具有统计特征的微小型零件边缘识别技术

随着微型机械的发展,对微机械量和几何量的检测要求也越来越高.显微视觉测量方法辅助以精密的机械移动可以覆盖0·1μm~10 mm的区间,几乎可以覆盖整个微机械量几何量测量区间[1],能够满足微小型零件检测的需要.边缘检测技术一直是这种测量方法中的重点和难点.两个具有不同灰度值的相邻区域之间总存在边缘,边缘是灰度值不连续的结果.对于灰度变异边缘的检测,经典的方法是考察图像的每个像素在某个邻域内的灰度变化,利用边缘邻近一阶或二阶方向导数变化规律来检测边缘[2].经显微成像后的微小型零件边缘图像,由具有明显统计特征的边缘图像数据和不具统计特征的边缘毛刺等微观随机边缘图像数据叠加而成[3].在灰度图像上,毛刺区域、微小型零件下边缘区域和零件本体区域之间的灰度值相差很小;由于微小型零件表面反光的影响,零件本体上各个点的灰度值差值比较大.受这些因素的影响,传统的差分算法对于零件本体具有明显统计特征的边缘检测效果不理想.

在微小型零件灰度图像上,零件各个区域的灰度值虽然相差不大,但是其表面纹理特征却有很大的差异.作者从宏观角度出发,首先在分形纹理分析的基础上,找到微小型零件的边缘区域,然后在这些初步界定的局部范围内进行精确的微观边缘检测,检测出微小型零件具有明显统计特征的边缘.

1　微小型零件的光学特征

微小型零件的光学特征是指微小型零件在透射光照射下经显微镜和CCD摄像机在计算机屏幕上所显示的灰度图像的特征.如图1所示,微小型零件边缘图像是由具有明显统计特征的零件本体边缘和不具统计特征的零件边缘毛刺、凸起等微观随机边缘两部分组成.微小型零件图像上零件的本体部分边缘为圆弧、直线等规则曲线,毛刺、凸起和缺陷等微观随机边缘为不规则曲线.由于微小型零件检测系统采用显微镜作为成像光学系统,显微镜的放大倍数大,景深小.本实验中的显微镜景深为1μm,所以微小型零件的上下边缘无法同时看清,采用透射光照明时,下边缘在图像上表现为颜色较深的区域,如图1b所示.灰度值沿半径方向的分布如图2所示,背景和随机边缘以及下边缘区域之间的差值较大,随机边缘及下边缘区域与本体边缘的差值较小.采用传统的微分方法检测的边缘如图3所示.

2　微小型零件图像的分形特征

2·1　盒维数计算的基本思路

基于分形理论的图像分维值可以作为图像纹理特征的指标之一[4].分形维数直观上与物体表面的粗糙度相吻合[5],微小型零件中的不同部分粗糙度各不相同,反映在图像上的分形维数也有很大的差异.分形维数有多种定义,如Hausdorff维数、信息维数、关联维数、填充维数等.作者采用Sarkar等人[6]提出的差分盒计数法进行微小型零件图像维数的计算.图像可以看作三维空间中由不同大小的灰度值构成的一个分形曲面,图像的灰度强度函数F(x, y)是图像平面上的二维随机变量,图像中不同区域的随机变量F(x, y)具有不同的统计特征.