基于数字图像处理技术的螺纹检测系统设计毕业设计论文.docx

基于数字图像处理技术的螺纹检测系统设计毕业设计论文.docx

《基于数字图像处理技术的螺纹检测系统设计毕业设计论文.docx》由会员分享，可在线阅读，更多相关《基于数字图像处理技术的螺纹检测系统设计毕业设计论文.docx（32页珍藏版）》请在冰豆网上搜索。

基于数字图像处理技术的螺纹检测系统设计毕业设计论文

内蒙古科技大学

本科毕业论文

题目：

基于数字图像处理技术的螺纹检测系统设计

毕业设计（论文）原创性声明和使用授权说明

原创性声明

本人郑重承诺：

所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。

尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。

对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。

作者签名：

　　　　　日　期：

指导教师签名：

　　　　　日　　期：

使用授权说明

本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：

按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。

作者签名：

　　　　　日　期：

摘要

本文主要研究基于数字图像处理技术中的图像边缘检测技术和对螺纹图像的参数计算问题，用MATLAB软件来进行模拟仿真。

利用面阵系统,结合光学测量、计算机图像处理等技术,研制了螺纹参数非接触测量系统,并以MATLAB为平台,编制了检测程序,实现了图像数据采集、二维图像再现、边缘特征提取、边界拟合等功能,能够有效地测量螺纹的多项参数。

关键词：

CCD成像；MATLAB软件应用；Canny算子；二值法的应用；

Abstract

Thispapermainlybasedonthedigitalimageprocessingtechnologyinimageedgedetectionandimageofthreadparameterscalculationproblem,useMATLABsoftwaretosimulate.Usingarraysystem,combinedwiththeopticalmeasurement,computerimageprocessingtechnology,developmentofthreadparametersnoncontactmeasuringsystem,andMATLABastheplatform,fortestingprocedures,toachievetheimagedataacquisition,imagereconstruction,edgefeatureextraction,boundaryfittingfunction,caneffectivelymeasuringthreadparametersof.

Keywords:

CCDimaging;MATLABsoftware;Cannyoperator;twovaluemethod;

引言

螺纹在工业生产中使用频率非常高,对其进行实时高精度的测量对提高配件质量有重要作用。

传统螺纹的检测主要采用两种方法[1]:

其一是综合检验法;另一种是单参数测量法。

二者都需人工操作,精度相对较低,整个测量过程耗时耗力,工作效率低,且易导致螺纹损伤。

在此情况要求下，利用计算机软件参与螺纹的检测是十分必要的，基于数字图像处理的螺纹检测系统就是在这一环境下应运而生。

本文主要针对外螺纹传统测量方法测量耗时多、精度低等方面的不足,重点对摄像机成像的光学系统、数据采集电路、滤波算法、边缘检测算法、拟合算法以及螺纹特征参数的计算方法进行了研究。

1背景介绍及国内外发展前景

1.1本课题研究的目的及意义

螺纹连接结构连接可靠，装配、拆卸方便，被广泛应用到机械设备以及其他设备中。

其互换性和标准化程度要求高，需要进行认真的检测。

以常用的紧固螺纹为例，但就几何参数来说，对其互换性要求可以归纳为两点：

一是旋合性，就是规格相同的内、外螺纹可以相互自由旋合；二是连接强度要求，就是相互旋合的内、外螺纹，牙侧面要有足够的接触面积，以保证连接强度。

我国制造业中主要使用机械检测方法对螺纹进行检测。

常用的有螺纹量规、工具显微镜、三针法和其他通用量仪等，这些方法都是手工进行的，测量速度慢、测量精度低，已不能满足实际生产的需要。

基于数字图像处理技术的螺纹检测是伴随着计算机技术的发展而产生的一门新兴学科。

它主要是利用光电成像、计算机图像处理和模式识别技术进行检测，其检测速度快、检测精度高。

区别于机械检测方法的最大特点在于它能够进行在线检测，即对生产线上的零件进行同步、非接触检测，同时输出检测结果。

利用数字图像处理技术可以对长度、角度参数进行检测。

由于外螺纹轮廓形状复杂、参数多，所以基于数字图像技术进行螺纹检测这一课题有必要进行深入研究。

1.2传统的几何参数测量原理及方法

螺纹几何参数的测量方法可分为综合测量和单项测量两类。

综合测量主要用于测量主要求保证可旋合的螺纹（螺纹性能的最低要求），他是利用螺纹极限量规进行测量的，被测螺纹合格的标志是通端量规能顺利的与被测螺纹在被检全长上旋合，螺纹量规有塞规和环规，分别用以检验内、外螺纹，仅仅检测螺纹外形轮廓的量规也被大量使用。

但是对于精密螺纹，除了可旋合之外，还有其他更重要的要求，如对中径、螺距、牙型半角等参数还需要其误差应在规定公差范围内，对这些参数的检测就是螺纹的单项测量。

1.2.1传统的测量方法最常用的有下面三种：

1、用工具显微镜测量螺纹的各单项参数

工具显微镜是一种应用非常广泛的光学仪器，测量螺纹是其主要用途之一，下面结合图1.1简要介绍其工作原理。

在纵、横向滑板3和11上，分别安装有长度200mm和100mm的玻璃毫米刻度尺，他们可分别在机座1上自由的移动，用读数显微镜5和6对准纵、横玻璃刻度尺即可进行读数，瞄准工件用的主显微镜9及其镜架8安装在仪器后方的立柱7上，可连立柱是上下移动以调整焦距，用手动柄10可使立柱7向右或向左倾斜一定角度，以适应各种螺旋面的测量要求。

仪器的照明系统在后下方。

光束照射被测件，并在主显微镜中形成被测件轮廓的影像，主显微镜上方装有测角目镜（见图1.2），转动其上的手柄5，可使度盘盒1内刻有圆周分度的玻璃刻度盘旋转，其转动的角度可从角度目镜3中观察读取（见图1.2右上），刻度盘中央有米字虚线，用以对准被测件轮廓，并从中央目镜2中观察（见图

1.2左上），反光镜4是供角度目镜照明用。

测量时移动移动仪器的纵向、横向滑板并配合旋转目镜中的米字虚线来瞄准被测件，图1.3为测量螺纹的螺距、中径和牙型半角的示意图。

测量中径时，先将立柱7倾斜一个螺纹倾角φ，然后移动仪器的横、纵向滑板，在各个位置（位置Ⅰ、Ⅱ、Ⅲ和Ⅳ）对准，配合旋转目镜，并在横向读数显微镜6读数进行测量。

测量螺距时，先在位置Ⅰ上对准，并在显微镜5上进行读数，然后移动纵向滑板，使之移动n个螺牙后在位置Ⅴ上对准，由显微镜5继续进行读数，两次读数之差即为n个螺距的实际值。

当中央虚线在以上各位置对准螺牙侧后，

即可从角度目镜3中读出各自的牙型半角值。

上述方法称为影像法，即按被测件的轮廓影像进行测量，由于轮廓成像的清晰程度，和瞄准误差的影像，以及测量时主显微镜需倾斜一螺纹升角φ，使测量在法向截面内进行，而不是按定义在轴向截面上进行测量，并且由于安装误差的影响，测量误差会受到一定的限制。

2、三针法测量外螺纹中径

三针法主要用于测量精密的外螺纹中径，如图1.4所示，将三根精密量针放在螺纹的牙槽处，再用。

精密量仪（如杠杆千分尺、光学计、测长仪等）测出M值，最后测量出被测中径值d2。

公式如下：

3、螺纹车间低精度测量

在实际生产中，对于精度不太高的牙型角常用样板进行测量。

如图1.5（a），这种方法简单易行，但精度低，而在精度较高一点的牙型角测量中，一般用角度规进行，如图1.5（b），车间检验最简单的方法是用样板如图1.5（c）所示，检测时以光隙法靠人来判断螺距的准确度，用样板检测是螺纹最低精度的检测，这种检测方法是不能测出误差的具体值的。

用角度规可以测量牙型角误差，但因角度规差用的分度值为2’，故测量精度也不高。

因此，这些方法只能对螺纹某些参数作低精度检测。

通过对上述的三种螺纹单项测量原理及方法的介绍，我们可以看出他们的共同的不足之处：

都是利用机械检测方法手工测出某些参数，然后再通过数学公式人工计算出来，这样的测量方法操作工序多，不可避免的会带来主观的观测误差，而所有器具的精度也直接影响测量精度；另外，手工操作的方式，耗时长、效率低；最后，这些测量器具加上人力因素而导致螺纹测量的高成本。

1.3国外测量螺纹的情况

1、1990年1月17日，美国飞机标准委员会召开螺纹标准修订会，修订了关于螺纹合格性的两项军用标准：

MIL-9-7742、MIL-9-8897。

该标准中提出，通—止端螺纹塞规只能用于检测螺纹规格为0.019英寸（相当于M5）以下的内螺纹，这样，事实上就废除了通—止端螺纹量规。

新标准分为两种螺纹：

“保安螺纹”和“其他螺纹”。

对于保安螺纹则必须100%的检测11个螺纹特征参数。

2.早在1992年美国“ASME验收统一英制螺纹、普通螺纹和航空螺纹尺寸的检测体系”中就提出了测内外螺纹可以用内、外螺纹指示量规，该指示量规可测出内外螺纹的单一中径、作用中径以及圆度、锥度误差。

3、90年代，瑞士以研制成功Typ5652、Typ5676、Typ5677型外螺纹综合测量仪，该仪器采用了标准螺纹件与被测外螺纹滚动的方法，可测出外螺纹中径值。

4、德国研制出一种应用光纤维传感器的内螺纹自动检测装置，它可测内螺纹的大径、小径、中径和螺距误差，其整机测量精度为7μm。

5、日本研制出一种螺纹自动坐标检测机，他可以测量螺纹的单一中径、螺距误差、半角误差、其分度值是0.1μm。

通过对国内外螺纹检测情况的分析可知，用机械方法检测螺纹已经不能满足实际生产的需要，主要表现在：

现代制造商产品种类越来越多，制造精度越来越高，很多场合要求实时、在线、非接触检测；现代制造业的发展需要更快速、有效的产品检测技术。

基于数字图像处理技术的螺纹检测是伴随着计算机技术的发展而产生的一门新兴学科。

具有非接触、速度快、精度高、现场抗干扰能力强等许多优点，能很好的满足现代制造业的需求。

2数字图像处理技术的螺纹检测

2.1测量原理

现有的螺纹CCD光学测量系统多采用平行光将螺纹形状投影到CCD上,然后再据此进行后期的处理、计算,但是,这样的成像系统中投影平行光的衍射较为严重,对精度影响较大,且不易消除。

本文采用透镜成像原理获取螺纹形状,避免了衍射对测量精度的影响。

其原理结构如图1所示,按照测量流程,首先螺纹由夹持装置固定并保持与摄象机光轴垂直,然后螺纹图像通过光学系统的放大成像到CCD摄像头上,最后由图像采集卡对其进行采集后送至计算机进行分析计算,并得出测量结果。

这里的测试分析软件主要包括图像的预处理、边缘提取、亚像素定位等几方面。

图1　检测系统总体结构

其中图像获取作为整个系统的前端部分是极其重要的,获取图像的精确度,大倍数,畸变系数等因素直接影响到后期处理的过程以及测量结果的精确度。

所以图像采集,要适当地提高其放大倍数以增加螺纹牙图像的像素数,提高拟合的精度。

本文在光学系统设计的时候设计使用了多透镜的共轴球面系统使其放大倍数满足要求。

2.2螺纹图像处理

螺纹特征参数测量软件主要包括图像处理、参数标定以及参数计算三个方面的内容,图像处理又包含图像预处理、螺纹轮廓边缘的提取、拟合等几个

方面,其算法流程图如图2所示。

2.2.1螺纹图像的预处理

当螺纹图像输入到计算机后,为了消除噪声,稳定地进行特征抽出等处理,须对其进行滤波等处理。

图像滤波方法有空域法和频域法两大类。

根据图像中噪声的特性,处理方法有:

空域低通滤波、频域低通滤波、中值滤波、加权中值滤波,N×N邻域的滤波和图像平均等。

边缘保持滤波器[2]是在上述滤波器的基础上发展的一种滤波器,该滤波器在滤除噪声脉冲的同时,又不致于使图像边缘十分模糊,特别适合于像螺纹检测这样的我们只关心它的边缘特征的情况。

边缘保持算法的基本过程如下:

对灰度图像的每一个像素点[i,j]取适大小的一个邻域（如3×3邻域）,分别计算[i,j]的左上角子邻域、左下角子邻域、右上角子邻域和右下角子邻域的灰度分布均匀度v,然后取最小均匀度对应区域的均值作为该像素点的新的灰度值。

计算灰度均匀度的公式为

v=∑f2（i,j）-[∑f（i,j）]2/N

（1）

　　由上式可得,分布越均匀,v值越小。

2.2.2　图像滤波

由于图像在摄取过程中受到摄取器件、周围环境等影响,会使摄取到的图像中含有噪声。

噪声通常是随机产生的,因而具有分布和大小的不规则性。

为了使图像更逼真,需要进行图像去噪,也就是滤波。

一些常见的噪声有椒盐噪声、脉冲噪声、高斯噪声等。

椒盐噪声含有随机出现的黑白亮度值;脉冲噪声只含有

随机的白亮度值或只含有随机出现的黑亮度值;高斯噪声含有的亮度值服从高斯或正态分布。

图像滤波的方法根据噪声本身的特性而定。

一般情况下,在空间域采用邻域平均的方法来减少噪声;在频率域,由于噪声的频谱常多在高频段,因此采用各种形式的低通滤波方法来减少噪声。

在空间域,图像的平滑常采用均值滤波或中值滤波。

均值滤波是通过模板操作实现一种邻域运算,即某个像素点的结果不仅与本像素灰度有关,而且与其邻域的像素值有关。

模板运算在数学中的描述是卷积运算。

平滑模板的思想是通过一点和周围几个点的运算来去除突变点,从而滤掉一定的噪声,但图像有一定的模糊度,而减少图像模糊是图像平滑处理的主要问题之一,这主要取决于噪声本身的特性。

均值滤波的主要问题是可能使图像中的尖锐不连续部分模糊,但非线性滤波算法既可消除噪声又可保持图像的细节。

中值滤波是最简单的非线性滤波,它采用一个含有奇数个点的模板窗口,将窗口中心与图中待处理的像素重合,读取模板下各对应像素的灰度值,将灰度从大到小排序,最后取该序列的中值来代替模板中心像素点的值。

图1（a）为均值滤波,图1（b）为中值滤波。

从图1中可以看出,模板变大后的均值滤波更显模糊,而中值滤波后图像均匀,线条比较明显。

2.3　图像边缘轮廓的提取

螺纹尺寸测量的关键在于边缘轮廓的提取。

图像的边缘是图像的最基本特征,边缘点是指图像中周围像素灰度有阶跃变化或屋顶变化的那些像素点,即灰度值导数较大或极大的地方。

边缘检测局部算子法是考察图像的每个像素在某个邻域内灰度的变化,利用边缘邻近一阶或二阶导数变化规律,用边缘检测算子提取轮廓边缘的方法。

边缘检测算子检查每个像素的邻域并对灰度变化率进行量化,也包括方向的确定,然后使用基本方向导数掩模求卷积的方法提取边缘。

此种方法应用于图像相对简单、被测物与背景的对比度较大的情况。

但算子计算量较大,效率偏低,且算子的优劣决定边缘轮廓提取精度,不适于本测量的要求。

因此采用阈值法,即利用图像的灰度直方图分布得到该图像灰度阈值,再根据阈值将图像二值化,形成锐化图像,然后逐行扫描,搜索图像边缘,最终获得边缘轮廓曲线。

2.3.1　经典边缘检测算子的理论分析和比较

所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合,两个具有不同灰度值的相邻区域之间总存在边缘。

图像的边缘是图像的基本特征。

边缘可以分为两种:

一种被称为阶跃性边缘,它两边像素的灰度值有着显著的差别;另一种称为屋顶状边缘。

边缘检测算子是利用图像边缘的突变性质来检测边缘的。

它主要分为以下几种类型[2]:

一种是以一阶导数为基础的边缘检测算子,在算法实现过程中,通过2×2或3×3模板作为核与图像中的每个像素点做卷积和运算,然后提取合适的阈值以提取边缘,如Roberts算子、Sobel算子、Prewitt算子;一种是以二阶导数为基础的边缘检测算子,通过寻求二阶导数中的过零点来检测边缘,如Laplacian算子;Canny算子是另外一类边缘检测算子,它不是通过微分算子实现边缘检测,而是在一定约束下推导出的最优边缘检测算子。

一阶导数算子也就是常说的梯度算子,对于数字

图像z=f（x,y）,它的梯度定义为向量:

其中:

Gx和Gy是梯度值。

因为数字图像是离散的,计算偏导数时常用差分来代替微分。

为了计算简便,常利用小区域模板和图像卷积来计算近似梯度值,采用不同的模板计算偏导数可产生不同的边缘检测算子,常见的有3种:

Roberts算子、Sobel算子、Prewitt算子。

Roberts边缘算子是一种利用局部差分算子寻找边缘的算子,它由下式给出:

其中:

f（x,y）、f（x+1,y）、f（x,y+1）和f（x+1,y+1）分别为4领域的坐标。

Roberts算子是2×2算子模板,如图1所示的2个卷积核形成了Roberts算子。

图像中的每一个点都用这2个核做卷积。

Sobel算子是一种一阶微分算子,它利用像素邻近区域的梯度值来计算1个像素的梯度,然后根据一定的阈值来取舍。

它由下式给出:

Sobel算子是3×3算子模板,如图2所示的2个卷积核dx、dy形成Sobel算子,一个核对垂直边缘响应最大,而另一个核对水平边缘响应最大,2个卷积的最大值作为该点的输出值。

运算结果是一幅边缘幅度图像。

（1）Roberts边缘检测算子采用的是对角方向相邻的两个像素之差。

从图像处理的实际效果来看,边缘定位准,对噪声敏感,Roberts边界见图2（a）。

（2）Sobel边缘检测算子由2个卷积核形成,图像中的每个点都用这2个核做卷积,一个核对垂直边缘影响最大,而另一个对水平边缘影响最大。

2个卷积的最大值作为输出值,其运算结果是一幅边缘幅度图像,Sobel边界见图2（b）。

Prewitt算子与Sobel算子的方法一样,图像中的每个点都用这2个核进行卷积,取最大值作为输出值。

它由下式给出:

它是3×3算子模板。

如图3所示的两个卷积核dx、dy形成了Prewitt算子。

Prewitt算子也产生一幅边缘幅度图像。

Laplacian算子是一个二阶微分算子,它利用边缘点处的二阶导函数出现零交叉的原理检测边缘。

Laplacian算子具有各向同性的性质,其定义为:

由于拉普拉斯算子是无方向的,因而它只需1个模板就行了,而不像前面的梯度算子需要2个模板分别用于计算2个方向的导数。

图像函数的

Laplacian算法可以借助如图4所示的模板卷积核来实现。

Canny算子是在以往的边缘检测算子和边缘检测的基础上提出的,它满足信噪比准则、定位精度准则和单边缘响应准则。

它的算法实现如下:

①用高斯滤波器平滑图像;②用一阶偏导的有限差分来计算梯度的幅值和方向;③对梯度幅值进行非极大值抑制;④用双阈值算法检测和连接边缘。

用高斯函数对图像

f（x,y）进行滤波得到f（x,y）3G（x,y,Ρ）,然后计算其梯度矢量的模和方向:

其中:

G（x,y,Ρ）是高斯函数;Ρ是表示平滑程度的空间常数。

图像边缘点即为在方向A上使模M取得局部极大值的点。

在实际应用中,Canny算子通过2个阈值来分别检测强边缘和弱边缘,只有在强边缘与弱边缘连接时,弱边缘才被输出,该算子不容易受噪声干扰。

Roberts算子是一种斜向偏差分的梯度计算方法,梯度的大小代表边缘的强度,梯度的方向与边缘走向垂直。

该算子定位精度高,但容易丢失部分边缘。

因为没进行平滑处理,不具有抑制噪声的能力。

用该算子处理边缘陡峭度高且噪声小的图像效果较佳。

Sobel算子和Prewitt算子都是一阶的微分算子,都是先对图像进行平滑处理,虽然两者都是加权平均滤波,但是前者邻域的像素对当前像素产生的影响不是等价的,距离不同的像素具有不同的权值,对算子结果产生的影响也不同。

这两种算子对噪声都有一定的抑制作用,但不能完全排除检测结果中出现虚假边缘的情况。

这两者对灰度渐变低噪声的图像有较好的检测效果,但是对于混合多复杂噪声的图像处理效果就不理想了。

Laplacian算子是二阶导数算子,其方向信息已丢失,常产生双像素,对噪声具有双倍加强作用,因此它很少直接用于边缘检测。

但是,Laplacian算子与高斯滤波相结合形成的LOG算子经常用于边缘检测。

Canny算子是一类最优边缘检测算子,它在许多图像处理领域得到了广泛的应用。

该算子的基本思想是先对处理的图像选择一定的高斯滤波器进行平滑滤波,然后采用一种称之为非极值抑制的技术,细化平滑后的图像梯度幅值矩阵,寻找图像中的可能边缘,最后利用双门限检测通过双阈值递归寻找图像边缘点,实现边缘点。

因此,该算子具有较强的噪声抑制能力,但该算子有时也把一些高频边缘滤掉,造成一部分边缘的丢失。

2.3.2利用Canny算子提取

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,这种不连续性通常可以利用求导数的方法方便地检测到。

一般常用一阶导数和二阶导数来检测边缘。

边缘检测的基本思想是首先利用边缘增强算子,突出图像中的局部边缘，然定义像素的“边缘强度”,通过设置门限的方法提取边缘点集。

Canny边缘检测是一种比较新的边缘检测算子,具有较好的边缘检测性能,能在噪声抑制和边缘检测之间取得良好的平衡。

它利用高斯函数的一阶微分对图像进行滤波,得到每个像素梯度的大小

|G|和方向θ:

f为滤波后的图像。

该算法在检测中对梯度进行了“非极大抑制”:

滤波后确定的边缘点会导致梯度幅度图像中出现脊,算法追踪所有脊的顶部并将所有部在脊的顶部的像素设为零,以便在输出中给出一条细线,这就是非极大抑制处理。

几种算子对标准量块的边缘检测的效果如图3。

比较可得Canny算法产生的边界较细、定位精度高、单一边缘好,这是由于Canny算法是通过对梯度方向上的非局部极大值进行抑制而达到这样的效果的,缺点是检测出来的杂散边界较多,但只要控制好检测的域值,可以减少杂散边界,降低其影响,它是检测阶跃型边缘效果最好的算子之一,它比Prewitt算子、Sobel算子、拉普拉斯算子极小值算法的去噪能力都要强。

这是用Canny算子检测图像的边缘的matlab表达：

I=imread（'bacteria.BMP'）;

imshow（I）;

BW1=edge（I,'canny',0.2）;

figure,imshow（BW1）;

2.3.3　图像轮廓的亚像素提取算法

边沿检测得到的粗定位在螺纹参数的高精度测量中是远远不够的,必须利用其他办法提高其定位精度。

按照基本原理的不同,比较成熟的亚像素细分算法有以下几类:

矩方法、形心法、灰度重心法、拟合算法