根据活塞端面图像边缘的灰度阶跃性变化，通过图像处理，检测出活塞端面边缘，并提取其边界，进而确定边界特征的位置和大小。图像边界圆的检测包括圆边缘检测，圆心位置检测。边缘误差测量是以圆心为参考点进行测量，首先拟合出边界函数，然后与标准函数进行像素级比较，得到圆位置偏差和圆度偏差；圆心位置的确定结合圆自身特性，通过*小二乘法对取得的坐标进行圆拟合，得到圆心坐标和圆的函数，从而得到圆的位置和大小。
2检测方法实现。
活塞圆度误差的检测是以较为理想的活塞端面数字图像为基础的，在图像采集过程中，因为光照，设备特性，以及各种噪声的影响，直接采集到的活塞端面图像无法满足检测的要求。为实现高精度的误差检测，必须对图像进行预处理以得到高质量的图像，然后对图像进行边界提取运算。检测系统选用复合Canny算子进行边界提取，从而为圆度分析提供基础数据。下面介绍图像预处理的方法。
2.1图像增强。
图像在采集，传输，存储的过程中通常都会受到各种各样的噪声污染而产生畸变，严重影响图像的质量，所以在对图像进行分析之前，应该对图像进行改善质量的处理。图像增强（ImageEnhancem ent）的主要目的是增强图像中的有用信息，削弱噪声和其他干扰的影响，使图像更加清晰，更便于人或计算机对图像进行分析。图像增强和图像复原不同，它不要求恢复图像的原始图像信息，也不用了解图像降质的具体原因，只是用实验调整的方式对图像进行处理，达到改善图像质量的目的。图像增强技术主要包括图像灰度变换，图像平滑处理等。在实际应用中可以采用单一方法处理，也可以采用几种方法联合处理，以便达到理想的增强效果。
2.2图像灰度调整。
有些图像的对比度比较低，整个图像看起来模糊不清，这时可以按一定的规则修改原来图像的每一个像素点的灰度值，从而改变图像灰度的动态范围。设原始图像为f（x，y），其灰度范围是<m，M>，调整后的图像为g（x，y），其灰度范围是<n，N>，则g（x，y）-n=（N-n）<f（x，y）-m>/（M-m）。
由Matlab实现活塞端面图像的对比度增强效果。图中纵横坐标为像素点坐标，（0，0）在图像左上角。
由实验结果可以看出，设定不同的灰度，图像处理的结果往往也不一样，灰度范围越小，图像对比度越高，边界越清晰，但对图像背景破坏越大。因此在实际图像处理过程中选取适当的灰度范围十分关键。
2.3图像平滑处理。
数字图像可能存在着各种噪声污染。噪声污染既可能产生于图像数据传输过程中，又可能产生于量化等处理过程中。在图像平滑处理阶段，需要找到一个理想的平滑处理方法，这种方法要求是既能消除图像噪声，又不使图像的边缘轮廓和线条模糊。
为了消除噪声又要保持图像的细节，采用中值滤波是比较理想的处理方法。其原理是：将模板在图像中穷尽扫描，并将模板中心分别与图像中某个像素位置重合，对模板下各对应像素的灰度值进行排序并找到排在中间的那一个，而这个中间值将作为新图像中对应模板中心位置的像素的灰度值。
中值滤波实质是让与周围像素灰度值的差比较大的像素改为与周围像素的灰度值比较接近的灰度值，从而消除孤立的噪声点。由于它不是简单的取平均值，故不容易产生边缘模糊。进行中值滤波的结果比对，边界信息得到了进一步的加强。实验表明，活塞端面图像预处理采用中值滤波方法，能够得到理想的处理效果。
3边界拟合及误差检测。
圆拟合的*终目的是将活塞端面拟合出边界圆，求取拟合圆的中心坐标和半径值等特征参数，从而对活塞零件加工精度进行检测。
在对采集的活塞端面图像进行预处理之后，即可进行边界提取。为了分析其加工误差，必须对提取的边界，求出边界函数，然后进行拟合误差比较，从而判定其误差大小和位置。
3.1边界圆拟合的数学工具。
在进行边界圆弧检测时，需要确定边界圆的函数和圆心。
3.2圆拟合算法的改进。
圆拟合算法除了要求达到一定的拟合精度外，还必须满足稳定性，高效性，实时性的要求。在圆的拟合方面，已经提出了多种算法，首先是传统的统计方法，它是在*小二乘方法的基础上，寻求*佳拟合的点集，这通常是一种非线性问题，需要采用迭代方法进行求解，当选择的初始值不合适时，可能会导致该算法的失效。其次是采用Hough变换方法来求取圆孔或者圆弧的中心坐标和半径等特征参数，其优点是能够直接求出圆各个参数。缺点是运算量比较大，运算速度也比较慢，不能满足在线检测对实时性的要求。
根据以上分析，针对以上2种算法的特点，结合圆的自身性质，提出圆拟合的改进算法，旨在提高拟合算法的精度和实效性。其实现过程为： （1）设E为一个圆，现对E自上而下扫描。假设每一水平扫描线与E相交于2点，然后求取2点间距离的中点，则可得所有水平线段的中点，这些点是离散的点，运用*小二乘法对其进行直线拟合，求得拟合直线。
（2）用同样的方法，在垂直方向逐步扫描，分别求中点，进行直线拟合。
（3）求拟合直线1和2的交点，即为边界圆圆心的坐标。当在水平和垂直扫描的时候，有可能在某些水平线上是没有边界像素点的，这样的情况舍掉即可。
（4）在求取圆心时，边界图像难免会存在部分噪声，对第（1），（2）步扫描形成很大干扰，对扫描的精度造成较大的影响，故提出二次扫描去噪声的方法以提高求圆心像素点的精度。为此，可以设定圆心扫描约束条件，即在一次求取圆心坐标之后，通过计算各像素点到圆心的距离，判明那些不合理点并加以去除。设ri=|r1-ri|（r1为边界像素点平均半径，ri为边界像素点到圆心的距离），如偏差ri>n（n为整数），则舍去该边界像素点，称为不符合扫描值的样本点，反之，为扫描值合格样本点。
（5）去除噪声后，重复进行（1）-（3）步扫描和拟合运算，求出新的精度较高的圆心坐标。
该方法对圆及椭圆度不太大的图像，可以快速提取圆中心坐标，对于圆的其它参数可以采用*小二乘法来求取，利用这种方法可以提高圆的拟合速度和精度，能够满足活塞圆度数字检测系统对精度和实时性的要求。
按上述方法进行图像处理的实例。在**次求取圆心之后，为滤除噪声，提高所求圆心像素点的精度，设定圆心扫描约束条件偏差ri>2即取n=2，舍去了偏差大于2个像素的像素点。由图（c）和图（d）直接比较可知，圆心坐标点由一次定位（356，264）到二次定位（358，266），在纵横坐标方向上，分别提高了2个像素的精度，说明该方法有很好的实用性，特别是在强噪声图像中效果改善更为明显。
对于活塞端面数字图像，其边界圆拟合的步骤如下：
（1）通过对图像的处理，分离出圆的边界轮廓。
（2）利用改进的边界圆圆心求法，求出圆心坐标，用*小二乘法对边界像素点进行圆拟合，求出圆的独立参数。对活塞端面数字图像进行圆拟合。
3.3圆度误差分析。
经过理论分析和算法编程，实现了较快提取活塞端面图像边界的圆心坐标值，对于边界圆的其他参数利用*小二乘法来处理。活塞端面边界误差检测，可以根据圆度误差评定方法来进行评定，将圆中心平移到像素坐标系的原点，可以求出活塞端面边界图像像素点所对应的圆上的点之间的差值。
以*小二乘拟合圆的中心为原点，分别以水平方向和垂直方向为x轴和y轴，建立笛卡尔坐标系。
4结语。
采用数字图像检测方法，运用计算机图像处理技术，结合MATLAB强大的数学运算和图像处理能力，能够对活塞端面圆度进行像素级误差检测，能在保证检测精度的前提下，降低人工劳动强度，提高误差检测自动化水平，这对大批量生产有着积极作用。数字检测系统对于提高空压机活塞制造业的技术水平也有一定的实际意义。
网友评论
共有0条评论