摘要：本文根据机器视觉测量的相关理论和实际案例设计了机器视觉测量系统，主要工作包括测量系统硬件设计与选型、图像拼接与预处理算法研究、图像边缘检测算法研究、数据处理方法研究和人机交互界面编制等。对图像拼接和预处理算法进行了研究。探究了图像的边缘检测算法和数据处理方法。采用 Lab VIEW 和 Matlab 混合编程技术完成了人机交互界面的编辑，所得人机交互界面具有良好的易修复性和可升级性，符合实际应用环境特点。
关键词：机器视觉；微小距离；图像拼接；边缘检测
1引言
机器视觉技术作为计算机科学的一门重要分支，近些年来发展迅速，在众多的领域中应用广泛，机器视觉可以用来模拟生物视觉功能，它的主要目的是通过图像来创建以及恢复现实世界中的模型，然后来认识现实世界[1]。机器视觉技术整体系统可分为图像的获取、图像的处理、模式的识别和视觉反馈等等几个部分，计算机软件只能用来处理数字化图像，通常提供的图形图像是以其他形式存在的，所以必须要对所获取的图像进行数字化的处理[2]。
2工作原理
以机器视觉为依托的测定方式是由硬件设备和软件设备2个方面构成的。硬件设备的具体工作是收集到准确的图形，再把图形的讯息转变为相应的数据讯息。软件设备的具体工作是预处理图形以及规格的测定[3]。操作机制是把待测产品放在载物台面，在图形处理仪的作用下以恒速移动至图形传导仪下[4]。经光照射后，待测产品就会在图形采集卡中显示图形，图形采集卡把显示的模拟图形传递到图形收集设备，然后变为数字图形数据，图形处理仪通过这些数据来显现和处理[5]。图（1）所示为机器视觉系统原理图。
图1 机器视觉系统原理图
3系统硬件平台
以机器视觉为依托的规格测定方式的硬件平台包括摄像机、光源、支架、镜头、图形采集卡、载物台等部分[6]。
CCD固体成像仪器主要以大型硅集成电路技术为依托而开发出的模拟集成电子芯片，它能够把光信息改变成电荷信息。
镜头的任务一般是把成像的实体聚焦在图形传感仪的光敏侧，必须有镜头的存在，CCD摄像仪才可以产生准确的图形。
图像采集卡从CCD摄相机获取模拟讯息，再通过A/D变换成相应的数字讯息，这些数字讯息保留在图形的储存空间内，在电脑产生输送命令后，利用PCI路径把保留的图形讯息输送至电脑的内存空间，使电脑可以加以分析和计算。
光源照明的好坏密切地干系到所传递讯息的质量，还会决定图形的处理成效和规格测定的可信度的高低。
4图像处理化技术
对收集到的产品图形做进一步的优化，是测定方法中最为关键的一个步骤。这项技术的流程为：Matlab将收到的产品图形经过灰度转化、滤波去噪、图形的二值化以及边缘检测4个步骤的加工。
4.1图像的灰度变换
灰度的转化是把初始图形里的各个像素的灰度值，依据特定的转换原理，变为不同的灰度值传送，如图（2）图（3）所示。
4.2 图像的噪声处理方法
噪音产生的源头主要有2个，分别是外界的图形噪音和内部的图形噪音。因此，要把得到的产品图形充分地滤波去噪，尽量消除噪音的影响，以保持初始图形的特征性信息。
4.3 图像的二值化
图像二值化的实质是将原本具有多个灰度等级的图像转换成仍然能够反映出图像的整体与局部特征的黑白二值图像，实际上就是区分图像中的“前景目标”和“背景”。
图2 X轴方向灰度投影图
图3 Y轴方向灰度投影图
4.4 图像的边缘检测
边缘检测技术是机器视觉测量系统的重要环节，其精确程度直接影响机器视觉测量系统的精度，所以只有提取出了边缘才能将背景和目标区分开来。则图像的边缘检测的步骤如下：
1）滤波
通过滤波来降低噪声，但滤波在降低噪声的同时也会使得图像的边缘强度减弱，导致在后续检测中容易丢失一些弱边缘。因此，在增强边缘和降低噪声之间需要兼顾。
2）图像增强
图像增强的基础是确定图像各个点的邻域强度的变化值，它是将邻域中或局部灰度值有显著变化的像素点突显出来，一般通过计算梯度幅值来实现。
3）检测
在图形中大部分点的梯度波动范围很广，而这些点并不一定都是边缘，如何确定真正的边缘点，最常用的方法是通过设置梯度幅值阈值来提取边缘点。
4）边缘点细化和连接
由于算法本身的不足和受到噪声的影响，经过上述步骤得到的边缘可能不是单像素边缘，这时就需要对边缘进行细化。
5）边缘定位
若需要锁定边缘点，只需在子像素分辨率上进行测定就可以实现。
小波转化可以通过多规格的综合解析确定讯息的主要特质，通过小波转化来确定图形的边界信息，是图形边界确定的新型策略。图（4）所示为边缘处灰度值的变化情况。
图4 边缘处灰度值变化情况
小波变换的多尺度边缘检测能够检测出图像在大小不同尺度上的边缘点，充分发挥大小尺度的优点，将各尺度上的边缘点按照一定规则进行融合，得到最终的图像边缘。
5实验结果与分析
机器视觉测量系统，可以有效的完成图像的采集和图像的后处理，通过尺寸测量然后得出零件的参数后，再进行下一步系统的标定，因为经Matlab软件处理计算得出的零件的尺寸值，并非真实的毫米制的实际尺寸，而只是一个像素值，它虽然反应零件尺寸的特性，但并未以实际尺寸值的形式体现出来，所以在机器视觉测量系统中，需要对机器视觉系统进行标定，则就需要找到真实的尺寸值和像素值之间的比例关系。图（5）所示为算法流程图。
图5 算法流程图
以毫米为单位的尺寸值可以通过以像素为单位的尺寸值来进行转换，这一过程则由机器系统的标定来完成。机器视觉系统的标定具体的步骤如下：
（1）选取已知尺寸的标准物件，测量得圆环的尺寸为d（以毫米为单位）。
（2）将标定工件放置于测量系统上进行测量，此时测量系统处于正常的工作状态，光源、相机的参数以及被置工件和相机之间的相对位置等均与正常工作时相同。在这样的环境下，测量得标定工件以像素为单位的尺寸为
（以像素为单位）。
（3）按照公式
来计算系统的标定系数。k表示测量系统的像素尺寸和实际物理尺寸之间的转换关系。则标定工件的实际尺寸=标定工件的像素个数*标定系数，即：
。
曲线拟合法的计算原理以最小二乘法为基础，在保证误差最小的前提下，将像素点集拟合到函数,通过MATLAB程序实现系统的标定系数的计算。
6结论
本文采用优化技术方法，通过回归方程得到了标定图像中两像素间对应的实际物理距离，在进行标定实验中，根据实际的需要和应用，选用拍摄物距为140～160 mm，选择近距拍摄模式可得到回归方程，通过多次实验，可得到一系列数据。利用线性回归模型以及系数的最小二乘估计，可发现每一个传感器参数值的变化与标定结果基本呈现一种线性关系，而且随着分辨率的提高，这种线性程度越高。
参考文献
[1]李岩,花国梁.精密测量技术[M].北京:中国计量出版社,2001.
[2]朱飞虎.机器视觉原理及应用.自动化博览.2005，22(2)：81．83．
[3]Tabatabai A J, Mitchell O R. Edge Location to Sub2 pixel Values in Digital Imagery. IEEE Trans on PA2 MI ,1984 ,6(2).
[4]Marr D, Hildreth E. Theory of Edge Detection. Lon2 don :Proc Roy Soc ，1980.
[5]章毓晋,图像分析和处理〔M〕,北京:清华大学出版社,1999.
[6]房超.机器视觉及其在工业检测中的应用.自动化博览.2007,25(4)46-48．
论文作者:赵淑荟
论文发表刊物:《电力设备》2018年第15期
论文发表时间:2018/8/20
标签：图像论文; 图形论文; 边缘论文; 视觉论文; 机器论文; 灰度论文; 测量论文; 《电力设备》2018年第15期论文;