專利名稱：一種基于計算機視覺的齒輪缺陷檢測方法及系統(tǒng)的制作方法
一種基于計算機視覺的齒輪缺陷檢測方法及系統(tǒng)技術(shù)領(lǐng)域
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于計算機視覺的齒輪缺陷檢測方法及系統(tǒng)。
背景技術(shù)：
齒輪作為一種典型的動力傳遞器件，在工業(yè)發(fā)展的歷程中發(fā)揮了十分重要的作用，其質(zhì)量的好壞直接影響著機械產(chǎn)品的性能。因此，在齒輪生產(chǎn)制造的過程中必須對產(chǎn)品質(zhì)量進行嚴格的檢測和控制。由于齒輪本身的幾何形狀特點，對于齒崩、缺齒、齒歪等缺陷的測量過程復雜，常規(guī)的測量設(shè)備如三坐標測量機、齒輪綜合誤差檢查儀等結(jié)構(gòu)復雜，價格昂貴，對測試人員的要求也較高?，F(xiàn)代制造業(yè)的發(fā)展對齒輪產(chǎn)品的缺陷檢測提出了更高的要求。
目前，基于計算機視覺的齒輪檢測方法一般需要首先確定齒輪的圓心坐標作為基準，因此，圓心坐標的確立直接影響到齒輪參數(shù)測量的精度，在傳統(tǒng)的圖像方法檢測中， 圓心中心檢測算法有一般需要邊緣檢測方法確定齒輪的邊緣，然后采用重心法、中值法及 Hough變換法確定圓心。
前兩種算法要求圖像分布比較均勻，否則產(chǎn)生較大的誤差；后一種算法需要逐點投票 、記錄，所用的時間較多，而且精度也不夠高。發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于計算機視覺的齒輪缺陷檢測方法，旨在解決現(xiàn)有技術(shù)提供的齒輪缺陷檢測算法的效率和精度較低的問題。
本發(fā)明是這樣實現(xiàn)的，一種基于計算機視覺的齒輪缺陷檢測方法，所述方法包括下述步驟
通過PCI插槽獲取圖像采集卡采集到的被測齒輪的源圖像；
對獲取得到的被測齒輪的源圖像進行包括灰度變換、濾波去噪和閾值分割在內(nèi)的預處理操作，得到被測齒輪的齒輪參數(shù)；
對得到的被測齒輪的齒輪參數(shù)進行形態(tài)學參數(shù)分析，獲取包含可能存在缺陷的齒數(shù)的分析結(jié)果。
作為一種改進的方案，所述對獲取得到的被測齒輪的源圖像進行包括灰度變換、 濾波去噪和閾值分割在內(nèi)的預處理操作，得到被測齒輪的齒輪參數(shù)的步驟具體包括下述步驟
將采集到的被測齒輪的24位彩色源圖像進行灰度變換處理，得到8位灰度齒輪圖
利用中值濾波算法，對所述8位灰度齒輪圖像進行噪音去除；
利用圖像二值化算法，對灰度齒輪圖像進行閾值分割，得到分離的齒輪和背景圖像。5
作為一種改進的方案，所述對得到的被測齒輪的齒輪參數(shù)進行形態(tài)學參數(shù)分析， 獲取包含可能存在缺陷的齒數(shù)的分析結(jié)果的步驟具體包括下述步驟
利用填充算法，對所述二值化算法得到的齒輪圖像的孔洞進行填充；
對孔洞填充后的二值化圖像作為目標，確定計算所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑；
根據(jù)計算得到的所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑，對齒頂和齒根進行分離，檢測齒輪輪齒缺陷，獲得齒根圖像和齒頂圖像；
通過區(qū)域標號法，對獲得的齒根圖像和齒頂圖像進行缺陷分析，計算齒輪的齒數(shù)， 確定所述齒根和齒頂圖像的缺陷區(qū)域。
作為一種改進的方案，所述對孔洞填充后的二值化圖像作為目標，確定計算所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑的步驟具體包括下述步驟
讀入孔洞填充后的二值化圖像，記錄齒輪上的坐標；
在所述二值化圖像上查找距離所述圖像中心最遠點集合和最近點集合，獲取分別能包含齒輪的最小凸多邊形的坐標；
根據(jù)最小凸多邊形的坐標，分別繪制出凸多邊形；
對所述凸多邊形分別進行最小二乘法的圓曲線擬合，計算齒輪的圓心坐標、齒根圓半徑和齒頂圓半徑。
作為一種改進的方案，所述根據(jù)計算得到的所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑，對齒頂和齒根進行分離，檢測齒輪輪齒缺陷，獲得齒根圖像和齒頂圖像的步驟具體包括下述步驟
在二值化圖像中，以介于齒根圓半徑與齒頂圓半徑之間的某個數(shù)值為半徑繪制一個計算輔助圓；
設(shè)置一蒙板圖像，所述蒙板圖像大小與齒輪圖像大小相同，所述蒙板圖像的半徑等于齒頂圓半徑與齒根圓半徑之和的一半；
將畫計算輔助圓后的齒輪圖像與所述蒙板圖像做差運算，得到齒頂像；
將所述蒙板圖像與畫計算輔助圓后的齒輪圖像做差運算，得到齒根像。
作為一種改進的方案，所述通過區(qū)域標號法，對獲得的齒根圖像和齒頂圖像進行缺陷分析，計算齒輪的齒數(shù)，確定所述齒根和齒頂圖像的缺陷區(qū)域的步驟具體包括
分別對獲得的齒根圖像和齒頂圖像進行區(qū)域標記，獲得偽色彩方式顯示的齒根圖像和齒頂圖像；
對偽色彩方式顯示的齒根圖像和齒頂圖像分別進行個數(shù)和單個面積計算；
對齒頂和齒根面積進行統(tǒng)計，分別求取齒頂面積和齒根面積的平均值；
通過設(shè)定面積閾值的方式，確定齒根和齒頂缺陷區(qū)域。
本發(fā)明另一實施例的目的在于提供一種基于計算機視覺的齒輪缺陷檢測系統(tǒng)，所述系統(tǒng)包括
源圖像采集模塊，用于通過PCI插槽獲取圖像采集卡采集到的被測齒輪的源圖像；
預處理操作模塊，用于對獲取得到的被測齒輪的源圖像進行包括灰度變換、濾波去噪和閾值分割在內(nèi)的預處理操作，得到被測齒輪的齒輪參數(shù)；
形態(tài)學參數(shù)分析模塊，用于對得到的被測齒輪的齒輪參數(shù)進行形態(tài)學參數(shù)分析， 獲取包含可能存在缺陷的齒數(shù)的分析結(jié)果。
作為一種改進的方案，所述預處理操作模塊具體包括
灰度變換處理模塊，用于將采集到的被測齒輪的24位彩色源圖像進行灰度變換處理，得到8位灰度齒輪圖像；
噪音去除模塊，用于利用中值濾波算法，對所述8位灰度齒輪圖像進行噪音去除；
閾值分割模塊，用于利用圖像二值化算法，對灰度齒輪圖像進行閾值分割，得到分離的齒輪和背景圖像。
作為一種改進的方案，所述形態(tài)學參數(shù)分析模塊具體包括
孔洞填充模塊，用于利用填充算法，對所述二值化算法得到的齒輪圖像的孔洞進行填充；
圓心半徑計算模塊，用于對孔洞填充后的二值化圖像作為目標，確定計算所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑；
齒根圖像和齒頂圖像獲得模塊，用于根據(jù)計算得到的所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑，對齒頂和齒根進行分離，檢測齒輪輪齒缺陷，獲得齒根圖像和齒頂圖像；
缺陷分析模塊，用于通過區(qū)域標號法，對獲得的齒根圖像和齒頂圖像進行缺陷分析，計算齒輪的齒數(shù)，確定所述 齒根和齒頂圖像的缺陷區(qū)域；
所述圓心半徑計算模塊具體包括
坐標記錄模塊，用于讀入孔洞填充后的二值化圖像，記錄齒輪上的坐標；
點查找模塊，用于在所述二值化圖像上查找距離所述圖像中心最遠點集合和最近點集合，獲取分別能包含齒輪的最小凸多邊形的坐標；
繪制模塊，用于根據(jù)最小凸多邊形的坐標，分別繪制出凸多邊形；
擬合計算模塊，用于對所述凸多邊形分別進行最小二乘法的圓曲線擬合，計算齒輪的圓心坐標、齒根圓半徑和齒頂圓半徑；
所述齒根圖像和齒頂圖像獲得模塊具體包括
計算輔助圓繪制模塊，用于在二值化圖像中，以介于齒根圓半徑與齒頂圓半徑之間的某個數(shù)值為半徑繪制一個計算輔助圓；
蒙板圖像設(shè)置模塊，用于設(shè)置一蒙板圖像，所述蒙板圖像大小與齒輪圖像大小相同，所述蒙板圖像的半徑等于齒頂圓半徑與齒根圓半徑之和的一半；
第一差運算模塊，用于將畫計算輔助圓后的齒輪圖像與所述蒙板圖像做差運算， 得到齒頂像；
第二差運算模塊，用于將所述蒙板圖像與畫計算輔助圓后的齒輪圖像做差運算， 得到齒根像；
所述缺陷分析模塊具體包括
區(qū)域標記模塊，用于分別對獲得的齒根圖像和齒頂圖像進行區(qū)域標記，獲得偽色彩方式顯示的齒根圖像和齒頂圖像；
計算模塊，用于對偽色彩方式顯示的齒根圖像和齒頂圖像分別進行個數(shù)和單個面積計算；
統(tǒng)計模塊，用于對齒頂和齒根面積進行統(tǒng)計，分別求取齒頂面積和齒根面積的平均值；
確定模塊，用于通過設(shè)定面積閾值的方式，確定齒根和齒頂缺陷區(qū)域。
在本發(fā)明實施例中，通過PCI插槽獲取圖像采集卡采集到的被測齒輪的源圖像； 對獲取得到的被測齒輪的源圖像進行包括灰度變換、濾波去噪和閾值分割在內(nèi)的預處理操作，得到被測齒輪的齒輪參數(shù)；對得到的被測齒輪的齒輪參數(shù)進行形態(tài)學參數(shù)分析，獲取包含可能存在缺陷的齒數(shù)的分析結(jié)果。本發(fā)明實施例不僅測量速度快、而且精度高，滿足了齒輪常規(guī)參數(shù)測量的功能要求，大批量工業(yè)生產(chǎn)過程中可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度，可滿足生產(chǎn)實際中的測量精度要求，且測量時間僅為幾秒鐘，能滿足工業(yè)測量中對測量速度的要求，具有較大的理論及實用價值。


圖I是本發(fā)明實施例提供的基于計算機視覺的齒輪缺陷檢測方法的實現(xiàn)流程圖2是本發(fā)明實施例提供的對獲取得到的被測齒輪的源圖像進行包括灰度變換、 濾波去噪和閾值分割在內(nèi)的預處理操作，得到被測齒輪的齒輪參數(shù)的實現(xiàn)流程圖3是本發(fā)明實施例提供的消除圖像采集帶來的噪聲的實現(xiàn)示意圖4a是本發(fā)明實施例提供的中值濾波處理前齒輪圖像示意圖；·
圖4b是本發(fā)明實施例提供的中值濾波處理后齒輪圖像示意圖5a是本發(fā)明實施例提供的灰度變換直方圖5b是本發(fā)明實施例提供的二值化齒輪圖像；
圖6是本發(fā)明實施例提供的對得到的被測齒輪的齒輪參數(shù)進行形態(tài)學參數(shù)分析， 獲取包含可能存在缺陷的齒數(shù)的分析結(jié)果的實現(xiàn)流程圖7是本發(fā)明實施例提供的孔洞填充后齒輪圖像示意圖8是本發(fā)明實施例提供的對孔洞填充后的二值化圖像作為目標，確定計算所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑的實現(xiàn)流程圖8a是本發(fā)明實施例提供的包含齒輪的最小多邊形示意圖Sb是本發(fā)明實施例提供的根據(jù)坐標擬合的圓形示意圖9是本發(fā)明實施例提供的根據(jù)計算得到的所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑，對齒頂和齒根進行分離，檢測齒輪輪齒缺陷，獲得齒根圖像和齒頂圖像的實現(xiàn)流程圖IOa是本發(fā)明實施例提供的刪除目標齒輪邊緣區(qū)域的示意圖IOb是本發(fā)明實施例提供的蒙板圖像示意圖IOc是本發(fā)明實施例提供的齒輪圖像與所述蒙板圖像做差運算效果示意圖IOd是本發(fā)明實施例提供的齒輪圖像與蒙板圖像做差運算后偽彩色圖像示意圖IOe是本發(fā)明實施例提供的蒙板圖像與齒輪圖像做差運算效果示意圖IOf是本發(fā)明實施例提供的蒙板圖像與齒輪圖像做差運算后偽彩色圖像示意圖11是本發(fā)明實施例提供的通過區(qū)域標號法，對獲得的齒根圖像和齒頂圖像進行缺陷分析，計算齒輪的齒數(shù)，確定所述齒根和齒頂圖像的缺陷區(qū)域的具體實現(xiàn)流程圖12a是發(fā)明實施例提供的標記后的齒頂圖像不意圖12b是發(fā)明實施例提供的各齒頂圖像的面積直方圖13是本發(fā)明實施例提供的基于計算機視覺的齒輪缺陷檢測系統(tǒng)的結(jié)構(gòu)框圖14是本發(fā)明實施例提供的預處理操作模塊的結(jié)構(gòu)框圖15是本發(fā)明實施例提供的形態(tài)學參數(shù)分析模塊的結(jié)構(gòu)框圖16是本發(fā)明實施例提供的圓心半徑計算模塊的結(jié)構(gòu)框圖17是本發(fā)明實施例提供的齒根圖像和齒頂圖像獲得模塊的結(jié)構(gòu)框圖18是本發(fā)明實施例提供的缺陷分析模塊的結(jié)構(gòu)框圖。
具體實施方式
為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
圖I示出了本發(fā)明實施例提供的基于計算機視覺的齒輪缺陷檢測方法的實現(xiàn)流程圖，其具體的步驟如下所述
在步驟SlOl中，通過PCI插槽獲取圖像采集卡采集到的被測齒輪的源圖像。
在本發(fā)明實施例中，在計算機的PCI插槽中插有圖像采集卡，圖像采集卡連接攝像機，攝像機對放置在工作平臺上的齒輪進行攝像。
在步驟S102中，對獲取得到的被測齒輪的源圖像進行包括灰度變換、濾波去噪和閾值分割在內(nèi)的預處理操作，得到被測齒輪的齒輪參數(shù)。
在本發(fā)明實施例中，該被測齒輪的齒輪參數(shù)即為齒輪圖像和背景圖像。
在步驟S103中，對得到的被測齒輪的齒輪參數(shù)進行形態(tài)學參數(shù)分析，獲取包含可能存在缺陷的齒數(shù)的分析結(jié)果。
下述有詳細的實施描述，在此不再贅述，但不用以限制本發(fā)明。
作為本發(fā)明的另一個實施例，圖2示出了本發(fā)明實施例提供的對獲取得到的被測齒輪的源圖像進行包括灰度變換、濾波去噪和閾值分割在內(nèi)的預處理操作，得到被測齒輪的齒輪參數(shù)的實現(xiàn)流程圖，其具體的步驟如下所述
在步驟S201中，將采集到的被測齒輪的24位彩色源圖像進行灰度變換處理，得到 8位灰度齒輪圖像。
在該步驟中，由于攝像機采集的齒輪圖像是彩色圖像，為了提高計算速度需要在數(shù)字化時要進行灰度化處理。結(jié)合人眼對顏色的敏感度原理，我們采用了加權(quán)平均法，即
Y= ω r*R+ ω g*G+ ω b*B
其中ωκ，ω,, ωΒ分別為顏色分量R，G，B所對應的權(quán)重，Y為灰度圖對應點的像素值。
由于人眼對綠色的敏感度最高，對紅色的敏感度次之，對藍色的敏感度最低，因此使ωε>ωκ>ωΒ，將得到較合理的灰度圖像。一般常用的參數(shù)設(shè)置為ωκ=0· 30，ω^Ο. 59, ωΒ=0. 11時，得到灰度圖像的像素值為256級。
在步驟S202中，利用中值濾波算法，對所述8位灰度齒輪圖像進行噪音去除。
其中，為了消除圖像采集帶來的噪聲，本文選擇采用中值濾波的方法。它是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，其基本原理是是采用一個含有奇數(shù)個點的滑動窗口，用窗口中各點的灰度值的中值來代替窗口中心點像素的灰度值。首先確定一個奇數(shù)像元的窗口，窗口內(nèi)各像素按灰度大小排隊后，用其中間位置的灰度值代替窗口的中心像素值，其過程如圖3所示。
用公式表示為g(x,y)=median{f (i-k, j-1), (k, I) e ff}
其中，W為所選定的模板,所選定模板窗口大小,一般選擇3X3, 5X5或7X7等窗。 中值濾波處理前后的圖像如圖4a和圖4b所示。
在步驟S203中，利用圖像二值化算法，對灰度齒輪圖像進行閾值分割，得到分離的齒輪和背景圖像。
在該步驟中，二值化處理是利用圖像中要提取的目標物與其背景在灰度特性上的差異，把圖像視為具有不同灰度級的兩類區(qū)域(目標和背景)的組合，其關(guān)鍵是選擇合理的分割閾值。
當一個像素的灰度值超過這個閾值，就可以說這個像素屬于人們感興趣的目標， 反之則屬于背景部分。
在齒輪圖像中，只有一個目標與背景，而且目標與背景的灰度分布都比較均勻， 那么它的直方圖往往呈現(xiàn)為雙峰曲線，如圖5(a)所示。選用雙峰之間的某一閾值T，就可以把圖像的像素分成大于T的像素群(目標)和小于T的像素群(背景)兩部分。為了提高系統(tǒng)的自適應能力，本文采取迭代閾值法，首先選擇一個近似閾值作為估計值的初始值，然后連續(xù)不斷地改進這一估計值，即利用初始值生成子圖像，并根據(jù)子圖像的特性來選擇新的閾值，然后利用新的閾值來分割圖像，此分割結(jié)果好于用初始閾值分割圖像的效果。設(shè)原始圖像為f (X，y)，二值化后圖像為g(x，y)，閾值為T，則iO f(x,y)>T
g(x,y)^\U f(x,y)<T
其中，值為I的部分表示目標齒輪，值為O的部分表示背景。二值化處理后圖像如圖5(b)所示。
作為本發(fā)明的另一個實施例，圖6示出了本發(fā)明實施例提供的對得到的被測齒輪的齒輪參數(shù)進行形態(tài)學參數(shù)分析，獲取包含可能存在缺陷的齒數(shù)的分析結(jié)果的實現(xiàn)流程圖，其具體的步驟如下所述
在步驟S301中，利用填充算法，對所述二值化算法得到的齒輪圖像的孔洞進行填充。
在該步驟中，根據(jù)現(xiàn)場采集的圖像樣本分析，由于二值化后齒輪圖像中存在孔洞， 因此需要填充算法將齒輪圖像中的孔洞消除。
其具體做法為首先讀入預處理后的二值圖像(先取反)，初始化參數(shù)。從多邊形區(qū)域的一個內(nèi)點開始，由內(nèi)向外用給定的顏色畫點直到邊界為止。如果邊界是以一種顏色指定的，則種子填充算法可逐個像素地處理直到遇到邊界顏色為止。種子填充算法常用四連通域和八連通域技術(shù)進行填充操作。從區(qū)域內(nèi)任意一點出發(fā)，通過上、下、左、右、左上、左下、右上和右下八個方向到達區(qū)域內(nèi)的任意像素。如此反復，直到對整幅圖像掃描完畢。
區(qū)域填充完成，其處理后的圖像如圖7所示。CN 102914545 A說明書7/11 頁
在步驟S302中，對孔洞填充后的二值化圖像作為目標，確定計算所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑。
其中，齒輪圓心作為齒輪參數(shù)測量的基準，精確確定被測齒輪的圓心直接關(guān)系到測量精度，其具體的步驟下述有詳細說明。
在步驟S303中，根據(jù)計算得到的所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑，對齒頂和齒根進行分離，檢測齒輪輪齒缺陷，獲得齒根圖像和齒頂圖像。
其中，通過以上步驟計算出圖像中齒輪的中心、齒根圓半徑和齒頂圓半徑后，就可以檢測齒輪輪齒缺陷，其具體的步驟下述有詳細說明。
在步驟S304中，通過區(qū)域標號法，對獲得的齒根圖像和齒頂圖像進行缺陷分析， 計算齒輪的齒數(shù)，確定所述齒根和齒頂圖像的缺陷區(qū)域。
其中，對于以上步驟獲得的齒頂圖和齒根圖像，通過區(qū)域標號法標記圖像后，就能獲得齒輪的實際幾何參數(shù)，其具體的步驟下述有詳細說明。
作為本發(fā)明的一個具體實施例，圖8示出了本發(fā)明實施例提供的對孔洞填充后的二值化圖像作為目標，確定計算所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑的實現(xiàn)流程圖，其具體的步驟如下所述
在步驟S401中，讀入孔洞填充后的二值化圖像，記錄齒輪上的坐標。
在步驟S402中，在所述二值化圖像上查找距離所述圖像中心最遠點集合和最近點集合，獲取分別能包含齒輪的最小凸多邊形的坐標。
在步驟S403中，根據(jù)最小凸多邊形的坐標，分別繪制出凸多邊形。
在步驟S404中，對所述凸多邊形分別進行最小二乘法的圓曲線擬合，計算齒輪的圓心坐標、齒根圓半徑和齒頂圓半徑。
結(jié)合圖8a和圖8b，下述給出其具體的實現(xiàn)
(I)讀入二值圖像。
(2)將處理獲得二值圖中的齒輪作為目標,記錄齒輪上的坐標。
(3)通過在邊緣圖像上找出距中心最遠點的集合，獲得能包含齒輪的最小凸多邊形的坐標。
(4)根據(jù)坐標繪制出凸多邊形，進行顯示。并進行類圓度檢測。方法為
(5)利用上述坐標值利用最小二乘法進行圓形曲線擬合。
(6)根據(jù)擬合的圓計算圓心(Xt), yo)和齒頂圓半徑rH。
(7)同樣的道理，距中心最近點的集合就是齒根圓上的點，對其進行最小二乘擬合，即可得到齒根圓半徑rL。
(8)分別確定擬合后的內(nèi)圓和外圓。其公式為 .τ = x +rcosO
\0<θ<2π [y = y0 +rsin&
其中，圖8a是能包含齒輪的最小多邊形，根據(jù)其坐標擬合的圓形如圖Sb所示。
圖9示出了本發(fā)明實施例提供的根據(jù)計算得到的所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑，對齒頂和齒根進行分離，檢測齒輪輪齒缺陷，獲得齒根圖像和齒頂圖像的實現(xiàn)流程圖，其具體的步驟如下所述
在步驟S501中，在二值化圖像中，以介于齒根圓半徑與齒頂圓半徑之間的某個數(shù)11值為半徑繪制一個計算輔助圓。
在該步驟中，讀入圖像，初始化參數(shù)，為了計算方便，刪除目標齒輪邊緣區(qū)域，保留原圖中純齒輪目標圖像。結(jié)果如圖IOa所示。
在邊緣圖像中，以齒輪中心孔為圓心，以介于齒根圓半徑與齒頂圓半徑之間的某個值為半徑繪制一個計算輔助圓。假設(shè)齒頂圓半徑為rH，齒根圓半徑為rL。則輔助圓的半徑為
rM = α ΧτΗ+β XrL
其中α和β分別為齒頂圓和齒根圓的系數(shù),滿足條件
0〈α〈1，0〈β〈1，且 α+β=1。
在步驟S502中，設(shè)置一蒙板圖像，所述蒙板圖像大小與齒輪圖像大小相同，所述蒙板圖像的半徑等于齒頂圓半徑與齒根圓半徑之和的一半。
其中，設(shè)置一副空白圖像，大小根齒輪圖像大小相同，以中心點為圓心，以rh為半徑一個圓形蒙板，其中圓內(nèi)像素值為1，員外像素值為O。假設(shè)α = 0.5，β =0.5，則可獲得的蒙板圖像半徑大小為
rM獲取的蒙板圖像如圖IOb所示。
在步驟S503中，將畫計算輔助圓后的齒輪圖像與所述蒙板圖像做差運算，得到齒頂像。
假設(shè)齒輪圖像為Igea,,蒙版圖像為Iniask,則齒頂像Itjut表示為
IH=Igear-Imask
運算效果如圖IOc所示，其中白色區(qū)域表示齒頂，其中圖IOd為其實際計算后的偽彩色圖像。
在步驟S504中，將所述蒙板圖像與畫計算輔助圓后的齒輪圖像做差運算，得到齒根像。
將蒙板圖像減去齒輪圖像獲得齒根圖像
Il = Imask-Igear
圖像運算效果如圖IOe所示，其中圖IOf為其真實計算后的偽彩色圖像。
圖11示出了本發(fā)明實施例提供的通過區(qū)域標號法，對獲得的齒根圖像和齒頂圖像進行缺陷分析，計算齒輪的齒數(shù)，確定所述齒根和齒頂圖像的缺陷區(qū)域的具體實現(xiàn)流程圖，其具體的步驟如下所述
在步驟S601中，分別對獲得的齒根圖像和齒頂圖像進行區(qū)域標記，獲得偽色彩方式顯示的齒根圖像和齒頂圖像。
在步驟S602中，對偽色彩方式顯示的齒根圖像和齒頂圖像分別進行個數(shù)和單個面積計算。
在步驟S603中，對齒頂和齒根面積進行統(tǒng)計，分別求取齒頂面積和齒根面積的平均值。
在步驟S604中,通過設(shè)定面積閾值的方式,確定齒根和齒頂缺陷區(qū)域。
上述實施例的具體的實現(xiàn)過程如下所述
對于以上步驟獲得的齒頂圖像和齒根圖像，通過區(qū)域標號法標記圖像后，就能獲得齒輪的實際幾何參數(shù)。
區(qū)域標記的目的是給連接在一起的像素點附上相同的標記，不同的連接成分附上不同的標記。區(qū)域標記在二值圖像處理中占有非常重要的地位。通過該處理將各個不同的連接區(qū)域區(qū)分開，然后就對圖像中的連通區(qū)域的個數(shù)進行計數(shù)，并能分析各區(qū)域的幾何參數(shù)。其具體步驟為
(I)掃描二值圖像，遇到?jīng)]加標記的目標像數(shù)(白像數(shù))P時，添加一個新的標記 (label)；
(2)給與P連接在一起(即相同連接成分)的像數(shù)添加相同的標記；
(3)進一步給所有與加標記像數(shù)連接在一起的像數(shù)添加相同的標記；
(4)直到連接在一起的像數(shù)全部被添加標記。這樣一個連接成分就被添加了相同的標記；
(5)返回到第一步，重新查找新的沒加標記的像數(shù)，重復上述各個步驟。
(6)經(jīng)過標記后的齒頂圖像用偽彩色方式顯示如圖12a所示，其中，圖12a中各個齒頂圖應該標記有顏色，以區(qū)分不同齒頂，圖中未標記，但不用以限制本發(fā)明。
(7)根據(jù)不同的標記計算齒頂?shù)膫€數(shù)和面積；
其中齒頂個數(shù)η為標記的最大值，各齒頂?shù)拿娣e為連通區(qū)域像素的個數(shù)，用公式表示為
n=max (label)
area (i) =f ind (I==i)
(8)對個齒頂面積進行統(tǒng)計，其直方圖表示如圖12b所示，由圖中看出，齒頂個數(shù)η 為20個。
(9)求取齒頂面積的平均值area。用公式表不為
area = —T area(i)
(10)判斷缺陷區(qū)域。通過設(shè)定閾值來判斷缺陷區(qū)域，判斷規(guī)則為
J 正常區(qū)域 0.8 X area < area{i) < 1.2x areai缺陷區(qū)域其他
(11)輸出分析結(jié)果。
因此，通過這種方式可以計算出齒輪的齒數(shù)，并將缺陷區(qū)域找出來。
在該實施例中，利用同樣方法可以求得齒根區(qū)域的幾何參數(shù)。
作為本發(fā)明的一個實施例，計算出齒頂圓半徑和齒根圓半徑后，可以確定齒輪模數(shù)，具體如下
(I)初步估計模數(shù)m’。公式為
m= (rH+rL) / η
其中，η為齒數(shù)。
(2)初步選定與比較接近的標準齒輪模數(shù)。一般可能會有2，3個這樣的標準模數(shù)存在，計為，ml, m2, m3并按大小排序，假設(shè)為ml>m2>m3。
(3)與標準模數(shù)表中的模數(shù)進行比較，經(jīng)過判斷即可得到齒輪的實際模數(shù)。
通過以上步驟，齒輪的標準模數(shù)m就可以確定下來。
下述給出了一個具體事例對本發(fā)明實施例的技術(shù)方案進行說明
為了驗證方法的有效性，我們進行了實驗，本系統(tǒng)采用的CCD像素個數(shù)為 1280X 1040，成像單元面積為4. 068mmX3. 686mm。其實驗過程包括以下步驟
(I) K 值標定
采用一標準量塊，在不改變測量參數(shù)的前提下對測量系統(tǒng)的測量比K=L/L0進行標定，其中L為該量塊的計算機圖像尺寸，以像素點個數(shù)表示，LO為該量塊的標準尺寸，單位為毫米。
(2)測量
待測零件圖像進入到標定好的測量系統(tǒng)，測得零件的圖像尺寸為LI (像素數(shù))。則該零件的測量尺寸為L2=L1K。
(3)判定
比較標準尺寸和測量尺寸，判斷工件的尺寸是否在公差容許范圍之內(nèi)，從而對所測量的尺寸進行結(jié)果判定。
圖13示出了本發(fā)明實施例提供的基于計算機視覺的齒輪缺陷檢測系統(tǒng)的結(jié)構(gòu)框圖，為了便于說明，圖中僅給出了與本發(fā)明實施例相關(guān)的部分。
源圖像采集模塊11通過PCI插槽獲取圖像采集卡采集到的被測齒輪的源圖像；預處理操作模塊12對獲取得到的被測齒輪的源圖像進行包括灰度變換、濾波去噪和閾值分割在內(nèi)的預處理操作，得到被測齒輪的齒輪參數(shù)；形態(tài)學參數(shù)分析模塊13對得到的被測齒輪的齒輪參數(shù)進行形態(tài)學參數(shù)分析，獲取包含可能存在缺陷的齒數(shù)的分析結(jié)果。
作為本發(fā)明的一個具體實施例，如圖14所示，所述預處理操作模塊12具體包括
灰度變換處理模塊121將采集到的被測齒輪的24位彩色源圖像進行灰度變換處理，得到8位灰度齒輪圖像；噪音去除模塊122利用中值濾波算法，對所述8位灰度齒輪圖像進行噪音去除；閾值分割模塊123利用圖像二值化算法，對灰度齒輪圖像進行閾值分割， 得到分離的齒輪和背景圖像。
作為本發(fā)明的一個具體實施例，如圖15所示，所述形態(tài)學參數(shù)分析模塊13具體包括
孔洞填充模塊131利用填充算法，對所述二值化算法得到的齒輪圖像的孔洞進行填充；圓心半徑計算模塊132對孔洞填充后的二值化圖像作為目標，確定計算所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑；齒根圖像和齒頂圖像獲得模塊133根據(jù)計算得到的所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑，對齒頂和齒根進行分離，檢測齒輪輪齒缺陷，獲得齒根圖像和齒頂圖像；缺陷分析模塊134通過區(qū)域標號法，對獲得的齒根圖像和齒頂圖像進行缺陷分析，計算齒輪的齒數(shù)，確定所述齒根和齒頂圖像的缺陷區(qū)域。
作為本發(fā)明的一個具體實施例，如圖16所示，所述圓心半徑計算模塊132具體包括
坐標記錄模塊1321讀入孔洞填充后的二值化圖像，記錄齒輪上的坐標；點查找模塊1322在所述二值化圖像上查找距離所述圖像中心最遠點集合和最近點集合，獲取分別能包含齒輪的最小凸多邊形的坐標；繪制模塊1323根據(jù)最小凸多邊形的坐標，分別繪制出凸多邊形；擬合計算模塊1324對所述凸多邊形分別進行最小二乘法的圓曲線擬合，計算齒輪的圓心坐標、齒根圓半徑和齒頂圓半徑；
作為本發(fā)明的一個具體實施例，如圖17所示，所述齒根圖像和齒頂圖像獲得模塊 133具體包括
計算輔助圓繪制模塊1331在二值化圖像中，以介于齒根圓半徑與齒頂圓半徑之間的某個數(shù)值為半徑繪制一個計算輔助圓；蒙板圖像設(shè)置模塊1332設(shè)置一蒙板圖像，所述蒙板圖像大小與齒輪圖像大小相同，所述蒙板圖像的半徑等于齒頂圓半徑與齒根圓半徑之和的一半；第一差運算模塊1333將畫計算輔助圓后的齒輪圖像與所述蒙板圖像做差運算， 得到齒頂像；第二差運算模塊1334將所述蒙板圖像與畫計算輔助圓后的齒輪圖像做差運算，得到齒根像；
作為本發(fā)明的一個具體實施例，如圖18所示，所述缺陷分析模塊134具體包括
區(qū)域標記模塊1341分別對獲得的齒根圖像和齒頂圖像進行區(qū)域標記，獲得偽色彩方式顯示的齒根圖像和齒頂圖像；計算模塊1342對偽色彩方式顯示的齒根圖像和齒頂圖像分別進行個數(shù)和單個面積計算；統(tǒng)計模塊1343對齒頂和齒根面積進行統(tǒng)計，分別求取齒頂面積和齒根面積的平均值；確定模塊1344通過設(shè)定面積閾值的方式,確定齒根和齒頂缺陷區(qū)域。
上述僅為本發(fā)明系統(tǒng)實施例，其各模塊的功能實現(xiàn)如上述方法實施例所述，在此不再贅·述，但不用以限制本發(fā)明。
本發(fā)明實施例基于機器視覺的齒輪參數(shù)測量系統(tǒng)，它通過攝像頭采集圖像，經(jīng)過采集卡傳到計算機中，結(jié)合計算機強大的數(shù)據(jù)處理能力，利用圖像處理技術(shù)實現(xiàn)了齒輪參數(shù)的非接觸測量。本發(fā)明實施例不僅測量速度快、而且精度高，滿足了齒輪常規(guī)參數(shù)測量的功能要求，大批量工業(yè)生產(chǎn)過程中可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度，可滿足生產(chǎn)實際中的測量精度要求，且測量時間僅為幾秒鐘，能滿足工業(yè)測量中對測量速度的要求，具有較大的理論及實用價值。
以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1.一種基于計算機視覺的齒輪缺陷檢測方法，其特征在于，所述方法包括下述步驟 通過PCI插槽獲取圖像采集卡采集到的被測齒輪的源圖像；對獲取得到的被測齒輪的源圖像進行包括灰度變換、濾波去噪和閾值分割在內(nèi)的預處理操作，得到被測齒輪的齒輪參數(shù)；對得到的被測齒輪的齒輪參數(shù)進行形態(tài)學參數(shù)分析，獲取包含可能存在缺陷的齒數(shù)的分析結(jié)果。
2.根據(jù)權(quán)利要求I所述的基于計算機視覺的齒輪缺陷檢測方法，其特征在于，所述對獲取得到的被測齒輪的源圖像進行包括灰度變換、濾波去噪和閾值分割在內(nèi)的預處理操作，得到被測齒輪的齒輪參數(shù)的步驟具體包括下述步驟將采集到的被測齒輪的24位彩色源圖像進行灰度變換處理，得到8位灰度齒輪圖像； 利用中值濾波算法，對所述8位灰度齒輪圖像進行噪音去除；利用圖像二值化算法，對灰度齒輪圖像進行閾值分割，得到分離的齒輪和背景圖像。
3.根據(jù)權(quán)利要求2所述的基于計算機視覺的齒輪缺陷檢測方法，其特征在于，所述對得到的被測齒輪的齒輪參數(shù)進行形態(tài)學參數(shù)分析，獲取包含可能存在缺陷的齒數(shù)的分析結(jié)果的步驟具體包括下述步驟利用填充算法，對所述二值化算法得到的齒輪圖像的孔洞進行填充；對孔洞填充后的二值化圖像作為目標，確定計算所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑；根據(jù)計算得到的所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑，對齒頂和齒根進行分離，檢測齒輪輪齒缺陷，獲得齒根圖像和齒頂圖像；通過區(qū)域標號法，對獲得的齒根圖像和齒頂圖像進行缺陷分析，計算齒輪的齒數(shù)，確定所述齒根和齒頂圖像的缺陷區(qū)域。
4.根據(jù)權(quán)利要求3所述的基于計算機視覺的齒輪缺陷檢測方法，其特征在于，所述對孔洞填充后的二值化圖像作為目標，確定計算所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑的步驟具體包括下述步驟讀入孔洞填充后的二值化圖像，記錄齒輪上的坐標；在所述二值化圖像上查找距離所述圖像中心最遠點集合和最近點集合，獲取分別能包含齒輪的最小凸多邊形的坐標；根據(jù)最小凸多邊形的坐標，分別繪制出凸多邊形；對所述凸多邊形分別進行最小二乘法的圓曲線擬合，計算齒輪的圓心坐標、齒根圓半徑和齒頂圓半徑。
5.根據(jù)權(quán)利要求3所述的基于計算機視覺的齒輪缺陷檢測方法，其特征在于，所述根據(jù)計算得到的所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑，對齒頂和齒根進行分離，檢測齒輪輪齒缺陷，獲得齒根圖像和齒頂圖像的步驟具體包括下述步驟在二值化圖像中，以介于齒根圓半徑與齒頂圓半徑之間的某個數(shù)值為半徑繪制一個計算輔助圓；設(shè)置一蒙板圖像，所述蒙板圖像大小與齒輪圖像大小相同，所述蒙板圖像的半徑等于齒頂圓半徑與齒根圓半徑之和的一半；將畫計算輔助圓后的齒輪圖像與所述蒙板圖像做差運算，得到齒頂像；將所述蒙板圖像與畫計算輔助圓后的齒輪圖像做差運算，得到齒根像。
6.根據(jù)權(quán)利要求3所述的基于計算機視覺的齒輪缺陷檢測方法，其特征在于，所述通過區(qū)域標號法，對獲得的齒根圖像和齒頂圖像進行缺陷分析，計算齒輪的齒數(shù)，確定所述齒根和齒頂圖像的缺陷區(qū)域的步驟具體包括分別對獲得的齒根圖像和齒頂圖像進行區(qū)域標記，獲得偽色彩方式顯示的齒根圖像和齒頂圖像；對偽色彩方式顯示的齒根圖像和齒頂圖像分別進行個數(shù)和單個面積計算；對齒頂和齒根面積進行統(tǒng)計，分別求取齒頂面積和齒根面積的平均值；通過設(shè)定面積閾值的方式，確定齒根和齒頂缺陷區(qū)域。
7.一種基于計算機視覺的齒輪缺陷檢測系統(tǒng)，其特征在于，所述系統(tǒng)包括源圖像采集模塊，用于通過PCI插槽獲取圖像采集卡采集到的被測齒輪的源圖像； 預處理操作模塊，用于對獲取得到的被測齒輪的源圖像進行包括灰度變換、濾波去噪和閾值分割在內(nèi)的預處理操作，得到被測齒輪的齒輪參數(shù)；形態(tài)學參數(shù)分析模塊，用于對得到的被測齒輪的齒輪參數(shù)進行形態(tài)學參數(shù)分析，獲取包含可能存在缺陷的齒數(shù)的分析結(jié)果。
8.根據(jù)權(quán)利要求7所述的基于計算機視覺的齒輪缺陷檢測系統(tǒng)，其特征在于，所述預處理操作模塊具體包括灰度變換處理模塊，用于將采集到的被測齒輪的24位彩色源圖像進行灰度變換處理， 得到8位灰度齒輪圖像；噪音去除模塊，用于利用中值濾波算法，對所述8位灰度齒輪圖像進行噪音去除； 閾值分割模塊，用于利用圖像二值化算法，對灰度齒輪圖像進行閾值分割，得到分離的齒輪和背景圖像。
9.根據(jù)權(quán)利要求7所述的基于計算機視覺的齒輪缺陷檢測系統(tǒng)，其特征在于，所述形態(tài)學參數(shù)分析模塊具體包括孔洞填充模塊，用于利用填充算法，對所述二值化算法得到的齒輪圖像的孔洞進行填充；圓心半徑計算模塊，用于對孔洞填充后的二值化圖像作為目標，確定計算所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑；齒根圖像和齒頂圖像獲得模塊，用于根據(jù)計算得到的所述二值化圖像的圓心坐標、齒根圓半徑和齒頂圓半徑，對齒頂和齒根進行分離，檢測齒輪輪齒缺陷，獲得齒根圖像和齒頂圖像；缺陷分析模塊，用于通過區(qū)域標號法，對獲得的齒根圖像和齒頂圖像進行缺陷分析，計算齒輪的齒數(shù)，確定所述齒根和齒頂圖像的缺陷區(qū)域；所述圓心半徑計算模塊具體包括坐標記錄模塊，用于讀入孔洞填充后的二值化圖像，記錄齒輪上的坐標；點查找模塊，用于在所述二值化圖像上查找距離所述圖像中心最遠點集合和最近點集合，獲取分別能包含齒輪的最小凸多邊形的坐標；繪制模塊，用于根據(jù)最小凸多邊形的坐標，分別繪制出凸多邊形；擬合計算模塊，用于對所述凸多邊形分別進行最小二乘法的圓曲線擬合，計算齒輪的圓心坐標、齒根圓半徑和齒頂圓半徑；所述齒根圖像和齒頂圖像獲得模塊具體包括計算輔助圓繪制模塊，用于在二值化圖像中，以介于齒根圓半徑與齒頂圓半徑之間的某個數(shù)值為半徑繪制一個計算輔助圓；蒙板圖像設(shè)置模塊，用于設(shè)置一蒙板圖像，所述蒙板圖像大小與齒輪圖像大小相同，所述蒙板圖像的半徑等于齒頂圓半徑與齒根圓半徑之和的一半；第一差運算模塊，用于將畫計算輔助圓后的齒輪圖像與所述蒙板圖像做差運算，得到齒頂像；第二差運算模塊，用于將所述蒙板圖像與畫計算輔助圓后的齒輪圖像做差運算，得到齒根像；所述缺陷分析模塊具體包括區(qū)域標記模塊，用于分別對獲得的齒根圖像和齒頂圖像進行區(qū)域標記，獲得偽色彩方式顯示的齒根圖像和齒頂圖像；計算模塊，用于對偽色彩方式顯示的齒根圖像和齒頂圖像分別進行個數(shù)和單個面積計算；統(tǒng)計模塊，用于對齒頂和齒根面積進行統(tǒng)計，分別求取齒頂面積和齒根面積的平均值；確定模塊，用于通過設(shè)定面積閾值的方式，確定齒根和齒頂缺陷區(qū)域。
全文摘要
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，提供了一種基于計算機視覺的齒輪缺陷檢測方法及系統(tǒng)，所述方法包括下述步驟通過PCI插槽獲取圖像采集卡采集到的被測齒輪的源圖像；對獲取得到的被測齒輪的源圖像進行包括灰度變換、濾波去噪和閾值分割在內(nèi)的預處理操作，得到被測齒輪的齒輪參數(shù)；對得到的被測齒輪的齒輪參數(shù)進行形態(tài)學參數(shù)分析，獲取包含可能存在缺陷的齒數(shù)的分析結(jié)果。本發(fā)明實施例不僅測量速度快、而且精度高，滿足了齒輪常規(guī)參數(shù)測量的功能要求，大批量工業(yè)生產(chǎn)過程中可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度，可滿足生產(chǎn)實際中的測量精度要求,且測量時間僅為幾秒鐘,能滿足工業(yè)測量中對測量速度的要求，具有較大的理論及實用價值。
文檔編號G01N21/88GK102914545SQ201210460169
公開日2013年2月6日 申請日期2012年11月15日 優(yōu)先權(quán)日2012年11月15日
發(fā)明者王文成 申請人:濰坊學院