图像处理技术在零件尺寸测量中的应用资料.docx

图像处理技术在零件尺寸测量中的应用资料.docx

《图像处理技术在零件尺寸测量中的应用资料.docx》由会员分享，可在线阅读，更多相关《图像处理技术在零件尺寸测量中的应用资料.docx（13页珍藏版）》请在冰豆网上搜索。

图像处理技术在零件尺寸测量中的应用资料

本科毕业设计（论文）开题报告

题目名称：

图像处理技术在零件

尺寸测量中的应用

题目类型：

毕业设计

学生姓名：

天意枭雄

专业：

机械电子工程

学院：

机械工程学院

年级：

2012级

2016年3月5日

一、选题背景、研究意义及文献综述

1、选题背景

机械零件几何形状和尺寸的高精度测量一直是工业生产和科学研究的重要部分。

机械零件几何形状和尺寸其检测精度和速度会直接影响着生产效率和产品的质量，检测结果则是对生产过程进行控制的重要指标，对于机械零件几何形状和尺寸的检测主要包括:

机械零件的结构尺寸、机械零件外形轮廓以及机械零件的位置公差等。

对传统的机械零件几何形状、尺寸检测手段主要有卡尺、量规、万能工具显微镜、轮廓仪等，然而卡尺、量规等最常见也最基本的检测工具测量精度不高;万能工具显微镜、轮廓仪等专用类检测仪器不仅价格昂贵而且使用起来很复杂。

随着现代工业的发展和进步，特别是一些现代化的机械加工检测产业，对机械零件尺寸测量的精度和速度要求越来越高，这些传统的检测手段很难完全满足现代化工业生产的发展需求[1]。

2、研究意义

与传统测量手段相比，图像测量技术具有以下优点:

1、由于光的传播速度极快，图像测量不仅适用于静态测量，也适用于动态测量。

2、由于光路系统可以获得很高的信号放大率，因此测量的准确度非常高，通过选择合适的缩小或放大镜头，可以对不同尺寸大小的工业零件进行测量，极大地扩大了测量范围，灵活性得到了极大提高。

3、图像测量技术采用了“图像”这种信息含量非常丰富的载体，同时以数字图像处理技术为理论基础，大大增强了它对复杂结构和异形曲面的测量能力。

总之，图像测量技术测量精度高，灵活性好，动态范围大，高效，经济，无须配置复杂的机械运动装置，对环境也没有特殊的要求，非常适合于一些传统测量手段无法实现的现场使用。

除此之外，图像测量技术还能够代替人工在不安全的环境中完成测量任务，达到无接触检测的目的。

所以对图像检测方法的探讨和研究，具有十分重要的理论及现实意义[2]。

3、文献综述

随着数字技术、光电技术及计算机技术的发展，出现了一种新的检测技术，我们称之为图像测量技术。

图像测量就是检测被测对象时，把图像当做检测和传递信息的手段或载体加以利用的测量方法，其目的是从图像中提取有用的信号，它是以现代光学为基础，融计算机图像学、光电子学、计算机视觉、信息处理等科学技术为一体的现代检测技术。

图像测量技术的测量原理是通过对被测物体图像边缘的处理和计算从而获得物体的几何尺寸参数，实现对物体的精确测量[3]。

3.1图像测量技术的国内外发展状况

3.1.1国外发展状况

国外对图像测量技术的研究早于中国。

比如美国、日本、德国等发达国家在上世纪60年代已经开始着手对图像测量技术进行研究。

但随着计算机技术、光学技术、传感器技术、信息技术的发展，直到上世纪90年代，图像测量技术才逐渐成为一个研究热点。

图像测量技术的发展与CCD摄像器件技术的发展有很大关系。

CCD在国外问世于上世纪70年代，随着CCD摄像器件制作工艺的不断改进，图像测量技术的发展也日新月异。

目前，许多科研机构将CCD摄影器件及光学仪器结合一块应用于图像测量技术中。

比如瑞士Hauser公司研制的H602型光电测量投影仪，该投影仪是在普通投影仪的基础上，加上计算机处理系统及高精度光栅定位系统，以CCD摄影器件作为光电瞄准头，进行动态瞄准和采样，从而实现了测量的高精度和高效率。

瑞典Johansson公司制作的三坐标测量仪，该设备采用面阵CCD摄影器件作为光电接收器件，用计算机进行非接触图像处理，从而来实现快速的图像处理和自动测量任务。

美国OGP公司利用变焦技术研制的一款图像测量系统，该图像测量系统可实现随时对系统进行标定，且测量精度很高。

日本三丰公司研制的三坐标CNC图像测量机，可以实现对形状复杂的零件进行高精度测量。

虽然，图像测量技术的研究已经取得了很大成就，但是，在时代对制造技术和测量技术提出的要求越来越高的情况下，显然现在对图像测量技术的研究还远远不够。

未来图像测量技术应朝着以下方向研究:

1、图像测量技术必须朝着高精度化、高效率化方向发展。

2、图像测量技术需朝着实时在线测量方向发展。

3、图像测量技术需朝着复杂零件外形测量方面发展[2]。

3.1.2国内发展状况

图像测量技术我国是从上世纪80年代中期开始研究的，当时西安交通大学的蔡元龙教授成立了图像处理实验室，形成了一支稳定的专业研究队伍。

但到90年代才开始得到重视。

90年代末，随着半导体技术、光学、电学、图像学等技术的发展及计算机性能的快速提高，我国在图像测量方面的研究进入了一个新的阶段。

上世纪80年代，我国最典型的应用是使用线阵CCD进行物体长度的在线测量，比如对钢管半径的测量，但由于每个像素的间距不可能太小，所以精度比较低。

到了90年代，我国图像测量技术的研究领域已经十分广泛，比如在图像处理与模式识别、工业图像分析与检测、医学图像分析与处理、文字识别与处理、目标跟踪、人的身份识别等领域开展了大量的研究。

90年代末，我国图像测量技术取得了重大成绩。

比如，图像式显微测量系统被哈尔滨工业大学精密测控技术研究所研制成功，该系统采用亚像素细分技术和电子准星瞄准技术，实现了被测目标图像边缘轮廓的全自动瞄准和定位，通过图像识别技术实现二维坐标的全自动读数和检测，同时该系统采用扩展二步寻优法实现被测目标图像的自动调焦。

该检测系统具有以下优点:

1、该检测系统具有瞄准快、测量精度高等特点，比如，被测目标只要进入CCD的视场便可完成对目标的瞄准和测量，同时可以避免由于调焦不准所带来的瞄准误差。

2、该检测系统可以直接对小尺寸工业零件几何尺寸参数进行测量，比如钢丝半径、齿轮及齿形参数、汽车微型管件几何参数、薄壁零件的几何厚度等。

3、该检测系统具有自动保存数据、故障诊断、记录检索、统计分析、图像显示等多种功育旨。

进入21世纪，我国的图像测量技术的研究进入了一个快速的发展期，涉及到的领域也越来越广泛，比如，在几何参数测量、复杂微型零件精密测量、航空航海遥感测量等领域都有图像测量技术的应用。

总之，我国的图像测量技术二十多年来取得了很大的成绩，但相当一部分研究还主要集中在图像处理本身理论及算法的改进上，实际工程的研究成果还比较少，特别是在制造自动化领域的应用理论和应用技术的研究还不够多[2]。

3.2图像测量技术在机械检测中的应用

一般来说应用于机械检测的图像测量大体分为三种情况:

尺寸测量、表面质量检测、目标分类与识别，具体如下:

1、尺寸测量

尺寸测量是图像测量最早开始的研究方向，也是图像测量技术研究和应用的最重要应用领域。

国内外很多公司和研究机构都对于基于图像处理的尺寸测量有较成熟的研究成果，并且应用于现实的工业生产中，有些公司还有系列化的图像检测仪器面向市场。

2、表面质量检测

对于机械零件的表面检测的主要内容包括机械零件的材质、机械零件表面的纹理。

以及机械表面的毛刺、划痕、磨损等精度参数。

但是由于机械零件的材料不同在摄像过程中零件表面的反射方向复杂、存在阴影现象，对图像的质量又比较大的影响，不仅如此在实际的检测操作中镜头与工件相对位置很难把握。

因此对于图像检测技术应用于机械零件表面质量的检测虽然也有相关的研究成果，但是总体看来想要应用于工业现场还是存在比较大的困难，特别是对于复杂曲面或特殊材料零件表面需要对检测理论和检测方法进一步的创新完善。

3、目标分类与识别

对特定目标物体的分类与识别也是图像检测技术研究的热点之一，一般来说物体识别可以分为二维特征识别和三维特征的识别。

机械零件的识别基本上都是基于二维识别的，通常都是通过对机械零件外形轮廓模型的建立然后通过各种匹配算法从真实的图像中找到出物体最相似的目标。

二维识别一般用于识别远距离的物体或者在场景中稳定的位置的物体的识别，在工业现代化的分拣识别领域有很广泛的应用。

三维识别主要是通过物体的灰度图或通过三维图获取实际场景中的信息来识别物体的三维结构特征，主要的研究应用于指纹识别、人脸识别、车牌识别等新兴领域[4]。

3.3图像处理技术未来的发展方向

（1）高分辨率、超高速、多媒体化、立体化、标准化和智能化方向发展。

（2）图形与图像相结合，朝着多维成像的方向发展。

（3）硬件芯片的开发研究，由于目前尚没有统一的国际标准，图像处理硬件芯片不能进行批量化生产，若能够批量生产，则使之应用更方便。

（4）新算法和新理论的研究。

近年来，在图像处理领域提出了一些新的理论与新的算法，如分形几何、小波分析、遗传算法、形态学等等。

3.4零件尺寸测量系统的设计

图像测量系统的硬件主要由摄影器件CCD、图像采集卡、计算机、照明系统、工件测量台、摄影器件CCD支架及调整结构组成。

根据测量流程，图像测量系统可分为图像获取、图像预处理、图像边缘检测、图像几何尺寸测量等主要环节。

其中图像获取环节主要利用摄影器件CCD,图像采集卡完成对被测量目标的图像采集任务;图像预处理环节主要是利用噪声滤波算法对采集的目标图像进行滤波处理，本文是利用一种改进的混合噪声滤波算法对被采集的目标图像进行滤波降噪;图像边缘检测环节主要是利用一些边缘检测算子完成对目标图像的边缘检测，以得到清晰的边缘轮廓线，本文是利用一种改进的模糊图像边缘检测算法来完成对目标图像的边缘检测;图像几何尺寸测量环节主要是根据一些特定算子完成对目标图像几何尺寸的测量，本文首先针对圆形工业零件，采用重心法和插值法完成了对圆形工业零件几何半径的测量;其次针对矩形零件，用扫描法完成了对矩形零件长和宽的测量[2]。

3.5图像处理系统的设计

3.5.1图像的预处理

图像的预处理图像预处理也可称为图像降噪。

工业设备中策噪音一般分为为高斯噪音、脉冲噪音和椒盐噪音等三类。

脉冲噪声是只含有随机的白强度值（正脉冲噪声）或黑强度值，椒盐噪声是含有随机出现的黑白亮度值，而与以上两类噪音相比，高斯噪音由于带有高亮度服从高斯或正太分布噪音，而其正是影响到绝大多数工业领域几何尺寸测量的干扰因素，因此除去高斯噪音一直是几何尺寸测量的难题[6～8]。

常用的降噪算法有均值滤波、中值滤波和高斯滤波等。

为了选择适合本文的算法，分别采用三种降噪算法进行图像处理，其结果如图1所示，其中均值滤波和中值滤波的滤波窗口均为3×3。

从图1中不难看出，均值滤波导致图像的边缘变得比较模糊，这会给边缘检测带来不利影响。

而中值滤波和高斯滤波的处理效果对本文效果接近[10]。

考虑到中值滤波的效率较高斯滤波高，所以本文采用中值滤波进行降噪处理。

a）原图像b）均值滤波后图像

c）中值滤波后图像d）高斯滤波后图像

图1原图像及三种降噪算法处理后图像

3.5.2图像边缘检测

首先对Robert算子、Sobel算子、Prewitt算子、Canny算子等一些常用的经典图像边缘检测算法进行了讨论、研究，分析了各种经典图像边缘检测算法的优缺点。

各算法图像边缘检测如图2所示。

a）经Robert算子后的工业零件图b）经Sobel算子后的工业零件图

c）经Prewitt算子后的工业零件图d）经Canny算子后的工业零件图

图2各算法图像边缘检测

从以上几种边缘检测算子的边缘检测结果可以看出，Robert算子、Sobel算子、Prewitt算子这三种算子提取的图像边缘连续性较好，但提取出的图像边缘比较粗，一般在两个像素以上;Canny算子提取出的图像边缘比较细，且定位精度高，但有一些多余的伪边缘像素点存在[11～13]。

3.5.3零件二维几何参数测量

测量圆形零件几何参数，可用重心法、插值法;针对矩形零件，用扫描法可对矩形零件长和宽的测量[14～15]。

所谓扫描法矩形检测[[48]，就是按照从下到上，从左到右的扫描方式，找到矩形图像的最左边和最右边像素点的坐标，对横坐标进行运算得到矩形的长度，找到最下边和最上边得像素点的坐标，对竖坐标进行运算得到矩形的宽度。

下面用扫描法对矩形垫片的长度和宽度进行检测。

图3矩形垫片图图4矩形垫片边缘轮廓图

表1矩形垫片零件测量结果

测量对象

标定值

测量结果（像素）

测量结果（毫米）

矩形零件的长

0.0795

205.812

16.362

矩形零件的宽

205.917

16.291

3.5.4测量系统误差分析

（1）CCD因素

CCD摄像机是测量系统的关键部分，其精度直接影响着最终测量结果的精度。

CCD摄像机所产生的误差，主要由光学误差、机械误差和电学误差等构成。

（2）环境因素

主要由照明光源随时间变化，温度场的变化，振动电压波动的影响。

（3）减小误差的方法

1）采用具有良好温度特性的CCD摄像机，保持均衡的环境温度和较小的内部热源[3]。

2）适当的减震隔离方法。

3）对零件进行前期处理。

二、研究的基本内容，拟解决的主要问题

1、研究的基本内容

零件尺寸测量包括图像采集、图像预处理、特征提取（边缘检测）和参数测量等内容。

图像采集重在获取高质量的图像，图像预处理可以抑制噪声，增强对比度，从而改善源图像的质量，特征提取和参数测量重在获得尺寸等参数。

摄像机等硬件和图像处理算法等程序共同构成了图像尺寸测量系统，在这个平台上完成尺寸测量工作。

2、解决的主要问题

（1）图像采集系统的设计

（2）图像噪声滤波算法设计

（3）图像边缘检测算法设计

（4）零件尺寸参数测量算法设计

（5）零件尺寸测量及误差分析

3、研究步骤、方法

（1）收集整理项目相关资料；认真领会设计任务，调研、查阅20篇以上的文献，外文资料的整理，翻译2万字符左右的外文资料。

（2）确定零件尺寸测量系统总体方案。

（3）设计零件尺寸采集系统、图像处理系统。

（4）零件尺寸测量及误差分析。

四、研究工作进度

（1）2016年2月22日-2016年3月4日（第1-2周）：

收集整理项目相关资料；认真领会设计任务，调研、查阅20篇以上的文献，外文资料的整理，翻译2万字符左右的外文资料。

（2）2016年3月7日-2016年3月11日（第3周）：

收集、分析、整理文献资料，书写开题报告。

并作开题报告答辩准备。

（3）2016年3月14日-2016年3月18日（第4周）：

开题报告答辩。

（4）2016年3月21日-2016年3月25日（第5周）：

确定零件尺寸测量系统总体方案。

（5）2016年3月28日-2016年4月8日（第6-7周）：

零件尺寸采集系统的设计。

（6）2016年4月11日-2016年5月6日（第8-11周）：

零件尺寸图像处理系统的设计。

（7）2016年5月9日-2016年5月13日（第12周）：

零件尺寸测量及误差分析。

（8）2016年5月16日-2016年5月27日（13-14周）：

撰写毕业论文，提交相关资料，准备毕业设计答辩。

（9）2016年5月30日-2015年6月3日（第15周）：

论文评审。

（10）2015年6月6日-2015年6月10日（第16周）：

进行毕业设计答辩。

5、参考文献

[1]杨益.基于图像处理的机械零件几何尺寸检测方法研究[D]:

[硕士学位论文].四川:

西华大学，2011.

[2]吴德刚.基于图像处理的零件二维几何尺寸测量算法研究[D]:

[硕士学位论文].郑州：

郑州大学，2011.

[3]王俊杰.基于图像的尺寸测量算法研究[D]:

[硕士学位论文].郑州：

郑州大学，2013.

[4]王勇博.用数字图像处理技术测量几何尺寸的方法研究[J].电子世界.2012,（4）:

6～7.

[5]许二宁.基于图像处理技术的小零件尺寸检测系统开发[D]:

[工程硕士学位论文].上海：

华东理工大学，2013.

[6]邓小峰.基于机器视觉的零件识别和测量系统研究[D]:

[硕士学位论文].南京：

南京航空航天大学，2014.

[7]韦飞云.大尺寸物体测量方法国内外研究现状[J].科技创新与应用，2016,（3）：

123.

[8]马艳娥，张波涛，高磊，王红红.基于图像处理的零件尺寸测量研究[J].电子测试，2011，（8）：

39～41.

[9]王永皎，郭力争.基于图像处理技术的尺寸测量中边缘定位算法[N].信阳师范学院学报.2014-1.

[10]刘国阳.基于机器视觉的微小零件尺寸测量技术研究[D]:

[硕士学位论文].哈尔滨：

哈尔滨工业大学，2014.

[11]LingLi,MengGong,Y.H.Chui,MarcSchneider.AMATLAB-basedimageprocessingalgorithmforanalyzingcuppingprofilesoftwo-layerlaminatedwoodproducts[J].Measurement,2014,（53）:

234～239.

[12]AliKeyvani,KyleStrom.Afully-automatedimageprocessingtechniquetoimprovemeasurementofsuspendedparticlesandflocsbyremovingout-of-focusobjects[J].Computers&Geosciences,2013,（52）:

189～198.

[13]JingsiYang,JesseZhu.Clusteridentificationusingimageprocessing[J].Particuology,2015，（23）:

16～24.

[14]ZhiyuanWang,RenweiLiu,ToddSparks,HengLiu,FrankLiou.Stereovisionbasedhybridmanufacturingprocessforprecisionmetalparts[J].PrecisionEngineering,2015,（42）:

1～5.

[15]张海鹏，陈洪武，田铖，李洪亮.基于MATLAB图像处理的齿轮零件测量技术[J].信息技术，2015，（3）：

65～69.

六、系（教研室）评议意见

评议人：

年月日