、齒根、齒孔進行實時定量檢測，檢測效率高且誤檢率低；2)該方法避免 了常規(guī)齒輪缺陷檢測中對中心精確定位的依賴性，防止了因誤差疊加而造成的誤檢現(xiàn)象， 提高了檢測的精度和可靠性；3)整個檢測過程自動完成，替代了人工檢測，提高了檢測效 率。
【附圖說明】
[0039] 下面結(jié)合附圖和【具體實施方式】對本發(fā)明作進一步詳細說明：
[0040] 圖1為本發(fā)明的整體流程示意圖；
[0041] 圖2為本發(fā)明中目標(biāo)區(qū)域自動設(shè)置的流程示意圖；
[0042] 圖3為本發(fā)明中以標(biāo)準(zhǔn)齒輪圖像為目標(biāo)圖像進行目標(biāo)區(qū)域自動設(shè)置生成粗檢模 板的效果示意圖；
[0043] 圖4為本發(fā)明中亞像素邊緣提取的流程示意圖；
[0044] 圖5為本發(fā)明中亞像素邊緣提取的效果示意圖；
[0045] 圖6為金字塔數(shù)據(jù)結(jié)構(gòu)示意圖；
[0046] 圖7為待檢圖像仿射變換的效果不意圖；
[0047] 圖8為本發(fā)明中在線檢測的流程示意圖；
[0048] 圖9為圖像異或運算的效果示意圖；
[0049] 圖10為本發(fā)明中在線檢測的過程示意圖；
[0050] 圖11為齒輪有腫齒缺陷時的檢測效果示意圖；
[0051] 圖12為齒輪有殘齒缺陷時的檢測效果示意圖；
[0052] 圖13為齒輪有齒孔缺陷時的檢測效果示意圖；
[0053] 圖14為合格齒輪的檢測效果示意圖。
【具體實施方式】
[0054] 參照附圖，該發(fā)明的齒輪外觀缺陷快速影像檢測方法包括檢測預(yù)處理階段和在線 檢測兩個階段。
[0055] 參照附圖，檢測預(yù)處理階段包括目標(biāo)區(qū)域自動設(shè)置、生成粗檢模板和生成精檢模 板三個過程。如圖2和圖3所示，目標(biāo)區(qū)域自動設(shè)置的過程具體包括如下步驟：
[0056] 步驟Ml)取目標(biāo)齒輪，獲得目標(biāo)圖像；
[0057] 步驟M2)利用迭代法分析目標(biāo)圖像直方圖獲得閾值；
[0058] 步驟M3)利用閾值化分割獲得目標(biāo)圖像二值圖；
[0059] 步驟M4)基于目標(biāo)圖像二值圖獲得最小凸多邊形；
[0060] 步驟M5)基于凸多邊形進行曲線擬合獲得齒輪的外接圓；
[0061] 步驟M6)以不小于擬合出的齒輪外接圓半徑的同心圓作為蒙版進行摳圖，獲得包 含目標(biāo)齒輪的區(qū)域。假設(shè)蒙版圖像為t(x，y)，源圖像為f(x，y)，則運算表達式為：
[0063] 在目標(biāo)區(qū)域自動設(shè)置的過程中，如圖3所示，取已合格的標(biāo)準(zhǔn)齒輪作為目標(biāo)齒輪， 經(jīng)摳圖后獲得的圖像作為粗檢模板。圖3中（I)為合格的標(biāo)準(zhǔn)齒輪投影圖像；（II)為其 灰度直方圖，從圖中看出目標(biāo)區(qū)域和背景區(qū)域灰度分布差距明顯；（III)為基于迭代閾值法 獲得的二值圖像，其中白色部分為齒輪區(qū)域，黑色部分為背景區(qū)域；（IV)為圍繞齒輪的齒 頂坐標(biāo)形成的最小凸多邊形；（V)為基于最小凸多邊形擬合形成的圓形區(qū)域，表示齒輪的 齒頂圓，將不小于其半徑的同心圓作為蒙版；（VI)為蒙版圖像與源圖像計算的模板區(qū)域， 用來作為模板匹配的目標(biāo)區(qū)域。整個過程自動完成，無需人工選定匹配區(qū)域。
[0064] 取多個粗檢模板進行齒輪配準(zhǔn)，使得各圖像的齒輪齒向重合，之后再對配準(zhǔn)后的 各圖像進行多圖求平均得到平均圖像，該平均圖像作為精檢模板圖像。其中，前述齒輪配準(zhǔn) 的過程可參照在精檢中的精檢模板匹配過程，其目的均是為了將齒輪的齒向重合，對于模 板匹配的過程下文中將有詳細介紹。對于多圖求平均的方法，假設(shè)需要n幅圖像進行平均 計算，則計算公式下所示：
[0066] 參照附圖，本發(fā)明的在線檢測階段包括如下步驟：
[0067] 步驟Jl)對待檢齒輪進行圖像采集，通過背光投影的方式獲得待檢圖像；
[0068] 步驟J2)對待檢圖像進行預(yù)處理和特征提??；
[0069] 步驟J3)將待檢圖像與粗檢模板圖像進行面積差值運算以進行粗檢判斷，剔除具 有明顯缺陷的零件；
[0070] 步驟J4)利用基于形狀的模板匹配方式，將待檢圖像與精檢模板圖像進行配準(zhǔn)， 使得兩圖像的齒輪齒向重合；
[0071] 步驟J5)將待檢圖像與精檢模板圖像進行異或運算得出差異圖像，獲得差異圖像 中的缺陷區(qū)域面積并進行精檢判斷，剔除不合格零件。
[0072] 上述步驟Jl)采用工業(yè)相機并利用背光投影的方式采集圖像到上位機，齒輪的輸 送可采用轉(zhuǎn)盤式的輸送結(jié)構(gòu)，即在轉(zhuǎn)盤的周圈放置多個齒輪，通過轉(zhuǎn)盤的轉(zhuǎn)動將齒輪逐個 輸送到工業(yè)相機的鏡頭下方，逐個進行圖像采集。其中，輸送結(jié)構(gòu)上還設(shè)置分揀機構(gòu)，當(dāng)檢 測到齒輪的外觀不合格時，利用分揀機構(gòu)可將不合格齒輪分到不合格產(chǎn)品區(qū)。本發(fā)明的核 心是檢測方法，該檢測方法具體依托的機械結(jié)構(gòu)可根據(jù)實際情況進行設(shè)計，在此不再贅述。
[0073] 上述步驟J2)是對采集來的圖像進行處理的過程，其主要過程是濾波處理過程。 本發(fā)明采用邊緣保持濾波的方法，對于圖像的濾波還包括均值濾波和中值濾波。設(shè)一副圖 像中，S為濾波窗口，濾波后窗口中心點的像素值為g(x，y)，則均值濾波表示為：
[0075] 中值濾波的公式為：
[0076]g(x,y) =Mid[f(i, j)] (i, j)GS;其中Mid□表示取中值。
[0077] 均值濾被和中值濾波都能夠較好地濾除圖像中的雜點，但是均值濾波會使圖像邊 緣變得模糊，而中值濾波卻將圖像中的線條細節(jié)濾除。齒輪的內(nèi)外輪廓邊緣的細節(jié)對檢測 非常重要，因此這兩種濾波器對于齒輪缺陷的檢測不適用。
[0078] 邊緣保持濾波處理的具體過程為：
[0079] 對于圖像中的任意一個像素點（x，y)的鄰域S，分別計算其左上角S1、左下角S2、 右上角S3和右下角S4四個區(qū)域的灰度分布均勻度V，最后將均勻度最小區(qū)域的平均值作為 該像素點的新的灰度值；
[0080] 計算灰度均勻度的公式為：
[0081]
[0085] 步驟J2)中還有特征提取的過程，特征提取是精檢中模板匹配的前提條件之一。 所謂特征提取，對于齒輪而言，即是指對待檢齒輪圖像進行亞像素邊緣提取，圖4和圖5分 別示意出了亞像素邊緣提取的過程和效果示意。如圖4所示，亞像素邊緣提取采用Canny 算子法，其具體步驟為：
[0086] 步驟Cl)利用Gauss濾波器對圖像進行平滑濾波，5X5的濾波模板為：
[0088] 步驟C2)通過求解一階偏導(dǎo)數(shù)得到梯度的幅值和方向；MJPM,分別表示X方向和 y方向的梯度，則：
[0091 ] 步驟C3)對梯度幅值進行非極大值抑制；其過程為：對于獲得的梯度幅值圖像，將 目標(biāo)像素點（i，j)的梯度值M(i，j)與其梯度方向兩端像素點的梯度值M1Q,j)和％(1，j) 進行比較，如果M(i，jDMji，j)且M(i，j)>M2(i，j)則M(i，j)保持不變；否則M(i，j) = 0。
[0092] 步驟C4)使用雙閾值法檢測并連接邊緣。所謂雙閾值法是利用高低兩個不同閾 值對步驟C3)步驟處理后的圖像進行閾值分割，得到兩幅邊緣圖像Gji，j)和心(1，j)。 GH(i，j)用高閾值得到，假邊緣少，但是存在不閉合的情況；Gji，j)用低閾值得到，邊緣點 豐富，但是存在假邊緣。因此就需要參考Gji，j)中的點，在GH(i，j)中利用8-鄰域跟蹤算 法將斷續(xù)的點連接在一起，形成一條細線，其他位置的像素值設(shè)為零，最終在Gh (i，j)二值 圖中形成封閉邊緣。所謂的8-鄰域跟蹤算法是指對于一個目標(biāo)區(qū)域邊界上的像素點，在其 周圍上、下、左、右、左上角、左下角、右上角或右下角搜索滿足邊界條件的點，則認為這些點 是當(dāng)前區(qū)域的邊界，不斷重復(fù)以上步