本發(fā)明涉及齒輪外觀缺陷檢測領域，具體地說是一種基于圖像旋轉(zhuǎn)周期性特性的齒輪外觀缺陷快速檢測方法。

背景技術(shù)：

計算機集成制造(cim)技術(shù)是信息技術(shù)發(fā)展和工業(yè)生產(chǎn)相結(jié)合的產(chǎn)物，是促進生產(chǎn)一元化、集成化和高效化的的技術(shù)。在我國，1986年開始實施的“高新技術(shù)研究和發(fā)展計劃”中，cims是一個重要的主題，在當時促進了cims的應用，而伴隨著cims(計算機/現(xiàn)代集成制造系統(tǒng))的推廣，信息技術(shù)在工業(yè)領域上開始愈加頻繁地嶄露頭角。在對于機械零件加工過程中，由于材料、工藝，亦或是其他不可控因素，殘次品的出現(xiàn)總是不可避免。所以關(guān)于工業(yè)產(chǎn)品的缺陷識別顯得十分必要，可以極大地提升生產(chǎn)效率，同時也減輕了人工檢測的負擔，降低了生產(chǎn)的人力成本。而人力成本往往是今后持續(xù)增長的企業(yè)主要開支之一。

近年來隨著計算機視覺技術(shù)的發(fā)展，其在工業(yè)上的應用也更加廣泛。對于目標圖像，相關(guān)計算機視覺技術(shù)往往能夠抑制其噪聲信號，增強所需信號，實現(xiàn)對圖像的處理與進一步分析?，F(xiàn)有基于圖像信息的缺陷檢測方案往往將待檢測圖片與標準模板圖片進行匹配，需要額外提供單獨的標準模板圖像。然而，實際中額外單獨采集的標準模板圖像，其采集的光照、焦距等外部環(huán)境與待檢測的圖像并不相同，往往會發(fā)生欠曝光或者過度曝光等情況，拍攝角度也很難完全一致。這造成了即使是完好無缺的部件，其圖像與標準模版的圖像也存在較大形變與色差，影響了缺陷檢測的準確性。另外，基于額外模板匹配的方法往往要在尺度、旋轉(zhuǎn)和平移多個維度進行查找遍歷需要大量計算時間，往往無法滿足工業(yè)檢測的實時性需求。

技術(shù)實現(xiàn)要素：

本發(fā)明致力于解決上述問題，提出一種基于圖像旋轉(zhuǎn)周期特性的齒輪缺陷檢測方法。該方法包含齒輪原始圖像的預處理，利用齒輪圖像旋轉(zhuǎn)運算獲取自適應模板圖像，利用圖像差分運算與模板匹配進行缺陷檢測等步驟。本發(fā)明檢測精度高且速度快，不需要額外的標準模板，對圖像采集環(huán)境沒有過高要求，可以滿足規(guī)?；a(chǎn)的需求。

本發(fā)明涉及一種基于圖像旋轉(zhuǎn)周期特性的齒輪缺陷檢測方法，包括檢測預處理和缺陷檢測兩個階段；

檢測預處理階段包括圖像噪聲消除和形態(tài)學操作兩個過程；原始圖像噪聲消除，指的是使用高斯濾波等濾波方法和基于閾值等二值化分割方法對原圖進行圖像處理操作，圖像形態(tài)學操作主要包括邊緣和輪廓的檢測和特征分析。

缺陷檢測階段包括如下步驟：

步驟j1)對待檢圖像的閾值進行二值化操作，通過閾值操作進行圖像中的物體和背景的像素級分割；

圖像閾值二值化操作，指的是使用固定閾值或者自適應閾值的方法進行圖像二值化操作。

步驟j2)對待檢圖像輪廓進行提取，獲得圖像區(qū)域中目標的幾何輪廓；

步驟j3)結(jié)合獲取的最小外包輪廓，確定目標感興趣區(qū)域，提取零件圓心區(qū)域作為處理目標的感興趣區(qū)域；

目標感興趣區(qū)域的確定，指的是結(jié)合最小外包輪廓提取零件的圓心區(qū)域作為處理的目標感興趣區(qū)域，并進行篩選區(qū)分，具體過程包括如下步驟：

m1)對輪廓點集進行圖像平滑；

m2)尋找最小包圍圓形，對圖像中所有輪廓的最小外接圓形進行查找、存儲；

m3)存儲最小外接圓的半徑數(shù)據(jù)；

m4)使用最小外接圓中的最大圓半徑表示感興趣區(qū)域的最小表示，選取該圓的外接矩形擴展感興趣區(qū)域。

步驟j4)對圖像中齒輪目標區(qū)域進行分割空洞再填充，進一步增強圖像旋轉(zhuǎn)周期特性；

步驟j5)基于凸包檢測方法確定齒輪外輪廓齒數(shù)，進而得到齒輪的最小旋轉(zhuǎn)周期角度；

齒輪齒數(shù)的確定，指的是使用凸包檢測的方法對齒輪的凸出部分進行一定程度的判定，具體過程包括如下步驟：

n1)獲取目標圖像；

n2)獲取直接凸包檢測的結(jié)果；

n3)確定縮放倍數(shù)；

縮放倍數(shù)的確定指的是利用縮放減少像素點，減少檢測到的凸包個數(shù)，得到凸包數(shù)量和縮放倍數(shù)的函數(shù)關(guān)系。

n4)循環(huán)凸包的檢測分析；

n5)確定凸包數(shù)量突變點，歸納確定齒輪齒數(shù)；

確定突變點指的是獲取各個縮放級別下凸包數(shù)量變化最大的突變點，由此確定齒輪齒數(shù)。

步驟j6)利用齒輪外觀的旋轉(zhuǎn)周期性，旋轉(zhuǎn)齒輪圖像，生成若干份新圖像；

利用齒輪外觀的旋轉(zhuǎn)周期性，旋轉(zhuǎn)齒輪圖像，生成若干份新圖像。具體的一個實現(xiàn)方案可以指通過仿射變換等圖像旋轉(zhuǎn)方式來構(gòu)造圖像旋轉(zhuǎn)函數(shù)，具體過程包括如下步驟：

l1)旋轉(zhuǎn)矩陣的獲?。?/p>

旋轉(zhuǎn)變換矩陣的獲取指的是通過給定的圓心和旋轉(zhuǎn)角度來獲取旋轉(zhuǎn)矩陣，圓心來自于輪廓外接圓中半徑排序第二位所對應的圓心，旋轉(zhuǎn)角度是齒輪齒數(shù)。

l2)利用旋轉(zhuǎn)矩陣對圖像進行幾何變換：

l3)根據(jù)旋轉(zhuǎn)結(jié)果對圖形的大小進行校正：

在步驟l3)中，圖像旋轉(zhuǎn)之后的區(qū)域變大，感興趣區(qū)域的大小固定不變，所以會出現(xiàn)圖像丟失的問題，通過將旋轉(zhuǎn)的長寬放大，利用旋轉(zhuǎn)的弧度進行校正，處理仿射變換后的旋轉(zhuǎn)圖像變形問題。

步驟j7)通過利用圖像的旋轉(zhuǎn)周期性，進行旋轉(zhuǎn)處理，并獲得在線自適應模板圖像；

在線自適應模板圖像的獲取，指的是利用目標零件的對稱性，均值之后噪聲點變淡，再進行閾值操作將淡色的部分進行過濾，以得到平滑圖像。具體過程包括旋轉(zhuǎn)圖像的生成與基于旋轉(zhuǎn)結(jié)果的自適應模板生成。

步驟j8)基于圖像差分運算與模板匹配進行缺陷檢測，對圖像進行差分操作，檢測缺陷區(qū)域。

圖像的差分和缺陷的定位，指的是基于圖像差分將原圖像均值圖像來進行對比，進而確定出不一致的部分。

本發(fā)明的優(yōu)點在于：

(1)不依賴于額外標準模板圖片，實際應用非常簡潔方便；

(2)針對每個齒輪部件圖像樣本自動生成匹配模板，能夠自適應不同光照環(huán)境，調(diào)試成本??；

(3)利用旋轉(zhuǎn)周期特性進行匹配定位，搜索空間小，運行效率高；

(4)對缺陷類型沒有特定要求，對各種缺陷類型適用度廣。

附圖說明

圖1為本發(fā)明的整體流程示意圖；

圖2為本發(fā)明確定目標感興趣區(qū)域的流程示意圖；

圖3為本發(fā)明使用凸包檢測確定齒輪齒數(shù)的流程示意圖；

圖4為本發(fā)明中待檢測齒輪原始圖像示意圖；

圖5為本發(fā)明中待檢測齒輪圖像二值化處理的效果示意圖；

圖6為合格齒輪的檢測效果示意圖。

具體實施方式

下面將結(jié)合附圖和實施例對本發(fā)明作進一步的詳細說明。

本發(fā)明是一種基于圖像旋轉(zhuǎn)周期特性的齒輪缺陷檢測方法，如圖1所示，包括檢測預處理和缺陷檢測兩個階段。在檢測預處理階段，包含圖像濾波、噪聲消除、二值化、形態(tài)學操作等預處理步驟。在缺陷檢測階段，則包含圖像分割、目標輪廓提取、目標區(qū)域檢測、目標區(qū)域補全、輪廓齒輪數(shù)估計、齒輪圖像旋轉(zhuǎn)、在線自適應模板圖像生成及原始圖片與獲得的模板圖片差分匹配等步驟。

檢測預處理階段采用高斯濾波、形態(tài)學操作等方法對噪聲進行消除，并增強齒輪輪廓信號。

如圖4為待檢測齒輪原始圖像示意圖。本實施例使用二維高斯濾波消除服從正態(tài)分布噪聲，其原理是對處于圖像中(x0，y0)坐標待濾波的像素點的像素值，用其周圍坐標為(x，y)像素點的像素值ax，y進行加權(quán)累加替換，具體形式如下：

其中，分別代表高斯核在圖像x軸方向和y軸方向的帶寬參數(shù)。

二維高斯濾波操作后，對圖像進行雙邊濾波處理以平滑邊緣。如圖5所示，將二值化的結(jié)果保存為待用的圖像副本之一，在此基礎上進行形態(tài)學操作。在本實施例中，進行形態(tài)學操作的實施方式如下：首先進行k次膨脹、閉運算和黑帽運算，隨后進行j次腐蝕、開運算和頂帽運算。k和j的確定由實際數(shù)據(jù)進行經(jīng)驗性選取，一般來說，選取k或者j為5-10左右。

缺陷檢測階段包括如下步驟：

步驟j1)對待檢圖像的閾值進行二值化操作，通過閾值操作進行圖像中的物體和背景的像素級分割；

閾值二值化操作是基于圖像中的物體和背景的差異來進行像素級的分割，本實施例采用全局固定閾值方法進行二值化操作。

步驟j2)對待檢圖像輪廓進行提取，獲得圖像區(qū)域中目標的幾何輪廓；

對提取的輪廓邊緣點集進行多邊形擬合，得到輪廓的最小外包圓或者最小外包矩形。具體過程分為輪廓的查找、存儲、篩選和繪制。

步驟j3)結(jié)合獲取的最小外包輪廓，確定目標感興趣區(qū)域，提取零件圓心區(qū)域作為處理目標的感興趣區(qū)域；

為了消除齒輪范圍外的噪聲，結(jié)合最小外包輪廓獲取框取零件的圓心區(qū)域作為處理的目標感興趣區(qū)域，將提取到的所有外包圓形存儲到數(shù)組中，再進行篩選區(qū)分，如圖2所示，具體步驟如下：

m1)在對所提取的輪廓進行最小外包圓或最小外包矩形之前，先對輪廓點集進行平滑，從而降低誤差以及提高效率；

m2)根據(jù)零件的類圓形的形狀，尋找最小包圍圓形的函數(shù)；

m3)存儲得到的最小外接圓半徑；

m4)使用最小外接圓中的最大圓半徑表示感興趣區(qū)域的最小表示，選取該圓的外接矩形擴展感興趣區(qū)域。

步驟j4)對圖像中齒輪目標區(qū)域進行分割空洞再填充，進一步增強圖像旋轉(zhuǎn)周期特性；

對圖像中齒輪目標區(qū)域進行分割空洞再填充，進一步增強圖像旋轉(zhuǎn)周期特性，對之后要進行的幾何變換操作做好準備。

步驟j5)基于凸包檢測方法確定齒輪外輪廓齒數(shù)，進而得到齒輪的最小旋轉(zhuǎn)周期角度；

齒輪齒數(shù)的確定，使用凸包檢測的方法對齒輪的凸出部分進行一定程度的判定，如圖3所示，具體過程包括如下步驟：

n1)獲取目標圖像；

n2)獲取直接凸包檢測的結(jié)果；

n3)確定縮放倍數(shù)的；

縮放倍數(shù)的確定利用縮放減少像素點，減少檢測到的凸包個數(shù)，得到凸包數(shù)量和縮放倍數(shù)的函數(shù)關(guān)系。

n4)循環(huán)凸包的檢測分析

n5)確定凸包數(shù)量突變點，歸納確定齒輪齒數(shù)；

確定凸包數(shù)量突變點，歸納確定齒輪齒數(shù)，指的是獲取各個縮放級別下凸包數(shù)量變化最大的突變點，由此確定齒輪齒數(shù)。

步驟j6)利用齒輪外觀的旋轉(zhuǎn)周期性，旋轉(zhuǎn)齒輪圖像，生成若干份新圖像；

通過仿射變換以及相應的點的數(shù)學旋轉(zhuǎn)變化來構(gòu)造旋轉(zhuǎn)的函數(shù)，具體過程包括如下步驟：

l1)旋轉(zhuǎn)矩陣的獲?。簣A心來自于之前一步輪廓外接圓的獲取中內(nèi)輪廓的外接圓圓心，旋轉(zhuǎn)角度則是確定的齒輪齒數(shù)n，角度正為逆時針，反之則為順時針，所得到的旋轉(zhuǎn)矩陣的結(jié)果為：

其中，α代表旋轉(zhuǎn)角度。

l2)利用旋轉(zhuǎn)矩陣對圖像進行幾何變換：

l3)根據(jù)旋轉(zhuǎn)結(jié)果對圖形的大小進行校正：

步驟j7)通過利用圖像的旋轉(zhuǎn)周期性，進行旋轉(zhuǎn)處理，并獲得在線自適應模板圖像；

利用齒輪目標的旋轉(zhuǎn)周期性即旋轉(zhuǎn)不變性，獲取自適應模板圖像，在進行旋轉(zhuǎn)圖像結(jié)構(gòu)均值化之后噪聲點變淡，再進行閾值操作將淡色的部分進行過濾，以得到平滑圖像。具體過程包括如下步驟：

旋轉(zhuǎn)圖像的存儲獲取，先連續(xù)進行上一步的旋轉(zhuǎn)操作，對感興趣區(qū)域的圖像進行若干次旋轉(zhuǎn)，將每次選擇結(jié)果圖進行存儲；對結(jié)果圖的加權(quán)累加和除以旋轉(zhuǎn)圖像數(shù)目并取平均值或者其他平滑結(jié)果，得到所需要的模板圖像。

步驟j8)基于圖像差分運算與模板匹配進行缺陷檢測，對圖像進行差分操作，檢測缺陷區(qū)域，檢測結(jié)果如圖6所示。

得到所需要的均值模板圖像之后，將原圖像和均值圖像來進行對比，使用圖像差分方法確定不一致的部分，取連通域面積前三的區(qū)域進行框選，分別標記出相對的位置坐標，最后在原圖中根據(jù)得到的坐標進行標記，確定檢測缺陷區(qū)域，如圖6所示。