CN109003258A - 一种高精度亚像素圆形零件测量方法 - Google Patents

Abstract

本发明公开了一种高精度亚像素圆形零件测量方法，包括下述步骤：步骤一，获取圆形零件的原图；步骤二，对步骤一中获取的原图进行二值化处理，然后再将二值化处理后的图片使用findContours算法寻找轮廓，然后通过设置轮廓面积的最大值和最小值，进而筛选出符合测量需要的圆形轮廓，然后获取该圆形轮廓的最下外接矩形，从而获得所需测量的圆形所在区域的ROI图像；本发明大大提高了圆形零件的检测速度和精度，从而提高零件检测的效率，避免了传统人工检测所带来的易疲劳、成本高、强度大等缺点。

Description

一种高精度亚像素圆形零件测量方法

技术领域

本发明涉及机器视觉测量技术领域，具体涉及一种高精度亚像素圆形零件测量方法。

背景技术

在日常生活和自动化工业生产中，对圆检测的需求不断增加，而且要求的检测精度越来越高，能够准确快速的检测出圆在图像中的位置并且获得圆的几何参数是视觉检测中一项重要的任务；随着计算机视觉在图像检测领域的广泛应用，图像中边缘的定位精度直接影响到视觉***的检测精度；经典的整像素算法，例如常用的Sobel算子、Krisch算子、Prewitt算子、Roberts算子和Canny算子等，这些边缘检测技术虽然速度快，但是，只能判断出边缘位置处在哪一个像素内，却不能在该像素内对边缘进一步细分，已经不能满足目前工程技术上对测量精度越来越高的要求；而在圆检测中应用最广的方法是Hough变换或其改进算法，然而这些算法计算比较复杂，尤其当圆的参数超过三维时，计算时间和内存消耗都很巨大，根本不能满足工业生产中的实时性要求；如果要求精度达到亚像素级，就需要通过其他一些有效的算法，如有通过曲线拟合插值的方法进行亚像素计算，有用灰度矩的思想来定位亚像素边缘，还有用空间矩亚像素算子检测，但是这些算法计算量较大抗噪差，运算速度较慢。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种高精度亚像素圆形零件测量方法，该方法大大提高了圆形零件的检测速度和精度，从而提高零件检测的效率，避免了传统人工检测所带来的易疲劳、成本高、强度大等缺点。

本发明的目的通过下述技术方案实现：

一种高精度亚像素圆形零件测量方法，包括下述步骤：

步骤一，获取圆形零件的原图；

步骤二，对步骤一中获取的原图进行二值化处理，然后再将二值化处理后的图片使用findContours算法寻找轮廓，然后通过设置轮廓面积的最大值和最小值，进而筛选出符合测量需要的圆形轮廓，然后获取该圆形轮廓的最下外接矩形，从而获得所需测量的圆形所在区域的ROI图像；

步骤三，对步骤二中得到的ROI图像进行图像预处理；对ROI图像进行灰度处理，引入高斯滤波函数，如下述公式所示：

其中，所述h(x,y)为高斯滤波器模板的系数，(x,y)为图像点坐标；采用3×3大小的核对图像进行高斯滤波，去除ROI图像中的噪声，便于准确获得所需要的圆形轮廓；然后采用OTSU算法找到ROI图像合适的分割阈值设为T，如下述公式所示：

其中，v(x,y)为二值化前的图像在(x,y)点的像素灰度值，v′(x,y)为二值化后的图像在(x,y)点的像素灰度值；通过二值化ROI图像使圆的区域为黑色，其他区域为白色，由此获得二值化的ROI图像；

并且将二值化后的ROI图像采用3×3大小的核进行形态学闭运算，消除小型空洞；然后对获得的图像进行寻找轮廓操作，通过面积筛选找到圆形轮廓；

步骤四，对步骤三中所获得的圆形轮廓进行寻找最小包围圆形操作，获得初始圆心center(Cx_i,Cy_i)和半径R，该获取初始圆心和半径操作的目的是为了获取宽度为一个像素的矩形区域；

步骤五，进行基于三次样条拟合的亚像素检测；以穿过圆心的竖直线与圆轮廓相交的点，在该点附近做一个宽度为一个像素的矩形Rect(Cx_i，Cy_i-R-15，1，2×15)，即(Cx_i，Cy_i-R-15)为左上角点，宽度为一个像素，高度为2×15，并以此矩形在步骤二的ROI图像中获取一个小型ROI图像，然后遍历该小型ROI图像，获取每个像素的灰度值f(y)，其中y即为小型ROI图像中每个像素的纵坐标，用多项式曲线拟合成三次方函数，如下述公式所示：

f(y)＝a×y³+b×y²+c×y+d，

求得a,b,c,d四个参数的值，则求导后的f′(y)函数为其梯度函数，此梯度函数为二次函数，求得此梯度函数区间的最大值即为灰度梯度最大，灰度梯度最大即为灰度变化最大，故此时所对应的坐标点即为圆形边缘的亚像素点；

步骤六，用仿射变换旋转步骤二中的ROI图像，以1度为递进值，旋转360次，获得360圆形边缘亚像素点，则此时获得的亚像素点坐标为小型ROI图像的坐标；

步骤七，根据步骤六的亚像素检测结果，将获得的亚像素点坐标转换为步骤一中原图上的亚像素点坐标，亚像素点的集合点坐标为(x_i,y_i)，设圆的半径为r，圆心坐标为(a,b)，则圆的方程如下述公式所示：

(x_i-a)²+(y_i-b)²＝r²，

由于随机误差的影响，因此P_i点可能没有落在圆周上，按最小二乘法的计算方法，将P_i点的误差用ε_i表示，如下述公式所示：

ε_i＝(x_i-a)²+(y_i-b)²-r²，

由于误差值可能为正或者为负，因此通过误差的平方和来度量整体的误差大小，求误差平方和M最小时各个参数的值，如下述公式所示：

其中，Ω为圆边缘区域的像素点集；根据最小二乘原理，通过求解下述线性方程组：

可求得圆心参数(a,b)和半径参数r，然后再标定就可以获得标定系数，最后即可获得圆形零件的实际半径值。

本发明与现有技术相比具有以下的有益效果：

本发明大大提高了圆形零件的检测速度和精度，从而提高零件检测的效率，避免了传统人工检测所带来的易疲劳、成本高、强度大等缺点；先获取圆形零件ROI，以圆形边缘附近一个像素宽度的矩形获取小型ROI来获取一个亚像素点，通过放射变换来获取圆形边缘的360个亚像素点，无需全局去计算亚像素点或者全局插值，极大的提高了运算速度，采用三次样条拟合的亚像素检测，也同时提高了检测的精度；用OTSU算法来获取阈值，采用高斯滤波降噪，增强了算法的鲁棒性。

附图说明

图1为本发明的流程图；

图2为本发明的圆形零件原图；

图3为本发明二值化的原图；

图4为本发明的ROI图像；

图5为本发明预处理后的ROI图像；

图6为本发明一个像素宽度的小型ROI图像。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

如图1～6所示，一种高精度亚像素圆形零件测量方法，包括下述步骤：

步骤一，获取圆形零件的原图，如图2所示；

步骤二，对步骤一中获取的原图进行二值化处理，如图3所示，然后再将二值化处理后的图片使用findContours算法寻找轮廓，然后通过设置轮廓面积的最大值和最小值，进而筛选出符合测量需要的圆形轮廓，然后获取该圆形轮廓的最下外接矩形，从而获得所需测量的圆形所在区域的ROI图像，如图4所示，这样操作能够减小图像，加快运算速度，也防止其他的因素影响圆形特征区域的获取；

步骤三，对步骤二中得到的ROI图像进行图像预处理；对ROI图像进行灰度处理，引入高斯滤波函数，如下述公式所示：

其中，所述h(x,y)为高斯滤波器模板的系数，(x,y)为图像点坐标，在图像处理中可认为是整数；采用3×3大小的核对图像进行高斯滤波，去除ROI图像中的噪声，便于准确获得所需要的圆形轮廓；然后采用OTSU算法找到ROI图像合适的分割阈值设为T，如下述公式所示：

其中，v(x,y)为二值化前的图像在(x,y)点的像素灰度值，v′(x,y)为二值化后的图像在(x,y)点的像素灰度值；通过二值化ROI图像使圆的区域为黑色，其他区域为白色，由此获得二值化的ROI图像；

并且将二值化后的ROI图像采用3×3大小的核进行形态学闭运算，消除小型空洞，如图5所示；然后对获得的图像进行寻找轮廓操作，通过面积筛选找到圆形轮廓；

步骤四，对步骤三中所获得的圆形轮廓进行寻找最小包围圆形操作，获得初始圆心center(Cx_i,Cy_i)和半径R，该获取初始圆心和半径操作的目的是为了获取宽度为一个像素的矩形区域；

步骤五，进行基于三次样条拟合的亚像素检测；以穿过圆心的竖直线与圆轮廓相交的点，在该点附近做一个宽度为一个像素的矩形Rect(Cx_i，Cy_i-R-15，1，2×15)，即(Cx_i，Cy_i-R-15)为左上角点，宽度为一个像素，高度为2×15，并以此矩形在步骤二的ROI图像中获取一个小型ROI图像，如图6所示，然后遍历该小型ROI图像，获取每个像素的灰度值f(y)，其中y即为小型ROI图像中每个像素的纵坐标，用多项式曲线拟合成三次方函数，如下述公式所示：

f(y)＝a×y³+b×y²+c×y+d，

求得a,b,c,d四个参数的值，则求导后的f′(y)函数为其梯度函数，此梯度函数为二次函数，求得此梯度函数区间的最大值即为灰度梯度最大，灰度梯度最大即为灰度变化最大，故此时所对应的坐标点即为圆形边缘的亚像素点；

步骤六，用仿射变换旋转步骤二中的ROI图像，以1度为递进值，旋转360次，获得360圆形边缘亚像素点，则此时获得的亚像素点坐标为小型ROI图像的坐标；

步骤七，根据步骤六的亚像素检测结果，将获得的亚像素点坐标转换为步骤一中原图上的亚像素点坐标，亚像素点的集合点坐标为(x_i,y_i)，设圆的半径为r，圆心坐标为(a,b)，则圆的方程如下述公式所示：

(x_i-a)²+(y_i-b)²＝r²，

由于随机误差的影响，因此P_i点(亚像素点的集合中的某点)可能没有落在圆周上，按最小二乘法的计算方法，将P_i点的误差用ε_i表示，如下述公式所示：

ε_i＝(x_i-a)²+(y_i-b)²-r²，

由于误差值可能为正或者为负，因此通过误差的平方和来度量整体的误差大小，求误差平方和M最小时各个参数的值，如下述公式所示：

其中，Ω为圆边缘区域的像素点集；根据最小二乘原理，通过求解下述线性方程组：

可求得圆心参数(a,b)和半径参数r，然后再标定，标定方式具体为：采集二十张图片(不同图片旋转不同的角度)，然后用halcon进行标定；这样就可以获得标定系数，最后即可获得圆形零件的实际半径值。

本发明大大提高了圆形零件的检测速度和精度，从而提高零件检测的效率，避免了传统人工检测所带来的易疲劳、成本高、强度大等缺点；先获取圆形零件ROI，以圆形边缘附近一个像素宽度的矩形获取小型ROI来获取一个亚像素点，通过放射变换来获取圆形边缘的360个亚像素点，无需全局去计算亚像素点或者全局插值，极大的提高了运算速度，采用三次样条拟合的亚像素检测，也同时提高了检测的精度；用OTSU算法来获取阈值，采用高斯滤波降噪，增强了算法的鲁棒性。

上述为本发明较佳的实施方式，但本发明的实施方式并不受上述内容的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (1)

1.一种高精度亚像素圆形零件测量方法，其特征在于，包括下述步骤：

步骤一，获取圆形零件的原图；

步骤二，对步骤一中获取的原图进行二值化处理，然后再将二值化处理后的图片使用findContours算法寻找轮廓，然后通过设置轮廓面积的最大值和最小值，进而筛选出符合测量需要的圆形轮廓，然后获取该圆形轮廓的最下外接矩形，从而获得所需测量的圆形所在区域的ROI图像；

步骤三，对步骤二中得到的ROI图像进行图像预处理；对ROI图像进行灰度处理，引入高斯滤波函数，如下述公式所示：

其中，所述h(x,y)为高斯滤波器模板的系数，(x,y)为图像点坐标；采用3×3大小的核对图像进行高斯滤波，去除ROI图像中的噪声，便于准确获得所需要的圆形轮廓；然后采用OTSU算法找到ROI图像合适的分割阈值设为T，如下述公式所示：

其中，v(x,y)为二值化前的图像在(x,y)点的像素灰度值，v′(x,y)为二值化后的图像在(x,y)点的像素灰度值；通过二值化ROI图像使圆的区域为黑色，其他区域为白色，由此获得二值化的ROI图像；

并且将二值化后的ROI图像采用3×3大小的核进行形态学闭运算，消除小型空洞；然后对获得的图像进行寻找轮廓操作，通过面积筛选找到圆形轮廓；

步骤四，对步骤三中所获得的圆形轮廓进行寻找最小包围圆形操作，获得初始圆心center(Cx_i,Cy_i)和半径R，该获取初始圆心和半径操作的目的是为了获取宽度为一个像素的矩形区域；

步骤五，进行基于三次样条拟合的亚像素检测；以穿过圆心的竖直线与圆轮廓相交的点，在该点附近做一个宽度为一个像素的矩形Rect(Cx_i，Cy_i-R-15，1，2×15)，即(Cx_i，Cy_i-R-15)为左上角点，宽度为一个像素，高度为2×15，并以此矩形在步骤二的ROI图像中获取一个小型ROI图像，然后遍历该小型ROI图像，获取每个像素的灰度值f(y)，其中y即为小型ROI图像中每个像素的纵坐标，用多项式曲线拟合成三次方函数，如下述公式所示：

f(y)＝a×y³+b×y²+c×y+d，

求得a,b,c,d四个参数的值，则求导后的f′(y)函数为其梯度函数，此梯度函数为二次函数，求得此梯度函数区间的最大值即为灰度梯度最大，灰度梯度最大即为灰度变化最大，故此时所对应的坐标点即为圆形边缘的亚像素点；

步骤六，用仿射变换旋转步骤二中的ROI图像，以1度为递进值，旋转360次，获得360圆形边缘亚像素点，则此时获得的亚像素点坐标为小型ROI图像的坐标；

步骤七，根据步骤六的亚像素检测结果，将获得的亚像素点坐标转换为步骤一中原图上的亚像素点坐标，亚像素点的集合点坐标为(x_i,y_i)，设圆的半径为r，圆心坐标为(a,b)，则圆的方程如下述公式所示：

(x_i-a)²+(y_i-b)²＝r²，

由于随机误差的影响，因此P_i点可能没有落在圆周上，按最小二乘法的计算方法，将P_i点的误差用ε_i表示，如下述公式所示：

ε_i＝(x_i-a)²+(y_i-b)²-r²，

由于误差值可能为正或者为负，因此通过误差的平方和来度量整体的误差大小，求误差平方和M最小时各个参数的值，如下述公式所示：

其中，Ω为圆边缘区域的像素点集；根据最小二乘原理，通过求解下述线性方程组：

可求得圆心参数(a,b)和半径参数r，然后再标定就可以获得标定系数，最后即可获得圆形零件的实际半径值。