算法处理后获取检测后的图像。2.根据权利要求1所述的一种轮毂生产用机器视觉成像方法，其特征在于：在S1中，通过统计图像内象元值并重新分配，使得象元值在各灰度范围内数量基本相同，从而增强图像直方图峰顶部分的对比度，同时降低两侧谷底部分对比度。3.根据权利要求2所述的一种轮毂生产用机器视觉成像方法，其特征在于：在S1中，灰度变换时，变换函数与原始概率密度函数关系公式1如下：s＝T(r)＝∫
0r
P
r
(ω)dω其中0≤r≤1，T(r)满足0≤T(r)≤1；灰度级为离散的数字图像用频率来代替，其离散形式为：其中0≤r
j
≤1；k＝0,1,2,
…
,L
‑
1。4.根据权利要求1所述的一种轮毂生产用机器视觉成像方法，其特征在于：在S2中，将数字图像或数字序列中的点值替换为该点附近的点的中值。5.根据权利要求4所述的一种轮毂生产用机器视觉成像方法，其特征在于：在S2中，按二维序列进行中间值过滤，则过滤窗...

【专利技术属性】
技术研发人员：蒋亚明，刘小峰，朱梓清，
申请(专利权)人：常州理工科技股份有限公司，
类型：发明
国别省市：