一种圆环内斑点分割新方法.docVIP

一种圆环内斑点分割的新方法 　　摘 要：图像分割是图像处理及机器视觉领域的一项基本技术，分割方法各式各样，但都仅限于特定的对象。文章针对垫圈工件表面缺陷检测所做的分割，通过一种全新的分割方法将垫圈表面缺陷检测出来，先将目标图像掩膜成一圆环，后通过极坐标转换将圆环区域转换成矩形区域，再用Sobel算子进行Y方向上的分割，从而提取出缺陷。 　　关键词：图像分割；圆环；极坐标转换；Sobel算子 　　针对缺陷检测，最终提取缺陷都需要图像分割，从图像处理诞生以来随着技术理论的发展，研究者已提出上百种分割方法，每种方法只限特定的处理对象，针对每个图像处理场合，分割方法都是最优化的。不管是阈值分割，还是基于边缘提取的分割，整合起来都最适宜研究者的应用。 　　本文就是针对火花塞密封垫圈的表面缺陷（裂纹、压凹等，如图1所示）检测，研究了一种新分割方法，下面针对正面裂痕讨论这种方法的处理过程及可行性。 　　图像中亮圆环区域的黑色斑点就是裂痕，提取该缺陷的本质就是在亮圆环区域内查找黑色斑点。 　　1 缺陷图像前期处理 　　缺陷图像前期处理包括图像平滑、图像增强、图像匹配定位。 　　1.1 图像平滑 　　图像平滑指抑制噪声、改善图像所进行的去噪处理，也称为图像滤波。平滑目的为抑制CCD暗电流、增强器及图像传输产生的噪声，相当于在傅里叶变换中抑制高频部分，然而平滑又会造成含有图像重要信息的明显边缘变得模糊。 　　本处理过程采用了中值滤波，滤去了噪声，但也造成了一定程度上的图像模糊，处理效果如图2所示。 　　1.2 图像增强 　　对垫圈图像进行去噪声处理后，噪声得到了明显抑制，然而特征与背景对比度降低，特征轮廓变得模糊。为了应对检测需求，突出缺陷信息，需要增加背景与缺陷的对比度，需要用到图像增强技术。图像增强方法一般分为基于空间域的增强和基于频率域的增强，前者对图像像素灰度直接处理，后者先将图像变换到某个频率域，对变换系数进行相应处理，再通过逆变换得到增强图像[1，2]。 　　本处理过程采用了灰度拉伸变换对滤波后图像进行增强，处理效果如图3所示。 　　1.3 图像匹配定位 　　图像匹配定位是将同一传感器或者不同传感器在不同成像条件、不同时间下对同一物体获取的多幅图像进行空间上的匹配，或者基于已知模板到目标图像中通过一定算法进行的匹配。目标模板需要有比例的尺寸及方向，在图像中找到目标后，计算物体在模板图像和搜索图像中的关系，这种关系应尽可能在区分不同目标的前提下对目标平移、旋转以及缩放不敏感[3]。对于垫圈来说，由于是圆环，不存在方向性，所以只考虑位移不考虑旋转。 　　本过程采用归一化相关性的匹配方法，能够不受光照的影响，抗白噪声的干扰能力强[4]，匹配结果如图4。其中，图4（a）为模板图像，用此图像创建模板，图4（b）和4（c）为两个缺陷图像匹配结果。图像平滑和图像增强过程可以称为图像预处理，经过预处理，屏蔽了图像原本的噪声等无效信息并增强了目标区域与背景区域的对比度，非常利于下一步处理的进行。图像匹配定位是对每一个工件做一个位置上的匹配，以获得工件原点坐标并进行下一步分割处理。 　　2 分割过程 　　首先针对缺陷图像做圆环外圆的拟合，并获取圆环内圆与外圆半径相差的像素个数n，然后在该拟合外圆及n基础上做一掩膜图像，并将掩膜图像与原图像运算得到缺陷图像的掩膜后图像，将该掩膜后图像中圆环转换成矩形，最后在矩形区域通过Sobel算子分割出斑点。 　　2.1 采用最小二值法拟合圆 　　经过中值滤波和灰度拉伸后，圆环外圆、内圆轮廓边缘噪声极少，此时采用最小二乘法拟合圆精度比较乐观。 　　最小二乘法是一种优化的数学算法，该方法通过最小误差平方和寻找一组数据的最佳拟合函数。最小二乘法用简单方法求不可知的真值，令误差平方和最小，通常用于曲线拟合。拟合该2个圆并分别获取其原点坐标（X0，Y0）及半径R1、R2，可得2个半径相差像素个数n。 　　2.2 掩膜 　　本处理过程采用掩膜的目的在于屏蔽圆环以外区域，使这部分区域不参与处理或不参与处理参数计算，或只对圆环区域作处理或统计。 　　该过程分四步： 　　（1）先做一与目标图像大小、位深一致的灰度值全部为0的图像，如图6所示。 　　（2）根据原点坐标（X0，Y0）及圆环外圆半径R1在图6上做出该圆，并将该圆内部像素灰度设为255，如图7所示。 　　（3）继续在图7中以外圆向内减n个像素做内圆，并将内圆内部所有像素灰度设为0，如图8所示。 　　图8即掩膜图像，它代表正常工件的形态。 　　将掩膜图像COPY到缺陷原图上，得到原图掩膜后的图像，也就是我们的掩膜最终效果图像，如图9所示。 　　2.3 圆环区域转换矩形区域 　　图9屏蔽了圆环以外所有区域特征，只对圆