基于HALCON的金剛石顆粒參數測量技術研究

王慶海

（河南機電職業學院，鄭州 451191）

基于HALCON的金剛石顆粒參數測量技術研究

王慶海

（河南機電職業學院，鄭州 451191）

0 引言

金剛石顆粒生產出來之后需要按照國家標準或國際標準進行分級和選形，不同等級的金剛石具有不同的用途和經濟價值，因此金剛石的分選（分級和選形）是金剛石整個生產過程中的重要環節。在進行金剛石分選時，需要測量純凈度、粒徑、橢圓度、圓度、顏色等系列特征參數[1]，這些特征參數是金剛石質量對比的依據，也是金剛石分級和分選的基礎。目前國際上使用的先進的金剛石圖像和形貌檢測儀器主要有兩種，分別是德國制造的DiaInspect.OSM超硬磨料圖像自動分析系統和由瑞士開發的Diashape電腦檢測系統，它們能夠快速地獲得金剛石的各種特征參數，有效地確定金剛石的品級，但是這種設備價格昂貴，測量范圍有限[2,3]。目前國內主要是使用光學顯微鏡放大20～100倍由人工測量特征參數的方法進行金剛石顆粒品級的鑒定，該方法檢測效率低，鑒定結果的主觀性大，不能適應金剛石行業發展的需要。隨著計算機技術和數字圖像處理技術的發展，國內不少研究者將機器視覺技術和數字圖像處理技術應用于金剛石特征參數的測量中，實現了金剛石某一項特征參數的測量，如：史長瓊等采用改進Canny算法實現了金剛石粒徑的自動測量[4]；簡麗娟等采用LabVIEW語言實現了金剛石晶體的面積、周長和粒徑等尺寸參數測量[5]；李銀華等用MATLAB在HIS色彩空間仿真實現了金剛石凈度的自動檢測[6]；江國學等采用MATLAB實現了金剛石顆粒數目、面積的測量[7]；張秀芳等利用MATLAB軟件進行圖像處理和相關數值計算，識別出金剛石磨粒的粒度[8]；但是這些研究與工程實際應用尚有一段距離。因此，金剛石顆粒特征參數的快速低成本測量技術的研究仍是金剛石行業目前迫切需要解決的問題。

本文采用機器視覺圖像處理軟件HALCON實現了金剛石顆粒的粒徑、圓度、橢圓度、凈度等特征參數的測量，粒徑的測量精度可以達到亞像素級別。本文的研究為金剛石顆粒特征參數提供了高速、高精度的測量方法。

1 樣品的采集

實驗采用在Nikon Elicpse E200生物顯微鏡上拍攝的圖像進行分析，實驗樣品是某公司制造的金剛石單晶體。樣品圖像采集時，顯微鏡目鏡的放大倍數為4X，物鏡的放大倍數為10X。由于金剛石晶體具有透明性及光線反射折射等作用，顯微鏡下方的光源使得圖像的亮度不均勻，中間將出現一個白色區域，如圖1(a)所示，影響特征參數的分析和測量。因此，為了增強圖像的對比度，圖像采集時，我們把金剛石顆粒放在白色濾光紙上進行檢測，同時關閉顯微鏡下方的照明系統，在上方采用LED光源進行均勻照明，得到的圖像如圖1(b)所示。

圖1 金剛石顆粒在不同光源照射下的圖像

2 金剛石顆粒參數測量中的關鍵技術

采集圖像后，本文采用HALCON圖像處理軟件進行金剛石顆粒特征參數的測量，測量流程圖如圖2所示。

圖2 金剛石顆粒特征參數的測量流程圖

2.1 圖像分割

圖像分割是由圖像處理到圖像分析的關鍵步驟，其目的是從圖像中把目標區域和背景區域分開。圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等。其中，基于閾值的分割方法是運算效率較高的方法，也是目前最為常用的方法，它包括全局閾值法（threshold）、動態閾值法（dyn_threshold）、自動閾值法（bin_threshold），等等。全局閾值法和動態閾值法都是“固定閾值法”，它們僅在物體的灰度值和背景的灰度值不變時效果較好，不適合物體自動化檢測時的圖像處理。自動閾值法不需要人工設置閾值，但是它應用在直方圖中存在雙峰的情況，且其輸入是單通道圖像才可能有較好的效果。

本文攝像機采集得到的圖像是RGB三通道的彩色圖像，需要先用decompose3算子將RGB圖像分解成R（紅色）、G（綠色）和 B（藍色）三幅單通道圖像，然后再用自動閾值算子bin_threshold對R通道圖像（或G通道圖像）進行圖像分割處理。如圖3所示的圖像是對圖1(b)所示圖像的R通道圖像的分割結果，可以看出，目標區域從背景區域中較好地分割出來，分割效果較好。

圖3 對圖1(b)進行圖像處理的結果

2.2 亞像素邊緣提取

由圖3(a)可以看出，金剛石晶體投影面的各部分被分割成多個不連通的區域，需要將這些彼此分割開的區域合并為一個單一的連通區域，同時去掉一些干擾區域。為解決此問題，我們用區域形態學進行處理。首先用算子select_shape選擇感興趣的區域（Region Of Interesting，ROI），然后用邊長為10的矩形結構元素對ROI進行膨脹操作，此時ROI將合并成一個單一連通區域，最后用算子reduce_domain將該單一連通區域與原始圖像進行裁剪處理，裁剪出ROI圖像，結果如圖3(b)所示。此時，可以用算子threshold_sub_pix從該ROI圖像中提取圖像輪廓邊緣，提取的邊緣具有亞像素精度，結果如圖3(c)所示。由圖可以看出，得到的邊緣比較清晰、完整。

2.3 XLD輪廓的處理

提取的亞像素邊緣是由多個像素點組成的XLD（eXtended Line Descriptions）輪廓。由圖3(c)可以看出，XLD輪廓中即有金剛石顆粒黃色透明區域的輪廓，也有不透明區域的外輪廓，同時還包括噪聲、雜質等的輪廓，因此，XLD輪廓處理的第一步是用算子select_shape_xld選擇出測量對象是黃色區域輪廓還是顆粒外輪廓。

XLD輪廓數據是由大量的輪廓邊界點像素信息組成，我們對這些點的像素信息并不感興趣，只對由這些像素點擬合成的幾何圖形及其特征參數感興趣，因此XLD輪廓處理的第二步是用算子shape_trans_xld將XLD輪廓轉換為凸包。圖3(d)所示中的多邊形是由圖3(c)中的XLD輪廓轉換的XLD凸包。

2.4 金剛石特征參數的測量

得到XLD凸包后，分別對XLD凸包進行分割和擬合，得到多邊形的邊長、面積等參數，便可實現金剛石特征參數的測量。

2.4.1 粒徑的測量

2.4.2 圓度的測量

工業金剛石的圓度是用金剛石顆粒投影面的周長與金剛石投影面積相等之圓的周長之比表示。因此，圓度的測量需要計算金剛石顆粒投影面的周長和面積兩個參數。

金剛石顆粒投影面周長的檢測方法為：首先用算子segment_contours_xld將XLD凸包分割為線段輪廓，然后用算子select_contours_xld選擇凸包中屬于金剛石邊緣的有效輪廓，并用算子f i t_line_contour_xld對有效輪廓采用tukey權重函數進行擬合，得到金剛石輪廓各邊的擬合直線和各擬合直線的首尾端點坐標。將每條擬合直線的首尾端點坐標保存到數組中，最后用算子distance_pp計算出XLD多邊形輪廓的各邊邊長，各邊邊長之和即為金剛石顆粒投影面的周長。

2.4.3 橢圓度的檢測

金剛石晶體的短軸和長軸之比稱之為橢圓度。用算子inner_circle對XLD凸包進行擬合得到其最大內切圓，該最大內切圓直徑的大小即為金剛石晶體的短軸。用算子shape_trans_xld對XLD凸包進行擬合得到其最小外接圓，該最小外接圓直徑即為即為金剛石晶體的短軸。

XLD凸包擬合的最大內切圓和最小外接圓如圖4所示。

圖4 XLD凸包的最大內切圓和最小外接圓

2.4.4 凈度的測量

金剛石的凈度由雜質投影面積與金剛石投影面積之百分比表示。雜質的顏色與金剛石晶體的顏色差異是識別金剛石凈度的重要依據。用算子threshold分割出黃色透明區域中的雜質區域，然后用算子area_center計算雜質和XLD凸包的面積，二者之百分比為金剛石的凈度。

2.4.5 透度和明亮度

用算子area_center測量出黃色區域的面積，該面積與XLD凸包的面積的百分比作為金剛石透光度度量指標，該指標表示了金剛石顆粒的成色，直觀地表征了金剛石的質量。

用算子intensity計算黃色區域的灰度平均值，該值是金剛石顆粒明亮度的評定指標。

3 實驗結果和分析

為了驗證本文所述方法的普適性，對一些金剛石顆粒樣品進行了驗證測量，表1是其中幾個典型樣品的測量結果。拍攝前對圖像采集系統進行了標定和坐標系的轉換，圖像大小為768pixel×576pixel。每個樣品的計算機處理時間為160ms左右。

在表1中，代號一欄是人工進行金剛石分選時給出的標號，其中字母“D”代表大單晶，第一位數字表示凈度的等級，第二位數字表示形狀的分級，第三、四位數字表示其粒度的大小，第五、六位數字表示其厚度大小。

由表1可以看出：1）圖像分析得到的XLD輪廓較好地反映了金剛石的形狀，可以根據XLD輪廓的邊數和各邊邊長的比例關系進行形狀分類，如果為正方形則為1類，接近正方形為2類，多邊形為3類。2）可以快速、準確地測量出金剛石顆粒粒徑大小，測量的精度可以達到亞像素級別。經過多次實驗表明，測量結果穩健可靠。3）在進行金剛石凈度分級時，目前大多采用經驗定性地進行判斷，結果不可靠。本文將雜質投影面積與金剛石投影面積之百分比定量地測量出了金剛石顆粒的凈度，并依此作為凈度分級的依據，方法科學、直觀。4）簡單方便地測量出了圓度、橢圓度、透度、灰度等參數值，為有效地確定金剛石的品級提供了科學依據。

表1 金剛石顆粒樣品及其測量結果

4 結論

金剛石特征參數是金剛石質量對比的依據。本文基于機器視覺技術研究了金剛石顆粒特征參數的自動測量方法，給出了采用機器視覺圖像處理軟件HALCON進行圖像分析的關鍵步驟和方法，實現了粒徑、橢圓度、圓度、凈度、形狀等特征參數的快速、準確測量，為有效地確定金剛石的品級提供了依據。對一些金剛石顆粒樣品進行驗證測量，結果表明，采用本文所述方法，可以簡單而快速地獲得金剛石的各種特征參數，測量的精度可以達到亞像素級別，測量結果與人工檢驗結果相吻合。本文的研究為金剛石顆粒自動分選系統的搭建提供了技術支撐。

[1]GB/T 16554-2010,鉆石分級[S],中華人民共和國國家質量監督檢驗檢疫總局,2010.

[2]梁存,高海玲,張瑞芳,張華,王秦生,SCB金剛石磨料圖像分析[J],超硬材料工程,2009,21(1):20-23.

[3]向震澤,H.Schmid,陳偉恩,林清民,金剛石形貌電腦檢測系統的研究與應用[A],第四屆鄭州國際超硬材料及制品研討會論文集[C],2003:217-221.

[4]史長瓊,傅明,邊緣檢測在金剛石評測系統中的應用[J].計算機應用與軟件,2005,22(9):39-41.

[5]簡麗娟,基于圖像分析的金剛石顆粒檢測[D],四川大學,2005.

[6]李銀華,路新惠,鐘彥征,計算機視覺在金剛石凈度檢測中的應用研究[J].金剛石與磨料磨具工程,2009,169(1):67-70.

[7]江國學,池王華,李海連,基于MATLAB圖像處理的金剛石微粉顆粒參數測量[J].制造業自動化,2015,37(2):67-70.

[8]張秀芳,于愛兵,賈大為,鄒峰.應用數字圖像識別法檢測金剛石磨粒的形狀與粒度[J].金剛石與磨料磨具工程,2007,157(1):47-49.

[9]唐存印,章兼植.金剛石粒徑和每克拉顆粒數的研究[J].金剛石與磨料磨具工程,2002,4(130):32-35.

Research on measurement technology of diamond parameters based on HALCON

WANG Qing-hai

基于機器視覺技術研究了金剛石顆粒特征參數的自動測量方法，給出了采用機器視覺圖像處理軟件HALCON測量粒徑、圓度、橢圓度、凈度、形狀等特征參數的關鍵步驟。最后對一些金剛石顆粒樣品進行了實例測量，結果表明，采用文章所述方法，可以簡單快速地獲得金剛石的各種特征參數，粒徑的測量精度可以達到亞像素級別，測量結果穩健可靠。

金剛石顆粒；參數測量；機器視覺；HALCON

王慶海（1971 -），男，河南睢縣人，副教授，碩士，研究方向為精密測試技術。

TP23

A

1009-0134(2015)07(下)-0056-04

10.3969/j.issn.1009-0134.2015.07(下).18

2015-04-06

河南省教育廳自然科學研究計劃項目（2010B460020）