影像儀自動尋邊算法研究
作者:牧象儀器
來源:xindaboliqimin.cn
時間:2017-07-27 10:02
影像儀的應用主要在于對機床加工出來的零件進行測量,確保加工過程的精確性。在對一些尺寸進行檢測的過程中由于精度要求很高,為了保證產品的質量及生產效率,必須采取自動尋邊技術。要實現(xiàn)影像測量儀的自動尋邊,關鍵是要研究如何準確地獲取產品的邊緣信息。利用數(shù)字圖像處理技術,采用濾波、邊緣檢測和跟蹤等算法對獲得的圖像進行處理,可有效地提取產品的邊緣信息。這就涉及到對尋邊的路徑提取和跟蹤算法的優(yōu)化。
由于成像環(huán)境的不同,從圖像的獲取、傳輸?shù)教幚淼母鱾€環(huán)節(jié)都會有噪聲的干擾。因此,在對圖像進行處理前必須進行濾波預處理,它是后續(xù)進行邊緣檢測、分割、識別和其它處理的前提,也是為自動尋邊系統(tǒng)提供準確邊緣信息的保證。
多數(shù)線性濾波方法都具有低通特性,在去除噪聲的同時也使圖像的邊緣變得模糊,因此采用非線J險濾波方法—中值濾波來濾除噪聲。中值濾波是指將以某點(x,y)為中心的小窗口內所有像素的灰度按單調上升(或下降)進行排序,并以排序后的中間值作為(x,y)處的灰度值。它對脈沖干擾及椒鹽噪聲的抑制效果較好,且在抑制噪聲的同時能有效防止邊緣模糊。但考慮到在較惡劣的成像環(huán)境下,單純使用中值濾波并不能很好地濾除噪聲。根據(jù)圖像中的噪聲一般都為孤立噪聲的特點,提出采用中值濾波結合形態(tài)學濾波的方法來消除噪聲。形態(tài)學的基本運算是膨脹和腐蝕。腐蝕可以把小于結構元素的物體(如毛刺,小凸起)去除。選取不同大小的結構元素,就可以在原圖像中去掉不同大小的物體。但是,結構元素越大,計算量就越大。為了既能減少計算量,又能取得較好的濾波效果,采用3* 3的方形結構元素,并進行3次腐蝕操作。采用這種雙結合的濾波方法比單一采用某種方法的效果更為出色。
為了實現(xiàn)對邊緣線的準確跟蹤,需要取得邊緣路徑的特征點,即獲取邊緣的中心線。常用的提取中心線的算法有:
①基于模板提取光條的骨架:如方向模板法、細化;
②提取光條的幾何中心法:如閾值法、逐行搜索法等。
其中,細化處理法實際是一種求圖像骨架的過程,形態(tài)學中軸變換就是提取圖像骨架的一種運算方法。中軸變換可以形象地描述為:設想在t= V時刻,將目標邊界各處點燃,火的前沿以勻速向目標內部蔓延,當前沿相交時火焰熄滅,火焰熄滅點的集合就構成了中軸。二值圖像的形態(tài)學骨架是通過選定合適的結構元素對圖像進行連續(xù)腐蝕和開運算來求得的。利用中軸變換實現(xiàn)細化是非常耗時的,它不得不遍歷對象的每一個像素。如果選取的模板的形狀不適當?shù)脑?,就會導致細化后的圖像線條出現(xiàn)分叉,還會帶來計算量的增加。因此,針對以上出現(xiàn)的問題,采用改進的行列交叉搜索法來提取中心線。這種自動尋邊算法具有更高的尋邊效率且邊緣提取更準確,為產品的尺寸檢測提供了更加精確的數(shù)據(jù)信息。