基于霍夫变换划痕检测算法应用.docVIP

基于霍夫变换划痕检测算法应用摘要：光纤连接器端面在出厂前会有污点和划痕，对于划痕的检测非常重要。该文利用机器视觉的方法，提出一种基于霍夫变换的划痕检测的方法，此方法可有效增加检测的精度。 关键词：机器视觉；霍夫变换；局部二值化 中图分类号：TP271文献标识码：A文章编号：1009-3044(2012)20-4957-02 目前，光纤通信已在我国大量应用，光纤通常采用两种方式进行连接，一种是永久性连接；另一种是可拆卸的活动连接，需要使用光纤连接器，光纤连接器是把光纤的两个端面精密地对接起来，使发射光纤输出的光能量最大限度地耦合到接收光纤中。 光纤连接器的质量极大的影响了光纤传输的质量，在连接器端面上由于加工工艺的限制和随机误差的存在，会出现各种瑕疵，可以将其划分为污点和划痕。因此在出厂前，需要对其端面进行划痕和污点的检测，传统的人工检测方法误差大，检测效率低，为此该文提出一种利用机器视觉，基于霍夫变换进行划痕检测的方法，经检验此方法能提高检测的精度，降低检测的成本。 霍夫变换是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛。最基本的霍夫变换是从黑白图像中检测直线(线段)。 通常来说，直线的方程可以用y=k?x+b来表示，其中k和b是参数，分别是斜率和截距，过某一点() x0,y0的所有直线的参数都会满足方程y0=k?x0+b。即点() x0,y0确定了一组直线。方程y0=k?x0+b在参数k-b平面上是一条直线，也可以看做方程b=-x0?k+y0对应的直线。这样，图像x-y平面上的一个前景像素点就对应到参数平面上的一条直线。通过举例说明解决前面那个问题的原理。设图像上的直线是y=x,先取上面的三个点：A(0,0), B(1,1), C(2,2)。可以求出，过A点的直线的参数要满足方程b=0 ,过B点的直线的参数要满足方程1=k+b ,过C点的直线的参数要满足方程2=2k+b ,这三个方程就对应着参数平面上的三条直线，而这三条直线会相交于一点k=1,b=0。同理，原图像上直线y=x上的其它点（如(3,3),(4,4)等）对应参数平面上的直线也会通过点k=1,b=0。该性质为解决问题提供了方法： 1)首先，初始化一块缓冲区，对应于参数平面，将其所有数据置为0； 2)对于图像上每一前景点，求出参数平面对应的直线，把这直线上的所有点的值都加1； 3)最后，找到参数平面上最大点的位置，这个位置就是原图像上直线的参数。 以上是霍夫变换的基本思想：把图像平面上的点对应到参数平面上的线，最后通过统计特性来解决问题。假如图像平面上有两条直线，那么最终在参数平面上就会看到两个峰值点，依此类推。 在实际应用中，y=k?x+b形式的直线方程没有办法表示x=c形式的直线(这时候，直线的斜率为无穷大)。所以实际应用中，是采用参数方程x?cosθ+y?sinθ=ρ。这样，图像平面上的一个点就对应到参数p-θ平面上的一条曲线上，其它的还是一样。 在经过霍夫变换后，所有p-θ值相同的点，都位于参数平面上的一个点处，用该未知的坐标数组的值来表示该坐标处出现点的次数。在图1可发现，在图像的右上角有两个点的灰度值是极大值。根据这两个点的p-θ值，可以在原图像中寻找到两条直线。 对于光纤端面上划痕的图像，首先对其进行二值化，再利用霍夫变换找到划痕的线段。 当图像中有如下一些情况：有阴影，照度不均匀，各处的对比度不同，突发噪声，背景灰度变化等，如果只用一个固定的全局阈值对整幅图像进行分割，则由于不能兼顾图像各处的情况而使分割效果受到影响。一种解决办法就是用与像素位置相关的一组阈值(阈值是坐标的函数)来对图像各部分分别进行分割，这种与坐标相关的阈值也叫动态阈值或自适应阈值法。这类算法的时间复杂性和空间复杂性比较大，但是抗噪能力强，对一些用全局阈值不易分割的图像有较好的效果。 该文采用Pierre D. Wellner的快速自适应的阈值算法（Quick Adaptive Thresholding algorithm）这个算法的基本思想是要确定一个像素的黑或者白，用他周围,，或者扫描顺序上的其他点的一些平均值来评估阈值就可以了，用阈值和像素值比较即可。由此定义出这样的模型：用P(n)来表示第n个点的灰度值. T(n)来表示二值化后的值： 用fs( ) n来表示第n个点之前s个点的灰度值的和,就是 对于光纤端面上的划痕，通过机器视觉将其数字化，再利用霍夫变换以统计规律找到划痕，交由计算机判断这种方法有效的避免了人眼检测的低效，精度不高等缺点。 [1] Mackworth A K.Interpreting pictures of polyhedral sce