基于B样条小波的零件缺陷图像边缘检测.pdfVIP

第24卷第2期 纺 织 高 校 基 础 科 学 学 报 Vo1．24，No．2 2011年6月 BASICSCⅡ CESJOURNALOFTEXTILEUNIVERSITIES June，2011 文章编号：1006—8341(2011)02-0299-O4 基于B样条小波的零件缺陷图像边缘检测 李 静，王新民 (西北工业大学 自动化学院，陕西 西安 710072) 摘要：针对零件 图像直方图多峰的特点，设计 了自动阈值分割与B样条小波相结合的缺陷图像 边缘检测方法．采用多次迭代方法 自动选取区域图像的阈值 ，从而将特定区域从图像中分割出 来．分析小波边缘检测的原理，构造 B样条小波函数，通过 B样条小波模极大值实现了零件缺陷 图像的边缘检测．实验结果表 明，此方法优于传统的边缘检测效果． 关键词：边缘检测；小波变换；B样条函数；自适应阈值 中图分类号：TP391 文献标识码 ：A 0 引 言 在航空、航天、汽车、船舶、石油化工、电力、机械、医药、煤炭等行业，橡塑密封件有广泛的应用，是现代 制造业的重要基础元器件，是实现绿色生产和解决主机跑、冒、滴、漏问题的关键．近年来，对高品质密封件 尺寸及外表的检测，逐渐从手工检测转向以机器视觉为核心的自动测量-1J．有一类橡胶密封件，起密封作 用的关键是密封件的唇 口部分．在机器视觉检测系统中，如何有效地检测出唇 口图像的边缘，是实现密封 件缺陷自动检测的关键． 常用的边缘检测方法有模板匹配法、微分法、统计法和轮廓线拟合法等．边缘检测的主要性能指标是 边缘精度和抗噪性，两者相互制约，若强调边缘精度，则噪声产生的伪边缘会引起不合理的边界；若注重抗 噪性，则会造成边缘漏检和轮廓线的位置偏离 J．一种好的边缘检测方法应该具有 良好的噪声抑制能力， 同时又具有完备的边缘保持性，而经典的边缘检测算法往往做不到这一点．小波函数具有多尺度逼近特 性，通过确定小波系数的局部模极大值可在不同的尺度上进行图像边缘检测．但在利用小波局部模极大值 法提取图像的边缘时，不同的尺度下小波函数抑制噪声和提取边缘的能力不同 引．在小尺度下，边缘提取 的精确性较高，却存在许多由噪声引入的极值点，此时噪声的幅度相对较小且随尺度的增大而减少．为了 保证边缘提取的精确性，通过对带有缺陷的密封件的模值图像分析，根据密封件的背景、唇 口和本体图像 特征的不同，本文设计了一种 自动阈值设置方法，将唇 口图像从系统背景和密封件本体中提取出来，再通 过 B样条小波函数完成图像的边缘检测．实验结果表明，此方法在拟制噪声干扰和边缘的准确检测之间 达到了较好的平衡． 1 自动阈值分割算法 一 般图像的直方图只有 1～2个峰，即当物体和背景之间的对比度明显时，其直方图会显示2个峰，峰 收稿 日期：2011-03—11 基金项目：陕西省教育厅产业化项目(03JC29) 通讯作者：李静(1972．)，女，陕西省西安市人，西北工业大学 自动化学院在读博士，西安工业大学电子信息工程学院副 教授．E-mail：gem9911@163．eom 纺 织 高 校 基 础 科 学 学 报 第24卷 值分别对应物体和背景像素的灰度值 中出现的高频率部 分；而当背景和物体的对比度不明显或噪声干扰较大时， 其直方图中只会出现一个峰，而且直方图曲线毛刺较多， 不平滑．密封件图像的灰度直方图的特征与一般的图像不 同，出现明显的3个峰，分别对应于密封件本体、唇 口、背 景3个部分，如图1所示．同时也有个谷，分别对应密封件 外缘与唇 口的边界以及密封件与背景的边界．检测系统的 主要 目的是检测出密封件唇 口部分的裂缝、气泡、孔穴、杂 质等缺陷，因此图像检测的首要任务是从密封件的整体图 像中分割出缺陷区域图像，再对缺陷区域图像进行处理． 如果使用一般的阈值化分割算法只能将密封件整体区域 和背景分割开，而特定的缺陷区域并没有被分割出来． 考虑到所要检测的裂缝缺陷的灰度值与密封件内沿 口的灰度值相近，本文设计的缺陷图像检测的基本思想 图1带有缺陷的密封件图像的直